企业官网建设流程全解析

1. 从“marketingskills”说起：一个被低估的增长工具箱

第一次看到marketingskills这个词，很多人会以为它只是某个营销课程的资料包，或者一份“技能清单”。但如果你最近在折腾 Claude Code、AI agents，或者正在给独立站做 SEO、CRO 和数据分析，就会发现这个词背后其实藏着一套非常实用的东西——它更像是一个把营销动作“技能化”“模块化”，再交给 AI agent 去执行的思路集合。

我最早接触这个概念，是在给一个独立站做增长诊断的时候。当时团队里有人提出：能不能把 SEO 审计、落地页转化分析、关键词聚类、竞品监控这些重复性极高的活儿，拆成一个个可复用的“技能包”，然后让 Claude Code 这类 AI agent 按需调用？这个想法听起来有点理想化，但真正动手之后，我发现它比想象中落地得多。marketingskills的核心价值，不在于它提供了多少现成的模板，而在于它把营销工作中那些“靠经验、靠手感”的环节，变成了可以被描述、被拆解、被自动化的技能单元。

这篇文章适合三类人看：第一类是自己做独立站、需要同时兼顾 SEO 和转化的运营者；第二类是正在用 Claude Code 或类似 AI agent 工具做工作流自动化的开发者；第三类是对“营销技能工程化”这个方向感兴趣、想看看别人怎么落地的人。不管你是刚装好 Claude Code 的新手，还是已经在用 AI agents 跑任务的老手，下面这些内容都能直接拿去参考。

我会从整体设计思路讲起，然后拆解核心技能模块的实现方式，再给出完整的实操流程和参数配置，最后把我踩过的坑和排查经验整理出来。全程不绕弯子，能抄作业的地方直接给配置，需要理解原理的地方我会用生活化的类比讲清楚。

2. 整体设计思路：为什么要把营销技能“拆包”

2.1 营销工作的痛点：重复、碎片、难沉淀

做营销的人都有一个共同的感受：每天忙得要死，但真正沉淀下来的东西很少。今天写一篇 SEO 文章，明天调一个落地页的 CTA 按钮，后天拉一份关键词报表，每一件事看起来都不难，但加在一起就变成了无底洞。更麻烦的是，这些工作之间往往没有形成闭环——SEO 带来的流量，落地页接不住；落地页收集的线索，分析跟不上；分析出来的结论，又很难反哺到下一轮内容生产。

这个问题的根源，不是人不够努力，而是营销动作太“碎”了。每一个动作都依赖具体的工具、具体的平台、具体的经验，换一个人、换一个项目，之前的积累就很难复用。marketingskills想解决的，正是这个“碎片化”的问题。它的思路很直接：把营销工作中高频、重复、有明确输入输出的环节，抽象成一个个独立的“技能”，每个技能都有清晰的触发条件、执行步骤和输出格式。

打个比方，传统营销像是请一个全能厨师，什么菜都能做，但换一家餐厅就得重新适应；而marketingskills更像是把菜谱拆成标准化的料理包，每个料理包只负责一道工序，谁来操作都能保证基本水准。这个类比不完全准确，但能帮你快速理解它的定位。

2.2 为什么选择 Claude Code 作为执行载体

把技能拆包之后，接下来要解决的问题是：谁来执行这些技能？这里就涉及到工具选型。市面上能做自动化执行的工具不少，Zapier、Make、n8n 都能串流程，但它们更适合“触发-动作”型的线性任务，对于需要理解上下文、做判断、生成内容的营销场景，就显得力不从心。

Claude Code 这类 AI agent 工具的优势在于，它不仅能执行命令，还能理解自然语言描述的任务，并且可以在执行过程中根据中间结果调整策略。举个例子，你让它“分析这个落地页的转化问题”，它不会只给你一个固定的检查清单，而是会先读取页面内容，然后根据页面类型、目标受众、当前转化数据，动态决定先看什么、再看什么。这种“带判断的执行”，才是营销技能自动化的关键。

当然，Claude Code 的安装和配置本身有一定门槛。最近很多人搜“claude code 安装”“vscode 配置 claude code”“ubuntu 配置 claude code”，说明大家对这个工具的兴趣很高，但也被环境问题卡住了。我在第 4 部分会专门讲配置，这里先记住一个原则：工具是载体，技能是核心，不要为了用工具而用工具。

