企业官网建设流程全解析

1. 项目缘起与核心定位

第一次看到marketingskills这个仓库名，我的直觉是：这大概率是一套围绕营销场景沉淀下来的技能包，而不是又一个泛泛而谈的“增长方法论合集”。翻进去看结构之后，基本印证了这个判断——它把营销工作中那些高频、重复、又特别依赖经验判断的环节，拆成了一个个可以被 AI agent 调用的独立技能模块。换句话说，它不是让你去学营销，而是把营销里那些“老师傅才会的活儿”变成可复用的操作单元。

这件事为什么值得单独拿出来聊？因为营销这个工种有个很尴尬的特点：入门门槛低，但做好极难。写文案谁都会写，做落地页谁都能拖拽出来，但真正能把 SEO、CRO、数据分析这几件事串起来形成闭环的人，少之又少。大部分团队的状态是：SEO 专员只管关键词排名，投放只管 ROI，产品只管转化漏斗，数据躺在各个后台没人整合。marketingskills想解决的，恰恰是这种“技能孤岛”问题——它把 SEO、CRO、Analytics 这些原本分散在不同岗位脑子里的经验，抽象成 AI agent 可以直接执行的技能，让一个人带着一套 agent 就能覆盖过去需要小团队才能完成的营销动作。

我自己的判断是，这个项目真正的价值不在于“自动化”，而在于把隐性经验显性化。比如“一个落地页的 CTA 按钮该放哪、文案该怎么写、什么情况下该做 A/B 测试而不是直接改”——这些判断过去依赖个人经验，现在被拆解成结构化的技能描述，agent 可以按图索骥地执行。对于独立开发者、小团队、或者刚转行做营销的人来说，这相当于请了一个不会累、不会情绪化的营销顾问。

适合谁来参考？三类人最该看：一是独立站站长和独立开发者，手里有产品但没预算养营销团队；二是中小团队的营销负责人，想用 AI 提效但不知道怎么把 agent 落到具体业务里；三是对 AI agent 应用感兴趣的技术人，想看看别人是怎么把领域知识封装成 agent 技能的。如果你属于这三类，下面的内容应该能给你不少可直接抄作业的东西。

2. 核心设计思路拆解

2.1 为什么是“技能包”而不是“工具集”

市面上大多数营销工具的思路是“给你一个功能，你自己去用”。比如关键词工具给你一堆搜索量数据，A/B 测试工具给你一个实验平台，分析工具给你一堆报表。但问题在于，工具不会告诉你下一步该干什么。你拿到关键词数据，还是得自己判断哪些词值得做、内容该怎么写、页面该怎么改。

marketingskills走的是另一条路：它把“判断”本身也封装进去了。每个技能不只是提供一个功能，而是包含了一套决策逻辑。比如一个 SEO 技能，它不只是帮你查关键词，而是会告诉你“这个词的竞争度适合新站还是老站”“这个搜索意图该配什么类型的内容”“标题里这个词该放前面还是后面”。这种设计思路的本质，是把营销工作从“工具操作”升级成“任务执行”——你告诉 agent 目标，它自己决定用什么工具、按什么顺序、达到什么标准。

这个选择背后的考量很实际：营销的难点从来不是工具不够用，而是不知道该用哪个工具、什么时候用、用到什么程度。技能包的设计正好补上了这一环。

2.2 技能颗粒度怎么切才合理

拆技能最怕两件事：拆得太粗，一个技能包打天下，agent 根本执行不了；拆得太细，几百个技能碎片，维护成本高到没人愿意用。marketingskills的切法我觉得比较聪明，它按营销动作的完整闭环来切，而不是按工具或渠道切。

具体来说，它大致分成了几个层次：最上层是策略类技能，比如“分析一个页面的转化瓶颈”“制定内容日历”；中间层是执行类技能，比如“写一篇符合搜索意图的文章”“优化落地页的 CTA”；底层是分析类技能，比如“解读 GA4 数据”“做关键词竞争度评估”。这种分层的好处是，agent 可以先跑策略层确定方向，再调执行层落地，最后用分析层验证效果，形成一个完整的循环。

