blog-analyze

Name: blog-analyze
Author: infrasity-labs

github.com/infrasity-labsマーケティング・グロース15197 回インストール18 週間前に更新

リポジトリ

blog-analyze について

ライターや編集者向けに、ローカルファイルまたは公開 URL のブログ記事を5つの品質カテゴリで採点し、優先度付きの改善案を示すスキルです。AI文章の兆候も分析でき、任意で編集ルーブリックと節ごとの認知負荷レポートを追加します。

主な機能

015つの品質カテゴリで記事を採点
02SEOとE-E-A-Tの指標を分析
03AI文章のリスク指標を評価
04ローカルファイル・URL・ディレクトリを監査
05Markdown・JSON・表形式でレポートを出力
06ルーブリックと認知負荷分析を追加

活用シーン

01公開前にブログ原稿を確認
02ディレクトリ内の記事を比較・並べ替え
03監査結果をダッシュボード向けに出力
04認知負荷の高い節を特定

インストール

コマンドをコピーしてターミナルで実行します。

$npx skills add https://github.com/infrasity-labs/dev-gtm-claude-skills --skill blog-analyze

インストール後、Claude Code で/blog-analyzeを入力して読み込まれたか確認します。

詳細

ブログ分析：品質監査とスコアリング

ブログ記事を5つのカテゴリにわたって0〜100の尺度で採点し、優先度順の改善案を提示します。AI コンテンツの検出分析も含まれます。ローカルファイルと公開 URL のどちらにも対応します。

参照ドキュメント（リポジトリのルートからのパス）：

skills/blog/references/quality-scoring.md：スコアリングチェックリストの全文
skills/blog/references/eeat-signals.md：E-E-A-T 評価基準
skills/blog/references/ai-slop-detection.md：2段階の反射的手法（v1.8.0）
skills/blog/references/editorial-heuristics.md：序数による0〜4の評価基準、P0〜P3の重大度（v1.8.0、--rubric と併用）
skills/blog/references/cognitive-load.md：セクションごとの概念密度（v1.8.0、--cognitive-load と併用）

入力の処理

ローカルファイル：ファイルを直接読み込みます
URL：WebFetch で取得し、コンテンツを抽出します
ディレクトリ：ブログファイルをスキャンし、すべてを監査します（バッチモード）
フラグ：--format json|table、--batch、--sort score、--rubric、--cognitive-load

オプションモード（v1.8.0）

--rubric：100点満点のスコアに加えて、序数による0〜4の editorial-heuristics 評価基準をP0〜P3の重大度タグ付きで出力します。skills/blog/references/editorial-heuristics.md を参照してください。100点満点の JSON スキーマは維持され、兄弟フィールド rubric が追加されます。
--cognitive-load：記事に対して scripts/cognitive_load.py を実行し、セクションごとの負荷ヒートマップを兄弟フィールド cognitive_load として埋め込みます。skills/blog/references/cognitive-load.md を参照してください。

どちらのモードも追加機能です。デフォルトの動作（フラグなし）に変更はありません。

スコアリングの手順

ステップ1：コンテンツの抽出

ブログ記事を読み込み、次の項目を抽出します。

Frontmatter（title、description、date、lastUpdated、author、tags）
見出し構造（階層を含む H1、H2、H3）
段落数と段落ごとの単語数
統計情報（出典の有無を問わず、数値を含む主張）
画像（数、代替テキストの有無、形式）
チャート／SVG（数、種類の多様性）
リンク（内部、外部、リンク切れ）
FAQ セクションの有無
スキーママークアップ（含まれる種類）
メタタグ（タイトル、説明、OG タグ、Twitter カード）
文章のリズム分析用の文の長さ
多様性スコアリング用の語彙トークン

