Valdiss-Valdiss/ai-marketing-ru-landing

CRO-анализ посадочной страницы (научный подход)

Назначение навыка

Выполнение комплексного CRO-анализа (оптимизация коэффициента конверсии) любой посадочной страницы на основе 5 метрик: CRO Score (MECLABS), LIFT Score, Scannability Score, Trust Factor, Resonance Rate.

Данный навык производит поэлементный разбор страницы с приоритизированными, практически применимыми исправлениями, основанными на психологии поведения пользователя.

Когда использовать

• Пользователь предоставляет URL лендинга и просит CRO-анализ
• Пользователь запрашивает оптимизацию конверсии
• Пользователь хочет улучшить регистрацию, сбор лидов или продажи
• Запускается командой /market-ru-landing <url>

Как выполнить

Шаг 0: Определение ICP

ICP определяется автоматически:

• Если пользователь указал ICP в команде → используется предоставленный
• Если ICP не указан → используется "generic problem-aware audience"

Примеры ICP: "B2B SaaS, CTO, growth stage", "Малый бизнес, хочет снизить расходы", "E-commerce владельцы магазинов"

Почему это важно: Страница должна соответствовать уровню осознанности аудитории — если пользователь знает о проблеме, но видит оффер для "полностью осведомлённых" — возникает разрыв в коммуникации.

Шаг 1: Получить контент страницы

Используйте WebFetch или другой доступный метод для получения HTML-контента страницы.

Шаг 2: Анализ по 5 метрикам

Анализ состоит из 5 независимых метрик. Для КАЖДОЙ метрики:

1. Оцените факторы/блоки/триггеры/боли по таблицам критериев
2. Рассчитайте итоговый score по формуле
3. Для КАЖДОГО фактора запишите findings (что найдено на странице) и fixes (рекомендации) в JSON

---

2.1. CRO Score (MECLABS)

ВАЖНО: CRO Score вычисляется СТРОГО по формуле. НЕ оценивайте его "на глаз". Следуйте алгоритму ниже шаг за шагом.

Алгоритм расчёта (ОБЯЗАТЕЛЬНО)

Шаг 1: Оцените каждый фактор от 1 до 10 по таблицам критериев ниже.

Шаг 2: Рассчитайте каждый компонент ОТДЕЛЬНО:

• M_component = M × 4 = [значение]
• V_component = V × 3 = [значение]
• I_component = I × 2 = [значение]
• F_component = F × 2 = [значение]
• A_component = A × 2 = [значение]

Шаг 3: Сложите все компоненты:

• CRO = M_component + V_component + I_component + F_component + A_component

Шаг 4: ПЕРЕД записью в JSON — проверьте:

• cro_score ДОЛЖЕН РАВНЯТЬСЯ сумме из Шага 3
• Если не совпадает — пересчитайте

Формула:

C = (M × 4) + (V × 3) + (I × 2) + (F × 2) + (A × 2)

Таблицы критериев

M (Motivation) — Мотивация (вес ×4)

Оценка	Критерии
1-3	Пользователь не понимает свою проблему, ищет информацию
4-6	Пользователь знает проблему, ищет решение
7-10	Пользователь готов к покупке, сравнивает варианты

V (Value Proposition) — Ценностное предложение (вес ×3)

Оценка	Критерии
1-3	Неясное, размытое, generic
4-6	Понятно что делают, но не почему именно эта компания
7-10	Чёткое УТП, отличие от конкурентов, конкретные выгоды

I (Incentive) — Стимулы (вес ×2)

Оценка	Критерии
1-3	Нет ограничений, нет urgency, нет бонусов
4-6	Есть 1-2 триггера (скидка ИЛИ urgency ИЛИ бонус)
7-10	3+ триггера одновременно

F (Friction) — Трение (вес ×2)

Оценка	Критерии
1-3	Форма 1-2 поля, простой процесс, понятный CTA
4-6	Форма 3-5 полей, есть дополнительные шаги
7-10	Форма 6+ полей, сложный процесс, непонятный CTA

A (Anxiety) — Тревога (вес ×2)

Оценка	Критерии
1-3	Гарантия рядом с CTA, отзывы видны, политика есть
4-6	Гарантия где-то на странице, частичные отзывы
7-10	Нет гарантии, нет отзывов, нет политики рядом с CTA

Пример расчёта (allokna.ru)

