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这个词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课程或者资料合集而更像是一套技能包——把营销工作中那些高频、重复、有固定套路的动作拆解成可以被工具调用、被流程复用的模块。结合热搜词里反复出现的 Claude Code、AI agents、SEO、CRO 这几个词基本可以判断这个项目想做的事情是用 AI agent 的方式把营销技能工程化。为什么这么说因为传统做营销尤其是做独立站和谷歌 SEO 的人日常干的活儿其实高度碎片化写落地页文案、做关键词调研、优化 FAQ 结构化数据、跑 A/B 测试、分析转化漏斗、写邮件序列、做竞品拆解……每一件事单独看都不难但堆在一起就是无底洞。一个运营一天能高质量产出的东西是有上限的而这个上限往往卡在重复劳动上不是卡在创意上。marketingskills 这个思路的价值就在于它把这些重复劳动抽象成了技能skills然后交给 AI agent 去执行。你可以把它理解成给 AI 装了一本《营销操作手册》手册里写清楚了每一步该怎么做、输入是什么、输出是什么、什么情况下该走哪个分支。这样 AI 就不再是那个只会聊天、写点泛泛文案的玩具而是一个能真正接手具体营销任务的执行者。这篇文章适合谁看三类人。第一类是做独立站、做谷歌 SEO 的运营和站长你们最需要把重复工作自动化第二类是正在折腾 Claude Code、想搞清楚 AI agent 到底怎么落地到具体业务的人第三类是对 CRO转化率优化感兴趣、想把数据驱动落到实处的从业者。不管你是刚入门还是已经做过几个项目只要你想让 AI 真正帮你干活而不是帮倒忙这篇内容都值得往下看。需要提前说明的是下面涉及的具体配置、目录结构、提示词写法一部分来自公开的通用实践一部分是我自己在类似项目里踩出来的经验。凡是原文没有明确给出的细节我都会标注清楚这是基于常见实践的合理补全你可以根据自己的实际情况调整。2. 把营销动作拆成技能marketingskills 的底层设计逻辑2.1 为什么是技能而不是提示词模板很多人做 AI 营销工具的第一反应是攒一堆提示词模板什么爆款文案生成器SEO 标题优化器存到 Notion 里用的时候复制粘贴。这个做法在早期能用但很快就会崩原因有三个。第一提示词模板是静态的。你写死了一个生成产品描述的模板但真实场景里产品描述要分品类、分受众、分渠道一个模板根本覆盖不了。第二模板之间不联动。你做完关键词调研结果要手动复制到文案生成那一步中间全靠人肉搬运。第三模板没有判断能力。它不知道当前这个页面是该优化标题还是该改 CTA只能等你告诉它。技能这个概念不一样。一个技能本质上是一个带输入输出契约、带执行逻辑、带边界条件的功能单元。它知道自己什么时候被调用、需要什么参数、产出什么结果、失败了怎么办。这跟软件工程里的函数是一个道理。当你把营销工作拆成一个个技能AI agent 就能像调用函数一样把它们串起来形成完整的工作流。举个具体例子。在 marketingskills 的语境下关键词调研不是一个提示词而是一个技能输入是种子词和竞品域名输出是分好组的关键词列表加上搜索意图标注执行逻辑是先抓竞品页面、再提取词、再聚类、再打意图标签。这个技能可以被内容规划技能调用也可以被落地页优化技能调用复用性一下就上来了。2.2 一个营销技能应该包含哪几个部分根据我在实际项目里的经验一个能用的营销技能至少要包含五个部分缺一个都会在真实使用中出问题。触发条件什么情况下该用这个技能。比如当用户提供一个落地页 URL 且要求提升转化率时。输入契约需要哪些参数哪些必填哪些可选。比如关键词调研技能种子词必填竞品域名可选目标地区可选。执行步骤具体分几步做每步用什么工具或数据源。这一步是技能的核心。输出格式产出什么结构的数据。是 Markdown 表格、JSON、还是直接可粘贴的 HTML。边界与失败处理什么情况下这个技能不适用失败了返回什么。比如竞品页面抓不到时是报错还是降级用公开数据。这五个部分里最容易被忽略的是边界与失败处理。我见过太多人写的技能happy path 跑得飞起一遇到异常就胡言乱语。比如让 AI 分析一个打不开的页面它不会说我打不开而是会编一段看起来很像那么回事的分析。这在营销场景里是致命的因为你会基于假数据做决策。2.3 技能之间怎么组合成工作流单个技能价值有限真正的威力在于组合。marketingskills 这类项目的典型工作流是这样的调研阶段关键词调研技能 竞品拆解技能产出机会点清单。规划阶段内容规划技能把机会点转成内容日历和页面结构。生产阶段文案生成技能 结构化数据技能产出页面内容和 FAQ schema。