ステップ2：各カテゴリの採点

完全なチェックリストは references/quality-scoring.md を読み込んでください。各項目を採点します。

コンテンツ品質（30点）

項目	点数	合格基準
深さ／網羅性	7	トピックを徹底的に扱い、重大な抜けがない
読みやすさ（Flesch 60-70）	7	Flesch 60-70が理想、55-75は許容範囲。学年相当7〜8、Gunning Fog 7〜8
独自性／独自価値の指標	5	独自データ、事例研究、実体験
文と段落の構成	4	文の平均15〜20語、20語超は25%以下。段落は40〜80語、200〜300語ごとにH2
エンゲージメント要素	4	まとめボックス、コールアウト、多様なコンテンツブロック。次を使用できます："TL;DR"、"Key Takeaways"、"The Bottom Line"、"What You'll Learn"、"At a Glance"、"In Brief"
文法／アンチパターン	3	受動態10%以下、AI トリガーワードは1,000語あたり5個以下、つなぎ言葉20〜30%、文章が明快

読みやすさの範囲（ペルソナごとに適用するか、デフォルトを使用）：

対象読者	Flesch の学年	Flesch の読みやすさ	スコアへの影響
一般消費者	6〜8	60〜80	範囲内なら満点
専門職	8〜10	50〜60	範囲内なら満点
技術者	10〜12	30〜50	範囲内なら満点
デフォルト（ペルソナなし）	7〜8	60〜70	現行のスコアリングを維持

コンテンツの明瞭さは、AI に引用される可能性を左右する要因の第2位です（スコア差は+32.83%）。米国の成人の平均的な読解力は、学年相当で7〜8年生です。

SEO 最適化（25 点）

チェック項目	点数	合格基準
キーワードを含む見出し階層	5	H1 -> H2 -> H3 の順で、飛ばさず、2～3 個の見出しにキーワードを含める
タイトルタグ（40～60 文字、キーワード、訴求語）	4	キーワードを前方に配置し、肯定的な印象にする
キーワードの配置と密度	4	不自然に詰め込まず自然に取り入れ、最初の 100 語以内に含める
内部リンク（文脈に沿ったものを 3～10 個）	4	説明的なアンカーテキストを使用し、双方向にリンクする
URL 構造	3	短く、キーワードを含め、ストップワードを避け、小文字にする
メタディスクリプション（150～160 文字、統計情報）	3	事実を豊富に含み、統計情報を 1 つ含める
外部リンク（ティア 1～3）	2	信頼できる情報源への発リンクを 3～8 個含める

E-E-A-T シグナル（15 点）

チェック項目	点数	合格基準
著者の明記（実名、略歴付き）	4	実名と資格を記載し、売り込みになっていない
出典の引用（ティア 1～3、本文内）	4	独自の統計情報が 8 件以上あり、捏造がない
信頼性を示す情報	4	お問い合わせページ、概要ページ、編集方針がある
経験を示す情報	3	「テストしたところ……」などの記述、独自の写真やデータがある

E-E-A-T に基づいて出典の引用を評価する際は、公開されている統計情報それぞれに、FLOW のエビデンストリプル（本文中の年の明記、発行元とタイトルを含む本文内引用、出典ブロック内の取得日付き URL）が揃っているかを確認してください。ティア 1～3 の出典を引用していても取得日が記載されていない記事は、トリプルがすべて揃っている記事より、この小項目の評価が低くなります。標準については skills/blog/references/flow-alignment.md を参照してください。

技術的要素（15 点）

チェック項目	点数	合格基準
スキーママークアップ（3 種類以上でボーナス）	4	最低限 BlogPosting + FAQ + Person を含める
画像の最適化	3	AVIF/WebP を使用し、説明的な代替テキストを設定し、LCP 対象以外は遅延読み込みにする
構造化データ要素	2	表、リスト、比較ブロックを含める
ページ速度のシグナル	2	LCP < 2.5s、レンダリングをブロックする JS がない
モバイル対応	2	レスポンシブで、タップ領域が 48px 以上
OG／ソーシャルメタタグ	2	og:title、og:description、og:image、twitter:card

AI 引用への対応（15 点）

チェック項目	点数	合格基準
段落単位での引用可能性（120～180 語）	4	統計情報と出典を含む、単独で意味が通じるセクション
Q&A 形式のセクション	3	H2 の 60～70％を質問形式にし、FAQ を設ける
エンティティの明確さ	3	曖昧さのないトピックエンティティと、一貫した用語
抽出しやすいコンテンツ構造	3	回答を先に示し、thead を含む表や比較形式を使用する
AI クローラーからのアクセス性	2	SSR/SSG を使用し、JS によってアクセスが制限されるコンテンツがない

