1. 从marketingskills这个标题说起它到底想解决什么问题第一次看到marketingskills这个标题我脑子里冒出来的第一个念头是这大概率不是一个单纯的营销教程合集而是一套把营销能力技能化、再交给 AI agent 去执行的工程化方案。为什么这么判断因为最近围绕 Claude Code、AI agents 的讨论里一个反复出现的痛点是——大模型很聪明但你让它去做一件具体的营销活儿比如写一个符合 SEO 规范的落地页、给某个关键词做搜索意图拆解、或者跑一遍转化率优化CRO的检查清单它经常给你一堆正确的废话。问题不在于模型能力不够而在于你没有把营销这件事该怎么做沉淀成一套结构化的、可复用的技能包。marketingskills要解决的正是这个断层。它把散落在资深营销人脑子里的隐性经验——关键词怎么分层、落地页的转化要素怎么排布、结构化数据怎么埋、分析指标怎么定义——拆成一个个独立的、有明确输入输出的技能单元然后让 AI agent 按需调用。你可以把它理解成给 AI 装了一本营销操作手册而且这本手册不是给人读的散文是给机器执行的规程。这套东西适合谁我梳理了三类人。第一类是独立站运营者尤其是自己一个人扛 SEO、内容、转化全流程的你缺的不是工具是把流程标准化的能力。第二类是增长团队里的技术型营销人你懂一点代码、会用 API、愿意折腾 agent 配置但苦于没有一套现成的营销技能框架。第三类是产品经理和创业者你想验证AI 到底能不能真正接手一部分营销执行工作需要一个可落地的切入点。关键词里出现的 Claude Code、AI agents、SEO、CRO、analytics其实已经把这套方案的骨架勾勒出来了以 Claude Code 这类能读写文件、能执行终端命令的 agent 为运行载体把 SEO、CRO、数据分析这些营销子领域做成可调用的技能最终形成一个能自主完成营销任务的闭环。下面我就按这个思路把整套东西拆开讲透。2. 为什么营销能力必须技能化才能交给 AI2.1 直接让大模型做营销到底卡在哪我先说一个我自己踩过的坑。早些年我试过直接给模型一段 prompt帮我为这个产品写一个高转化的落地页。结果它给我的东西结构上挑不出毛病标题、副标题、卖点、CTA 一应俱全但读起来就是飘——卖点全是高效、便捷、领先这种谁都能说的词CTA 是立即开始这种毫无针对性的按钮文案。你让它改它改出来的还是同一类东西。这不是模型不行是我没给它约束。营销这件事的本质是一堆高度依赖上下文的判断这个关键词背后的搜索意图是信息型还是交易型这个页面的访客是从广告来的还是从自然搜索来的这个 CTA 的文案要匹配用户此刻的心理阶段。这些判断资深营销人是靠经验和一套内化的检查清单做出来的。你把这些判断全部塞进一句 prompt模型只能靠平均印象来回答出来的自然就是平均值——而平均值在营销里等于平庸。技能化的核心思路就是把这些判断从一句 prompt里拆出来变成一个个独立的、带明确规则和检查项的模块。每个模块只负责一件事输入输出清晰模型执行时不需要猜只需要按规程走。2.2 一个营销技能应该长什么样我理解的 marketing skill最小可用单元应该包含四个部分。第一是触发条件什么情况下该调用这个技能比如当需要为一个新关键词生成内容大纲时。第二是输入规范需要哪些上下文比如目标关键词、目标受众、竞品 URL、品牌调性。第三是执行规程具体怎么做这一步是核心要把资深从业者的判断逻辑写清楚比如先判断搜索意图信息型走 A 模板交易型走 B 模板。第四是输出校验做完之后怎么检查比如标题是否包含主关键词且不超过 60 字符是否至少覆盖 3 个长尾变体。这四部分里最容易被忽略也最值钱的是执行规程和输出校验。大多数人做 AI 营销工具只做了输入 prompt、输出内容这一层缺了规程和校验结果就是不可控、不可复现。