Шаг 1 — Оценка факторов:

Фактор	Оценка	Обоснование
M	5	Локальный бизнес, боль известна, но не акцентирована
V	4	"тепло и комфорт" — эмоция без конкретики
I	2	Нет urgency, нет бонусов
F	6	Форма 2 поля (хорошо), но 15+ пунктов навигации
A	6	Нет гарантии, нет отзывов рядом с CTA

Шаг 2 — Компоненты:

• M × 4 = 5 × 4 = 20
• V × 3 = 4 × 3 = 12
• I × 2 = 2 × 2 = 4
• F × 2 = 6 × 2 = 12
• A × 2 = 6 × 2 = 12

Шаг 3 — Итого: CRO = 20 + 12 + 4 + 12 + 12 = 60/100 (Средний)

Шаг 4 — Валидация: 60 = 20+12+4+12+12 ✓

Для каждого фактора запишите в JSON:

• score (1-10)
• findings — конкретные факты со страницы
• fixes — рекомендации с приоритетами HIGH/MEDIUM/LOW

---

2.2. LIFT Score

Формула:

LIFT_raw = (Релевантность + Ясность + Срочность + Ценность) - (Тревога + Отвлечение)
LIFT = ((LIFT_raw + 16) / 54) × 100

Где:

• -16 = минимум (все драйверы=1, все ингибиторы=10)
• +16 = сдвиг чтобы получить 0
• 54 = диапазон (38 - (-16))

Диапазон: 0-100%

• <40% = Низкий
• 40-70% = Средний

• 70% = Высокий

Таблицы критериев

Релевантность (Драйвер)

Оценка	Критерий
1-2	Заголовок не отвечает на потребность ICP. "Кто мы" вместо "Что получишь"
3-4	Заголовок отдалённо связан с потребностью, но не точно
5-6	Заголовок частично отвечает на главную боль ICP
7-8	Заголовок точно отвечает на главную боль ICP
9-10	Заголовок полностью резонирует с ICP — "Это для меня!"

Ясность (Драйвер)

Оценка	Критерий
1-2	Непонятно что предлагается. Жаргон, абстракции
3-4	Понятно в общих чертах, но детали размыты
5-6	Большинство поймёт. Нет жаргона
7-8	Всё чётко: что, кому, зачем
9-10	Мгновенное понимание. Каждое слово работает

Срочность (Драйвер)

Оценка	Критерий
1-2	Нет ограничений. "Приходите когда угодно"
3-4	Намёк на ограничение, но нечёткий
5-6	Есть 1-2 триггера срочности
7-8	Чёткие ограничения: время, количество, условия
9-10	Сильная срочность: countdown, "последний товар", deadline

Ценность (Базис)

Оценка	Критерий
1-2	Цена неясна или указана без выгоды
3-4	Выгоды размыты, цена есть
5-6	Выгоды понятны, но не уникальны
7-8	Чёткое соотношение цена/выгода
9-10	Явная ценность: "Дорогие аналоги = X, Наш = X-Y, Выгода = Z"

Тревога (Ингибитор)

Оценка	Критерий
1-2	Гарантия, отзывы, политика рядом с CTA. Ноль сомнений
3-4	1-2 сигнала доверия, но не рядом с CTA
5-6	Сигналы есть, но слабые или размытые
7-8	Сомнения присутствуют: нет гарантии, нет отзывов
9-10	Максимальная тревога: нет доверия вообще

Отвлечение (Ингибитор)

Оценка	Критерий
1-2	Фокус на одной цели. Нет лишних ссылок
3-4	1-2 отвлекающих элемента, но некритично
5-6	Много навигации, но цель видна
7-8	Много отвлечений: баннеры, ссылки, popup
9-10	Хаос: всё отвлекает, цель потеряна

Пример расчёта

LIFT_raw = (4 + 4 + 2 + 4) - (7 + 6) = 14 - 13 = 1
LIFT = ((1 + 16) / 54) × 100 = 31.5%

Для каждого фактора запишите в JSON:

• score (1-10)
• findings — конкретные факты со страницы
• fixes — рекомендации с приоритетами

---

2.3. SS — Scannability Score

Формула:

