Monatsreport
automatisch generieren

#!/usr/bin/env python3 # ============================================================= # SEYBOLD ONE – Monatsreport Generator # Liest GSC, GA4 und Google Ads CSV-Exporte und erstellt # einen HTML-Monatsreport via Claude API. # ============================================================= import os, sys, json, pathlib from datetime import datetime import pandas as pd import anthropic # ── KONFIGURATION ────────────────────────────────────────── API_KEY = "DEIN_API_KEY_HIER" # ← wird automatisch ersetzt MODEL = "claude-sonnet-4-6" MONAT = datetime.now().strftime("%B %Y") # z.B. "Mai 2025" CLIENT = "KUNDENNAME" # ← hier anpassen DOMAIN = "domain.de" # ← hier anpassen FOLDER = pathlib.Path(".") # CSV-Dateien im gleichen Ordner OUTPUT = f"report_{datetime.now().strftime('%Y-%m')}.html" # ── CSV LOADER ───────────────────────────────────────────── def load_csv(filename, skip_rows=0): path = FOLDER / filename if not path.exists(): return None try: df = pd.read_csv(path, skiprows=skip_rows) df.columns = [c.strip() for c in df.columns] return df except Exception as e: print(f" ⚠ Fehler beim Laden von {filename}: {e}") return None def df_to_text(df, max_rows=20, title=""): if df is None or df.empty: return "" lines = [f"## {title}"] if title else [] lines.append(df.head(max_rows).to_csv(index=False, sep=";")) return "\n".join(lines) # ── DATEN LADEN ──────────────────────────────────────────── print(f"\n📊 SEYBOLD ONE – Monatsreport Generator") print(f" Kunde: {CLIENT} | Monat: {MONAT}\n") gsc_pages = load_csv("gsc_pages.csv") gsc_queries = load_csv("gsc_queries.csv") ga4_channels = load_csv("ga4_channels.csv", skip_rows=9) # GA4 hat 9 Header-Zeilen ga4_pages = load_csv("ga4_pages.csv", skip_rows=9) ga4_conv = load_csv("ga4_conversions.csv", skip_rows=9) ads_camp = load_csv("ads_campaigns.csv", skip_rows=2) # Ads hat 2 Header-Zeilen ads_adg = load_csv("ads_adgroups.csv", skip_rows=2) # ── DATEN ZUSAMMENSTELLEN ────────────────────────────────── data_sections = [] if gsc_pages is not None: data_sections.append(df_to_text(gsc_pages.sort_values( gsc_pages.columns[1], ascending=False), 25, "GSC: Top-Seiten nach Klicks")) print(f" ✓ gsc_pages.csv ({len(gsc_pages)} Zeilen)") if gsc_queries is not None: data_sections.append(df_to_text(gsc_queries.sort_values( gsc_queries.columns[1], ascending=False), 30, "GSC: Top-Keywords nach Klicks")) print(f" ✓ gsc_queries.csv ({len(gsc_queries)} Zeilen)") if ga4_channels is not None: data_sections.append(df_to_text(ga4_channels, 15, "GA4: Traffic-Kanäle")) print(f" ✓ ga4_channels.csv ({len(ga4_channels)} Zeilen)") if ga4_pages is not None: data_sections.append(df_to_text(ga4_pages, 20, "GA4: Top-Seiten")) print(f" ✓ ga4_pages.csv ({len(ga4_pages)} Zeilen)") if ga4_conv is not None: data_sections.append(df_to_text(ga4_conv, 15, "GA4: Conversions")) print(f" ✓ ga4_conversions.csv ({len(ga4_conv)} Zeilen)") if ads_camp is not None: data_sections.append(df_to_text(ads_camp, 20, "Google Ads: Kampagnen")) print(f" ✓ ads_campaigns.csv ({len(ads_camp)} Zeilen)") if ads_adg is not None: data_sections.append(df_to_text(ads_adg, 15, "Google Ads: Anzeigengruppen")) print(f" ✓ ads_adgroups.csv ({len(ads_adg)} Zeilen)") if not data_sections: print("\n❌ Keine CSV-Dateien gefunden. Bitte Dateien in den gleichen Ordner legen.") sys.exit(1) all_data = "\n\n".join(filter(None, data_sections)) # ── CLAUDE API PROMPT ────────────────────────────────────── system_prompt = """Du bist ein erfahrener SEO- und