Marketing Informe Pdf

Generador de Informe de Marketing en PDF

Proposito de la skill

Generar un informe de marketing profesional y visualmente cuidado en PDF usando el script Python scripts/generar_informe_pdf.py. La skill recoge toda la data disponible de auditorias, la estructura en el JSON esperado, invoca el script y produce un PDF con marca, medidores de score, barras, tablas comparativas, hallazgos y plan de accion priorizado.

Cuando usarla

• El usuario quiere version PDF del informe (no solo Markdown)
• El usuario prepara un entregable para presentacion a cliente
• El usuario pide un informe "pulido", "listo para cliente" o en PDF
• Se activa con /marketing informe-pdf o /marketing informe-pdf

Cuando usar PDF vs Markdown

| Formato | Mejor para | Pros | Contras | | ------------ | ------------------------------------------------------------ | ------------------------------------------------------------- | -------------------------------------- | | PDF | Presentaciones a cliente, adjunto en email, sales collateral | Aspecto profesional, formato consistente, graficos, printable | Mas dificil de editar, requiere script | | Markdown | Uso interno, referencia rapida, edicion iterativa, git | Facil de editar, legible en cualquier editor, git-friendly | Menos pulido visual, sin graficos |

Regla: si el informe va a cliente o prospecto, usa PDF. Para interno o edicion posterior, Markdown.

Como ejecutarla

Paso 1: Recoger toda la data disponible

Revisa archivos de skills previas en el directorio del proyecto:

Fuentes primarias:

• AUDITORIA-MARKETING.md — auditoria global
• LANDING-CRO.md — analisis CRO
• AUDITORIA-SEO.md — hallazgos SEO
• VOZ-MARCA.md — analisis de voz de marca
• INFORME-COMPETIDORES.md — comparativa competitiva
• ANALISIS-FUNNEL.md — analisis de funnel
• CALENDARIO-REDES.md — auditoria de redes
• SECUENCIAS-EMAIL.md — auditoria de email
• CAMPANAS-ADS.md — auditoria de ads

Si no hay data previa:

1. Recomienda ejecutar antes /marketing auditoria
2. Si el usuario insiste, analiza la URL directamente y construye la data desde cero
3. Usa scripts/analizar_pagina.py para recoger datos automaticos: python3 scripts/analizar_pagina.py

Paso 2: Construir la estructura JSON

El script scripts/generar_informe_pdf.py espera un JSON con esta estructura exacta:

{
  "url": "https://ejemplo.com",
  "date": "1 de marzo de 2026",
  "brand_name": "Ejemplo S.L.",
  "overall_score": 62,
  "executive_summary": "Resumen de 2-4 frases sobre salud de marketing, oportunidades clave e impacto estimado de implementar las recomendaciones.",
  "categories": {
    "Contenido y Mensaje": {
      "score": 68,
      "weight": "25%"
    },
    "Optimizacion de Conversion": {
      "score": 52,
      "weight": "25%"
    },
    "SEO y Descubrimiento": {
      "score": 74,
      "weight": "15%"
    },
    "Posicionamiento Competitivo": {
      "score": 48,
      "weight": "15%"
    },
    "Marca y Confianza": {
      "score": 70,
      "weight": "10%"
    },
    "Crecimiento y Estrategia": {
      "score": 55,
      "weight": "10%"
    }
  },
  "findings": [
    {
      "severity": "Critico",
      "finding": "Descripcion del hallazgo mas importante"
    },
    {
      "severity": "Alto",
      "finding": "Descripcion de hallazgo de alta prioridad"
    },
    {
      "severity": "Medio",
      "finding": "Descripcion de hallazgo de prioridad media"
    },
    {
      "severity": "Bajo",
      "finding": "Descripcion de hallazgo menor"
    }
  ],
  "quick_wins": ["Primer quick win", "Segundo quick win", "Tercer quick win"],
  "medium_term": [
    "Primera accion medio plazo",
    "Segunda accion medio plazo",
    "Tercera accion medio plazo"
  ],
  "strategic": [
    "Primera accion estrategica",
    "Segunda accion estrategica",
    "Tercera accion estrategica"
  ],
  "competitors": [
    {
      "name": "Competidor A",
      "positioning": "Posicion en el mercado",
      "pricing": "Modelo de pricing",
      "social_proof": "Senales de confianza",
      "content": "Enfoque de contenido"
    },
    {
      "name": "Competidor B",
      "positioning": "Posicion en el mercado",
      "pricing": "Modelo de pricing",
      "social_proof": "Senales de confianza",
      "content": "Enfoque de contenido"
    }
  ]
}