ステップ 3：AI 生成コンテンツの検出

記事を分析し、AI 生成コンテンツのリスクを評価します。

バースト性スコア（文の長さのばらつき）：

記事全体の文の長さの標準偏差を計算する
人間の文章：ばらつきが大きい（短く切れのある文と、長く複雑な文が混在）
AI の文章：ばらつきが小さい（中程度の長さの文が一貫して続く）
スコア：0～10（10 = 人間らしいバースト性が非常に高い）

既知の AI らしい表現の検出：以下の 17 個の表現の出現を検出します。

「重要な点として」
「今日のデジタル環境では」
「深く掘り下げる」
「複雑さを乗り越える」
「詳しく見ていきましょう」
「さらに」
「結論として」
「言及する価値があります」
「踏み出す」
「最先端」
「活用する」（金融以外の文脈で動詞として使われる場合）
「ゲームチェンジャー」
「革命を起こす」
「効率化する」
「力を活用する」
「深く掘り下げる」
「可能性を解き放つ」
エムダッシュ（-）：すべての出現数を数え、AI 文章のパターンとしてフラグを立てる

語彙の多様性（タイプ・トークン比）：

異なり語数 / 総語数を計算する
人間の文章：長文では TTR が通常 0.4～0.6
AI の文章：TTR が 0.35 未満になることが多い（語彙の反復）

AI コンテンツのリスク評価：

複合的なシグナルに基づく AI 確率が 50％を超える場合はフラグを立てる
フラグの原因となった具体的な箇所を示す
人間らしい文章にするための提案：個人的な逸話、文のリズムに変化をつける、専門分野の用語

ステップ 4：評価を判定する

スコア	評価	対応
90-100	卓越	そのまま公開し、看板コンテンツとして扱う
80-89	優秀	軽微な調整を行えば公開可能
70-79	許容範囲	対象を絞った改善が必要
60-69	基準未満	大幅な修正が必要
< 60	書き直し	根本的な問題があるため、アウトラインから作り直す

ステップ 4.5：任意の序数評価基準（--rubric）

--rubric が渡された場合は、skills/blog/references/editorial-heuristics.md で定義されている10項目の編集上のヒューリスティックについても追加で採点します。各項目に0〜4のスコアと重大度タグ（P0 / P1 / P2 / P3 / なし）を付与します。

評価基準は100点満点のスコアに代わるものではありません。評価基準を併用することで、修正を妨げる指摘と、仕上げのための指摘を明らかにします。

評価基準は次のいずれかの形式で出力します。

Markdown テーブル（デフォルト）。メインレポートの末尾に ### Editorial Heuristics Rubric の見出しを付けて追加します。
JSON。--format json が指定されている場合は、rubric フィールドに出力します。

評価基準の JSON スキーマ：

{
  "rubric": {
    "heuristics": [
      { "id": 1, "name": "Visibility of intent", "score": 3, "severity": "P2", "note": "Summary box generic" },
      ...
    ],
    "p0_count": 0,
    "p1_count": 1,
    "p2_count": 2,
    "p3_count": 3
  }
}

ステップ 4.6：任意の認知負荷ヒートマップ（--cognitive-load）

--cognitive-load が渡された場合は、scripts/cognitive_load.py <file> --format json を実行し、JSON 出力では結果を cognitive_load フィールドに埋め込むか、Markdown 出力では ### Cognitive Load Heatmap セクションを末尾に追加します。しきい値と解釈については、skills/blog/references/cognitive-load.md を参照してください。

ステップ 5：レポートを生成する

デフォルトの出力形式（Markdown）：

## Blog Quality Report: [Title]

**Score: [X]/100** - [Rating]

### Score Breakdown
| Category | Score | Max | Notes |
|----------|-------|-----|-------|
| Content Quality | X | 30 | [1-line summary] |
| SEO Optimization | X | 25 | [1-line summary] |
| E-E-A-T Signals | X | 15 | [1-line summary] |
| Technical Elements | X | 15 | [1-line summary] |
| AI Citation Readiness | X | 15 | [1-line summary] |
| **Total** | **X** | **100** | |

