Loading skill
Install any skill in seconds. Free to start, no credit card required.
Get Started Free →네이버 검색광고 풀세트를 자연어로 분석·최적화합니다 — 4 캠페인 유형(쇼핑검색광고/파워링크/브랜드검색/GFA) 자동 분류 + 쇼핑검색 상품 소재·키워드·입찰가·확장소재 진단 + 파워링크 키워드 매칭·품질지수 개선 + 네이버 광고 보고서 업로드 기반 상품·키워드별 의사결정. 다음과 같은 요청 시 반드시 이 스킬을 사용하세요: "네이버 광고 분석해줘", "쇼핑검색광고 세팅", "파워링크 키워드 잡아줘", "네이버 입찰가 얼마로 해", "품질지수 올리는 법", "브랜드검색 할까", "GFA 돌릴까", "네이버 광고 보고서 진단", "스마트스토어 광고 최적화", "네이버 검색광고 ROAS". 네이버 광고 보고서(엑셀)·마진계산기 결과를 입력받아 캠페인 분리안·키워드 제외안·입찰 조정안을 산출하며, 수치·표·의사결정 데이터 스킬이라 ai-slop-reviewer 체이닝은 제외합니다. end-ROAS 공식은 moai-seller:commerce-margin-calculator referenc
.claude/skills/modu-ai-commerce-marketplace-naver-ads/SKILL.md| Test case | Without → With | Effect | Δ tokens | Δ turns |
|---|---|---|---|---|
| case-01 | ✗→✓ | ▲ Improved | 67% | 0% |
| case-04 | ✗→✓ | ▲ Improved | 105% | 0% |
| case-15 | ✗→✓ | ▲ Improved | 299% | 0% |
| case-18 | ✗→✓ | ▲ Improved | 141% | 0% |
| case-19 | ✗→✓ | ▲ Improved | 97% | 0% |
한국 셀러의 1순위 유입 채널인 네이버 검색광고를 자연어 한 줄 입력으로 분석·최적화하는 전담 스킬입니다. 스마트스토어 셀러의 워크플로우에서 "상품 등록(commerce-marketplace-naver) → 광고 유입(본 스킬) → 성과 분석(marketing-performance-report)"의 유입 단계를 담당합니다.
책임 한 줄: 네이버 광고 보고서 입력 → 4 캠페인 유형 자동 분류 + 키워드·소재 단위 진단 + 엔드 ROAS 대비 의사결정 분기 + 입찰가·제외 키워드 조정안.
| 캠페인 | 노출 위치 | 과금 | 적합한 상황 | |--------|----------|------|------------| | 쇼핑검색광고 | 네이버쇼핑 검색 결과 (상품 카드) | CPC | 스마트스토어·쇼핑윈도 상품 판매 — 셀러 1순위 | | 파워링크 | 통합검색 상단·하단 텍스트 광고 | CPC | 자사몰 유입, 서비스·비상품 랜딩, 브랜드 방어 | | 브랜드검색 | 브랜드 키워드 검색 시 상단 대형 배너 | 기간 정액 | 브랜드 지명검색량이 충분히 확보된 이후 | | GFA (성과형 디스플레이) | 네이버 메인·밴드·지면 네트워크 배너 | CPC/CPM | 리타겟팅·신규 도달 확장 (검색 수요 밖 잠재고객) |
진입 원칙: 스마트스토어 셀러는 쇼핑검색광고부터 시작합니다. 파워링크는 자사몰·기획전 랜딩이 있을 때, 브랜드검색·GFA는 지명검색·재방문 모수가 쌓인 뒤 확장합니다.
쇼핑검색광고의 소재는 별도 배너가 아니라 상품 카탈로그 정보 그 자체입니다. 소재 품질 = 상품명·이미지·리뷰·가격 경쟁력.
| 진단 항목 | 점검 내용 | 연계 스킬 | |----------|----------|----------| | 상품명 | 검색 키워드 포함 여부·카테고리 정합성 | commerce-product-naming | | 대표 이미지 | 썸네일 클릭 경쟁력 (CTR 저하 시 1순위 교체 대상) | commerce-product-image-pipeline | | 리뷰 | 최소 사진 후기 1 + 글 후기 1 확보 후 증액 (전환율 직결) | — | | 가격·배송 | 동일 검색면 경쟁 상품 대비 가격·배송비 포지션 | commerce-margin-calculator |
쇼핑검색광고·파워링크 모두 확장소재(추가 노출 요소)를 지원합니다. 유형(추가 문구·홍보 이미지·카운트다운 등)은 캠페인별 지원 범위가 다르므로 광고시스템의 확장소재 탭 기준으로 적용하고, 적용 후 CTR 변화를 소재 단위로 비교합니다.