SS = Σ(оценка_блока × вес_блока) × 100%

Диапазон: 0-100%

• <50% = Плохая
• 50-70% = Средняя

• 70% = Хорошая

Таблица блоков

Блок	Вес	1-2	3-4	5-6	7-8	9-10
H1	20%	Нечитаем, >15 слов	читаемо, но длинно	<10 слов, выгода	короткий, <8 слов	<6 слов, точное УТП
Subheadline	15%	Отсутствует	длинный, без структуры	понятен, но длинный	короткий, конкретный	1-2 предложения, ценность
CTA кнопка	20%	невидима, мелкая	видна, цвет сливается	контраст, текст generic	текст с выгодой	текст=выгода, first person
Структура H2-H3	15%	нет заголовков	1-2 заголовка	заголовки есть	чёткая иерархия	scannable за 3 сек
Визуал	15%	стоковые фото	фото релевантны, сток	реальные фото	фото + текст	фото клиентов/результатов
Пробелы/воздух	15%	текст сливается	пробелы неравномерно	достаточно воздуха	чистый дизайн	отличная читаемость

Пример расчёта

SS = (4×0.2 + 4×0.15 + 4×0.2 + 3×0.15 + 3×0.15 + 4×0.15) × 100
SS = (0.8 + 0.6 + 0.8 + 0.45 + 0.45 + 0.6) × 100 = 37%

Для каждого блока запишите в JSON:

• score (1-10)
• findings — конкретные факты со страницы
• fixes — рекомендации с приоритетами

---

2.4. TF — Trust Factor

Формула:

TF = Σ (присутствующий_тип × вес)

Диапазон: 0-N

• 0-1.5 = ❌ Критично
• 2-4.5 = ⚠️ Недостаточно
• 5-7.5 = ✅ Есть база
• 8-10+ = ✅✅ Сильное

Таблица триггеров

Тип триггера	Вес	Описание	Пример
Отзывы клиентов	2.0	Именованные, с фото, должностью	"Анна К., владелец квартиры" + фото
Результаты клиентов	2.0	Конкретные цифры (деньги, %, время)	"Сократил расходы на отопление на 40%"
Видео-отзывы	2.0	Запись с реальным клиентом	Ссылка на YouTube с клиентом
Кейсы до/после	1.5	Фото + описание результата	Фото окна ДО/ПОСЛЕ
Логотипы клиентов	1.5	Узнаваемые компании	"Работаем с Газпром, Сбербанк"
Рейтинги第三方	1.5	Яндекс.Карты, Google, 2ГИС	"4.9 на Яндекс.Картах (247 отзывов)"
Гарантия	1.5	Явная, рядом с CTA	"Гарантия 10 лет на конструкции"
Сертификаты	1.0	Отраслевые, не supplier	"ISO 9001", "Лицензия"
Статистика компании	1.0	Цифры опыта	"15 лет на рынке", "5000+ окон"
Политика возврата	1.0	Чёткая, visible	"Вернём деньги за 30 дней"
Соцсети	0.5	Активные профили с подписчиками	"10K подписчиков в VK"
Контакты	0.5	Адрес, телефон, email	г. Ярославль, +7(4852)66-27-21
Supplier badges	0.3	Логотипы поставщиков	Логотип Rehau в футере

Пример расчёта

Тип	Пример	Вес	Балл
Supplier badges	Rehau, Roto, Axor (3 шт)	0.3 × 3	0.9
Статистика компании	"15 лет на рынке"	1.0	1.0
Контакты	адрес, телефон, email	0.5 × 3	1.5
ИТОГО			3.4

В JSON запишите:

• triggers[] — массив найденных триггеров с type, count, weight, score
• missing[] — массив отсутствующих типов триггеров
• findings — общие находки
• fixes — рекомендации

---

2.5. RR — Resonance Rate

Формула:

RR = (Σ оценка_боли / количество_болей) × 100%

Диапазон: 0-100%

• <30% = Слабое
• 30-60% = Среднее

• 60% = Сильное

Алгоритм определения болей ICP

Шаг 1: Определить тип бизнеса (Окна/двери, SaaS, E-commerce, Услуги, Локальный бизнес)

Шаг 2: Взять универсальные боли + типовые по бизнесу

Универсальные боли (для всех):

• "Дорого"
• "Не доверяю"
• "Сделают/пришлют не так"
• "Не разберусь"
• "Не уложусь в срок"

Типовые боли по бизнесу:

Тип бизнеса	Боли
Окна/двери	"Холодно зимой", "Шумно", "Сделают криво/косо", "Долго ждать", "Сложно выбрать"
SaaS	"Сложно внедрить", "Не интегрируется", "Дорого для команды", "Не удержу пользователей"
E-commerce	"Не придёт вовремя", "Товар не тот", "Не вернут деньги", "Сломалось через неделю"

Таблица оценки каждой боли

Оценка	Критерий
0%	Боль НЕ упомянута на странице
25%	Боль упомянута, но решения НЕТ
50%	Есть решение, но БЕЗ доказательств
75%	Есть решение + 1 доказательство
100%	Есть решение + сильное доказательство (цифры, видео-отзыв)

Пример расчёта

Боль	Оценка
Дорого	50%
Холодно	50%
Шумно	50%
Криво	50%
Долго	0%
Сложно	25%
ИТОГО	(50+50+50+50+0+25)/6 = 37.5%

В JSON запишите:

• pains[] — массив болей с pain, score (0-100), evidence
• findings — общие находки
• fixes — рекомендации

---

Шаг 3: Мобильный аудит

• CTA в thumb-zone (нижняя половина)
• Текст ≥16px
• Формы удобны для tap
• Нет горизонтального скролла
• Sticky CTA при скролле

---

Шаг 4: Генерация A/B тестов

Для КАЖДОГО HIGH-priority fix из метрик 2.1-2.5 сгенерируйте A/B тест:

Шаблон:

{
  "hypothesis": "Если мы [конкретное изменение], тогда [метрика] [улучшится], потому что [причина]",
  "metric": "что измерять (CTR, conversion rate, bounce rate)",
  "variant_a": "текущий текст/элемент со страницы (точная цитата)",
  "variant_b": "рекомендуемое изменение (полный текст)"
}

Требования:

• Variant A — ТОЧНАЯ цитата с анализируемой страницы
• Variant B — конкретный рекомендуемый текст
• Метрика — конкретная метрика для измерения
• Гипотеза — привязана к конкретному finding

Пример:

{
  "hypothesis": "Если изменим headline с функционального на выгодный, тогда CTR hero-секции увеличится, потому что пользователь мгновенно увидит выгоду",
  "metric": "CTR hero-секции",
  "variant_a": "Производство и установка ПЛАСТИКОВЫХ и АЛЮМИНИЕВЫХ ОКОН",
  "variant_b": "Холодно зимой? Установите тёплые окна за 5 дней — гарантия 10 лет"
}

---

Шаг 5: Приоритизированные действия

Соберите ВСЕ fixes из ВСЕХ метрик (2.1-2.5 + мобильный аудит) в единый массив all_fixes[]:

"all_fixes": [
  {"priority": "HIGH", "text": "...", "impact": "...", "source": "cro.motivation"},
  {"priority": "HIGH", "text": "...", "impact": "...", "source": "lift.urgency"},
  {"priority": "MEDIUM", "text": "...", "impact": "...", "source": "ss.h1"},
  ...
]

Поле source указывает, из какой метрики пришла рекомендация:

• cro.motivation, cro.value_proposition, cro.incentive, cro.friction, cro.anxiety
• lift.relevance, lift.clarity, lift.urgency, lift.value, lift.anxiety, lift.distraction
• ss.h1, ss.subheadline, ss.cta, ss.structure, ss.visuals, ss.whitespace
• trust, resonance, mobile

---

Метрики скилла

Метрика	Описание	Диапазон
CRO Score	Итоговая оценка (MECLABS)	0-100%
LIFT	Конверсионный потенциал (LIFT Framework)	0-100%
SS	Scannability Score (% при 5-сек просмотре)	0-100%
TF	Trust Factor (взвешенная сумма триггеров)	0-N
RR	Resonance Rate (% болей ICP закрыто)	0-100%

---

Генерация отчётов

Шаг 5a: Проверка Python

1. Проверь доступность Python (универсальная команда для всех ОС):

   py -3 --version 2>&1; if ($?) { $true } else { python3 --version 2>&1; if ($?) { $true } else { python --version 2>&1 } }
   

   • На Windows сработает py -3 или python
   • На Linux/Mac сработает python3 или python
   • Если ни одна команда не сработала → Python недоступен

2. Если Python доступен → агент ОБЯЗАН использовать скрипты для генерации отчётов

3. Если Python недоступен → LLM генерирует Markdown и HTML напрямую (fallback)

ВАЖНО: Fallback (LLM) — только для случая когда Python НЕ установлен. Если Python установлен — скрипты ОБЯЗАТЕЛЬНЫ, fallback ЗАПРЕЩЁН.

