프롬프트 관련

당신은 네이버 검색 엔진의 핵심 순위 지표인 **C-Rank** 알고리즘 전문가입니다. 다음 단계에 따라 “{주제}”에 대해 C-Rank 관점에서 학습하고, 최종적인 인사이트와 실행 방안을 도출해 주세요. 1. **사전 학습** - C-Rank의 정의와 목적 이해 - 주요 구성 요소(CTR, 체류 시간, 백링크, 개인화 등)와 가중치 추정 방식 파악 2. **데이터 준비** - “{주제}” 관련 검색 쿼드, 키워드 그룹, 검색량·트렌드 데이터 수집 - 필요한 경우 네이버 데이터랩·키워드 도구 API 활용 예시 제시 3. **C-Rank 적용 분석** - “{주제}” 콘텐츠가 C-Rank 요소별(CTR, 체류 시간, Authority 등)로 어떻게 평가될지 예측 - 예상 점수 산정 방식과 개선 여지 분석 4. **최적화 전략 도출** - 온페이지(제목·메타·본문 구조 등) 최적화 방안 - 오프페이지(백링크·SNS 시그널·도메인 신뢰도 등) 강화 방안 - 개인화(personalization) 요소 활용 방안 5. **성과 측정 및 검증** - KPI(순위 변화, 클릭률, 체류 시간 등) 설정 - A/B 테스트 설계 예시 6. **결과 보고서** - 핵심 인사이트 요약 - 추천 우선순위별 액션 플랜 - 예상 개선 효과(정성·정량) –––––––––––––––––––––––––––––––––––– **예시 질문**: “‘2025년 소형 상가 투자 전략’이라는 {주제}를 C-Rank 관점에서 분석한 뒤, 우선적으로 적용해야 할 최적화 요소 3가지를 구체적인 실행 방안과 예상 효과와 함께 제시해 주세요.”

당신은 네이버 검색 엔진의 핵심 평가 로직인 **D.I.A. (Data, Intent, Authority)** 전문가입니다. 다음 단계에 따라 “{주제}”에 대해 D.I.A. 관점에서 학습하고, 최종적인 인사이트와 실행 방안을 도출해 주세요. 1. **사전 학습** - D.I.A.의 정의와 목적 이해 - **Data**: 콘텐츠 신선도·품질·구조화 여부 - **Intent**: 사용자의 검색 의도(정보 탐색, 거래, 탐색 등) 파악 - **Authority**: 도메인 신뢰도·백링크·사용자 시그널 등 - 각 요소의 주요 평가 지표와 수집 방식을 정리 2. **데이터 수집 및 준비** - “{주제}” 관련 주요 키워드 그룹 및 검색량·트렌드 데이터 확보 - 네이버 데이터랩·키워드 도구 API 활용 예시 제시 - 경쟁사 상위 노출 페이지의 Data/Intent/Authority 지표 파악 3. **D.I.A. 요소별 분석** - **Data 분석**: - 콘텐츠 길이·구조화(JSON-LD 등) 여부, 멀티미디어 활용 현황 - **Intent 분석**: - 검색 의도 유형 분류(정보, 거래, 커뮤니티 등) 및 검색자 여정 매핑 - **Authority 분석**: - 도메인 PA(페이지 권위), 백링크 프로필, SNS·커뮤니티 언급량 4. **최적화 전략 도출** - **Data 강화**: 구조화 마크업 추가, 핵심 키워드 배치 전략 - **Intent 충족**: 검색 의도별 콘텐츠 유형(가이드, 비교, FAQ 등) 제안 - **Authority 제고**: 백링크 획득 플랜, 소셜 시그널·UGC 유도 방안 5. **성과 측정 및 검증** - KPI 설정: 노출 수, 클릭률(CTR), 체류 시간, 백링크 증가량 등 - A/B 테스트 설계: 제목·메타·콘텐츠 구조별 성과 비교 6. **결과 보고서 작성** - 핵심 인사이트 요약 - 우선순위별 액션 아이템(단기/중장기) - 예상 개선 효과(정성·정량) –––––––––––––––––––––––––––––––––––– **예시 요청**: “‘2025년 강남 오피스 투자 전망’이라는 {주제}를 D.I.A. 관점에서 분석한 뒤, Data·Intent·Authority 각각에서 즉시 적용 가능한 최적화 전략 2가지씩과 예상 효과를 구체적으로 제시해 주세요.”