### AI Content Risk
- **Burstiness score**: [X]/10 ([human-like / moderate / flat])
- **AI phrases detected**: [N] ([list phrases found])
- **Vocabulary diversity (TTR)**: [X] ([high / acceptable / low])
- **AI probability**: [X]% - [No concern / Review recommended / High risk]
- **Flagged passages**: [quote specific flat or formulaic sections, if any]

### Issues Found

#### Critical (Must Fix)
- [ ] [Issue with specific location and fix]

#### High Priority
- [ ] [Issue with specific location and fix]

#### Medium Priority
- [ ] [Issue with specific location and fix]

#### Low Priority
- [ ] [Issue with specific location and fix]

### Quick Stats
- Word count: [N]
- Paragraphs: [N] (X over 150 words)
- H2 sections: [N] (X as questions, X with answer-first formatting)
- Statistics: [N] sourced / [N] unsourced
- Images: [N] (X with alt text, formats: ...)
- Charts: [N] (types: ...)
- Internal links: [N]
- External links: [N] (tier breakdown: ...)
- Schema types: [list]
- OG/social tags: [present/missing]

### Recommended Actions
1. [Most impactful fix: Critical items first]
2. [Second most impactful]
3. [Third]

Run `/blog rewrite <file>` to apply these optimizations automatically.

エクスポート形式

デフォルト：Markdown レポート

上記の標準的な詳細レポートです。

JSON エクスポート（`--format json`）

CI/CD やダッシュボードとの連携に使える、機械可読な出力です。

{
  "file": "post.md",
  "title": "...",
  "score": 78,
  "rating": "Acceptable",
  "categories": {
    "content_quality": { "score": 22, "max": 30 },
    "seo_optimization": { "score": 18, "max": 25 },
    "eeat_signals": { "score": 12, "max": 15 },
    "technical_elements": { "score": 13, "max": 15 },
    "ai_citation_readiness": { "score": 13, "max": 15 }
  },
  "ai_detection": {
    "burstiness": 6.2,
    "ai_phrases_found": ["Furthermore", "Let's explore"],
    "ttr": 0.44,
    "ai_probability": 32
  },
  "issues": {
    "critical": [],
    "high": [],
    "medium": [],
    "low": []
  }
}

テーブルエクスポート（`--format table`）

すばやく確認するための簡潔な概要です。

File            | Score | Rating     | Content | SEO | EEAT | Tech | AI-Ready | AI Risk
post.md         |    78 | Acceptable |   22/30 | 18/25 | 12/15 | 13/15 |    13/15 |    32%

バッチモード

ディレクトリまたは --batch フラグが指定された場合は、ブログファイルを検索して概要テーブルを作成します。スコア順に並べ替えるには --sort score を使用します（デフォルトでは昇順です）。

## Blog Audit Summary: [N] Posts Analyzed

| File | Score | Rating | Content | SEO | EEAT | Tech | AI-Ready | AI Risk | Top Issue |
|------|-------|--------|---------|-----|------|------|----------|---------|-----------|
| post-1.md | 85 | Strong | 26/30 | 20/25 | 13/15 | 14/15 | 12/15 | 18% | Missing OG tags |
| post-2.md | 42 | Rewrite | 10/30 | 8/25 | 5/15 | 9/15 | 10/15 | 71% | 12 fabricated stats |
| post-3.md | 71 | Acceptable | 20/30 | 16/25 | 10/15 | 12/15 | 13/15 | 25% | No answer-first |

### Priority Queue (Lowest Scoring First)
1. post-2.md (42): Full rewrite needed, high AI content risk
2. post-3.md (71): Answer-first formatting + stats needed
3. post-1.md (85): Add OG tags, minor polish

Run `/blog rewrite <file>` on each, starting from lowest score.

Markdown 対応

ログインしてコメント

基本情報

作者: infrasity-labs
リポジトリ: infrasity-labs/dev-gtm-claude-skills
カテゴリ: マーケティング・グロース
インストール数: 97
GitHub スター: 151

問題を報告