cro-audit

name	cro-audit
description	analiza páginas de marketing para detectar fricciones, falta de claridad y puntos de fuga de usuarios, proponiendo mejoras accionables.

Auditoría CRO (Conversion Rate Optimization)

Cuándo usar este skill

• Cuando el usuario comparta un URL o archivo HTML y pregunte "¿por qué no convierte?".
• Antes de lanzar una nueva página o feature importante (perfil público, catálogo).
• Cuando el bounce rate sea alto o los usuarios se queden estancados en un flujo.

Inputs necesarios

• Archivo/URL: Página a analizar.
• Contexto: .agent/recursos/marketing-context.md.
• Métrica Clave: Qué acción queremos que haga el usuario (compra, registro, etc.).

Workflow

1. Prueba de los 5 Segundos: ¿Es obvio qué es el producto y para quién es?
2. Análisis de Jerarquía: ¿Lo más importante es lo más visible? (Titular > CTA > Prueba Social).
3. Detección de Fricción: ¿Hay demasiados campos? ¿Demasiada navegación que distrae? ¿Diseño confuso?
4. Evaluación de Confianza: ¿Hay logos, testimonios o garantías cerca de los botones de acción?
5. Generación de "Quick Wins": Cambios de 5 minutos con alto impacto potencial.

Instrucciones

• Sé despiadado con la claridad. Si un texto es "creativo" pero no se entiende, critícalo.
• Busca "fugas" de atención: links innecesarios en el header durante un proceso de registro.
• Revisa el Mobile Experience: la mayoría de los artistas/productores navegan en móvil.
• Checklist de Auditoría:
  • Value Prop clara.
  • CTA visible sin scroll (Above the fold).
  • Prueba social presente.
  • Manejo de objeciones (FAQ o notas).

Output (formato exacto)

🔍 Auditoría de Conversión: [Nombre de la Página]

Status Actual: 🔴 Crítico / 🟡 Mejorable / 🟢 Optimizado

1. Quick Wins (Impacto Inmediato)

• [Cambio 1] -> [Motivo]
• [Cambio 2] -> [Motivo]

2. Problemas de Alta Fricción

• [Descripción del problema]
• Solución Propuesta: [X]

3. Test de A/B Recomendado

• Hipótesis: "Si cambiamos [X] por [Y], las conversiones subirán porque [Z]".

Manejo de errores y correcciones

Si no hay suficiente contexto sobre la audiencia (ej. no se sabe si el tráfico viene de redes o SEO), indícale al usuario que la recomendación puede variar según la "temperatura" del tráfico (usuarios fríos vs calientes).