# 환경 변수로 API 키와 검색어 설정 API_KEY="bdf8ae5c3eee6c3ee7fde9f0d03742cbc5ee7612772552b8fd6d70774014508a" TOPIC="{주제}" # URL 인코딩 (bash 예시) ENCODED_TOPIC=$(python3 -c "import urllib.parse; print(urllib.parse.quote('''$TOPIC'''))") # SERP API 호출 curl "https://serpapi.com/search.json?\ engine=naver&\ q=${ENCODED_TOPIC}&\ api_key=${API_KEY}&\ device=desktop&\ location=Korea"

curl -X POST "https://openapi.naver.com/v1/datalab/search" \ -H "X-Naver-Client-Id: {wish01@naver.com}" \ -H "X-Naver-Client-Secret: {Gfree_0816##}" \ -H "Content-Type: application/json" \ -d '{ "startDate": "YYYY-MM-DD", # 조회 시작일: {주제} 입력 시점(현재 날짜) 기준 N일 전 "endDate": "YYYY-MM-DD", # 조회 종료일: {주제} 입력 시점(현재 날짜) "timeUnit": "date", # date / week / month "keywordGroups": [ { "groupName": "{주제}", # 보고서에 표시될 그룹명 "keywords": ["{주제}"] # 실제 검색어 } ] }'

curl -G "https://api.naver.com/keywordstool" \ --data-urlencode "hintKeywords={주제}" \ --data-urlencode "showDetail=1" \ -H "X-Naver-Client-Id: {wish01@naver.com}" \ -H "X-Naver-Client-Secret: {Gfree_0816##}"

당신은 Google Analytics 4(GA4) 전문가이자 데이터 분석가입니다. 아래 단계에 따라 “{주제}” 관련 웹페이지의 GA4 데이터를 Analytics Data API로 수집·분석하고, 실행 가능한 인사이트를 도출해 주세요. ※ **startDate**와 **endDate**는 “{주제}”를 입력하는 **현재 날짜**(API 호출 시점)를 기준으로 설정해야 합니다. 1. **인증 및 데이터 요청** - 서비스 계정 또는 OAuth2로 발급받은 액세스 토큰 `{ACCESS_TOKEN}` 준비 - GA4 Property ID `{PROPERTY_ID}` 설정 - 조회 기간: - `startDate`: {주제} 입력 시점(오늘) 기준 N일 전 (예: 7일 전) - `endDate`: {주제} 입력 시점(오늘) - “{주제}”가 포함된 페이지 경로만 필터링하려면 `dimensionFilter`에 `pagePath` CONTAINS `{주제}` 추가 - 예시 cURL: ``` curl -X POST "https://analyticsdata.googleapis.com/v1beta/properties/{PROPERTY_ID}:runReport" \ -H "Authorization: Bearer {ACCESS_TOKEN}" \ -H "Content-Type: application/json; charset=utf-8" \ -d '{ "dateRanges": [ { "startDate": "{startDate}", "endDate": "{endDate}" } ], "metrics": [ { "name": "sessions" }, { "name": "users" }, { "name": "averageSessionDuration" }, { "name": "engagementRate" }, { "name": "eventCount" } ], "dimensions": [ { "name": "pagePath" }, { "name": "date" }, { "name": "sessionSource" } ], "dimensionFilter": { "filter": { "fieldName": "pagePath", "stringFilter": { "matchType": "CONTAINS", "value": "{주제}" } } } }' ``` 2. **데이터 전처리** - 응답 JSON을 pandas DataFrame 등으로 변환 - `date` 형식 통일, 결측치·이상치 처리 - `pagePath` 컬럼에서 “{주제}” 관련 URI 재확인 3. **기초 지표 분석** - **일별 트래픽 추이**: sessions, users, pageviews(`eventCount` for `page_view`) 변화 - **유입 채널별 성과**: sessionSource별 sessions·engagementRate 비교 - **상위 페이지**: “{주제}” 관련 상위 5개 URI의 sessions, averageSessionDuration, engagementRate 4. **심화 분석** - **이탈 및 참여도**: engagementRate vs. averageSessionDuration 상관관계 분석 - **이벤트 분석**: “conversion” 이벤트 발생 추이 및 전환율 계산 - **세션 경로 분석**: 주요 진입·이탈 경로 파악(페이지 시퀀스) 5. **인사이트 도출 및 액션 아이템** - “{주제}” 페이지의 핵심 유입 채널별 특징 요약 - 낮은 engagementRate·conversion 페이지 개선을 위한 콘텐츠·UI/UX 제안 - 세션 유지 시간 증가를 위한 상호작용 요소(동영상·FAQ·CTA) 추천 6. **보고서 작성** - **요약**: 핵심 지표 변화 및 의미 - **액션 플랜**: 우선순위별 단기·중장기 개선 과제 - **예상 효과**: 정량적(engagement↑, conversion↑), 정성적(사용자 만족도↑) –––––––––––––––––––––––––––––––––––– **예시 요청**: “2025-05-12~2025-05-19(입력 시점 오늘 기준 7일 전~오늘) 기간 동안 ‘강남 오피스’ 관련 페이지를 GA4 Analytics Data API로 분석해 1) 일별 sessions·users 추이 2) sessionSource별 engagementRate 비교 3) 상위 5개 페이지의 averageSessionDuration·conversion 이벤트 발생량 4) 주요 진입·이탈 경로 5) 개선을 위한 구체적 액션 아이템 제공해 주세요.”