优化阶段CRO 分析技能 A/B 测试设计技能基于数据迭代。这个链条里每一步的输出都是下一步的输入中间不需要人肉搬运。这才是技能包相对于提示词模板的本质区别。你可以把它想象成一条流水线而不是一堆散落的工具。提示设计工作流时一定要让每一步的输出格式对下一步友好。我踩过的坑是调研阶段输出的是给人看的漂亮报告结果规划阶段根本没法解析只能手动重录一遍。后来改成人看的报告 机器读的 JSON双输出问题才解决。3. 用 Claude Code 承载 marketingskills环境搭建与技能目录设计3.1 为什么选 Claude Code 而不是普通对话界面热搜词里 Claude Code 出现频率极高这不是偶然。普通对话界面适合一问一答但 marketingskills 这种项目需要的是能读写文件、能执行命令、能多轮自主推进的环境。Claude Code 恰好满足这三点它能直接操作你本地的项目目录能跑脚本抓数据能在你给一个目标后自己拆解步骤往下做。打个比方普通对话界面像是一个只能跟你聊天的顾问Claude Code 像是一个能进你办公室、打开你电脑、帮你把活干完的同事。做营销技能包你需要的是后者。安装和配置这块网上教程已经很多我不重复造轮子只讲几个跟 marketingskills 项目强相关的点。第一项目目录要独立。不要把你的技能包散落在各个地方建一个专门的目录比如~/projects/marketingskills所有技能、数据、产出都放里面。第二用 Git 管理。技能是会迭代的今天写的关键词调研逻辑下周可能就要改没有版本控制你会疯。第三配置文件单独放。API key、数据源地址这些敏感信息放.env或者单独的 config 文件别硬编码在技能里。3.2 技能目录应该怎么组织这是我实际用下来比较顺手的一种结构你可以参考marketingskills/ ├── skills/ # 所有技能定义 │ ├── keyword-research/ │ │ ├── SKILL.md # 技能说明与执行逻辑 │ │ ├── input.schema # 输入契约 │ │ └── examples/ # 示例输入输出 │ ├── competitor-audit/ │ ├── content-planning/ │ ├── faq-schema/ │ └── cro-analysis/ ├── workflows/ # 组合好的工作流 │ ├── new-site-launch.md │ └── landing-page-optimize.md ├── data/ # 中间数据和产出 │ ├── raw/ │ └── processed/ ├── config/ │ └── sources.yaml # 数据源配置 └── README.md这个结构的关键在于技能、工作流、数据三层分离。技能是能力工作流是编排数据是结果。分开之后你想换一个数据源只改 config想调整执行顺序只改 workflow想升级某个技能只动 skills 下对应的目录。互不干扰。3.3 SKILL.md 里到底该写什么SKILL.md 是整个技能包的核心文件它决定了 AI 能不能正确执行这个技能。我见过两种极端写法一种是写得太简略就一句话帮我做关键词调研AI 只能瞎猜另一种是写得太啰嗦把营销学教材抄了一遍AI 抓不住重点。我的经验是SKILL.md 应该像一份给聪明但不懂你业务的实习生看的操作手册。它需要包含技能目标一句话说清楚这个技能产出什么。适用场景什么情况下用什么情况下不用。执行步骤分步骤写每步说清楚做什么、用什么、产出什么。输出规范格式、字段、示例。注意事项容易出错的地方、边界条件。举个 FAQ 结构化数据技能的例子SKILL.md 里应该写清楚输入是页面主题和目标关键词输出是符合规范的 FAQPage JSON-LD步骤是先基于关键词生成 5-8 个真实用户会问的问题再为每个问题写 40-60 字的答案最后组装成 schema 格式。注意事项里要写明问题必须是真实搜索意图不能自问自答式硬凑答案不能是营销话术要直接回答问题。注意SKILL.md 里的执行步骤尽量用动词开头 明确对象的写法比如提取竞品页面的 H2 标题而不是分析竞品页面结构。前者 AI 知道具体做什么后者太模糊。4. SEO 与 CRO 技能的具体实现从关键词到结构化数据4.1 关键词调研技能别只盯着搜索量关键词调研是 SEO 的起点但大多数人做关键词调研的方式是错的。他们打开关键词工具按搜索量排序挑几个大的就开始写。结果写出来的内容竞争不过大站流量上不去。在 marketingskills 的框架下关键词调研技能应该输出的是带意图标注和竞争度评估的机会清单而不是一个按搜索量排的列表。