1. 从marketingskills这个标题说起一个被低估的AI营销技能库第一次看到marketingskills这个标题的时候我脑子里冒出来的第一个念头是这大概率又是一个把营销方法论包装成课程的项目。但结合关键词里的 Claude Code、AI agents、SEO、CRO、analytics 这几个词我意识到它讲的其实是另一件事——如何把营销工作中那些重复、琐碎、需要经验判断的环节拆解成 AI agent 可以执行的技能模块。这个方向在 2024 年下半年开始变得非常具体。原因很简单Claude Code 这类终端里的 AI 编程代理本质上是一个能读写文件、能执行命令、能调用外部工具的通用执行器。它本身不懂营销但如果你把营销的 SOP 写成它看得懂的技能文件它就能变成一个不知疲倦的营销执行助手。marketingskills 这个项目要解决的正是从通用 AI 代理到垂直营销能力之间的那层翻译问题。我写这篇东西的出发点是过去几个月里我自己在折腾 Claude Code 做 SEO 内容生产、落地页 CRO 分析、以及数据报表自动化时踩过的一堆坑。这些坑在官方文档里基本不会写但在实际跑起来的时候一个都躲不掉。所以下面我会把 marketingskills 这个思路拆开讲清楚它到底由哪些技能模块构成、每个模块背后的原理是什么、怎么落地、以及哪些地方最容易翻车。适合读这篇的人有三类一是做独立站、需要自己搞定 SEO 和转化的运营二是想把 AI agent 接入现有营销工作流的技术同学三是单纯好奇AI 到底能不能干营销的从业者。不管你是哪一类我都会尽量把话说透不绕弯子。2. marketingskills 的技能模块拆解营销工作到底能被拆成什么2.1 为什么营销适合被拆成技能而不是提示词大多数人用 AI 做营销的方式是写提示词打开对话框输入帮我写一篇关于 XX 的 SEO 文章然后复制粘贴结果。这种方式的问题在于它把整个营销流程压缩成了一次性的对话没有记忆、没有复用、没有质量控制。marketingskills 的思路完全不同。它把营销工作拆成一个个有明确输入、明确输出、明确判断标准的技能单元。比如生成一篇符合搜索意图的文章这个任务会被拆成关键词意图分析、SERP 竞品结构提取、大纲生成、正文撰写、内链建议、元描述生成、结构化数据注入。每一个环节都是一个独立的技能文件AI agent 按顺序调用它们。这么拆的好处有三个。第一可调试如果最终文章质量不行你能定位到是意图分析错了还是大纲结构错了而不是笼统地说AI 写得不好。第二可复用意图分析的技能可以用在文章上也可以用在落地页上。第三可积累每次跑完一个技能你可以把好的输出沉淀成示例下次作为 few-shot 喂回去质量会越跑越稳。我自己的经验是一个成熟的 marketingskills 库大概包含 15 到 25 个技能文件覆盖 SEO、CRO、analytics 三大块。下面我按这三块分别讲。2.2 SEO 技能组从关键词到结构化数据的完整链路SEO 是 marketingskills 里最成熟的一块因为它天然是规则驱动 数据驱动的特别适合 AI agent 执行。我把它拆成这么几个技能关键词意图分类技能。输入是一批关键词输出是每个词属于信息型、导航型、商业型还是交易型。这个判断直接决定了后面内容的形式。信息型词要写深度长文交易型词要做对比表格和 CTA。很多人 SEO 做不好第一步就错在这里——用写教程的方式去写产品页或者反过来。SERP 结构提取技能。给定一个关键词去分析搜索结果前十里都是什么类型的页面是列表页、对比页、教程页还是工具页。这个技能的核心不是抓取而是归纳出搜索引擎认为这个查询应该被什么形式的内容满足。我实测下来这一步对内容形式的判断准确率比人拍脑袋高得多。大纲生成技能。结合前两步的输出生成一个包含 H2/H3 层级、每节要点、目标字数的结构化大纲。这里有个细节大纲里要标注每一节对应的搜索意图子问题这样写正文的时候不会跑偏。正文撰写技能。这是最容易被低估的一环。好的正文技能不是写得好而是写得符合 E-E-A-T 信号——有具体数据、有第一手经验、有明确的作者视角。我在技能文件里会强制要求每 300 字至少出现一个具体数字或案例。结构化数据注入技能。这就是热词里提到的 FAQPage 结构化数据。