keyword-clusterer

guia-matthieu

Mis à jour Yesterday

3 vues

111

Métaword

À propos

La compétence keyword-clusterer regroupe les mots-clés par similarité sémantique et intention en utilisant des embeddings, aidant les développeurs à organiser les listes de mots-clés en clusters thématiques. Elle est utile pour la planification de contenu, la cartographie de la structure d'un site et l'identification des lacunes en contenu. Cet outil transforme des données brutes de mots-clés en un cadre de stratégie de contenu organisé.

Installation rapide

Claude Code

Recommandé

Principal

npx skills add guia-matthieu/clawfu-skills -a claude-code

Commande PluginAlternatif

/plugin add https://github.com/guia-matthieu/clawfu-skills

Git CloneAlternatif

git clone https://github.com/guia-matthieu/clawfu-skills.git ~/.claude/skills/keyword-clusterer

Copiez et collez cette commande dans Claude Code pour installer cette compétence

Documentation

Keyword Clusterer

Group keywords by semantic similarity using embeddings - turn a keyword list into an organized content strategy.

When to Use This Skill

Content planning - Group keywords into topic clusters
Site structure - Map keywords to pages
Intent analysis - Categorize by search intent
Gap analysis - Find missing keyword themes
PPC organization - Group keywords for ad groups

What Claude Does vs What You Decide

Claude Does	You Decide
Structures analysis frameworks	Strategic priorities
Synthesizes market data	Competitive positioning
Identifies opportunities	Resource allocation
Creates strategic options	Final strategy selection
Suggests implementation approaches	Execution decisions

Dependencies

pip install scikit-learn sentence-transformers pandas click
# For simpler usage without ML:
pip install click pandas

Commands

Cluster Keywords

python scripts/main.py cluster keywords.csv --n-clusters 10
python scripts/main.py cluster keywords.csv --column keyword --n-clusters 15

Find Similar

python scripts/main.py similar "content marketing" --count 20

Analyze Intent

python scripts/main.py intent keywords.csv --column keyword

Examples

Example 1: Cluster Keyword Research

# Input: keywords.csv with 500 keywords
python scripts/main.py cluster keywords.csv --n-clusters 12 --output clustered.csv

# Output:
# Cluster 1 (45 keywords): "content marketing"
#   - content marketing strategy
#   - content marketing tips
#   - how to do content marketing
#
# Cluster 2 (38 keywords): "email marketing"
#   - email marketing tools
#   - best email marketing software
#   - email campaign tips
# ...

Example 2: Categorize by Intent

python scripts/main.py intent keywords.csv --column keyword

# Output:
# Intent Analysis
# ──────────────────────
# Informational: 234 (47%)
#   - how to, what is, guide, tips
# Commercial: 156 (31%)
#   - best, top, review, compare
# Transactional: 78 (16%)
#   - buy, price, discount, order
# Navigational: 32 (6%)
#   - login, contact, brand names

Search Intent Categories

Intent	Signals	Content Type
Informational	how, what, why, guide	Blog posts, guides
Commercial	best, top, review, vs	Comparisons, reviews
Transactional	buy, price, discount	Product pages
Navigational	[brand], login, contact	Landing pages

Clustering Methods

Method	Best For	Speed
semantic	Meaning-based grouping	Slower
lexical	Word overlap grouping	Faster
intent	Search intent categories	Fast

Skill Boundaries

What This Skill Does Well

Structuring strategic analysis
Identifying market opportunities
Creating strategic frameworks
Synthesizing competitive data

What This Skill Cannot Do

Replace market research
Guarantee strategic success
Know proprietary competitor info
Make executive decisions

Related Skills

content-repurposer - Create content for clusters
lighthouse-audit - Optimize cluster pages

Skill Metadata

Mode: centaur

category: seo-tools
subcategory: keyword-research
dependencies: [scikit-learn, sentence-transformers, pandas]
difficulty: intermediate
time_saved: 5+ hours/week

Dépôt GitHub

guia-matthieu/clawfu-skills

Chemin: skills/seo-tools/keyword-clusterer

ai-skillsanthropicclaude-codeclaude-skillsmarketingmcp-server

Compétences associées

content-collections

Méta

Cette compétence propose une configuration éprouvée en production pour Content Collections, un outil axé sur TypeScript qui transforme des fichiers Markdown/MDX en collections de données typées de manière sûre avec une validation Zod. Utilisez-la lors de la création de blogs, de sites de documentation ou d'applications Vite + React riches en contenu pour garantir la sécurité de typage et la validation automatique du contenu. Elle couvre tout, de la configuration du plugin Vite et de la compilation MDX à l'optimisation des déploiements et la validation des schémas.

Voir la compétence

polymarket

Méta

Cette compétence permet aux développeurs de créer des applications avec la plateforme de marchés prédictifs Polymarket, incluant l'intégration d'API pour le trading et les données de marché. Elle fournit également une diffusion de données en temps réel via WebSocket pour surveiller les transactions en direct et l'activité du marché. Utilisez-la pour mettre en œuvre des stratégies de trading ou pour créer des outils traitant les mises à jour de marché en direct.

Voir la compétence

creating-opencode-plugins

Méta

Cette compétence aide les développeurs à créer des plugins OpenCode qui s'interconnectent avec plus de 25 types d'événements tels que les commandes, les fichiers et les opérations LSP. Elle fournit la structure du plugin, les spécifications de l'API événementielle et les modèles d'implémentation pour les modules JavaScript/TypeScript. Utilisez-la lorsque vous avez besoin d'intercepter, de surveiller ou d'étendre le cycle de vie de l'assistant IA OpenCode avec une logique personnalisée pilotée par les événements.

Voir la compétence

sglang

Méta

SGLang est un framework de service LLM haute performance spécialisé dans la génération rapide et structurée pour les workflows JSON, regex et agentiques grâce à son cache de préfixe RadixAttention. Il offre une inférence nettement plus rapide, particulièrement pour les tâches avec des préfixes répétés, ce qui le rend idéal pour les sorties complexes et structurées ainsi que les conversations multi-tours. Choisissez SGLang plutôt que des alternatives comme vLLM lorsque vous avez besoin d'un décodage contraint ou que vous construisez des applications avec un partage étendu de préfixes.

Voir la compétence