具体来说每个关键词至少要标注四个维度维度说明为什么重要搜索意图信息型/导航型/商业型/交易型决定内容形式和转化路径竞争度首页结果里大站占比决定你能不能排上去商业价值这个词带来的流量能不能变现决定值不值得投入内容缺口现有结果有没有没讲透的点决定你的差异化空间这个技能的执行逻辑我建议分四步第一步用种子词和竞品域名扩展出候选词第二步对每个词抓取首页结果分析域名权重和内容类型第三步用规则或模型给每个词打意图标签第四步按商业价值高 竞争度低 有内容缺口排序输出。这里有个实操心得别迷信搜索量。我做过一个项目一个月搜索量只有 200 的长尾词因为意图极其精准转化率是主词的 8 倍。如果只看搜索量这个词根本进不了你的视野。所以在技能设计里一定要把商业价值和意图精准度的权重调高。4.2 FAQ 结构化数据技能热搜词里那个问题的答案热搜词里有一条谷歌seo的 faqpage 结构化数据是怎么回事说明很多人对这个东西有疑问。我在这里把它讲透顺便说清楚它在 marketingskills 里怎么实现。FAQPage 结构化数据本质上是告诉搜索引擎这个页面上有一组问答请把它们理解成 FAQ。它的价值在于符合条件的页面在搜索结果里可能展示成可展开的问答列表占据更多视觉空间点击率通常会有提升。但这里有几个坑我必须说清楚。第一不是所有页面都适合加 FAQ schema。谷歌的规范是FAQ 内容必须是页面上真实可见的不能只写在 schema 里而用户看不到。第二问题必须是真实用户会问的不能为了凑 schema 硬编问题。第三答案要直接回答问题不要绕圈子做营销。在 marketingskills 里FAQ schema 技能的执行逻辑是这样的输入页面主题和目标关键词第一步从人们还问和相关搜索里提取真实问题第二步对每个问题生成简洁答案第三步组装成 JSON-LD 格式第四步校验格式是否符合规范。{ context: https://schema.org, type: FAQPage, mainEntity: [ { type: Question, name: 独立站谷歌 SEO 多久能见效, acceptedAnswer: { type: Answer, text: 通常新站需要 3-6 个月才能看到稳定自然流量具体取决于内容质量、外链建设和竞争程度。 } } ] }这个技能的关键在于问题来源要真实。我一般会让技能从三个地方抓谷歌的人们还问、竞品页面的 FAQ 区、以及站内搜索日志。这三个来源的问题才是用户真正关心的。4.3 CRO 分析技能把转化率当成一个可拆解的系统CRO转化率优化是 marketingskills 里技术含量最高的部分因为它涉及数据分析和实验设计。很多人做 CRO 的方式是拍脑袋改按钮颜色这不叫 CRO这叫碰运气。真正的 CRO 技能应该把转化率拆解成一个漏斗然后逐层分析。一个典型的落地页漏斗是这样的曝光 → 首屏停留 → 滚动深度 → CTA 点击 → 表单开始填写 → 表单提交。每一层都有流失每一层的流失原因不同。CRO 分析技能的执行逻辑第一步拉取各层的数据第二步找出流失最严重的环节第三步基于常见优化模式提出假设第四步设计 A/B 测试验证假设。这里有个经验优先优化漏斗上游。很多人一上来就改 CTA 文案但如果用户根本没滚动到 CTA 位置改文案有什么用先解决首屏吸引力和滚动深度的问题再往下游走。漏斗环节常见问题优化方向首屏停留价值主张不清晰重写主标题突出核心利益滚动深度内容节奏拖沓前置关键信息增加视觉锚点CTA 点击按钮不显眼或文案弱强化对比用动作导向文案表单填写字段太多或信任不足精简字段增加信任元素4.4 内容规划技能把机会点变成可执行的日历关键词调研产出的是一堆机会点内容规划技能要做的是把这些机会点变成一张可执行的内容日历。这个技能看起来简单实际上很容易做砸。砸的原因通常是只考虑了写什么没考虑谁来写、什么时候写、写完怎么推。一个能用的内容规划技能输出应该包含内容主题、目标关键词、内容形式、优先级、预计工时、发布渠道、内链规划。我自己的做法是让这个技能按主题集群来组织内容而不是按单篇来排。比如围绕独立站 SEO这个主题规划一篇 pillar 页面加五篇 cluster 文章互相内链。这样做的原因是搜索引擎更认可主题权威性一堆散篇不如一个结构化的集群。5. 让技能真正跑起来编排、调试与常见故障5.1 工作流编排串行、并行与条件分支技能写好了怎么串起来是个问题。最简单的是串行A 做完做 BB 做完做 C。但真实工作流往往更复杂。比如新站上线这个工作流关键词调研和竞品拆解是可以并行的两者都完成后才进入内容规划。内容规划完成后文案生成和 FAQ schema 又可以并行。这种并行能大幅缩短整体时间。还有条件分支。