它的原理是在页面 HTML 里用 JSON-LD 格式标注问答对让搜索引擎能直接读取。FAQPage 类型的结构化数据特别适合XX 是什么XX 怎么做这类问答型内容。但要注意不是所有页面都适合加 FAQPage滥用会被判定为垃圾标记。内链建议技能。分析站内已有内容为新文章推荐 3 到 5 个内链锚点和目标 URL。这个技能的价值在于它能把孤立的文章串成主题集群这对整站的权重传递非常关键。2.3 CRO 技能组把落地页当成一个可测试的假设CRO转化率优化在 marketingskills 里的定位和 SEO 不太一样。SEO 是让更多人进来CRO 是让进来的人做我们想让他做的事。它的技能设计更偏向分析和假设生成。落地页结构审计技能。输入是一个落地页的 HTML 或截图描述输出是对首屏、价值主张、社会证明、CTA、信任元素这五个维度的评分和问题清单。这个技能的判断标准来自经典的转化框架但用 AI 执行的好处是它能一次性看完整个页面不会像人一样只盯着自己关心的部分。A/B 测试假设生成技能。基于审计结果生成 3 到 5 个可测试的假设每个假设包含改动点、预期影响、衡量指标、最小样本量估算。这里有个坑很多人做 A/B 测试只改按钮颜色这种改动通常没有统计显著性。好的假设应该改的是价值主张或页面结构这种大颗粒度的东西。文案变体生成技能。针对标题、副标题、CTA 按钮文案生成多个变体。这个技能的关键是变体之间要有明确的变量差异而不是换几个同义词。比如一个变体强调价格一个强调速度一个强调社会证明这样才能测出到底哪个诉求更打动人。2.4 Analytics 技能组让数据自己说话Analytics 这块最容易被做成报表生成器但那样就浪费了 AI agent 的能力。我设计的 analytics 技能组更偏向异常检测和归因分析。流量异常检测技能。输入是 GA4 或类似工具的导出数据输出是哪些渠道/页面/关键词出现了超出正常波动的变化。这个技能的核心是设定合理的基线——用过去 4 周的同期数据做对比而不是简单看环比。转化漏斗诊断技能。把用户从进入到转化的路径拆成若干步骤找出流失最严重的环节。这个技能要结合页面行为数据比如某个步骤的跳出率突然升高就要去看那个页面对应的内容是不是出了问题。内容 ROI 归因技能。把内容生产投入和带来的自然流量、转化做关联算出每篇内容的性价比。这个技能对内容团队特别有用能帮你决定下一季度该多写什么、少写什么。3. 把 marketingskills 跑起来Claude Code 环境下的落地路径3.1 环境准备为什么我推荐在终端里跑而不是在 IDE 里Claude Code 有几种使用形态终端命令行、VS Code 插件、桌面版。做 marketingskills 这类项目我强烈建议用终端形态。原因很实际营销技能经常需要读写文件、调用外部命令比如跑一个 Python 脚本处理 CSV、批量处理多个文件。终端形态对这些操作的支持最直接而 IDE 插件更适合写代码时的即时补全。安装本身不复杂但有几个细节值得说。第一安装前确认你的系统架构热词里提到的与 64 位版本的 Windows 不兼容这类问题通常是因为装错了架构版本。第二安装完成后先跑一次claude --version确认能正常调用再开始配置技能目录。第三如果你在 Ubuntu 或 Mac 上注意 shell 的 PATH 配置很多人装完了发现命令找不到就是 PATH 没生效。关于模型接入Claude Code 默认走官方模型但也可以通过配置接入其他模型。这里我不展开具体配置因为不同模型的接入方式差异很大而且涉及账号和地区的问题。我的建议是先用默认配置把技能跑通确认工作流没问题再考虑换模型。很多人一上来就折腾模型接入结果技能本身没写好换了模型也救不回来。3.2 技能文件的组织方式目录结构决定可维护性marketingskills 的核心是技能文件。