而 marketing skills 的价值恰恰在于把这两层补上让 AI 的输出从看运气变成看规程。2.3 技能化和 prompt 工程的区别这里要澄清一个常见误解技能化不等于把 prompt 写长。我见过有人把 prompt 写到两千字塞满了各种要求结果模型反而抓不住重点。技能化的关键不是长而是分——把一个大任务拆成多个小技能每个技能职责单一然后通过 agent 的调度把它们串起来。打个比方prompt 工程像是你给一个新人写一封很长的邮件把所有要求一次性说完技能化像是你给这个新人建了一套标准作业程序SOP每个 SOP 对应一个具体动作他做哪一步就翻哪一页。前者依赖你一次说清楚后者依赖体系本身的结构。对于营销这种环节多、判断多的领域后者显然更靠谱。而且技能化有个额外好处可迭代。哪个技能效果不好你单独改那一个不影响其他。prompt 工程里你改一处可能整个输出都变了很难定位问题。这一点在我实际调优的时候体会特别深。3. 用 Claude Code 承载营销技能为什么是它怎么落地3.1 Claude Code 作为 agent 载体的独特之处关键词里 Claude Code 出现频率极高这不是偶然。市面上能跑 AI agent 的工具不少但 Claude Code 有几个特性特别适合承载营销技能。第一它能直接读写本地文件这意味着你的技能包可以是一堆 Markdown 或 JSON 文件放在项目目录里agent 按需读取不需要你把所有内容塞进对话上下文。第二它能执行终端命令这让跑一个 SEO 检查脚本调用一个分析 API这类动作变成可能。第三它的项目级配置比如 CLAUDE.md 这类约定文件让你可以把这个项目里有哪些技能、怎么调用写清楚agent 每次启动都能读到。我实测下来把营销技能做成文件放在项目里比每次在对话里贴一遍 prompt 稳定得多。因为文件是持久的、可版本管理的你改了技能下次 agent 读到的就是新版不会出现这次忘了贴某个要求的情况。3.2 技能包在项目里的组织方式我建议的目录结构是这样的这是基于常见 agent 项目实践总结的不是唯一答案marketing-agent/ ├── CLAUDE.md # 项目总说明告诉 agent 有哪些技能 ├── skills/ │ ├── seo/ │ │ ├── keyword-intent.md # 关键词意图判断技能 │ │ ├── content-outline.md # 内容大纲生成技能 │ │ └── structured-data.md # 结构化数据技能 │ ├── cro/ │ │ ├── landing-audit.md # 落地页审计技能 │ │ └── cta-optimize.md # CTA 优化技能 │ └── analytics/ │ ├── metric-define.md # 指标定义技能 │ └── funnel-analyze.md # 漏斗分析技能 └── data/ ├── keywords.csv └── competitors.json每个技能文件里我按前面说的四部分来写触发条件、输入规范、执行规程、输出校验。CLAUDE.md 里则写清楚当用户提出 X 类需求时读取 skills/xxx 下的对应文件并按其规程执行。这样 agent 就有了一个清晰的技能地图。3.3 一个具体的技能文件长什么样光说结构太抽象我直接给一个关键词意图判断技能的实际写法你可以照着改# 技能关键词搜索意图判断 ## 触发条件 当需要为一个或多个关键词确定内容策略时调用。 ## 输入 - 关键词列表CSV 或纯文本 - 目标市场如北美、东南亚 - 业务类型B2B / B2C / 独立站 ## 执行规程 1. 