比如 CRO 分析技能跑完后如果发现是首屏问题走首屏优化分支如果是表单问题走表单优化分支。这个判断逻辑要写在工作流里而不是让 AI 每次临时决定。我的建议是工作流用 Markdown 写清楚每一步标注依赖哪些前置步骤、可以并行还是必须串行、什么条件下走哪个分支。这样 AI 执行时有据可依你排查问题时也有据可查。5.2 调试技能怎么知道是技能写错了还是模型不行技能跑出来的结果不对很多人第一反应是模型不行。但根据我的经验八成是技能写得有问题模型只是执行者。排查顺序应该是这样的第一看输入对不对。很多时候是上游技能输出的数据格式不对导致下游技能拿到垃圾。第二看步骤清不清晰。如果 SKILL.md 里某一步写得模糊AI 就会自由发挥。第三看输出规范有没有明确。没规定格式AI 就按自己喜好来。第四才是考虑换模型或者调参数。我一般会在技能里加一个自检步骤让 AI 在输出前先检查自己的结果是否符合规范。这个自检步骤能拦下大部分低级错误。5.3 几个高频故障和它们的根因下面这几个问题是我在实际使用中遇到频率最高的列出来给你省点时间。故障现象可能根因处理方式技能输出格式乱输出规范没写清楚在 SKILL.md 里加格式示例数据抓取失败目标页面结构变了加降级逻辑抓不到就用备用源结果前后矛盾技能之间没有共享上下文在工作流里显式传递关键变量执行到一半停了步骤太长超出上下文拆成多个子技能分步执行输出内容空洞输入信息不足在输入契约里增加必填项提示遇到执行到一半停了的情况不要急着怪模型。先看看是不是你的技能步骤太长一次要处理的信息超出了上下文窗口。拆步骤是最有效的解法。5.4 关于本地模型和第三方接入的一点经验热搜词里有很多关于接入本地模型、第三方 API 的讨论。我的看法是做 marketingskills 这类项目模型能力直接决定产出质量。营销内容需要理解语境、把握语气、做判断这些对模型能力要求不低。本地模型的好处是数据不出本地、成本可控但目前在复杂营销任务上的表现跟头部模型还有差距。我的建议是分场景用简单的格式转换、数据清洗本地模型够用需要判断和创意的环节用能力更强的模型。至于具体怎么接入不同环境的配置方式不一样核心是搞清楚你的调用链路把模型当成一个可替换的组件来设计这样换模型时不用重写技能。6. 我踩过的坑和几条实在的建议6.1 别一上来就追求全自动我刚开始做这套东西的时候野心很大想让 AI 从关键词调研一路自动做到内容发布。结果就是每个环节都做得半吊子最后产出质量惨不忍睹。后来我调整了策略先做半自动人机协作跑顺了再逐步自动化。具体来说先让 AI 做调研和初稿人来审核和定稿。等某个环节的产出稳定了再把它接入全自动流程。这样每一步都可控出问题也能快速定位。这个思路在营销场景里尤其重要因为营销内容直接面向用户质量不过关会伤品牌。宁可慢一点也别让 AI 的垃圾内容上线。6.2 数据源要留后手做 SEO 和 CRO数据源是命脉。但任何单一数据源都可能出问题接口变了、限流了、页面改版了。我踩过的坑是整个技能依赖一个数据源结果那个源一挂整条工作流全瘫。现在的做法是每个关键数据源都配一个备用方案。主源抓不到自动降级到备用源。备用源也没有就明确报错而不是让 AI 编数据。这一点在技能设计时就要考虑进去别等出事了再补。6.3 技能要定期复盘和迭代营销环境变化很快去年有效的关键词策略今年可能就失效了。所以技能不是写完就完事要定期复盘。我的习惯是每个月看一次各技能的产出质量重点看三个指标产出被采纳的比例、人工修改的幅度、以及最终的业务效果。如果某个技能产出老是要大改说明技能本身该升级了。如果某个技能产出稳定但业务效果一般说明可能选错了优化方向。6.4 关于独立站谷歌 SEO这件事的几句实话热搜词里什么是独立站谷歌seo出现多次说明很多新手在入门。我借这个机会说几句实在的。独立站做谷歌 SEO核心不是技术是内容能不能解决用户的真实问题。技术层面的东西结构化数据、页面速度、内链这些都是加分项但前提是你的内容本身有价值。我见过太多站技术优化做得漂漂亮亮内容却是拼凑的排名上不去。marketingskills 这类工具能帮你提高效率但它替代不了你对用户的理解。工具负责把重复劳动干掉你负责想清楚用户到底要什么。这个分工搞清楚了工具才真正有用。6.5 最后分享一个提高技能产出质量的小技巧在 SKILL.md 里加一段反例。也就是明确告诉 AI以下这些是错误示范不要这样输出。比如做 FAQ schema 技能时我会写不要生成我们的产品很好这类自夸式答案要生成直接回答用户疑问的答案。这个反例机制的效果出乎意料地好。因为 AI 对不要做什么的敏感度有时候比要做什么还高。你给它一个具体的错误示范它就能避开那个坑。这个技巧成本极低但收益很明显建议你在每个技能里都试试。 