我用的目录结构是这样的marketingskills/ ├── seo/ │ ├── keyword-intent.md │ ├── serp-analysis.md │ ├── outline-gen.md │ ├── content-write.md │ ├── schema-inject.md │ └── internal-link.md ├── cro/ │ ├── page-audit.md │ ├── hypothesis-gen.md │ └── copy-variant.md ├── analytics/ │ ├── anomaly-detect.md │ ├── funnel-diagnose.md │ └── content-roi.md └── shared/ ├── brand-voice.md └── output-format.md每个技能文件是一个 Markdown 文档包含四个部分技能描述、输入格式、执行步骤、输出格式。shared目录放的是跨技能共用的东西比如品牌语气规范、输出格式约定。这样设计的好处是改一次品牌语气所有技能都跟着变不用一个个改。我踩过的一个坑是一开始把所有技能塞进一个大文件结果 AI agent 每次都要读一大堆无关内容既慢又容易跑偏。拆成独立文件后agent 只在需要的时候读对应的技能效率和准确率都上来了。3.3 一个完整的 SEO 技能执行示例拿生成一篇 SEO 文章这个任务来说完整的执行链路是这样的第一步调用keyword-intent.md输入关键词列表输出每个词的意图分类。假设我们做的是独立站谷歌 SEO这个词意图分类结果是信息型 商业型混合。第二步调用serp-analysis.md分析这个词的搜索结果。输出是前十里 6 个是教程类文章2 个是工具页2 个是问答社区。结论是搜索引擎偏好教程类内容但工具页也有机会。第三步调用outline-gen.md结合前两步输出生成大纲。大纲会包含什么是独立站 SEO和平台电商 SEO 的区别核心优化步骤常见误区等章节。第四步调用content-write.md按大纲逐节撰写。这里我会在技能文件里强制要求每节开头先给结论再展开论证每 300 字至少一个具体数据或案例。第五步调用schema-inject.md为文章中的问答部分生成 FAQPage 结构化数据。注意只有真正是问答形式的内容才加硬凑的问答会被搜索引擎识别出来。第六步调用internal-link.md推荐内链。这一步需要 agent 能访问站内内容清单所以我会提前把站点地图导出成一个文件放在项目目录里。整个链路跑下来一篇 2000 字左右的文章大概需要 5 到 10 分钟取决于模型响应速度。人工写的话同样的质量大概要 2 到 3 小时。效率提升是明显的但前提是技能文件写得好。4. 那些官方文档不会告诉你的坑4.1 结构化数据不是加了就有用FAQPage 结构化数据是热词里被问得最多的一个点。很多人以为只要在页面里加上 JSON-LD 代码搜索结果里就会出现问答折叠框。实际情况是搜索引擎会判断你的问答内容是否真实、是否对用户有价值。如果你的 FAQ 是为了加标记而硬编出来的不仅不会展示还可能被判定为垃圾标记。我的做法是只在页面上确实有用户高频提问、且答案有实质内容的地方加 FAQPage。而且问答对的数量控制在 3 到 5 个太多反而稀释价值。另外FAQ 的答案要写得完整不要为了简洁而省略关键信息因为搜索引擎会直接展示这段答案。还有一个细节FAQPage 标记的答案里不要放链接和促销信息这会让它看起来像广告而不是问答。4.2 AI 生成内容的味道问题用 AI 写 SEO 内容最大的风险不是被搜索引擎惩罚而是内容没有辨识度。我读过大量 AI 生成的营销文章它们的共同问题是结构工整但空洞每段都对但连起来没有观点。解决这个问题的关键不在模型而在技能文件。我在content-write.md里加了几条硬性要求第一每篇文章必须有一个明确的反常识观点比如大多数人做 SEO 第一步就错了第二必须包含至少一个我自己的实操案例哪怕是失败的第三禁止使用随着...的发展在当今...的背景下这类套话。这几条加进去之后文章的可读性明显提升。因为 AI 不缺写作能力缺的是立场和具体性而这两样东西是可以通过技能文件约束出来的。4.3 技能之间的依赖关系容易乱当技能数量超过 10 个之后依赖关系会变得复杂。比如content-write.md依赖outline-gen.md的输出而outline-gen.md又依赖keyword-intent.md和serp-analysis.md。如果中间某个技能的输出格式变了后面的技能就会崩。