对每个关键词判断其搜索意图分为四类 - 信息型Informational用户想了解某个概念 - 导航型Navigational用户想找某个特定品牌或站点 - 商业调研型Commercial用户在比较方案 - 交易型Transactional用户准备购买 2. 判断依据 - 关键词中是否含 how / what / guide / tutorial → 倾向信息型 - 是否含 best / vs / review / compare → 倾向商业调研型 - 是否含 buy / price / discount / near me → 倾向交易型 - 是否含品牌名 → 倾向导航型 3. 对每个关键词给出建议的内容形式 - 信息型 → 教程、指南、FAQ - 商业调研型 → 对比页、评测页 - 交易型 → 产品页、落地页 - 导航型 → 品牌页 ## 输出校验 - 每个关键词必须标注唯一意图类别 - 意图判断需给出至少一条依据 - 输出为表格关键词 | 意图 | 依据 | 建议内容形式你看这个技能文件里没有一句废话全是可执行的规则。模型读到它就知道该怎么一步步做而不是自由发挥。这就是技能化和普通 prompt 的本质区别。3.4 环境准备里最容易忽略的细节关于 Claude Code 的安装和配置网上教程已经很多我不重复。但有几个细节是新手最容易忽略、又特别影响体验的。第一项目根目录的约定文件一定要写很多人装完就开始对话结果 agent 不知道你的项目结构每次都要重新解释。第二技能文件要用 agent 能稳定解析的格式Markdown 加清晰的标题层级是最稳的别用太花哨的嵌套。第三数据文件和技能文件分开放技能是怎么做数据是对什么做混在一起后期维护会很痛苦。还有一个坑如果你用的是本地模型或者第三方 API 接入要注意不同模型对长上下文和结构化指令的遵循能力差异很大。我试过用同一个技能文件跑不同模型有的模型能严格按规程走有的会自作主张跳过校验步骤。所以技能文件里的校验部分最好写得足够强硬比如用必须禁止这类词而不是建议可以。4. SEO 技能拆解从关键词到结构化数据的完整链路4.1 关键词意图判断是所有 SEO 技能的起点SEO 这件事很多人一上来就想着怎么写内容其实第一步应该是这个词到底该不该做、该怎么做。关键词意图判断就是干这个的。我在上一节给了技能文件的写法这里补充几个实操中的判断经验。首先同一个词在不同市场意图可能不同。比如 CRM software 在北美市场用户大概率是商业调研型想比较方案但在某些新兴市场可能更多是信息型用户还在了解 CRM 是什么。所以技能文件里的输入一定要包含目标市场不能一刀切。其次意图判断要结合 SERP 实际结果验证。技能文件里给的是基于关键词文本的快速判断但最准的判断是看搜索结果页——如果首页全是产品页那这个词就是交易或商业调研型如果全是博客文章那就是信息型。我建议在技能规程里加一步对判断存疑的关键词抓取 SERP 前 10 条结果的页面类型作为交叉验证。这一步能让准确率提升不少。第三长尾词的意图往往更明确。短词如 marketing 意图模糊长尾词如 how to do keyword research for a new blog 意图非常清晰。所以技能执行时可以按词的长度和具体程度给一个意图明确度评分明确度低的词建议先不做或者只做品牌曝光。4.2 内容大纲生成把意图翻译成结构意图判断完之后下一步是生成内容大纲。这个技能的核心是把用户想解决什么问题翻译成页面该有哪些板块。我见过太多内容大纲是引言、正文、结论这种万能模板毫无针对性。好的大纲应该直接对应搜索意图。比如一个信息型关键词 what is structured data大纲应该是定义 → 为什么重要 → 常见类型 → 如何实现 → 常见错误 → FAQ。而一个商业调研型关键词 best SEO tools大纲应该是评选标准 → 工具对比表 → 各工具优缺点 → 适用场景 → 价格对比 → 结论推荐。