长河君 · 2026/10/29 6:24:54 · 阅读 1.2k marketingskills：用AI agent将SEO与CRO营销技能工程化
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这个词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课程或者资料合集而更像是一套技能包——把营销工作中那些高频、重复、有固定套路的动作拆解成可以被工具调用、被流程复用的模块。结合热搜词里反复出现的 Claude Code、AI agents、SEO、CRO 这几个词基本可以判断这个项目想做的事情是用 AI agent 的方式把营销技能工程化。为什么这么说因为传统做营销尤其是做独立站和谷歌 SEO 的人日常干的活儿其实高度碎片化写落地页文案、做关键词调研、优化 FAQ 结构化数据、跑 A/B 测试、分析转化漏斗、写邮件序列、做竞品拆解……每一件事单独看都不难但堆在一起就是无底洞。一个运营一天能高质量产出的东西是有上限的而这个上限往往卡在重复劳动上不是卡在创意上。marketingskills 这个思路的价值就在于它把这些重复劳动抽象成了技能skills然后交给 AI agent 去执行。你可以把它理解成给 AI 装了一本《营销操作手册》手册里写清楚了每一步该怎么做、输入是什么、输出是什么、什么情况下该走哪个分支。这样 AI 就不再是那个只会聊天、写点泛泛文案的玩具而是一个能真正接手具体营销任务的执行者。这篇文章适合谁看三类人。第一类是做独立站、做谷歌 SEO 的运营和站长你们最需要把重复工作自动化第二类是正在折腾 Claude Code、想搞清楚 AI agent 到底怎么落地到具体业务的人第三类是对 CRO转化率优化感兴趣、想把数据驱动落到实处的从业者。不管你是刚入门还是已经做过几个项目只要你想让 AI 真正帮你干活而不是帮倒忙这篇内容都值得往下看。需要提前说明的是下面涉及的具体配置、目录结构、提示词写法一部分来自公开的通用实践一部分是我自己在类似项目里踩出来的经验。凡是原文没有明确给出的细节我都会标注清楚这是基于常见实践的合理补全你可以根据自己的实际情况调整。2. 把营销动作拆成技能marketingskills 的底层设计逻辑2.1 为什么是技能而不是提示词模板很多人做 AI 营销工具的第一反应是攒一堆提示词模板什么爆款文案生成器SEO 标题优化器存到 Notion 里用的时候复制粘贴。这个做法在早期能用但很快就会崩原因有三个。第一提示词模板是静态的。你写死了一个生成产品描述的模板但真实场景里产品描述要分品类、分受众、分渠道一个模板根本覆盖不了。第二模板之间不联动。你做完关键词调研结果要手动复制到文案生成那一步中间全靠人肉搬运。第三模板没有判断能力。它不知道当前这个页面是该优化标题还是该改 CTA只能等你告诉它。技能这个概念不一样。一个技能本质上是一个带输入输出契约、带执行逻辑、带边界条件的功能单元。它知道自己什么时候被调用、需要什么参数、产出什么结果、失败了怎么办。这跟软件工程里的函数是一个道理。当你把营销工作拆成一个个技能AI agent 就能像调用函数一样把它们串起来形成完整的工作流。举个具体例子。在 marketingskills 的语境下关键词调研不是一个提示词而是一个技能输入是种子词和竞品域名输出是分好组的关键词列表加上搜索意图标注执行逻辑是先抓竞品页面、再提取词、再聚类、再打意图标签。这个技能可以被内容规划技能调用也可以被落地页优化技能调用复用性一下就上来了。2.2 一个营销技能应该包含哪几个部分根据我在实际项目里的经验一个能用的营销技能至少要包含五个部分缺一个都会在真实使用中出问题。触发条件什么情况下该用这个技能。比如当用户提供一个落地页 URL 且要求提升转化率时。输入契约需要哪些参数哪些必填哪些可选。比如关键词调研技能种子词必填竞品域名可选目标地区可选。执行步骤具体分几步做每步用什么工具或数据源。这一步是技能的核心。输出格式产出什么结构的数据。是 Markdown 表格、JSON、还是直接可粘贴的 HTML。边界与失败处理什么情况下这个技能不适用失败了返回什么。比如竞品页面抓不到时是报错还是降级用公开数据。这五个部分里最容易被忽略的是边界与失败处理。我见过太多人写的技能happy path 跑得飞起一遇到异常就胡言乱语。比如让 AI 分析一个打不开的页面它不会说我打不开而是会编一段看起来很像那么回事的分析。这在营销场景里是致命的因为你会基于假数据做决策。2.3 技能之间怎么组合成工作流单个技能价值有限真正的威力在于组合。marketingskills 这类项目的典型工作流是这样的调研阶段关键词调研技能 竞品拆解技能产出机会点清单。规划阶段内容规划技能把机会点转成内容日历和页面结构。