Transformer les requêtes Search Console et Bing en portefeuille de prompts IA

Search Console et Bing Webmaster Tools enregistrent les requêtes qui ont fait apparaître votre site, mais une requête de recherche n’est pas automatiquement un bon prompt de suivi IA. Croisez cette demande avec ce que vous suivez déjà pour obtenir une sélection justifiable, ainsi qu’une référence pour la cohorte que vous lancez.

Le problème GEO résolu

Trier les principales requêtes par impressions et les coller dans une liste de prompts ne fait que renommer un export de mots-clés. Les impressions sont une exposition observée dans un moteur de recherche : elles ne disent rien de la fréquence à laquelle quelqu’un pose cette question à un assistant. Un fragment comme « crm agence france » porte une intention, mais aucun contexte de décision.

Les sous-requêtes montrent les recherches web observées dans les réponses suivies et les prompts qui les ont déclenchées ; l’inventaire de prompts montre ce que vous suivez déjà. La sélection devient une nouvelle intention étayée par deux signaux indépendants.

Les étapes du workflow

1. Capturez l’instantané de demande de recherche. list_brands fixe la marque, puis get_search_console_metrics et get_bing_metrics renvoient des lignes de requêtes ou de pages avec clics, impressions, CTR et position moyenne, une dimension par appel. Une intégration manquante renvoie connected false et aucune ligne : l’exécution se poursuit donc avec le moteur qui répond.

2. Corroborez avec les recherches IA observées. get_query_fan_out renvoie les recherches web détectées dans les réponses suivies avec leur décompte, la présence de marque, le nombre de concurrents et les prompts d’origine. Paginez pour couvrir le total : il s’agit de recherches observées, pas du volume de prompts des utilisateurs finaux.

3. Soustrayez ce que vous suivez déjà. get_prompts parcourt le portefeuille par pagination avec le texte exact, le statut et le nombre de réponses. Aucun score de doublon n’existe : la qualification vous revient donc, doublon exact, variante proche, couvert par un prompt plus large ou nouvelle intention.

4. Lancez la cohorte étiquetée, puis examinez-la. Créer un prompt n’est pas une action MCP : vous ajoutez donc les prompts acceptés sous un même tag de cohorte. Après un cycle complet, get_matrix à la granularité des tags et get_answers sur ce tag renvoient le taux de mention, les citations et la ventilation par fournisseur, et get_prompt_answers montre le texte derrière les prompts dont les résultats semblent anormaux.

Comment exploiter les résultats

Trois tests, appliqués dans l’ordre. Le contexte de décision : la requête exprime-t-elle un choix, une comparaison, une sélection des meilleurs ou une alternative ? Sinon, rejetez-la quelles que soient ses impressions. Le recoupement avec les sous-requêtes : la même intention apparaît-elle dans leur liste ? La demande : au moins 100 impressions dans un seul moteur, jamais additionnées entre moteurs.

Le recoupement remplace le seuil d’impressions, il ne s’y ajoute pas. Acceptez d’abord le contexte de décision avec recoupement, puis le contexte de décision avec le seuil, et reportez le reste. Classez par impressions dans chaque groupe, arrêtez-vous au nombre de prompts que vous ajouterez et soumettez les sujets réglementés à une validation humaine.

Enregistrez d’abord le manifeste de lancement : texte exact du prompt, requêtes sources, sujet, étape du parcours d’achat, tag de cohorte et fournisseurs, car modifier la formulation crée une autre question. Ne comparez jamais le CTR organique au taux de mention du prompt qu’il a inspiré et lisez les prompts sans réponse comme des données manquantes, pas comme des absences de mention.

Le prompt complet

Transforme mes requêtes Search Console et Bing Webmaster en portefeuille de prompts IA examinés, puis établis la référence de la cohorte que je lance. Commence par list_brands et demande quelle marque utiliser s’il y en a plusieurs. Utilise les 90 derniers jours sauf indication contraire de ma part.

1. Appelle get_search_console_metrics avec dimension=query et limit 100, puis dimension=page, puis get_bing_metrics de la même façon. Conserve chaque indicateur connected, plage de dates et ensemble de lignes. Si un moteur renvoie connected false, poursuis avec l’autre ; si les deux le font, arrête-toi et indique qu’aucune donnée de demande n’est disponible. Ne joins jamais les lignes de requêtes aux lignes de pages et n’additionne pas les deux moteurs.
2. Appelle get_query_fan_out sur la même période, en paginant jusqu’à couvrir le total. Conserve la requête, le décompte, la présence de marque, le nombre de concurrents et les prompts d’origine. Si rien n’est renvoyé, indique-le et marque chaque candidat comme fondé sur un seul signal.
3. Appelle get_prompts avec pagination et qualifie chaque requête organique par rapport à cet inventaire : doublon exact, variante proche, couvert par un prompt plus large ou nouvelle intention. Un portefeuille vide fait de chaque requête une nouvelle intention.
4. Regroupe ce qui reste par intention, en conservant chaque requête brute avec son moteur et ses indicateurs, puis rédige un prompt de suivi par groupe.
5. Applique trois tests par candidat et montre les trois : exprime-t-il un choix, l’intention apparaît-elle dans la liste des sous-requêtes, atteint-il 100 impressions dans un seul moteur ? Rejette tout élément sans contexte de décision. Classe le reste, choix avec recoupement d’abord, choix avec seuil d’impressions ensuite, trié par impressions dans chaque groupe. Renvoie un tableau classé et un tableau des éléments reportés avec leurs raisons ; si aucun ne subsiste, montre les trois plus proches et ce qui leur manque.
6. Demande-moi le tag de cohorte et le nombre de prompts que j’ajouterai ce cycle, puis limite le tableau à ce nombre. Tu ne peux pas créer de prompts : remets-moi donc la liste avec le sujet, l’étape du parcours d’achat et le tag de cohorte.
7. Lorsque la cohorte a effectué un cycle complet, appelle get_matrix avec granularity=tags et trouve la ligne de mon tag, get_answers sur ce tag avec pagination et get_prompt_answers là où les chiffres surprennent. Présente le nombre de réponses, le taux de mention et le taux de citation de mes propres sources par fournisseur. Une ligne de tag manquante ou une liste de réponses vide signifie que rien n’a encore été généré, pas une visibilité nulle.