Шаг 5b: Поиск скриптов генерации отчётов

ВАЖНО: Проверяй пути напрямую через Test-Path (PowerShell) или test -f (bash). НЕ используй Glob или рекурсивный поиск по всему диску.

Выполни проверки последовательно. Первая успешная = используемый путь.

Алгоритм поиска (PowerShell):

$SCRIPTS_DIR = $null

# 1. CWD (ручное копирование, git clone в проекте)
if (Test-Path "scripts/generate_landing_md.py") {
    $SCRIPTS_DIR = "scripts"
    Write-Host "Найдены скрипты в: scripts/"
}
# 2. Local npm (npm install без -g)
elseif (Test-Path "node_modules/market-ru-landing/scripts/generate_landing_md.py") {
    $SCRIPTS_DIR = "node_modules/market-ru-landing/scripts"
    Write-Host "Найдены скрипты в: node_modules/market-ru-landing/scripts/"
}
# 3. Global npm (npm install -g)
else {
    $NPM_ROOT = (npm root -g).Trim()
    if (Test-Path "$NPM_ROOT/market-ru-landing/scripts/generate_landing_md.py") {
        $SCRIPTS_DIR = "$NPM_ROOT/market-ru-landing/scripts"
        Write-Host "Найдены скрипты в: $NPM_ROOT/market-ru-landing/scripts/"
    }
    # 4. Claude Code install.sh
    elseif (Test-Path "$env:USERPROFILE/.claude/skills/market-ru-landing/scripts/generate_landing_md.py") {
        $SCRIPTS_DIR = "$env:USERPROFILE/.claude/skills/market-ru-landing/scripts"
        Write-Host "Найдены скрипты в: ~/.claude/skills/market-ru-landing/scripts/"
    }
}

if (-not $SCRIPTS_DIR) {
    Write-Host "Скрипты не найдены — используется fallback режим (LLM генерирует отчёты напрямую)"
}

Алгоритм поиска (bash — Linux/Mac):

SCRIPTS_DIR=""

# 1. CWD
if [ -f "scripts/generate_landing_md.py" ]; then
    SCRIPTS_DIR="scripts"
# 2. Local npm
elif [ -f "node_modules/market-ru-landing/scripts/generate_landing_md.py" ]; then
    SCRIPTS_DIR="node_modules/market-ru-landing/scripts"
# 3. Global npm
else
    NPM_ROOT=$(npm root -g)
    if [ -f "$NPM_ROOT/market-ru-landing/scripts/generate_landing_md.py" ]; then
        SCRIPTS_DIR="$NPM_ROOT/market-ru-landing/scripts"
    # 4. Claude Code install.sh
    elif [ -f "$HOME/.claude/skills/market-ru-landing/scripts/generate_landing_md.py" ]; then
        SCRIPTS_DIR="$HOME/.claude/skills/market-ru-landing/scripts"
    fi
fi

if [ -z "$SCRIPTS_DIR" ]; then
    echo "Скрипты не найдены — fallback режим"
fi

Если $SCRIPTS_DIR установлен → переходи к Шагу 5c. Если пустой → fallback: LLM генерирует отчёты напрямую (Шаг 5d).

Шаг 5c: Валидация JSON (ОБЯЗАТЕЛЬНО)

Перед запуском скриптов проверь JSON на валидность. LLM может сгенерировать JSON с ошибками (дубликаты ключей, пропущенные скобки).

PowerShell:

try {
    $json = Get-Content <analysis.json> -Raw | ConvertFrom-Json
    Write-Host "JSON валиден"
} catch {
    Write-Host "JSON НЕ валиден: $_"
    Write-Host "Исправь JSON и повтори проверку"
}

bash:

python3 -m json.tool <analysis.json > /dev/null 2>&1 && echo "JSON валиден" || echo "JSON НЕ валиден"

Если JSON НЕ валиден — исправь ошибки и повтори проверку. Только после успешной валидации запускай скрипты генерации.

Шаг 5d: Генерация отчётов (Python найден)

Используй $SCRIPTS_DIR из Шага 5b.