生产阶段文案生成技能 结构化数据技能产出页面内容和 FAQ schema。优化阶段CRO 分析技能 A/B 测试设计技能基于数据迭代。这个链条里每一步的输出都是下一步的输入中间不需要人肉搬运。这才是技能包相对于提示词模板的本质区别。你可以把它想象成一条流水线而不是一堆散落的工具。提示设计工作流时一定要让每一步的输出格式对下一步友好。我踩过的坑是调研阶段输出的是给人看的漂亮报告结果规划阶段根本没法解析只能手动重录一遍。后来改成人看的报告 机器读的 JSON双输出问题才解决。3. 用 Claude Code 承载 marketingskills环境搭建与技能目录设计3.1 为什么选 Claude Code 而不是普通对话界面热搜词里 Claude Code 出现频率极高这不是偶然。普通对话界面适合一问一答但 marketingskills 这种项目需要的是能读写文件、能执行命令、能多轮自主推进的环境。Claude Code 恰好满足这三点它能直接操作你本地的项目目录能跑脚本抓数据能在你给一个目标后自己拆解步骤往下做。打个比方普通对话界面像是一个只能跟你聊天的顾问Claude Code 像是一个能进你办公室、打开你电脑、帮你把活干完的同事。做营销技能包你需要的是后者。安装和配置这块网上教程已经很多我不重复造轮子只讲几个跟 marketingskills 项目强相关的点。第一项目目录要独立。不要把你的技能包散落在各个地方建一个专门的目录比如~/projects/marketingskills所有技能、数据、产出都放里面。第二用 Git 管理。技能是会迭代的今天写的关键词调研逻辑下周可能就要改没有版本控制你会疯。第三配置文件单独放。API key、数据源地址这些敏感信息放.env或者单独的 config 文件别硬编码在技能里。3.2 技能目录应该怎么组织这是我实际用下来比较顺手的一种结构你可以参考marketingskills/ ├── skills/ # 所有技能定义 │ ├── keyword-research/ │ │ ├── SKILL.md # 技能说明与执行逻辑 │ │ ├── input.schema # 输入契约 │ │ └── examples/ # 示例输入输出 │ ├── competitor-audit/ │ ├── content-planning/ │ ├── faq-schema/ │ └── cro-analysis/ ├── workflows/ # 组合好的工作流 │ ├── new-site-launch.md │ └── landing-page-optimize.md ├── data/ # 中间数据和产出 │ ├── raw/ │ └── processed/ ├── config/ │ └── sources.yaml # 数据源配置 └── README.md这个结构的关键在于技能、工作流、数据三层分离。技能是能力工作流是编排数据是结果。分开之后你想换一个数据源只改 config想调整执行顺序只改 workflow想升级某个技能只动 skills 下对应的目录。互不干扰。3.3 SKILL.md 里到底该写什么SKILL.md 是整个技能包的核心文件它决定了 AI 能不能正确执行这个技能。我见过两种极端写法一种是写得太简略就一句话帮我做关键词调研AI 只能瞎猜另一种是写得太啰嗦把营销学教材抄了一遍AI 抓不住重点。我的经验是SKILL.md 应该像一份给聪明但不懂你业务的实习生看的操作手册。它需要包含技能目标一句话说清楚这个技能产出什么。适用场景什么情况下用什么情况下不用。执行步骤分步骤写每步说清楚做什么、用什么、产出什么。输出规范格式、字段、示例。注意事项容易出错的地方、边界条件。举个 FAQ 结构化数据技能的例子SKILL.md 里应该写清楚输入是页面主题和目标关键词输出是符合规范的 FAQPage JSON-LD步骤是先基于关键词生成 5-8 个真实用户会问的问题再为每个问题写 40-60 字的答案最后组装成 schema 格式。注意事项里要写明问题必须是真实搜索意图不能自问自答式硬凑答案不能是营销话术要直接回答问题。注意SKILL.md 里的执行步骤尽量用动词开头 明确对象的写法比如提取竞品页面的 H2 标题而不是分析竞品页面结构。前者 AI 知道具体做什么后者太模糊。4. SEO 与 CRO 技能的具体实现从关键词到结构化数据4.1 关键词调研技能别只盯着搜索量关键词调研是 SEO 的起点但大多数人做关键词调研的方式是错的。他们打开关键词工具按搜索量排序挑几个大的就开始写。结果写出来的内容竞争不过大站流量上不去。