| 구분 | 전략 | |------|------| | 대표 키워드 (예: "원피스") | 검색량 크지만 CPC 높고 의도 분산 — 소액 테스트만 | | 세부 키워드 (예: "하객 원피스 여름") | CPC 낮고 구매 의도 명확 — 세부 키워드 다수 확보가 기본기 | | 브랜드 키워드 (자사 지명) | 저CPC 고전환 — 방어 목적으로 상시 운영 | | 제외 키워드 | 클릭만 발생하고 전환 0인 검색어를 보고서에서 추출해 상시 등록 |
파워링크 품질지수는 7단계 막대로 표시되며, 키워드-소재-랜딩페이지의 연관도가 핵심 결정 요인입니다. 품질지수가 높으면 같은 입찰가로 더 좋은 순위(또는 같은 순위를 더 낮은 CPC로) 달성이 가능합니다.
개선 순서:
적자가 나지 않는 최소 광고수익률. end-ROAS 공식은 moai-seller:commerce-margin-calculator references/end-roas.md 참조.
요약: 엔드 ROAS = (판매가 ÷ 마진) × 100. 예시(1만원 상품, 원가+배송비 8천원 → 마진 2천원)면 엔드 ROAS 500%.
> 네이버 ROAS 해석 주의: 네이버 광고 보고서의 전환매출은 전환 추적 설정(프리미엄 로그 분석 등)과 어트리뷰션 기간에 따라 달라집니다. 스마트스토어 실제 결제액과 대사(對査)한 뒤 의사결정하십시오.
입력: 네이버 광고시스템 보고서 (엑셀 — 캠페인 > 광고그룹 > 키워드/소재 단위, 기간 최소 2주 권장) + 상품 원가·배송비·수수료 (엔드 ROAS 계산용)
[Step 1] 캠페인 유형 분류 (쇼핑검색/파워링크/브랜드검색/GFA)
↓
[Step 2] 엔드 ROAS 계산 (상품별) → 실제 ROAS와 비교
↓
┌─────────────────────────────────────────────────────────┐
│ A. ROAS > 엔드 ROAS × 1.5 → 입찰가·예산 증액 + 별도 │
│ 광고그룹 분리 (전환 키워드 모아서) │
│ B. ROAS < 엔드 ROAS → 살릴 수 있는지 진단 │
│ ├─ CTR 높음 + CVR 낮음 → 상세페이지·리뷰·가격 개선 │
│ ├─ CTR 낮음 + CVR 높음 → 썸네일·상품명·소재 문안 개선│
│ └─ 둘 다 낮음 → 제외/입찰 하향 (타 상품 집중)│
└─────────────────────────────────────────────────────────┘
↓
[Step 3] 키워드 레벨 정리
- 클릭 多 + 전환 0 → 제외 키워드 등록안
- 전환 발생 세부 키워드 → 파워링크 별도 그룹 승격안
↓
[Step 4] 품질지수·소재 개선안 (파워링크) / 상품 소재 개선안 (쇼핑검색)
↓
[Step 5] 확장 판단 — 브랜드검색·GFA 진입 조건 충족 여부출력:
"네이버 광고 보고서 분석해줘" (엑셀 첨부)
→ 4종 분류 → 상품별 엔드 ROAS 대비 판정 → 제외 키워드 12개 + 증액 상품 2개 제안
"파워링크 품질지수가 낮아"
→ 광고그룹 키워드 구성 진단 → 그룹 세분화안 + 소재 문안 키워드 반영안
"브랜드검색 할 만해?"
