| name | seo-aio-report-builder |
| description | seo-aio-prod MCP で取得した SEO/AIO/LLMO データから、ガートナー風の診断レポート(HTML/PDF)を生成する。MCP=データ取得、本スキル=レポート生成、の分離。 |
SEO/AIO/LLMO 診断レポート ビルダー
役割分担: データ取得は seo-aio-prod MCP（run_research / get_run_data / capture_screenshots）、
レポートの組み立て・デザインは本スキル。生成ロジックの正本は seo-aio-diagnosis エンジンの
07_report.py + templates/base.css（本スキルはそれを run ディレクトリに対して呼ぶ）。
レポートに含まれるもの
- 1a サイト構造（index規模・サイトマップURL数・SPA判定）／1b コンテンツ整備マトリクス（○専用ページ・△トップ記載のみ・✕）
- 2a/2b ポジショニング・可視性マップ（自社=赤）／2e 競合の訴求コピー比較／2f 競合LPの見た目比較
- 3 商業価値マップ／3b 競合の勝ち筋（keyword gap）
- 4a AI Overview 引用／4b LLMO（Gemini/ChatGPT/Claude×インテント別の言及有無・順位）
- 5a SERP SoV／5b 生成AI SoV（ブランド指名質問は除外＝純粋SoV）／5b 改善効果（円換算）
使い方
データは run ディレクトリに揃っている前提（run-spec.json + keywords/serp/footprint/gap/site/llm/profiles/shots(.json)）。
python ~/.claude/skills/seo-aio-report-builder/scripts/build_report.py --run-dir <run_dir>
python ~/.claude/skills/seo-aio-report-builder/scripts/build_report.py --run-dir <run_dir> --full
出力: run-spec の output_dir/report_stem に .html と .pdf。
MCP との連携フロー
- 取得（MCP）:
create_spec → run_research(run_id, with_llmo=true)（必要なら capture_screenshots）。
- ローカルのエンジンで回す場合は run ディレクトリに各 JSON が揃う。
- 本番 MCP 経由の場合は run ディレクトリがサーバ側のため、
run_report がサーバで本スキルと同じ生成を行う。
- 生成（本スキル）: 上記
build_report.py --run-dir。
- 競合LP比較(2f)を出すには
capture_screenshots 実行済みであること（fold画像が run dir/screenshots に必要）。
- 競合訴求比較(2e)/ポジショニング(2a)は
--profiles（run_research の with_profiles 相当）で profiles.json が必要。
設定
- エンジン位置: 既定
~/.claude/skills/seo-aio-diagnosis。SEO_AIO_ENGINE（または SKILL_DIR）で上書き。
- Python: 既定でエンジンの
.venv。ENGINE_PY で上書き。
- 鮮度:
--report-only（既定）は serp.json が7日以内であること（古い場合は --full か MCP で再取得）。
注意
- レポート意匠（base.css・配色・マップ描画）はエンジン側が正本。デザイン変更はエンジンの templates/base.css と 07_report.py で行う（フォークしない）。
- 取得結果は seo-aio-prod 側でキャッシュ（種別別TTL・Supabase Storage永続）されるため、再生成は低コスト。