在 marketingskills 的框架下关键词调研技能应该输出的是带意图标注和竞争度评估的机会清单而不是一个按搜索量排的列表。具体来说每个关键词至少要标注四个维度维度说明为什么重要搜索意图信息型/导航型/商业型/交易型决定内容形式和转化路径竞争度首页结果里大站占比决定你能不能排上去商业价值这个词带来的流量能不能变现决定值不值得投入内容缺口现有结果有没有没讲透的点决定你的差异化空间这个技能的执行逻辑我建议分四步第一步用种子词和竞品域名扩展出候选词第二步对每个词抓取首页结果分析域名权重和内容类型第三步用规则或模型给每个词打意图标签第四步按商业价值高 竞争度低 有内容缺口排序输出。这里有个实操心得别迷信搜索量。我做过一个项目一个月搜索量只有 200 的长尾词因为意图极其精准转化率是主词的 8 倍。如果只看搜索量这个词根本进不了你的视野。所以在技能设计里一定要把商业价值和意图精准度的权重调高。4.2 FAQ 结构化数据技能热搜词里那个问题的答案热搜词里有一条谷歌seo的 faqpage 结构化数据是怎么回事说明很多人对这个东西有疑问。我在这里把它讲透顺便说清楚它在 marketingskills 里怎么实现。FAQPage 结构化数据本质上是告诉搜索引擎这个页面上有一组问答请把它们理解成 FAQ。它的价值在于符合条件的页面在搜索结果里可能展示成可展开的问答列表占据更多视觉空间点击率通常会有提升。但这里有几个坑我必须说清楚。第一不是所有页面都适合加 FAQ schema。谷歌的规范是FAQ 内容必须是页面上真实可见的不能只写在 schema 里而用户看不到。第二问题必须是真实用户会问的不能为了凑 schema 硬编问题。第三答案要直接回答问题不要绕圈子做营销。在 marketingskills 里FAQ schema 技能的执行逻辑是这样的输入页面主题和目标关键词第一步从人们还问和相关搜索里提取真实问题第二步对每个问题生成简洁答案第三步组装成 JSON-LD 格式第四步校验格式是否符合规范。{ context: https://schema.org, type: FAQPage, mainEntity: [ { type: Question, name: 独立站谷歌 SEO 多久能见效, acceptedAnswer: { type: Answer, text: 通常新站需要 3-6 个月才能看到稳定自然流量具体取决于内容质量、外链建设和竞争程度。 } } ] }这个技能的关键在于问题来源要真实。我一般会让技能从三个地方抓谷歌的人们还问、竞品页面的 FAQ 区、以及站内搜索日志。这三个来源的问题才是用户真正关心的。4.3 CRO 分析技能把转化率当成一个可拆解的系统CRO转化率优化是 marketingskills 里技术含量最高的部分因为它涉及数据分析和实验设计。很多人做 CRO 的方式是拍脑袋改按钮颜色这不叫 CRO这叫碰运气。真正的 CRO 技能应该把转化率拆解成一个漏斗然后逐层分析。一个典型的落地页漏斗是这样的曝光 → 首屏停留 → 滚动深度 → CTA 点击 → 表单开始填写 → 表单提交。每一层都有流失每一层的流失原因不同。CRO 分析技能的执行逻辑第一步拉取各层的数据第二步找出流失最严重的环节第三步基于常见优化模式提出假设第四步设计 A/B 测试验证假设。这里有个经验优先优化漏斗上游。很多人一上来就改 CTA 文案但如果用户根本没滚动到 CTA 位置改文案有什么用先解决首屏吸引力和滚动深度的问题再往下游走。漏斗环节常见问题优化方向首屏停留价值主张不清晰重写主标题突出核心利益滚动深度内容节奏拖沓前置关键信息增加视觉锚点CTA 点击按钮不显眼或文案弱强化对比用动作导向文案表单填写字段太多或信任不足精简字段增加信任元素4.4 内容规划技能把机会点变成可执行的日历关键词调研产出的是一堆机会点内容规划技能要做的是把这些机会点变成一张可执行的内容日历。这个技能看起来简单实际上很容易做砸。砸的原因通常是只考虑了写什么没考虑谁来写、什么时候写、写完怎么推。一个能用的内容规划技能输出应该包含内容主题、目标关键词、内容形式、优先级、预计工时、发布渠道、内链规划。我自己的做法是让这个技能按主题集群来组织内容而不是按单篇来排。比如围绕独立站 SEO这个主题规划一篇 pillar 页面加五篇 cluster 文章互相内链。这样做的原因是搜索引擎更认可主题权威性一堆散篇不如一个结构化的集群。5. 让技能真正跑起来编排、调试与常见故障5.1 工作流编排串行、并行与条件分支技能写好了怎么串起来是个问题。最简单的是串行A 做完做 BB 做完做 C。但真实工作流往往更复杂。比如新站上线这个工作流关键词调研和竞品拆解是可以并行的两者都完成后才进入内容规划。内容规划完成后文案生成和 FAQ schema 又可以并行。