你看同样是大纲结构完全不同因为用户的心理阶段不同。在技能文件里我建议为每种意图预设一套大纲骨架然后让 agent 根据具体关键词填充。这样既保证了结构合理又保留了灵活性。输出校验部分要检查大纲是否覆盖了该意图下的核心子问题、是否有明确的 H2/H3 层级、是否预留了 FAQ 板块这个对 SEO 很重要后面讲。4.3 FAQ 结构化数据到底是怎么回事关键词里有一条谷歌seo的 faqpage 结构化数据是怎么回事这个问题问的人很多我专门讲一下。FAQPage 结构化数据简单说就是你在页面 HTML 里加一段特定格式的代码告诉搜索引擎这个页面有一组问答。搜索引擎理解之后可能在搜索结果里直接展示这些问答也就是所谓的富媒体摘要。它的价值在于占据更多搜索结果版面提升点击率。同样排在第一有 FAQ 富摘要的结果比普通结果占的屏幕空间大用户更容易点。但要注意几个坑。第一不是加了就一定有富摘要搜索引擎会判断内容质量问答内容必须真实、有价值不能为了加而加。第二问答内容必须和页面主体相关不能页面讲 AFAQ 全是 B。第三格式必须严格符合规范字段名、嵌套结构错了搜索引擎直接忽略。在 marketing skills 里这个可以做成一个独立技能输入是页面内容和目标问答输出是符合规范的 JSON-LD 代码。技能规程里要包含问答数量建议 3-8 组每个答案控制在 40-60 字必须包含页面主关键词的变体这类具体规则。输出校验则要检查 JSON 语法是否正确、必填字段是否齐全。4.4 结构化数据技能的通用化思路FAQPage 只是结构化数据的一种。实际上还有 Article、Product、Breadcrumb、HowTo 等多种类型。与其为每种类型写一个技能不如写一个结构化数据生成通用技能输入里包含页面类型和要标记的内容技能根据类型选择对应的 schema 模板。这样做的好处是维护成本低。搜索引擎的 schema 规范会更新你只需要改一个技能文件所有类型都受益。我在实际项目里就是这么做的把 schema 模板做成一个独立的配置文件技能文件负责选模板 填字段 校验职责清晰。5. CRO 技能让落地页自己会说话5.1 落地页审计技能该检查哪些项CRO转化率优化是营销里最玄学也最实在的领域。玄学是因为影响因素太多实在是因为每一个改动都能用数据验证。把 CRO 技能化核心是把资深优化师的检查清单固化下来。我总结的落地页审计技能至少覆盖这几个维度。首屏主标题是否在 3 秒内说清这是什么、给谁、有什么好处副标题是否补充了主标题没说清的信任要素主视觉是否和文案一致。价值主张是否具体到可感知而不是高效便捷这种空话是否有数字或对比支撑。信任要素是否有客户评价、案例、资质、数据背书这些要素是否放在决策关键位置。CTA按钮文案是否明确动作和收益是否在页面多个位置出现点击后的预期是否清晰。阻力排查表单字段是否过多是否有隐藏费用加载速度是否达标。这些检查项写进技能文件后agent 就能对任意落地页做结构化审计输出一份带优先级的问题清单。这比帮我看看这个页面怎么样这种模糊提问高效太多。5.2 CTA 优化小按钮里的大文章CTA 是落地页里最值得单独做成技能的部分因为它对转化率的影响直接且可测。一个 CTA 优化技能输入是当前按钮文案、页面上下文、目标受众输出是若干备选文案加推荐理由。我实操中的经验是CTA 文案的优化方向主要有三个。第一从动作转向收益提交改成获取我的专属方案后者告诉用户点了能得到什么。第二降低心理门槛立即购买改成免费试用 14 天把决策成本降下来。第三增加具体性联系我们改成预约 15 分钟咨询让用户知道要付出多少时间。技能文件里可以把这些方向做成规则让 agent 针对每个 CTA 生成 3-5 个变体并标注每个变体用了哪个优化方向。输出校验则检查变体是否都包含明确动词、是否避免了模糊词、长度是否适合按钮展示。