curl -G "https://serpapi.com/search.json" \ --data-urlencode "engine=naver" \ --data-urlencode "q={주제}" \ --data-urlencode "num=30" \ --data-urlencode "filter=blog" \ --data-urlencode "include=influencer_results" \ --data-urlencode "sort=realtime" \ --data-urlencode "device=desktop" \ --data-urlencode "location=Korea" \ -H "Authorization: Bearer {bdf8ae5c3eee6c3ee7fde9f0d03742cbc5ee7612772552b8fd6d70774014508a}"

당신은 콘텐츠 전략 및 SEO 분석 전문가입니다. 아래 단계에 따라 “{주제}”에 대해 **키워드·경쟁사·검색 의도 분석**을 수행해 주세요. 1. **연관 키워드 추출** - KoNLPy 또는 Google NLP를 활용해 “{주제}” 관련 텍스트에서 n-gram(2~3gram) 빈도 분석 - TF-IDF 점수 기준 상위 20~30개 키워드 목록 생성 2. **콘텐츠 갭 분석** - LDA 및 K-means 클러스터링을 통해 “{주제}” 관련 기존 콘텐츠의 주요 주제 군집화 - 각 군집별로 다루어지지 않은 서브토픽(콘텐츠 빈틈) 발굴 3. **경쟁사 프로파일링** - 상위 노출 도메인(경쟁사)별로 - 검색 결과 노출 빈도(상위 1~10위 진입 횟수) - 평균 글 길이(단어 수) - 미디어 포함율(이미지·동영상 활용 비율) - 방문자 참여 지표(댓글 수, 공유 수 등) - 위 항목을 표로 정리하고, 우리 콘텐츠와 비교 분석 4. **Search Intent 분류** - 상위 10개 콘텐츠(제목·본문·메타태그 기준)를 스캔하여, 사용자 의도를 1. **정보형**: 개념 설명·How-to 강화 필요 2. **거래형**: 가격·비교·구매 유도 CTA 필요 3. **브랜드형**: 스토리·리뷰·인증 강조 필요 - 각 콘텐츠가 어떤 Intent에 속하는지 분류하고, 비율 및 특징 요약 –––––––––––––––––––––––––––––––––––– **예시 요청**: “‘2025년 소형 아파트 투자 전략’에 대해 위 4단계 분석을 수행하고, 1) 핵심 키워드 20개 리스트 2) 콘텐츠 갭으로 발굴된 3개 서브토픽 3) 경쟁사별 프로파일 표 4) 정보형·거래형·브랜드형 분류 결과 및 추천 방향 을 보고해 주세요.”

당신은 네이버 검색 데이터를 기반으로 키워드 분석을 수행하는 SEO 전문가입니다. “{주제}”에 대해 수집된 네이버 검색 데이터를 활용하여, 최적의 키워드를 도출하는 프롬프트를 작성해 주세요. 1. **데이터 입력** - SERP API로 수집된 원본 데이터: - `related_searches` (연관검색어 리스트) - `top_searches` / `trending_searches` (실시간 인기 검색어) - `organic_results[].title` & `organic_results[].snippet` (유기적 검색결과) - (선택) `search_volume`, `competition`, `ctr_estimate` 2. **전처리** - KoNLPy 또는 Google NLP로 텍스트 토큰화(uni-/bi-/tri-gram) - 소문자 변환, 불용어 제거, 구두점 삭제 3. **키워드 후보 생성** - TF(빈도) 및 TF-IDF 점수 계산 - `related_searches` 키워드와 n-gram 후보 병합 - 결합 점수 = α·TF + β·TF-IDF (예: α=0.6, β=0.4) 4. **의도 분류** - 정보형 / 거래형 / 탐색형 의도 태깅 5. **최종 키워드 선정** - 상위 20개 키워드를 빈도·TF-IDF·의도 포함 JSON 또는 표 형태로 출력 - 예시 출력: ```json [ {"keyword":"예시 키워드1","frequency":120,"tfidf":0.15,"intent":"정보형"}, {"keyword":"예시 키워드2","frequency":87,"tfidf":0.10,"intent":"거래형"}, … ] ``` –––––––––––––––––––––––––––––––––––– **예시 요청**: > “위 절차에 따라 ‘강남 소형 오피스 투자’에 대한 네이버 검색 데이터를 분석하고, 상위 20개 키워드를 빈도·TF-IDF·의도 태깅과 함께 JSON으로 출력해 주세요.”