2.3 技能拆包的粒度：多细才算合适

拆包粒度是设计marketingskills时最容易踩坑的地方。拆得太粗，一个技能包揽了从关键词研究到内容发布的全流程，那它本质上还是一个“大脚本”，复用性很差；拆得太细，每个技能只做一件微不足道的小事，调用次数爆炸，维护成本反而更高。

我的经验是，一个技能应该满足三个条件：第一，它有明确的输入和输出，输入可以是一段文本、一个 URL、一份 CSV，输出可以是结构化数据、一段分析结论、一个修改建议；第二，它可以在 5 到 15 分钟内完成一次执行，太短没必要拆，太长说明还可以继续分；第三，它不依赖特定项目的私有数据，换句话说，换一个网站、换一个产品，这个技能依然能用。

按照这个标准，我把marketingskills分成了四大类：SEO 类、CRO 类、Analytics 类、Content 类。每一类下面再细分具体技能，比如 SEO 类下面有“关键词聚类”“标题标签审计”“内链结构分析”，CRO 类下面有“首屏信息密度检查”“CTA 文案对比”“表单字段精简建议”。这个分类不是固定的，你可以根据自己的业务重点调整。

3. 核心技能模块拆解与实操要点

3.1 SEO 技能包：从关键词到页面审计

SEO 是marketingskills里最成熟的一类技能，因为它规则相对明确、数据容易获取、效果可以量化。我目前常用的 SEO 技能包包含四个核心技能：关键词聚类、搜索意图分类、页面标题审计、内链机会挖掘。

关键词聚类这个技能，输入是一份关键词列表，输出是若干个语义相关的关键词组。传统做法是靠人工看搜索结果的相似度，或者用工具跑一遍，但工具的问题在于它只按字面相似度聚类，不理解搜索意图。用 Claude Code 执行这个技能时，我会在提示词里明确要求它“按用户搜索时想要解决的问题来分组”，而不是按词根分组。实测下来，这样聚出来的组，直接拿去做内容规划，命中率明显更高。

搜索意图分类是紧接着聚类做的。同一个关键词组里，有的词是信息型（用户想了解知识），有的是导航型（用户想找某个品牌），有的是交易型（用户准备下单）。这个分类决定了你后面写什么类型的内容。我试过让 AI 直接判断，准确率大概在八成左右，剩下的两成需要人工复核。复核的重点是那些“看起来像信息型、实际是交易型”的词，比如“best CRM software”这种，表面上是找信息，实际上用户已经在选型了。

页面标题审计这个技能，输入是一个 URL 列表，输出是每个页面的标题标签问题清单。常见问题包括：标题过长被截断、关键词堆砌、缺少品牌词、与页面内容不匹配。这个技能执行起来很快，但要注意一点：不要只看标题本身，还要结合搜索结果页的实际展示效果。有些标题在代码里看没问题，但在搜索结果里因为长度问题被截断，关键信息就丢了。

内链机会挖掘是我个人觉得最有价值的一个技能。它的逻辑是：读取网站的所有页面内容，找出内容相关但当前没有互相链接的页面组合，然后给出内链建议。这个技能执行一次可能需要几分钟，但产出的建议往往能带来意想不到的流量提升。我踩过的坑是：一开始只让 AI 看标题和 URL，结果它给出的建议很泛；后来改成让它读取页面正文的前 500 字，建议质量立刻上来了。

3.2 CRO 技能包：让落地页自己说出问题

CRO（转化率优化）比 SEO 更依赖具体场景，因为转化率高低跟产品类型、受众特征、流量来源都有关系。但这不代表 CRO 不能技能化。我的做法是把 CRO 拆成“诊断类”和“建议类”两种技能，诊断类负责发现问题，建议类负责给出修改方案。

首屏信息密度检查是一个典型的诊断技能。输入是一个落地页 URL，输出是首屏（用户不滚动就能看到的部分）包含的信息点清单，以及每个信息点的优先级评估。这个技能的关键在于“信息密度”的定义——不是信息越多越好，而是要在有限空间里回答用户最关心的三个问题：这是什么、对我有什么好处、我下一步该做什么。我见过很多落地页，首屏塞了五六个卖点，结果用户一个都没记住。

CTA 文案对比是建议类技能。输入是当前 CTA 文案和页面上下文，输出是三个备选文案，并说明每个备选文案的适用场景。这个技能执行起来很快，但要注意：AI 给出的文案往往偏“标准答案”，缺少品牌个性。我的做法是让 AI 先给出备选，然后我自己再根据品牌调性改一遍。这样既提高了效率，又保留了品牌感。