5.3 把 CRO 和分析技能串起来CRO 单独做是盲目的必须和分析结合。这就是为什么 analytics 技能要和 CRO 技能放在同一套体系里。一个完整的闭环是分析技能发现某个页面转化率低 → CRO 审计技能找出问题 → CTA 优化技能生成改进方案 → 上线后分析技能验证效果。在 agent 层面这个闭环可以通过技能链实现。你在 CLAUDE.md 里定义好技能之间的调用关系agent 就能按顺序执行。比如用户说帮我优化这个落地页agent 先调分析技能看数据再调审计技能找问题最后调 CTA 技能出方案。这种串联能力是单点 prompt 做不到的。6. Analytics 技能让数据说人话6.1 指标定义技能先统一语言再谈优化数据分析最大的坑不是工具不会用而是指标定义不统一。市场部说的转化和产品部说的转化可能根本不是一回事。所以 analytics 技能里第一个要做的不是分析而是指标定义。这个技能的输入是业务目标和当前的数据字段输出是一份指标字典每个指标的名称、定义、计算公式、数据来源、负责人。比如注册转化率 完成注册人数 / 落地页访客数把公式写清楚就不会有歧义。技能规程里要包含每个指标必须有唯一口径指标之间不能循环定义必须标注数据更新频率这些规则。输出校验则检查指标字典是否覆盖了业务全流程、是否有遗漏的关键节点。6.2 漏斗分析技能找到漏得最狠的那一环漏斗分析是营销分析的核心方法。技能化的思路是输入各环节的转化数据输出每一环的转化率和流失率并标注最值得优化的环节。判断哪个环节最值得优化不能只看流失率高低还要看优化空间和优化成本。比如某个环节流失 60%但它是行业普遍水平优化空间有限另一个环节流失 30%但明显低于行业标杆反而更值得投入。技能规程里要把这个判断逻辑写清楚避免 agent 简单地哪漏得多就报哪个。我还会在技能里加一条对每个异常环节给出至少两个可能的原因假设。因为漏斗分析的价值不在于告诉你这里漏了而在于引导你去验证为什么漏。这一步能把分析技能和后续的优化动作衔接起来。6.3 分析技能的输出如何反哺 SEO 和 CRO分析技能不是孤立的。它产出的数据洞察应该直接喂给 SEO 和 CRO 技能。比如分析发现某个关键词带来的流量转化率特别高那 SEO 技能就应该加大这类关键词的内容投入分析发现某个页面的跳出率异常高CRO 技能就应该优先审计这个页面。在 agent 体系里这可以通过共享数据文件实现。分析技能把结论写入data/insights.jsonSEO 和 CRO 技能在执行时读取这个文件作为输入。这样整套技能就形成了一个自我强化的循环而不是各自为战。7. 把技能串成 agent调度、上下文与踩坑记录7.1 技能调度的两种模式技能写好了怎么让 agent 知道什么时候用哪个我实践下来有两种模式。第一种是显式调用用户在对话里明确说用关键词意图技能分析这批词agent 直接执行对应技能。这种方式可控适合你清楚自己要什么的时候。第二种是隐式调度用户说帮我做这个新产品的 SEO 方案agent 根据 CLAUDE.md 里的技能地图自动判断需要依次调用意图判断、大纲生成、结构化数据等技能。这种方式省心但对技能地图的清晰度要求高。我的建议是两者结合日常用显式调用保证可控复杂任务用隐式调度提效。CLAUDE.md 里要写清楚当用户需求涉及多个技能时按什么顺序调用避免 agent 乱序执行。7.2 上下文管理别让 agent 忘事营销任务往往跨多轮对话上下文管理是个大问题。我的经验是重要的中间结果一定要落盘不要只留在对话里。比如关键词意图判断的结果写入data/keyword-intent.csv落地页审计的问题清单写入data/audit-report.md。这样即使对话重置agent 也能从文件里恢复上下文。另一个技巧是给每个技能的输出定义固定格式。