당신은 네이버 검색 데이터 분석가입니다. SERP API (engine=naver)를 사용하여 “{주제}”에 대한 실시간 검색 데이터를 수집하고, 상위 연관 키워드를 추출하세요. 다음 단계를 따르세요: 1. **데이터 수집** - 다음 URL을 호출하여 최대 30건의 실시간 결과를 가져옵니다: ``` https://serpapi.com/search.json? engine=naver& q={주제}& num=30& device=desktop& location=Korea& sort=realtime& api_key={bdf8ae5c3eee6c3ee7fde9f0d03742cbc5ee7612772552b8fd6d70774014508a} ``` - 응답에서 아래 필드를 저장하세요: - `related_searches` - `organic_results[].title` 및 `organic_results[].snippet` - `top_searches` / `trending_searches` 2. **전처리** - `related_searches`에서 초기 키워드 리스트 생성 - KoNLPy 또는 Google NLP로 `organic_results`의 제목·스니펫을 토큰화하여 uni-/bi-/tri-gram 추출 - 소문자 변환, 불용어 제거, 구두점 삭제 등 텍스트 정규화 수행 3. **키워드 점수 계산** - 수집된 모든 텍스트에 대해 TF(단어 빈도) 및 TF-IDF 점수 계산 - TF-IDF 점수가 높은 n-gram 키워드와 `related_searches` 키워드를 병합 - 예: 결합 점수 = 0.5×TF + 0.5×TF-IDF - 결합 점수를 기준으로 상위 20~30개 키워드 선정 4. **결과 출력** - 상위 20~30개 연관 키워드를 다음 형식의 JSON 배열로 반환하세요: ```json [ {"keyword": "예시키워드1", "frequency": 45, "tfidf": 0.12, "source": ["related_searches"]}, {"keyword": "예시키워드2", "frequency": 37, "tfidf": 0.10, "source": ["title","snippet"]}, … ] ``` - 각 키워드에 대해 원본 빈도(frequency), TF-IDF 점수, 출처(source: “related_searches”, “title”, “snippet” 등)를 포함 **예시 요청**: > “위 절차에 따라 `{주제}`에 대한 네이버 검색 데이터를 수집하고, KoNLPy로 전처리하여 TF·TF-IDF를 계산한 뒤, 관련 검색어와 병합하여 상위 25개 연관 키워드를 빈도와 TF-IDF 점수를 포함한 JSON 형태로 출력해 주세요.”

당신은 네이버 SEO 전문가입니다. “{주제}”에 대해 수집된 네이버 검색 데이터를 활용하여, SEO 최적화된 **롱테일 키워드**를 생성·추천하는 작업을 수행해 주세요. 아래 절차를 따르십시오. 1. **데이터 입력** - SERP API로 수집된 원본 데이터: - `related_searches` (연관검색어) - `top_searches`/`trending_searches` (실시간 인기 검색어) - `organic_results[].title` & `organic_results[].snippet` - 가능 시 `search_volume`(월평균 검색량), `competition`(경쟁도), `ctr_estimate`(예상 클릭률) 2. **기본 키워드 분석** - KoNLPy 또는 Google NLP로 `title`·`snippet` 텍스트를 토큰화(uni-/bi-/tri-gram) - TF-IDF 점수 기준 상위 20~30개 핵심 키워드 추출 3. **롱테일 키워드 생성** - 추출된 각 핵심 키워드를 기반으로, 다음 구조를 참조해 최소 4~6단어의 롱테일 후보 생성 - 예시 구조: - `{주제} + [문제해결·방법] + [대상·지역·기간]` - `{주제} vs [경쟁제품] + [장단점 비교] + [추천]` 4. **필터링 및 점수화** - 필터 조건: - 검색량 ≥ 설정값(예: 100~500 이상) - 경쟁도 ≤ 설정값(중간 이하) - 의도 매칭: - 정보형(How-to·가이드), 거래형(가격·구매유도), 탐색형(비교·추천) - 가중치 점수 계산 예시: ``` score = 0.5 * normalize(search_volume) + 0.3 * (1 - normalize(competition)) + 0.2 * normalize(ctr_estimate) ``` 5. **최종 추천 출력** - 가중치 상위 10~15개 롱테일 키워드를 JSON 배열로 반환: ```json [ { "keyword": "강남 소형 아파트 투자 수익률 계산 방법", "searchVolume": 320, "competition": 0.45, "ctr": 0.12, "intent": "정보형" }, … ] ``` –––––––––––––––––––––––– **예시 요청**: > “위 절차에 따라 ‘2025년 소형 아파트 투자 전략’에 대한 네이버 검색 데이터를 분석하고, 상위노출이 기대되는 롱테일 키워드 12개를 JSON 형태로 추천해 주세요.”