Воркфлоу для cервиса по подбору семантики

## Нода: `Generate Keyword CSV` (Generate)

**Входы:** `@{Filter Keywords}`, `@{Analyze SEO}`, `@{Analyze Search Intent}`, `@{Generate Questions}`

**Что делает:** Синтезирует все данные из предыдущих шагов в строгий CSV-текст с разделителем `;`. Это промежуточный шаг чистый текстовый CSV, который потом подаётся в `Generate google sheets` для экспорта.

**Промпт:**

```

## Роль

Ты дата-инженер. Твоя задача собрать все результаты исследования в единую структурированную таблицу.

## Входные данные

• Кластеризованная семантика: @{Filter Keywords}
• SEO-анализ (сущности, предтранзакционные паттерны, how-to, бренды): @{Analyze SEO}
• Анализ интентов (карта интентов, барьеры, маркетинговые возможности): @{Analyze Search Intent}
• Вопросы: @{Generate Questions}

• Категория: "Target Key"
• Ключевое_слово: [ключевое слово]
• Частотность: [значение freq]
• Стадия_воронки: [funnel_stage из кластера]
• Job_ID: [job_id из кластера]
• Предтранзакционный_паттерн: [если это ключевое слово встречается в @{Analyze SEO} в указать тип паттерна, иначе пусто]
• Тип_контента: [из @{Analyze Search Intent} best_content_type для соответствующего кластера]
• Источник: "Семантика"

### СУЩНОСТИ (из @{Analyze SEO}, теги ):

### ПРЕДТРАНЗАКЦИОННЫЕ ФОРМУЛИРОВКИ ПРЕДСКАЗАННЫЕ (из @{Analyze SEO}, source="predicted"):

• Категория: "Predicted Pre-TX"
• Ключевое_слово: [формулировка]
• Частотность: ""
• Стадия_воронки: "Предтранзакция"
• Job_ID: ""
• Предтранзакционный_паттерн: [тип паттерна]
• Тип_контента: ""
• Источник: "Предсказано"

• Категория: "How-to"
• Ключевое_слово: [запрос]
• Частотность: ""
• Стадия_воронки: [если category="pretransaction" "Предтранзакция", если "operational" "Удержание", если "confusion" "Рассмотрение"]
• Job_ID: ""
• Предтранзакционный_паттерн: [если pretransaction или confusion указать, иначе пусто]
• Тип_контента: ""
• Источник: "Анализ"

### CONFUSION QUERIES (из @{Analyze SEO}, теги ):

### ПРЕДСКАЗАННЫЕ БРЕНДЫ (из @{Analyze SEO}, теги ):

• Категория: "Predicted Brand"
• Ключевое_слово: [название бренда]
• Частотность: ""
• Стадия_воронки: ""
• Job_ID: ""
• Предтранзакционный_паттерн: ""
• Тип_контента: ""
• Источник: "Предсказано (45% правило)"

• Категория: "Brand Query"
• Ключевое_слово: [запрос]
• Частотность: ""
• Стадия_воронки: "Предтранзакция"
• Job_ID: ""
• Предтранзакционный_паттерн: [определи по формулировке: отзывы «Доверие», vs «Сравнение», цена «Стоимость»]
• Тип_контента: ""
• Источник: "Предсказано"

### ВОПРОСЫ (из @{Generate Questions}):

### МАРКЕТИНГОВЫЕ ВОЗМОЖНОСТИ (из @{Analyze Search Intent}, теги ):

• Категория: "Opportunity"
• Ключевое_слово: [описание возможности]
• Частотность: ""
• Стадия_воронки: ""
• Job_ID: ""
• Предтранзакционный_паттерн: ""
• Тип_контента: [тип возможности: content_gap / high_conversion / low_competition]
• Источник: "Анализ интентов"

• НЕ оборачивай в Markdown (без ```).
• Формат: строго текст.
• Первая строка ОБЯЗАТЕЛЬНО заголовки.
• Каждая строка ровно 8 столбцов, разделённых «;».
• Выводи ТОЛЬКО CSV-текст, ничего больше.

```

• --

```

### 3. How-to семантика и Confusion Queries

Извлеки из @{Filter Keywords} все «как сделать»-запросы и запросы-сомнения. Раздели на три категории:

• **Предтранзакционные how-to** (помогают принять решение): «как выбрать...», «как оценить...», «как сравнить...», «как рассчитать стоимость...»
• **Эксплуатационные how-to** (помогают использовать): «как настроить...», «как подключить...», «как использовать...»
• **Confusion Queries (запросы-сомнения)** золотая жила, особенно для B2B. Это запросы, где пользователь путает или не различает два похожих понятия, продукта, подхода. Паттерны:
• «X или Y: в чём разница»
• «чем отличается X от Y»
• «X vs Y»
• «что лучше X или Y»
• «X и Y это одно и то же?»
• «зачем X, если есть Y»
• «можно ли заменить X на Y»

• Найди все существующие в @{Filter Keywords}.
• Предскажи 5-10 дополнительных confusion-запросов, которые логически должны существовать в нише из @{Project Context}, но отсутствуют в семантике. Отметь source="predicted".