格式固定了后续技能读取时就不用猜。比如所有表格类输出都用 CSV所有报告类输出都用带固定标题层级的 Markdown。这个约定看起来小但能省掉大量格式对不上的麻烦。7.3 我踩过的几个坑第一个坑技能文件写得太抽象。我一开始写判断关键词意图没写具体判断依据结果 agent 每次判断标准都不一样。后来把判断规则一条条列出来稳定性立刻上来了。教训是技能文件要写到傻瓜都能照着做的程度。第二个坑技能之间职责重叠。我一度把内容大纲和内容写作放在一个技能里结果 agent 经常跳过大纲直接写正文质量很差。拆成两个技能后强制先出大纲再写正文质量明显提升。教训是一个技能只干一件事。第三个坑忽略输出校验。早期我觉得校验是多余的模型输出看着还行就用了。结果发现有些错误很隐蔽比如结构化数据的字段名拼错、指标公式漏了分母。加上校验步骤后这类低级错误基本绝迹。教训是校验不是可选项是必选项。第四个坑数据文件没有版本管理。有次我更新了关键词数据但 agent 读的还是旧文件导致分析结果对不上。后来把所有数据文件纳入版本管理每次更新都记录变更问题就解决了。8. 关于模型接入和运行环境的一些实在话关键词里有很多关于 Claude Code 安装、配置、接入不同模型的内容。我不重复具体步骤但分享几个原则性的经验。第一模型能力决定技能上限。技能文件写得再好如果模型对结构化指令的遵循能力弱效果也会打折。我实测下来处理营销这类需要多步推理和严格格式的任务模型的选择比技能文件的微调更重要。所以选模型时优先看它在遵循复杂指令和稳定输出结构化内容上的表现。第二本地模型和云端模型各有适用场景。本地模型胜在数据不出本地、成本可控适合处理敏感的业务数据云端模型胜在能力强、更新快适合处理复杂的推理任务。我的做法是混合使用敏感数据的初步处理用本地模型复杂的内容生成和策略分析用能力更强的模型。第三运行环境要稳定。营销任务经常是批量、长时间的环境不稳定会严重影响效率。我建议把技能包和运行环境做成可复现的配置换台机器也能快速跑起来。这一点对于团队协作尤其重要。第四别迷信一键方案。市面上有很多号称一键搞定 SEO一键优化转化的工具实际用下来能解决的都是最表层的问题。真正有价值的是你自己把业务经验沉淀成技能的过程。marketingskills 这套思路的核心价值不在于它提供了多少现成技能而在于它给了你一个把经验结构化的框架。你往里填的每一分经验都会变成 agent 的一分能力。9. 从能用到好用技能体系的迭代方向技能体系搭起来只是第一步真正拉开差距的是迭代。我目前的做法是给每个技能加一个效果记录每次执行后记录输入、输出、以及最终的业务结果比如内容上线后的排名变化、落地页改版后的转化率变化。积累一段时间后就能看出哪些技能靠谱、哪些需要改。迭代的优先级我建议按影响面 × 出错频率来排。影响面大、出错频率高的技能优先改。比如关键词意图判断它影响后续所有内容技能一旦判断错后面全错所以它的准确率要优先保证。而一些边缘技能比如某个特定 schema 的生成出错影响有限可以往后放。还有一个容易被忽略的迭代方向技能之间的衔接。单个技能都挺好但串起来跑的时候经常出问题比如格式对不上、上下文丢失、顺序错乱。这类问题往往比单个技能的 bug 更影响体验。我的做法是定期做一次端到端演练用一个完整任务跑一遍全流程专门找衔接问题。最后说一个心态上的体会。做 marketing skills 这件事最忌讳的是追求大而全。我见过有人一上来就想把营销的所有环节都做成技能结果每个都做得半吊子。正确的做法是选一个最痛的点把它做深做透跑通闭环再逐步扩展。我自己就是从关键词意图判断这一个技能起步的跑顺了之后才慢慢加内容大纲、结构化数据、CRO 审计。每加一个都确保它和已有的技能能顺畅衔接。这样长出来的体系才是真正能用的体系而不是一堆看起来很美、实际跑不起来的技能文件。