# Windows (PowerShell):
py -3 "$SCRIPTS_DIR/generate_landing_md.py" --json <analysis.json>
py -3 "$SCRIPTS_DIR/generate_landing_html.py" --json <analysis.json>

# Linux/Mac (bash):
python3 "$SCRIPTS_DIR/generate_landing_md.py" --json <analysis.json>
python3 "$SCRIPTS_DIR/generate_landing_html.py" --json <analysis.json>

Отчёты сохраняются в:

• {cwd}/LANDING-CRO-{domain}-{timestamp}.md — в папку запуска
• {cwd}/LANDING-CRO-{domain}-{timestamp}.html — в папку запуска

Шаг 5e: Fallback (без Python)

Если Python недоступен, LLM генерирует:

1. Markdown-отчёт напрямую (формат как в examples/example-landing-cro.md)
2. HTML-отчёт напрямую (формат как в examples/example-landing-cro.html)
3. Оба файла сохраняются в текущую директорию

---

Формат вывода JSON

При использовании Python-скриптов автоматически создаётся файл {cwd}/landing_analysis-{domain}-{timestamp}.json.

Обязательная структура JSON:

{
  "url": "https://example.com",
  "icp": "описание целевой аудитории",
  "business_type": "окна/двери | saas | e-commerce | услуги | локальный",
  "analysis": {
    "metrics": {
      "cro_score": 60,
      "motivation": 5,
      "value_proposition": 4,
      "incentive": 2,
      "friction": 6,
      "anxiety": 6,
      "lift_score": 31.5,
      "lift_relevance": 4,
      "lift_clarity": 4,
      "lift_urgency": 2,
      "lift_value": 4,
      "lift_anxiety": 7,
      "lift_distraction": 6,
      "scannability_score": 37,
      "trust_factor": 4.0,
      "resonance_rate": 37.5
    },

    "cro": {
      "factors": {
        "motivation": {
          "score": 5,
          "findings": ["конкретный факт со страницы"],
          "fixes": [{"priority": "HIGH", "text": "конкретная рекомендация", "impact": "ожидаемый эффект"}]
        },
        "value_proposition": { "score": 4, "findings": [...], "fixes": [...] },
        "incentive": { "score": 2, "findings": [...], "fixes": [...] },
        "friction": { "score": 6, "findings": [...], "fixes": [...] },
        "anxiety": { "score": 6, "findings": [...], "fixes": [...] }
      }
    },

    "lift": {
      "factors": {
        "relevance": { "score": 4, "findings": [...], "fixes": [...] },
        "clarity": { "score": 4, "findings": [...], "fixes": [...] },
        "urgency": { "score": 2, "findings": [...], "fixes": [...] },
        "value": { "score": 4, "findings": [...], "fixes": [...] },
        "anxiety": { "score": 7, "findings": [...], "fixes": [...] },
        "distraction": { "score": 6, "findings": [...], "fixes": [...] }
      }
    },

    "scannability": {
      "blocks": {
        "h1": { "score": 4, "findings": [...], "fixes": [...] },
        "subheadline": { "score": 4, "findings": [...], "fixes": [...] },
        "cta": { "score": 4, "findings": [...], "fixes": [...] },
        "structure": { "score": 3, "findings": [...], "fixes": [...] },
        "visuals": { "score": 3, "findings": [...], "fixes": [...] },
        "whitespace": { "score": 4, "findings": [...], "fixes": [...] }
      }
    },

    "trust": {
      "triggers": [
        { "type": "supplier_badges", "count": 5, "weight": 0.3, "score": 1.5 },
        { "type": "company_stats", "count": 1, "weight": 1.0, "score": 1.0 }
      ],
      "missing": ["client_reviews", "guarantee", "ratings"],
      "findings": ["конкретный факт"],
      "fixes": [{"priority": "HIGH", "text": "...", "impact": "..."}]
    },

    "resonance": {
      "pains": [
        { "pain": "Дорого", "score": 50, "evidence": "Оптовые цены, но без цифр" },
        { "pain": "Холодно зимой", "score": 50, "evidence": "тепло и комфорт, без дБ" },
        { "pain": "Долго ждать", "score": 0, "evidence": "Не упомянуто" }
      ],
      "findings": ["конкретный факт"],
      "fixes": [{"priority": "HIGH", "text": "...", "impact": "..."}]
    },