```

**И обновляю XML-структуру в том же промпте `Analyze SEO` в блоке `` добавляю:**

```xml

[Запрос]

[Запрос]

[X или Y: в чём разница]

[Предсказанный confusion-запрос]

## Полный обновлённый промпт `Analyze SEO` (целиком, чтобы не путаться)

**Входы:** `@{Filter Keywords}`, `@{Project Context}`

```

## Роль

Ты SEO-аналитик, специализирующийся на предтранзакционном поисковом поведении, Topical Authority и брендовой семантике.

## Входные данные

Отфильтрованная и кластеризованная семантика: @{Filter Keywords}

Контекст проекта: @{Project Context}

## Задача

Выполни глубокий анализ по четырём направлениям.

### 1. Предтранзакционные формулировки

Извлеки из ВСЕХ кластеров @{Filter Keywords} ключевые слова, содержащие предтранзакционные паттерны формулировки, показывающие, что человек на этапе принятия решения:

Типы паттернов:

Также предложи 10-15 предтранзакционных формулировок, которых НЕТ в @{Filter Keywords}, но которые логически должны существовать для ниши из @{Project Context}. Отметь source="predicted".

### 2. Сущности (Entities)

Извлеки из @{Filter Keywords} все значимые сущности:

• Бренды / компании / продукты
• Персоны / эксперты
• Инструменты / технологии / платформы
• Понятия / методологии

• **Предтранзакционные how-to** (помогают принять решение): «как выбрать...», «как оценить...», «как сравнить...», «как рассчитать стоимость...»
• **Эксплуатационные how-to** (помогают использовать): «как настроить...», «как подключить...», «как использовать...»
• **Confusion Queries (запросы-сомнения)** золотая жила, особенно для B2B. Это запросы, где пользователь путает или не различает два похожих понятия, продукта, подхода. Паттерны:
• «X или Y: в чём разница»
• «чем отличается X от Y»
• «X vs Y»
• «что лучше X или Y»
• «X и Y это одно и то же?»
• «зачем X, если есть Y»
• «можно ли заменить X на Y»

Для Confusion Queries:

### 4. Брендовая семантика

Найди в @{Filter Keywords} все ключевые слова с упоминанием брендов. Посчитай долю брендовых запросов от общего числа.

Если доля ниже 10% предскажи 10-15 брендов-лидеров рынка по нише из @{Project Context}. Для каждого бренда сгенерируй 2-3 типичные поисковые формулировки.

## Формат выхода строго XML:

[ключевое слово]

[предсказанная формулировка]

[Название]

[Имя]

[Инструмент]

[Понятие]

[Запрос]

[Запрос]

[Запрос-сомнение]

[Предсказанный confusion-запрос]

[число]

[число]

[процент]%

[yes/no]

[ключевое слово]

[бренд] отзывы

[бренд] цена

[бренд] vs [конкурент]

[Описание пробела в контенте]

[Описание]

[Общие SEO-инсайты]

## Ограничения

• Для существующих ключей частотность из @{Filter Keywords}.
• Предсказанные формулировки маркируй source="predicted".
• Предсказанные бренды СТРОГО по нише из @{Project Context}.
• Выводи ТОЛЬКО XML.

## Обновлённая схема связей (с обеими CSV-нодами)

Wordstat File Upload Project Context

(User Input) (User Input)

Analyze SEO Analyze Generate

Search Questions

@{Filter Intent

Keywords} @{Filter

@{Project @{Filter Keywords}

Context} Keywords}

Generate Keyword CSV @{Filter Keywords} + @{Analyze SEO}

(Generate) + @{Analyze Search Intent}

+ @{Generate Questions}

```

Тут я немного изменил последнюю связь: `Generate google sheets` теперь берёт готовый CSV из `@{Generate Keyword CSV}` вместо того чтобы дублировать всю логику сборки. Это логичнее одна нода собирает CSV, вторая экспортирует. Но если хочешь оставить как в оригинале (обе ноды получают все 4 входа независимо) скажи, верну.

• --

```

## Задача

Возьми готовую CSV-таблицу из @{Generate Keyword CSV} и выведи её как есть для экспорта в Google Sheets.

## Ограничения

• НЕ меняй данные.
• НЕ оборачивай в Markdown.
• Выводи ТОЛЬКО содержимое CSV из @{Generate Keyword CSV}.

• Пункт списка 1
• Пункт списка 2
• Пункт списка 3