Performance-Marketing-Analyst. Du erstellst professionelle Monatsberichte für Kunden auf Basis von GSC-, GA4- und Google-Ads-Daten. Deine Berichte sind klar strukturiert, datenbasiert und handlungsorientiert – jede Erkenntnis endet mit einer konkreten Empfehlung.""" user_prompt = f"""Erstelle einen vollständigen, professionellen HTML-Monatsreport für: Kunde: {CLIENT} Domain: {DOMAIN} Berichtszeitraum: {MONAT} === ROHDATEN === {all_data} === ANWEISUNGEN === Erstelle einen vollständigen, eigenständigen HTML-Report mit: 1. EXECUTIVE SUMMARY (3–5 Sätze: wichtigste Erkenntnisse auf einen Blick) 2. GSC-ANALYSE (falls Daten vorhanden): - Gesamtklicks & Impressionen mit Bewertung - Durchschnittliche CTR und Position - Top 5 Seiten nach Klicks (Tabelle) - Top 10 Keywords nach Klicks (Tabelle) - Auffälligkeiten & Handlungsempfehlungen 3. GA4-ANALYSE (falls Daten vorhanden): - Sessions, Nutzer, Engagement Rate (Tabelle) - Kanal-Aufschlüsselung (Tabelle mit Anteil in %) - Top 5 Seiten nach Aufrufen (Tabelle) - Conversion-Performance (falls Daten vorhanden) - Bewertung und Empfehlungen 4. GOOGLE ADS-ANALYSE (falls Daten vorhanden): - Budget-Überblick: Ausgaben, Klicks, Impressionen - Kampagnen-Performance Tabelle (sortiert nach Kosten) - Bewertung CPC, CPA, Conversion Rate - Konkrete Optimierungsempfehlungen 5. PRIORITÄTEN FÜR DEN NÄCHSTEN MONAT - 3 konkrete, priorisierte Handlungsempfehlungen === HTML-DESIGN-VORGABEN === Erstelle das HTML mit diesem exakten Design-System: - Hintergrund: #0d0f0a (sehr dunkles Grün-Schwarz) - Surface-Farbe für Karten: #1e2410 - Border-Farbe: #2e3818 - Akzentfarbe: #739a2d (Grün) - Helle Akzentfarbe: #8fb83a - Text: #d8e0c0 - Text-gedimmt: #7a8a5a - Schrift: Poppins (Google Fonts) für Überschriften, DM Mono für Labels/Code - Tabellen: dunkle Hintergrundfarben, grüne Header-Linie oben, 1px Border - Alle Abschnitte als Karten mit border-radius: 8px und border: 1px solid #2e3818 - Branding oben: "SEYBOLD ONE" in Rockwell/Serif + "Monatsreport {MONAT}" - Footer: "Erstellt mit SEYBOLD ONE Report Generator · ai.seybold.de" Das HTML muss vollständig und eigenständig sein (alle Styles inline oder im ), keine externen Abhängigkeiten außer Google Fonts. Gib NUR den HTML-Code zurück, ohne Erklärungen oder Markdown-Backticks.""" # ── API CALL ─────────────────────────────────────────────── print(f"\n🤖 Sende Daten an Claude ({MODEL})…") client = anthropic.Anthropic(api_key=API_KEY) try: message = client.messages.create( model=MODEL, max_tokens=8192, system=system_prompt, messages=[{"role": "user", "content": user_prompt}] ) html_output = message.content[0].text # Markdown-Backticks entfernen falls vorhanden if html_output.startswith("```"): html_output = html_output.split("\n", 1)[1] html_output = html_output.rsplit("```", 1)[0] # Report speichern output_path = FOLDER / OUTPUT output_path.write_text(html_output, encoding="utf-8") tokens_in = message.usage.input_tokens tokens_out = message.usage.output_tokens cost_est = round((tokens_in / 1_000_000) * 3.0 + (tokens_out / 1_000_000) * 15.0, 4) print(f"\n✅ Report erstellt: {OUTPUT}") print(f" Tokens: {tokens_in:,} In / {tokens_out:,} Out") print(f" Geschätzte Kosten: ~${cost_est}") print(f"\n🌐 Im Browser öffnen:\n {output_path.resolve()}\n") except anthropic.AuthenticationError: print("\n❌ API Key ungültig. Bitte in Zeile 15 prüfen.") sys.exit(1) except anthropic.RateLimitError: print("\n❌ Rate Limit erreicht. Kurz warten und erneut versuchen.") sys.exit(1) except Exception as e: print(f"\n❌ Fehler: {e}") sys.exit(1)