keyword-clusterer

guia-matthieu

업데이트됨 Yesterday

2 조회

111

메타word

정보

키워드 클러스터러 스킬은 임베딩을 활용해 키워드를 의미적 유사성과 의도에 따라 그룹화하여, 개발자가 키워드 목록을 주제별 클러스터로 정리할 수 있도록 돕습니다. 이는 콘텐츠 기획, 사이트 구조 매핑, 콘텐츠 격차 식별에 유용합니다. 이 도구는 원시 키워드 데이터를 체계적인 콘텐츠 전략 프레임워크로 변환합니다.

빠른 설치

Claude Code

문서

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

GitHub 저장소

guia-matthieu/clawfu-skills

경로: skills/seo-tools/keyword-clusterer

ai-skillsanthropicclaude-codeclaude-skillsmarketingmcp-server

연관 스킬

content-collections

메타

이 스킬은 콘텐츠 콜렉션(Content Collections)을 위한 프로덕션 검증된 설정을 제공합니다. 콘텐츠 콜렉션은 Markdown/MDX 파일을 Zod 검증이 포함된 타입 안전한 데이터 콜렉션으로 변환해주는 TypeScript 최우선 도구입니다. 블로그, 문서 사이트 또는 콘텐츠 중심의 Vite + React 애플리케이션을 구축할 때 타입 안전성과 자동 콘텐츠 검증을 보장하기 위해 사용하세요. Vite 플러그인 구성과 MDX 컴파일부터 배포 최적화 및 스키마 검증에 이르기까지 모든 것을 다룹니다.

스킬 보기

polymarket

메타

이 스킬은 개발자들이 Polymarket 예측 시장 플랫폼을 활용한 애플리케이션을 구축할 수 있도록 지원하며, 거래 및 시장 데이터를 위한 API 통합 기능을 포함합니다. 또한 WebSocket을 통한 실시간 데이터 스트리밍을 제공하여 실시간 거래와 시장 활동을 모니터링할 수 있습니다. 이를 통해 거래 전략을 구현하거나 실시간 시장 업데이트를 처리하는 도구를 생성하는 데 활용할 수 있습니다.

스킬 보기

creating-opencode-plugins

메타

이 스킬은 개발자들이 명령어, 파일, LSP 작업 등 25개 이상의 이벤트 유형에 연결되는 OpenCode 플러그인을 만들 수 있도록 돕습니다. JavaScript/TypeScript 모듈을 위한 플러그인 구조, 이벤트 API 명세, 구현 패턴을 제공합니다. OpenCode AI 어시스턴트의 라이프사이클을 사용자 정의 이벤트 기반 로직으로 가로채거나, 모니터링하거나, 확장해야 할 때 사용하세요.

스킬 보기

sglang

메타

SGLang은 RadixAttention 프리픽스 캐싱을 활용하여 JSON, 정규식, 에이전트 워크플로우를 위한 고속 구조화 생성에 특화된 고성능 LLM 서빙 프레임워크입니다. 특히 반복되는 프리픽스가 있는 작업에서 상당히 빠른 추론 속도를 제공하여 복잡한 구조화 출력 및 다중 턴 대화에 이상적입니다. 제약 디코딩이 필요하거나 광범위한 프리픽스 공유가 있는 애플리케이션을 구축할 때는 vLLM과 같은 대안보다 SGLang을 선택하십시오.

스킬 보기