我的解决方案是在shared/output-format.md里定义所有技能的标准输出格式每个技能文件开头都引用这个格式规范。这样改格式只需要改一个地方。另外我会在技能文件里明确写本技能的输出将作为 XX 技能的输入让依赖关系显式化。4.4 数据隐私和内容安全用 AI agent 处理营销数据时有几个地方要特别注意。第一不要把包含用户个人信息的原始数据直接喂给 agent先做脱敏。第二涉及商业机密的数据比如具体的转化率、客单价要评估是否适合放进技能文件。第三如果 agent 需要访问外部 API要确认 API 的调用权限和数据使用条款。我自己的做法是技能文件里只放方法论和格式规范具体数据通过临时文件传入用完即删。这样既保证了技能的可复用性又避免了数据泄露风险。5. 从技能库到工作流怎么让 marketingskills 真正产生价值5.1 单点技能 vs 完整工作流刚开始做 marketingskills 的时候我犯过一个错误把每个技能都打磨得很精细但它们之间是孤立的。结果是我有一堆好用的工具但每次用都要手动串联效率提升有限。后来我意识到真正的价值不在单个技能而在工作流。所谓工作流就是把多个技能按固定顺序串起来中间不需要人工干预。比如每周内容生产这个工作流周一自动拉取上周的搜索表现数据识别出需要补充内容的关键词生成大纲撰写初稿注入结构化数据最后输出一份待审核清单。这个工作流跑起来之后我的内容团队从每周想写什么变成了每周审核什么角色从创作者变成了编辑。这才是 AI agent 对营销工作的真正改变。5.2 人工审核环节不能省虽然工作流可以自动化但发布前的审核环节绝对不能省。原因有三个第一AI 可能生成事实错误尤其是涉及具体数据和政策的内容第二AI 可能无意中生成不符合品牌调性的表达第三有些内容涉及法律和合规风险必须人工把关。我的审核清单包括事实核查所有数据是否有来源、品牌一致性语气是否符合规范、合规检查是否有绝对化用语、是否涉及敏感话题、SEO 检查标题、元描述、内链是否到位。这个清单本身也可以做成一个技能让 AI 先做一轮自检人工只处理 AI 标记出来的问题。5.3 技能库的迭代节奏marketingskills 不是一次做完就完事的它需要持续迭代。我的迭代节奏是每周复盘一次看哪些技能的输出质量下降了哪些技能被调用得最多哪些技能几乎没用过。质量下降的技能要更新示例和约束条件高频技能要考虑优化速度低频技能要么合并要么删掉。这里有个反直觉的经验技能不是越多越好。我一开始做了 30 多个技能后来发现常用的就 12 个左右。剩下的要么是场景太窄要么是和其他技能重叠。精简之后整个库的可维护性反而提升了。5.4 不同规模团队的适配方式个人运营者和团队用 marketingskills 的方式不一样。个人运营者适合轻量版只保留最核心的 5 到 8 个技能重点解决内容生产和基础 SEO。团队适合完整版技能库要覆盖 SEO、CRO、analytics 三块并且要有明确的技能负责人和迭代机制。我见过一些团队把技能库做成了内部知识库每个技能文件都有版本号和更新日志新成员入职先读技能库。这种做法虽然重但对于需要保证输出一致性的团队来说是值得的。6. 关于 AI 营销技能库的一些个人判断折腾 marketingskills 这几个月我最大的感受是AI 在营销领域的价值不在于替代人做判断而在于把人从执行中解放出来做判断。以前一个运营 80% 的时间花在写、改、调格式上20% 花在思考策略上。现在这个比例可以反过来。但这也带来一个新的问题当执行变得便宜判断的质量就成了唯一的差异化。同样是用 AI 写文章有人写出来的是千篇一律的填充物有人写出来的是有观点、有数据、有案例的干货。差别不在工具在技能文件背后那个人的经验密度。所以如果你打算做自己的 marketingskills我的建议是先别急着写技能文件先把你过去一年做得最好的那几件事复盘一遍把其中的判断标准、操作步骤、避坑经验写下来。这些才是技能文件的灵魂。工具会变模型会换但你对业务的理解是别人抄不走的。最后分享一个我最近在用的技巧我会定期把技能库的输出和人工写的版本做对比找出 AI 做得比人好的地方和做得差的地方。做得好的地方说明技能文件写到位了做得差的地方往往就是下一个需要优化的技能。这个对比过程本身就是技能库迭代的最好输入。