yd-find-segments

name	YD-find-segments
description	Находит семантические сегменты для рекламных кампаний и лендинга. Строит психологические слои аудитории, seed-фразы для Wordstat, анализирует статистику (CSV/XLSX), ищет неожиданные кластеры, выдаёт таблицу групп с ключами и минус-словами. Вызывай когда пользователь говорит «найди сегменты», «подбери семантику», «разбей на группы для директа», «какие ключи запускать», «сегменты для лендинга».
allowedTools	["Read","Bash","Write","Glob","Grep"]

YD-find-segments — Поиск семантических сегментов

Определяет, кто приходит на продукт и с каким намерением — и превращает это в группы для рекламы и персонализации лендинга.

Выход скилла сразу ложится в:

• /директ → группы объявлений + ключи + минус-слова
• YD-LP-hyper-segmentation → ?seg= параметры на лендинге

---

Алгоритм

Шаг 1 — Понять продукт

Прочитай контекст продукта. Если есть — читай:

• CLAUDE.md / PRODUCT.md проекта
• ~/.claude/skills/YD-LP-hyper-segmentation/SKILL.md (уже есть сегменты?)
• Описание лендинга

Затем сформулируй одним предложением:

«Продукт помогает [КТО] сделать [ЧТО], чтобы [ЗАЧЕМ]»

Пример: «LookBook помогает девушкам виртуально примерить стрижку, чтобы убедиться до похода к мастеру»

---

Шаг 2 — Психологические слои

Не «кто аудитория», а «что у человека в голове в момент поиска».

Пройдись по каждому типовому состоянию и оцени — применимо ли к продукту:

Состояние	Как звучит мысль	Температура
Хочет, не знает что	«Хочу что-то поменять, не знаю с чего начать»	❄️ холодный
Знает что хочет, выбирает	«Ищу варианты, сравниваю»	🌤 тёплый
Хочет, но боится / сомневается	«Хочу, но вдруг не получится — хочу проверить»	🔥 горячий
Готовится к действию	«Уже решил, ищу как сделать правильно»	🔥 горячий
Ситуативный триггер	«Свадьба / новая работа / расставание»	🔥 горячий
AI / tech-интерес	«Слышал про нейросети, хочу попробовать»	🌤 тёплый
Широкий интерес к теме	«Просто интересуется темой, не ищет решение»	❄️ холодный

Для каждого подходящего слоя — запиши 3-5 конкретных поисковых запросов. Пиши от первого лица → переводи в строку поиска:

Состояние: «Хочет, но боится»
Мысль: «Хочу постричься коротко, но вдруг не пойдёт»
Запросы:
  → примерить стрижку онлайн
  → как буду выглядеть с короткими волосами
  → виртуальная примерка прически

---

Шаг 3 — Seed-фразы для Wordstat

Из всех слоёв выбери 3-6 зонтичных seed-фраз:

• 1 seed = 1 психологический кластер
• Оптимальная длина: 2-3 слова (1 слово → мусор, 4+ слова → мало хвостов)
• Должна давать 50-500 вложенных запросов в Wordstat

Выдай пользователю список seeds и скажи:

📋 Введи каждую seed-фразу в https://wordstat.yandex.ru
   Режим: «Вложенные фразы», регион: Россия
   Экспортируй результат в CSV/XLSX и передай мне

---

Шаг 3.5 — Автоматический сбор частотностей через Wordstat API

ВАЖНО: Этот шаг выполняется ВСЕГДА, не дожидаясь ручного экспорта.

Используй Яндекс.Директ API v4 для автоматического сбора частотностей seed-фраз и их хвостов:

# Загрузить токен
export $(cat ~/.claude/.env.direct | grep -v '^#' | grep '=' | xargs)

Напиши и выполни Node.js скрипт:

// wordstat-collector.js — шаблон для сбора
const API_URL = "https://api.direct.yandex.ru/v4/json/";
const TOKEN = process.env.YANDEX_DIRECT_TOKEN;

async function callAPI(method, param) {
  const res = await fetch(API_URL, {
    method: "POST",
    headers: { "Content-Type": "application/json" },
    body: JSON.stringify({ method, param, token: TOKEN }),
  });
  const data = await res.json();
  if (data.error_code) throw new Error(`API ${data.error_code}: ${data.error_str}`);
  return data.data;
}

const sleep = (ms) => new Promise((r) => setTimeout(r, ms));

async function getWordstat(phrases) {
  const reportId =  (, {
    : phrases, : []
  });
   ( i = ; i < ; i++) {
     ();
     reports =  (, {});
     (reports.( r. === reportId)?. === ) {
       data =  (, reportId);
       (, reportId).( {});
       data;
    }
  }
    ();
}

Лимиты API:

• Макс 10 фраз на отчёт → разбивай на батчи
• 1000 фраз/день
• Макс 5 одновременных отчётов
• Polling каждые 3 сек

Что собирать для каждого маркера:

1. SearchedWith (хвосты) — топ-20 вложенных запросов с частотностью
2. SearchedAlso (правая колонка) — топ-15 «также искали» запросов

Что анализировать:

1. Нулёвки — фразы с Shows=0 → убрать из ядра
2. Ловушки — высокий объём, но хвосты нерелевантные (пример: «нейросети для работы» 22k → 60% курсовые)
3. Неожиданные кластеры — правая колонка вскрывает смежные запросы, которых не было в гипотезах
4. Формирующийся спрос — хвосты типа «X что это» = люди узнают о теме, это контент-возможность

Формат вывода:

## Wordstat: Сводная таблица

| Фраза | Shows/мес | Ловушка? | Действие |
|---|---|---|---|
| маркер 1 | 12,803 | Нет | 🟢 Использовать |
| маркер 2 | 22,722 | Да (60% студенты) | ⚠️ Жёсткая минусовка |
| маркер 3 | 0 | — | 🔴 Убрать |

## Wordstat: Неожиданные находки (SearchedAlso)

| Фраза | Shows | Из маркера | Действие |
|---|---|---|---|
| новый кластер | 30,256 | маркер X | 🟢 Добавить в ядро |

Сохрани JSON с полными данными рядом с продуктом для повторного анализа.