    "mobile_audit": {
      "cta_accessible": "да/нет/частично",
      "text_readable": "да/нет/частично",
      "recommendation": "конкретная рекомендация",
      "findings": [...],
      "fixes": [...]
    },

    "ab_tests": [
      {
        "hypothesis": "Если мы [изменим], тогда [метрика] [улучшится], потому что [причина]",
        "metric": "CTR hero-секции",
        "variant_a": "текущий текст со страницы",
        "variant_b": "рекомендуемый текст"
      }
    ],

    "all_fixes": [
      {"priority": "HIGH", "text": "...", "impact": "...", "source": "cro.motivation"},
      {"priority": "MEDIUM", "text": "...", "impact": "...", "source": "lift.urgency"}
    ]
  }
}

Требования к findings:

• Каждый finding = конкретный факт с страницы
• Формат: "Найдено: [что найдено]. Проблема: [почему это проблема]. Влияние: [как влияет на конверсию]"
• Пример: "Найдено: заголовок 'Производство окон'. Проблема: функциональный, не выгода. Влияние: пользователь не понимает ценность за 2 секунды"

Требования к fixes:

• Каждый fix = конкретное действие
• Формат: "[Что изменить] на [Как изменить]. Ожидаемый эффект: [конкретное улучшение]"
• Приоритеты: HIGH (быстрая победа), MEDIUM (среднесрочное), LOW (стратегическое)

Количество findings и fixes

Правило: Полнота важнее минимума

• Если фактор содержит проблемы (score < 7/10):

  • findings: минимум 3 конкретных факта — запишите ВСЕ найденные проблемы
  • fixes: минимум 2 рекомендации — по одной на каждую ключевую проблему

• Если фактор в порядке (score ≥ 7/10):

  • findings: 1-2 факта с подтверждением что всё работает хорошо
  • fixes: можно оставить пустым ИЛИ указать 1 рекомендацию для дальнейшего улучшения

• НЕ выдумывайте проблемы которых нет на странице

• НЕ пропускайте реальные проблемы из-за лени — ищите ВСЕ

Пример для хорошего фактора (Anxiety = 8/10):

"findings": [
  "Найдено: гарантия возврата 30 дней рядом с CTA — снижает тревогу",
  "Найдено: SSL-сертификат и badges безопасности в футере"
],
"fixes": [
  {"priority": "LOW", "text": "Добавить отзыв клиента рядом с формой для ещё большего снижения тревоги", "impact": "+5-10%"}
]

Пример для проблемного фактора (Motivation = 3/10):

"findings": [
  "Найдено: заголовок 'Добро пожаловать' — не сообщает выгоду. Влияние: пользователь не понимает ценность",
  "Найдено: нет упоминания целевой аудитории. Влияние: посетитель не уверен что это для него",
  "Найдено: подзаголовок описывает функции, не результаты. Влияние: нет эмоциональной связи",
  "Найдено: нет статистики или социальных доказательств в hero. Влияние: низкая достоверность"
],
"fixes": [
  {"priority": "HIGH", "text": "Изменить headline на 'Сократите CAC на 40% — CRM для агентств'", "impact": "+15-25%"},
  {"priority": "HIGH", "text": "Добавить подзаголовок с конкретными результатами клиентов", "impact": "+10-20%"},
  {"priority": "MEDIUM", "text": "Добавить блок '5000+ компаний используют' над CTA", "impact": "+10-15%"}
]

---

Ключевые принципы

1. Влияние на выручку: Всегда связывайте рекомендации с revenue impact. "Изменение CTA на контрастный цвет увеличивает клики на 15-30%, что при 1000 пос/мес = +30-60 лидов".

2. Приоритизация: Быстрые победы первыми. Усилие/Эффект.

3. Конкретность: "Улучшите заголовок" бесполезно. "Измените с 'Производство окон' на 'Установите тёплые окна за 5 дней — гарантия 10 лет'".

4. Научная база: Все рекомендации основаны на 5 моделях: MECLABS, LIFT, Scannability Score, Trust Factor, Resonance Rate.

5. Gap-анализ: Проверяйте соответствие болей ICP → контент страницы.

6. Математика: CRO Score и LIFT Score рассчитываются СТРОГО по формулам. НЕ оценивайте "на глаз".

Источники

• MECLABS Heuristic — meclabs.com
• LIFT Model — conversion.com, pageblock.io