Paso 3: Guia campo a campo

url (string, obligatorio)

URL completa con protocolo.

date (string, obligatorio)

Fecha de generacion. Formato: "DD de Mes de AAAA" (ej. "1 de marzo de 2026").

brand_name (string, obligatorio)

Nombre de la empresa/marca. Aparece en headers de la tabla competitiva.

overall_score (entero, 0-100, obligatorio)

Media ponderada de las 6 categorias. Calculo:

overall_score = (contenido * 0,25) + (conversion * 0,25) + (seo * 0,15) + (competitivo * 0,15) + (marca * 0,10) + (crecimiento * 0,10)

Justificacion de pesos: priorizamos conversion sobre SEO porque la mayoria de webs B2B en Espana viven de trafico de pago + outbound, no de SEO organico.

executive_summary (string, obligatorio)

2-4 frases cubriendo:

• Estado actual del marketing
• Top 1-2 hallazgos de mayor impacto
• Impacto estimado en ingresos de implementar
• Primer paso recomendado

Breve y potente. Aparece en portada debajo del gauge.

categories (object, obligatorio)

Exactamente 6 categorias:

| Categoria | Que mide | Guia de scoring | | --------------------------- | ---------------------------------------------------------------------------------------------- | -------------------------------------------------------------------------------------------------------- | | Contenido y Mensaje | Calidad de copy, value prop, claridad de headline, texto de CTAs, consistencia de voz de marca | 80+: claro, orientado a beneficio, especifico. 60-79: correcto pero generico. /tmp/datos_informe.json /dev/null || pip3 install reportlab

**Generar el informe:**

```bash
python3 scripts/generar_informe_pdf.py /tmp/datos_informe.json "INFORME-MARKETING-.pdf"

Sustituye `` por el dominio del cliente (sin protocolo ni www), usando guiones en vez de puntos. Ejemplos:

• ejemplo.com -> INFORME-MARKETING-ejemplo-com.pdf
• miapp.io -> INFORME-MARKETING-miapp-io.pdf

Modo demo (sin argumentos): Ejecutar el script sin argumentos genera un informe de ejemplo con placeholders:

python3 scripts/generar_informe_pdf.py
# Genera: INFORME-MARKETING-ejemplo.pdf

Paso 6: Verificar el output

Comprueba que el PDF se genero:

ls -la "INFORME-MARKETING-.pdf"

Reporta la ruta y el tamano al usuario.

Paso 7: Limpieza

Borra el JSON temporal:

rm /tmp/datos_informe.json

Contenido del PDF

El PDF generado incluye:

Pagina 1: Portada

• Titulo: "Informe de Auditoria de Marketing"
• URL objetivo
• Fecha de generacion
• Gauge con score global (visualizacion circular con color)
• Letra de calificacion (A+ hasta F)
• Parrafo de resumen ejecutivo

Pagina 2: Desglose de scores

• Barra horizontal con las 6 categorias y color
• Tabla con nombre, score, peso y estado
• Colores: verde (80+), azul (60-79), amarillo (40-59), rojo (` — data de auditoria completa

1. /marketing competidores — data comparativa
2. /marketing seo — hallazgos SEO detallados
3. /marketing landing — analisis CRO
4. /marketing informe-pdf — compila todo en PDF

La skill del PDF busca automaticamente los outputs de estas skills e incorpora la data al JSON.

Output

• Archivo: INFORME-MARKETING-.pdf
• Ubicacion: raiz del proyecto
• Tamano tipico: 200-500 KB segun contenido
• Paginas: 5-7 segun datos de competidores y extras

Principios clave

• El PDF es el entregable mas orientado a cliente del toolkit. La calidad importa.
• Verifica que el JSON esta completo y correcto antes de generar. Basura dentro, basura fuera.
• Usa el PDF para primeras impresiones y conversaciones de venta. El Markdown va despues para detalles.
• Todo score debe ser justificable. Si el cliente pregunta "por que saco 52 en Conversion", los hallazgos tienen que explicarlo.
• Redondea a enteros. Los decimales fingen precision.
• Resumen ejecutivo ajustado: 2-4 frases maximo. Los decisores solo escanean.
• Si es para prospecto, el informe es herramienta de venta. Oportunidades compelling, plan alcanzable.

Source & license

This open-source skill is cataloged on AgentStack and links to its original source — we do not rehost the code.

• Author: victorperez22
• Source: victorperez22/marketing-claude-code
• License: MIT

Install and usage instructions live in the source repository linked above.