这种并行能大幅缩短整体时间。还有条件分支。比如 CRO 分析技能跑完后如果发现是首屏问题走首屏优化分支如果是表单问题走表单优化分支。这个判断逻辑要写在工作流里而不是让 AI 每次临时决定。我的建议是工作流用 Markdown 写清楚每一步标注依赖哪些前置步骤、可以并行还是必须串行、什么条件下走哪个分支。这样 AI 执行时有据可依你排查问题时也有据可查。5.2 调试技能怎么知道是技能写错了还是模型不行技能跑出来的结果不对很多人第一反应是模型不行。但根据我的经验八成是技能写得有问题模型只是执行者。排查顺序应该是这样的第一看输入对不对。很多时候是上游技能输出的数据格式不对导致下游技能拿到垃圾。第二看步骤清不清晰。如果 SKILL.md 里某一步写得模糊AI 就会自由发挥。第三看输出规范有没有明确。没规定格式AI 就按自己喜好来。第四才是考虑换模型或者调参数。我一般会在技能里加一个自检步骤让 AI 在输出前先检查自己的结果是否符合规范。这个自检步骤能拦下大部分低级错误。5.3 几个高频故障和它们的根因下面这几个问题是我在实际使用中遇到频率最高的列出来给你省点时间。故障现象可能根因处理方式技能输出格式乱输出规范没写清楚在 SKILL.md 里加格式示例数据抓取失败目标页面结构变了加降级逻辑抓不到就用备用源结果前后矛盾技能之间没有共享上下文在工作流里显式传递关键变量执行到一半停了步骤太长超出上下文拆成多个子技能分步执行输出内容空洞输入信息不足在输入契约里增加必填项提示遇到执行到一半停了的情况不要急着怪模型。先看看是不是你的技能步骤太长一次要处理的信息超出了上下文窗口。拆步骤是最有效的解法。5.4 关于本地模型和第三方接入的一点经验热搜词里有很多关于接入本地模型、第三方 API 的讨论。我的看法是做 marketingskills 这类项目模型能力直接决定产出质量。营销内容需要理解语境、把握语气、做判断这些对模型能力要求不低。本地模型的好处是数据不出本地、成本可控但目前在复杂营销任务上的表现跟头部模型还有差距。我的建议是分场景用简单的格式转换、数据清洗本地模型够用需要判断和创意的环节用能力更强的模型。至于具体怎么接入不同环境的配置方式不一样核心是搞清楚你的调用链路把模型当成一个可替换的组件来设计这样换模型时不用重写技能。6. 我踩过的坑和几条实在的建议6.1 别一上来就追求全自动我刚开始做这套东西的时候野心很大想让 AI 从关键词调研一路自动做到内容发布。结果就是每个环节都做得半吊子最后产出质量惨不忍睹。后来我调整了策略先做半自动人机协作跑顺了再逐步自动化。具体来说先让 AI 做调研和初稿人来审核和定稿。等某个环节的产出稳定了再把它接入全自动流程。这样每一步都可控出问题也能快速定位。这个思路在营销场景里尤其重要因为营销内容直接面向用户质量不过关会伤品牌。宁可慢一点也别让 AI 的垃圾内容上线。6.2 数据源要留后手做 SEO 和 CRO数据源是命脉。但任何单一数据源都可能出问题接口变了、限流了、页面改版了。我踩过的坑是整个技能依赖一个数据源结果那个源一挂整条工作流全瘫。现在的做法是每个关键数据源都配一个备用方案。主源抓不到自动降级到备用源。备用源也没有就明确报错而不是让 AI 编数据。这一点在技能设计时就要考虑进去别等出事了再补。6.3 技能要定期复盘和迭代营销环境变化很快去年有效的关键词策略今年可能就失效了。所以技能不是写完就完事要定期复盘。我的习惯是每个月看一次各技能的产出质量重点看三个指标产出被采纳的比例、人工修改的幅度、以及最终的业务效果。如果某个技能产出老是要大改说明技能本身该升级了。如果某个技能产出稳定但业务效果一般说明可能选错了优化方向。6.4 关于独立站谷歌 SEO这件事的几句实话热搜词里什么是独立站谷歌seo出现多次说明很多新手在入门。我借这个机会说几句实在的。独立站做谷歌 SEO核心不是技术是内容能不能解决用户的真实问题。技术层面的东西结构化数据、页面速度、内链这些都是加分项但前提是你的内容本身有价值。我见过太多站技术优化做得漂漂亮亮内容却是拼凑的排名上不去。marketingskills 这类工具能帮你提高效率但它替代不了你对用户的理解。工具负责把重复劳动干掉你负责想清楚用户到底要什么。这个分工搞清楚了工具才真正有用。6.5 最后分享一个提高技能产出质量的小技巧在 SKILL.md 里加一段反例。也就是明确告诉 AI以下这些是错误示范不要这样输出。比如做 FAQ schema 技能时我会写不要生成我们的产品很好这类自夸式答案要生成直接回答用户疑问的答案。这个反例机制的效果出乎意料地好。因为 AI 对不要做什么的敏感度有时候比要做什么还高。你给它一个具体的错误示范它就能避开那个坑。这个技巧成本极低但收益很明显建议你在每个技能里都试试。