表单字段精简建议这个技能，专门针对那些转化率卡在表单环节的页面。输入是当前表单的所有字段，输出是“必填字段建议”“可选字段建议”“可以删除的字段”。这个技能背后的逻辑是：每增加一个字段，转化率就会下降一点。但具体下降多少，跟字段类型有关。邮箱和姓名的影响相对小，电话号码和公司名称的影响就大得多。我一般会建议客户先删掉那些“看起来有用但实际没人看”的字段，比如“您是从哪里了解到我们的”。

3.3 Analytics 技能包：把数据变成可执行的结论

Analytics 类技能的核心挑战是：数据本身不会说话，需要有人把它翻译成业务语言。marketingskills里的 Analytics 技能，做的就是翻译工作。

流量来源归因分析是一个基础技能。输入是 Google Analytics 或类似工具的导出数据，输出是各渠道的贡献度排名，以及“哪些渠道被高估、哪些被低估”的判断。这个技能执行时要注意：不同归因模型会得出不同结论，所以我在提示词里会明确要求 AI 使用“最后一次非直接点击”模型，并且说明这个模型的局限性。

页面转化漏斗诊断是更进阶的技能。输入是漏斗各环节的转化数据，输出是“最大流失环节”和“可能原因”。这个技能的价值在于，它能帮你快速定位问题，而不是对着整份报表发呆。我一般会把这个技能和 CRO 技能包配合使用：先用 Analytics 技能找到流失最严重的页面，再用 CRO 技能诊断这个页面的具体问题。

关键词排名波动监控是一个偏运维的技能。输入是目标关键词列表和当前排名数据，输出是“排名下降超过阈值的关键词”和“可能原因”。这个技能适合定期执行，比如每周一次。我踩过的坑是：一开始阈值设得太敏感，稍微波动就报警，结果噪音太多；后来改成“连续两周下降超过 5 位”才触发，信噪比好多了。

3.4 Content 技能包：从选题到初稿的流水线

Content 类技能是marketingskills里最接近“内容生产”的部分，但它的重点不是让 AI 直接写完整文章，而是把内容生产拆成选题、大纲、初稿、优化四个环节，每个环节用一个技能来处理。

选题生成技能，输入是目标关键词组和受众画像，输出是 10 个具体的文章选题，每个选题附带搜索意图和预估难度。这个技能的关键是“具体”——不要给“SEO 优化技巧”这种泛泛的选题，要给“独立站产品页 SEO 优化的 7 个检查点”这种可以直接动笔的选题。

大纲生成技能，输入是选定的选题，输出是三级大纲，包括每个部分的核心论点和支撑材料。这个技能执行时，我会要求 AI 标注“哪些部分需要数据支撑”“哪些部分需要案例”。这样后面写初稿时，就知道哪里该找数据、哪里该找案例。

初稿生成技能，输入是大纲和品牌调性说明，输出是文章初稿。这个技能我一般不直接使用，因为 AI 写的初稿往往“正确但无聊”。我的做法是让 AI 先写一版，然后我自己重写开头和结尾，中间部分保留 AI 的结构和论据。这样效率比纯手写高很多，质量又比纯 AI 写好很多。

内容优化技能，输入是已有文章和目标关键词，输出是优化建议清单，包括标题调整、关键词密度、内链机会、可读性改进。这个技能适合用来做“旧文翻新”，我试过把几篇流量下滑的老文章跑一遍，按照建议修改后，流量确实有回升。

4. 实操过程：从环境配置到技能调用

4.1 Claude Code 的安装与配置要点

在开始搭建marketingskills之前，你需要先把 Claude Code 跑起来。最近很多人搜“claude code 安装”“claude code 下载”“vscode 配置 claude code”，说明这一步确实卡住了不少人。我把自己在 Mac、Ubuntu、Windows 三个环境下的配置经验整理一下。

Mac 环境下，最常见的坑是权限问题。如果你在安装过程中遇到“无法下载”或“权限不足”的提示，先检查一下当前用户是否有对目标目录的写权限。我的做法是专门建一个工作目录，比如~/workspace/marketingskills，然后确保这个目录的权限是当前用户可读写。另外，Mac 上如果开了某些安全软件，可能会拦截安装过程，临时关闭一下再装。

Ubuntu 环境下，主要问题是依赖缺失。Claude Code 运行需要 Node.js 环境，我建议用 nvm 来管理 Node 版本，而不是直接用系统自带的。这样后面切换版本方便，也不会污染系统环境。安装完 Node 之后，再装 Claude Code，基本就不会有依赖问题了。