---

Шаг 4 — Анализ статистики Wordstat (дополнительный, из файла)

Основные частотности уже собраны в шаге 3.5 через API. Этот шаг — если пользователь загрузил дополнительный экспорт из Wordstat Assistant или Key Collector.

Если пользователь загрузил файл — анализируй через Python:

import sys
sys.path.insert(0, "/tmp/xlsx-venv/lib/python3.14/site-packages")

# Для XLSX
from openpyxl import load_workbook
wb = load_workbook("PATH_TO_FILE.xlsx")
ws = wb.active
rows = [(ws.cell(row=r, column=1).value, ws.cell(row=r, column=2).value)
        for r in range(2, ws.max_row+1)
        if ws.cell(row=r, column=1).value]

# Для CSV
import csv
with open("PATH_TO_FILE.csv", encoding="utf-8") as f:
    rows = [(r[0], int(r[1])) for r in csv.reader(f) if len(r) >= 2 and r[1].isdigit()]

# Сортировка по частоте
rows.sort(key=lambda x: x[1], reverse=True)

# Кластеризация по первым словам
from collections import defaultdict
clusters = defaultdict(list)
for phrase, freq in rows:
    key = phrase.split()[0] if phrase else "other"
    clusters[key].append((phrase, freq))

# Топ кластеры
for key, items  (clusters.items(), key= x: -(f  _,f  x[]))[:]:
    total = (f  _,f  items)
    ()
     p, f  (items, key= x: -x[])[:]:
        ()

Ищи аномальные кластеры:

• Объём сильно превышает остальные группы
• Связан с темой косвенно, но наша аудитория точно там
• Мало конкурентов с готовым оффером

Пример аномалии: «лунный календарь стрижек» — 1.2M/мес при том, что «примерить прическу» всего ~100k. Никто не предлагает им примерку.

---

Шаг 5 — Финальные сегменты

Собери таблицу из 4-8 сегментов:

| # | Название группы | Психологический слой | Объём/мес | Ключевые запросы (топ-3) | Минус-слова | ?seg | Гипотеза оффера |
|---|---|---|---|---|---|---|---|
| 1 | Примерить причёску | Хочет, но боится | ~100k | примерить прическу, прическа по фото, подобрать прическу | -купить -видео | photo | «Посмотри как будешь выглядеть до стрижки» |
| 2 | AI-запросы | Tech-интерес | ~15k | нейросеть прически, ии прическа | -курсы -обучение | ai | «Нейросеть подберёт стрижку по фото» |
| ... | | | | | | | |

Для каждого сегмента:

• Название группы (для директа)
• Топ 8-15 ключевых слов
• Минус-слова группы (на уровне группы, не кампании)
• ?seg= параметр (латиница, коротко)
• Гипотеза оффера → H1 на лендинге

---

Шаг 6 — Приоритизация

Ранжируй сегменты по матрице:

	Высокая ценность для продукта	Низкая ценность
Высокий объём	🟢 Запускать первым (РСЯ + SEO-страница)	🟡 Охватный (РСЯ малый бюджет)
Низкий объём	🔵 Горячий поиск (платный, CPC)	🔴 Пропустить

Дай финальную рекомендацию: какие 3-5 сегментов запускать в первую волну.

---

Шаг 7 — Выход

Сохрани результат в файл продукта:

/Users/rudometkin/my_space/Obsidian-1/Obsidian-1/!ПРОЕКТЫ/PMF/products/<продукт>/segments.md

Структура файла:

# Семантические сегменты — <Название продукта>
> Дата: YYYY-MM-DD | Wordstat: <какие seeds>

## Сводная таблица
[таблица из шага 5]

## Группа 1 — <Название>
**Слой:** ...  **Объём:** ...  **?seg:** ...
**Ключи:**
- ключ 1
- ключ 2
...
**Минус-слова:** -слово1 -слово2
**Гипотеза оффера:** ...

[повторить для каждой группы]

## Приоритеты запуска
1. ...
2. ...

Скажи пользователю:

✅ Сегменты готовы → передай в /директ для создания XLSX
✅ Сегменты готовы → передай в YD-LP-hyper-segmentation для настройки лендинга

---

Реальный кейс для референса

Продукт: LookBook (Hairstyle AI) — примерка стрижки по фото

Сегмент	Объём	?seg	Ключ-пример
Примерить причёску	~100k	photo	«примерить прическу онлайн»
AI/нейросеть	~15k	ai	«нейросеть прически»
Радикальные стрижки (пикси/шегги)	~50k	pixie	«стрижка пикси»
Стрижки после 50	~30k	after50	«омолаживающие стрижки»
Лунный календарь	~1.2M	lunar	«лунный календарь стрижек 2026»

Главный инсайт: лунный календарь нашли только через Wordstat — в гипотезах его не было. Объём в 10x больше «очевидных» запросов. Конкурентов с оффером примерки — ноль.

---

Связанные скиллы

После этого скилла → /директ (создание XLSX) → YD-LP-hyper-segmentation (настройка лендинга)