→ 지명검색량 확인 절차 안내 → 정액 대비 기대 유입 추산 → 진입/보류 판정commerce-ad-claim-compliance-kr(표시광고법·식약처·전상법 게이트)를 통과시킵니다.[등록·운영] commerce-marketplace-naver (스마트스토어 입점·운영)
[광고 운영] commerce-marketplace-naver-ads ← ← 본 스킬 ← ←
↓ (광고 분석 결과 기반)
commerce-detail-page-copy --mode diagnose (CTR/CVR 진단)
commerce-product-naming (상품명 키워드 재설계)
commerce-margin-calculator (엔드 ROAS 재산정)
commerce-ad-claim-compliance-kr (소재 문안 법규 게이트)| 페어 스킬 | 차이 | |----------|------| | commerce-marketplace-coupang-ads | 쿠팡 광고 전담 (본 스킬은 네이버 검색광고 전담) | | commerce-marketplace-naver | 스마트스토어 입점·운영 전담 (본 스킬은 광고 유입 전담) | | moai-marketer:marketing-performance-report | GA4·메타·네이버 다채널 ROAS 종합 (본 스킬은 네이버 단일 채널 특화) | | moai-marketer:marketing-seo-audit | 오가닉 검색 노출(C-Rank·플레이스) — 본 스킬은 유료 검색광고 |
https://searchad.naver.com (광고시스템·공식 도움말)moai-seller:commerce-margin-calculator references/end-roas.md)| Case | Status | Duration (ms) | Turns | Tokens | Tool calls | ||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Without | With | Δ | Without | With | Δ | Without | With | Δ | Without | With | Δ | ||
case-25 | fail→fail | 23,054 | 21,675 | -6% | 1 | 1 | 0% | 4,068 | 6,359 | +56% | 0 | 0 | — |
case-01 | fail→pass | 27,309 | 35,794 | +31% | 1 | 1 | 0% | 4,820 | 8,065 | +67% | 0 | 0 | — |
case-02 | fail→fail | 28,488 | 29,075 | +2% | 1 | 1 | 0% | 4,727 | 7,158 | +51% | 0 | 0 | — |
case-03 | fail→fail | 35,186 | 37,679 | +7% | 1 | 1 | 0% | 4,702 | 8,011 | +70% | 0 | 0 | — |
case-04 | fail→pass | 21,427 | 15,984 | -25% | 1 | 1 | 0% | 2,731 | 5,608 | +105% | 0 | 0 | — |
case-05 | pass→pass | 24,890 | 24,252 | -3% | 1 | 1 | 0% | 2,975 | 5,968 | +101% | 0 | 0 | — |
case-06 | pass→pass | 14,069 | 9,804 | -30% | 1 | 1 | 0% | 1,829 | 4,780 | +161% | 0 | 0 | — |
case-07 | pass→pass | 21,732 | 20,102 | -8% | 1 | 1 | 0% | 2,517 | 5,312 | +111% | 0 | 0 | — |
case-08 | pass→pass | 15,312 | 19,789 | +29% | 1 | 1 | 0% | 2,542 | 5,081 | +100% | 0 | 0 | — |
case-09 | pass→pass | 20,686 | 21,037 | +2% | 1 | 1 | 0% | 2,440 | 5,524 | +126% | 0 | 0 | — |
case-10 | pass→pass | 20,115 | 19,167 | -5% | 1 | 1 | 0% | 2,363 | 5,232 | +121% | 0 | 0 | — |
case-11 | pass→pass | 21,551 | 22,128 | +3% | 1 | 1 | 0% | 2,734 | 5,616 | +105% | 0 | 0 | — |
case-12 | pass→pass | 18,948 | 51,546 | +172% | 1 | 1 | 0% | 3,295 | 6,164 | +87% | 0 | 0 | — |
case-13 | pass→pass | 20,802 | 17,885 | -14% | 1 | 1 | 0% | 3,601 | 5,939 | +65% | 0 | 0 | — |
case-14 | pass→pass | 15,394 | 20,266 | +32% | 1 | 1 | 0% | 2,579 | 5,151 | +100% | 0 | 0 | — |
case-15 | fail→pass | 15,856 | 17,451 | +10% | 1 | 1 | 0% | 1,191 | 4,753 | +299% | 0 | 0 | — |
case-16 | pass→pass | 15,513 | 24,606 | +59% | 1 | 1 | 0% | 2,586 | 5,397 | +109% | 0 | 0 | — |
case-17 | pass→pass | 20,853 | 16,086 | -23% | 1 | 1 | 0% | 2,596 | 5,242 | +102% | 0 | 0 | — |
case-18 | fail→pass | 16,638 | 10,621 | -36% | 1 | 1 | 0% | 1,895 | 4,559 | +141% | 0 | 0 | — |
case-19 | fail→pass | 28,710 | 26,581 | -7% | 1 | 1 | 0% | 3,121 | 6,140 | +97% | 0 | 0 | — |
case-20 | pass→pass | 22,422 | 18,334 | -18% | 1 | 1 | 0% | 2,763 | 5,659 | +105% | 0 | 0 | — |
case-21 | fail→pass | 16,240 | 18,000 | +11% | 1 | 1 | 0% | 2,695 | 4,974 | +85% | 0 | 0 | — |
case-22 | pass→pass | 22,372 | 18,637 | -17% | 1 | 1 | 0% | 2,964 | 5,183 | +75% | 0 | 0 | — |
case-23 | fail→fail | 24,508 | 19,297 | -21% | 1 | 1 | 0% | 2,989 | 6,227 | +108% | 0 | 0 | — |
case-24 | pass→pass | 15,873 | 16,500 | +4% | 1 | 1 | 0% | 2,701 | 5,556 | +106% | 0 | 0 | — |
DecimalAI ran this skill against gemini-3.6-flash twice over the same eval suite — once with the skill loaded and once without — and compared the two runs case by case. 25 cases were attempted. The headline lift of +24 percentage points is the difference between those two pass rates over the 25 comparable cases.
Without the skill loaded, the model failed this case. With it loaded, the same prompt on the same model passed. This is one improved case from the latest verified run; every case, including any that regressed, is in the table above.
Other measured skills in the registry, with their headline benchmark lift.