Windows 环境下，建议用 WSL2 而不是原生 Windows。原生 Windows 下路径分隔符、权限模型都跟 Unix 不一样，容易出各种奇怪的问题。WSL2 里跑 Ubuntu，然后按照 Ubuntu 的方式配置，省心很多。如果你非要用原生 Windows，那至少把工作目录放在一个没有空格的路径下，比如C:\workspace\marketingskills，不要放在“我的文档”这种带中文和空格的路径里。

VS Code 配置方面，核心是装好 Claude Code 的扩展，然后在设置里指定工作目录和模型参数。如果你用的是在线升级版本，注意每次升级后检查一下配置文件是否被重置。我遇到过升级后 API 密钥丢失的情况，后来养成了升级前先备份配置的习惯。

注意：如果你在安装过程中看到“claude code might not be available in your country”之类的提示，不要慌，这通常是网络环境或区域设置的问题。检查一下你的系统区域设置和网络连接，确保能正常访问所需的资源。

4.2 技能目录结构设计

Claude Code 跑起来之后，下一步是设计marketingskills的目录结构。我的做法是按“技能类别/技能名称”两级目录来组织，每个技能目录下放三个文件：skill.md（技能描述和提示词）、input.example（输入示例）、output.example（输出示例）。

marketingskills/ ├── seo/ │ ├── keyword-clustering/ │ │ ├── skill.md │ │ ├── input.example │ │ └── output.example │ ├── title-audit/ │ └── internal-link/ ├── cro/ │ ├── above-fold-check/ │ ├── cta-compare/ │ └── form-simplify/ ├── analytics/ │ ├── traffic-attribution/ │ └── funnel-diagnosis/ └── content/ ├── topic-generation/ └── outline-generation/

这个结构的好处是清晰、可扩展。新增一个技能，只需要在对应类别下建一个目录，放三个文件就行。skill.md里写清楚这个技能是干什么的、输入是什么、输出是什么、执行时要注意什么。input.example和output.example用来做测试和文档，也方便后面交接给别人。

4.3 一个完整技能的执行记录：关键词聚类

下面以“关键词聚类”这个技能为例，完整走一遍执行流程。

输入准备：我从 Google Search Console 导出了一份过去 90 天的查询报告，筛选出展示次数大于 100 的关键词，一共 237 个。导出格式是 CSV，包含“查询词”“展示次数”“点击次数”“平均排名”四列。

技能调用：在 Claude Code 里，我输入指令：“执行 seo/keyword-clustering 技能，输入文件是data/queries.csv，按搜索意图分组，每组给出一个建议的内容主题。”

执行过程：Claude Code 先读取 CSV 文件，然后逐个分析关键词的搜索意图。它会把“what is”“how to”“guide”这类词归为信息型，把“buy”“price”“discount”归为交易型，把“login”“download”“official”归为导航型。对于模棱两可的词，它会结合上下文判断，比如“best CRM for small business”虽然包含“best”，但实际意图是交易型，因为用户已经在选型了。

输出结果：最终输出了 12 个关键词组，每组 15 到 25 个词，附带建议的内容主题。比如有一组词围绕“独立站 SEO 检查清单”，建议的内容主题是“独立站上线前必须做的 15 项 SEO 检查”。这个主题直接拿去做内容规划，不需要再加工。

参数调整：第一次执行时，我发现有些组太大，一个组里混了信息型和交易型两种意图。后来我在提示词里加了一句“如果一组内出现意图冲突，拆成两组”，问题就解决了。这个调整看起来很小，但输出质量提升很明显。

4.4 技能串联：把单个技能变成工作流

单个技能用起来之后，下一步是把它们串成工作流。我的做法是用一个“主控技能”来调度其他技能。比如“月度 SEO 健康检查”这个主控技能，会依次调用“关键词排名波动监控”“页面标题审计”“内链机会挖掘”三个子技能，然后把结果汇总成一份报告。

主控技能的提示词里，我会写清楚调用顺序和依赖关系。比如“先执行排名监控，如果发现下降超过阈值的关键词，再对这些关键词对应的页面执行标题审计”。这样整个流程就是动态的，而不是死板的线性执行。

串联时要注意一点：每个子技能的输出格式要统一，否则主控技能汇总时会很麻烦。我的做法是要求所有技能的输出都用 Markdown 表格或 JSON 格式，这样后面无论是人工看还是程序处理，都很方便。

5. 常见问题与排查技巧实录

5.1 技能执行失败的常见原因

这个表格是我在实际操作中总结出来的，基本上覆盖了八成以上的问题。其中“输出格式混乱”是最常见的，尤其是当你从网上抄了一个提示词，但没有仔细看它的输出要求时。我的建议是：每个技能的skill.md里，都要有一段“输出格式”说明，并且给出一个具体的示例。

5.2 提示词工程的三个实用技巧

第一个技巧是“角色设定”。在提示词开头加上“你是一名有 10 年经验的 SEO 顾问”，输出质量会明显不一样。这不是玄学，而是因为角色设定会影响模型对任务的理解深度。我试过同一个任务，加角色设定和不加，输出的详细程度差了一倍。

第二个技巧是“分步指令”。不要一次性让 AI 做太多事，而是拆成“第一步做什么、第二步做什么”。比如关键词聚类，我会写成“第一步，读取所有关键词；第二步，按搜索意图分组；第三步，为每组生成一个内容主题；第四步，按组大小排序”。这样 AI 不容易漏步骤，输出也更稳定。

第三个技巧是“负面约束”。明确告诉 AI“不要做什么”，往往比告诉它“要做什么”更有效。比如“不要按词根分组”“不要使用专业术语”“不要给出超过 20 个词的分组”。这些约束能帮你避开很多常见的坑。

5.3 数据安全与隐私注意事项

用 AI agent 处理营销数据时，数据安全是一个绕不开的问题。我的原则是：敏感数据不上传，必要数据脱敏后再用。比如客户名单、订单数据、用户邮箱这些，绝对不要直接丢给 AI 处理。如果确实需要分析，先做脱敏，把真实姓名换成“用户 A”“用户 B”，把邮箱换成“user1@example.com”。

另外，技能文件里不要硬编码 API 密钥、数据库密码这些敏感信息。我的做法是用环境变量来管理，技能文件里只写变量名，不写具体值。这样即使技能文件被分享出去，也不会泄露敏感信息。

提示：如果你在团队里共享marketingskills目录，建议先过一遍所有文件，确保没有包含任何敏感信息。我见过有人把包含 API 密钥的配置文件一起提交到代码仓库，结果被公开了，教训很深刻。

5.4 技能迭代与版本管理

marketingskills不是一次性的东西，它需要持续迭代。我的做法是给每个技能目录加一个CHANGELOG.md，记录每次修改的内容和原因。比如“2024-01-15：调整关键词聚类提示词，增加意图冲突拆分逻辑”。这样后面回头看，就知道每个改动是为了解决什么问题。

版本管理方面，我建议用 Git 来管理整个marketingskills目录。每次修改技能后提交一次，写清楚提交信息。这样如果某个改动导致输出质量下降，可以快速回滚。我踩过的坑是：有一次改了一个提示词，结果输出质量明显下降，但因为没做版本管理，花了半天才找回原来的版本。

6. 我个人的实操体会与后续扩展方向

这套marketingskills我从去年开始用，到现在大概跑了上百次技能调用，最大的体会是：它不会让你变成营销专家，但能让你从重复劳动里解放出来，把时间花在真正需要判断力的事情上。比如关键词聚类，以前我要花两三个小时手动分组，现在十分钟跑完，剩下的时间可以用来思考“这些关键词背后用户到底想要什么”。

另一个体会是：技能的质量取决于你对业务的理解深度。同样一个“标题审计”技能，如果你对 SEO 的理解只停留在“标题里要包含关键词”，那 AI 给出的建议也会很浅；如果你知道“标题要匹配搜索意图、要区分品牌词和非品牌词、要考虑移动端展示效果”，那 AI 的输出就会深很多。工具是放大器，它放大的是你自己的能力。

后续我打算往两个方向扩展。一个是增加“竞品监控”类技能，定期抓取竞品的页面变化、内容更新、外链增长，然后生成对比报告。另一个是增加“多语言 SEO”技能，针对不同语言市场做关键词研究和内容适配。这两个方向都还在试验阶段，等跑通了再分享。

最后分享一个小技巧：如果你刚开始搭建自己的marketingskills，不要贪多，先选一个你最熟悉的场景，比如“落地页 CRO 诊断”，把它拆成两三个技能，跑通之后再扩展。我见过有人一上来就建了二十个技能目录，结果每个都半途而废。少即是多，跑通一个比建十个空壳有用得多。