我试过把这种思路套到自己的项目上，发现一个关键点：技能之间的输入输出必须能对接。比如策略层输出的“目标关键词列表”，格式必须和执行层需要的输入格式一致，否则 agent 就得做额外的转换，效率大打折扣。marketingskills在这一点上做得比较规范，每个技能都定义了清晰的输入输出结构，这也是它能被 agent 顺畅调用的前提。

2.3 和 Claude Code 这类 agent 工具的关系

这里得说清楚一个容易混淆的点：marketingskills本身不是 agent，它是一套给 agent 用的技能定义。你可以把它理解成一本“营销操作手册”，而 Claude Code、其他 AI agent 工具是“执行手册的人”。手册写得再细，也得有个靠谱的执行者。

为什么现在这类技能包开始有价值了？因为 agent 工具的能力到了临界点。以 Claude Code 为例，它能直接读写文件、执行终端命令、调用外部 API，这意味着 agent 不再只是“聊天”，而是能真正操作你的项目。这时候，给它一套结构化的营销技能，它就能帮你改落地页代码、生成 SEO 内容、拉取分析数据。技能包和 agent 工具是互相成就的关系：agent 越强，技能包能发挥的空间越大；技能包越细，agent 的执行效果越好。

提示：如果你还没配好 agent 环境，建议先把 Claude Code 或同类工具跑通，再来看技能包怎么用。技能包本身不依赖特定工具，但有个能执行命令的 agent 会方便很多。

3. 核心技能模块深度解析

3.1 SEO 技能：从关键词到内容的全链路

SEO 这块是marketingskills里最厚的一部分，也最值得细看。它没有停留在“查关键词”这个层面，而是把整个 SEO 工作流拆成了几个可独立调用的技能。

第一个是关键词意图分析。这个技能的核心不是给你搜索量，而是判断搜索意图。比如“best running shoes”和“how to clean running shoes”搜索量可能差不多，但前者是商业意图，后者是信息意图，对应的内容策略完全不同。技能里内置了一套意图分类逻辑，会结合关键词的修饰词、搜索结果页的特征、以及历史数据来判断。我实测下来，这套逻辑对英文关键词的判断准确率不错，中文场景可能需要根据实际情况微调。

第二个是内容结构生成。确定意图之后，技能会根据意图类型生成对应的内容框架。信息类内容偏向“问题-原因-解决方案”结构，商业类内容偏向“对比-推荐-购买引导”结构。这里有个细节值得注意：技能会考虑搜索结果的 SERP 特征，比如如果首页全是视频结果，它会建议你优先做视频内容而不是长文。这个判断逻辑很实用，因为很多人做 SEO 只看关键词难度，忽略了结果页的形态。

第三个是页面 SEO 审计。这个技能会检查页面的标题、描述、H 标签、内链、图片 alt 等要素，但它的特别之处在于按优先级排序。不是给你一堆问题让你自己判断哪个重要，而是直接告诉你“先改标题，再补内链，最后优化图片”。这个优先级逻辑是基于“改动成本 vs 预期收益”来排的，对新手特别友好。

3.2 CRO 技能：转化率优化的判断逻辑

CRO 这块我觉得是marketingskills里最有“老师傅味道”的部分。因为转化率优化这件事，工具能帮的忙有限，核心还是判断。技能包里把 CRO 拆成了几个关键判断点。

落地页诊断技能会从几个维度评估页面：价值主张是否清晰、信任信号是否足够、行动号召是否明确、摩擦点是否过多。每个维度都有具体的检查项，比如价值主张这块会看“首屏是否在 5 秒内说清楚你是谁、为谁服务、解决什么问题”。这个 5 秒标准来自大量用户行为研究，不是拍脑袋定的。

A/B 测试设计技能解决的是一个很实际的问题：很多人做 A/B 测试，测了半天发现结果不显著，或者测出来的结论没法复用。这个技能会帮你判断“当前流量是否足够支撑测试”“该测哪个变量”“测试周期该多长”。它内置了一个简单的样本量计算逻辑，会根据当前转化率和预期提升幅度，算出需要多少流量才能达到统计显著。这个计算过程很多人会忽略，导致测试结果不可信。

转化漏斗分析技能则是把用户从进入到转化的路径拆开，找出流失最严重的环节。它的特别之处是会区分不同来源的流量——同样的漏斗，来自搜索的流量和来自社交的流量，流失点可能完全不同。这个区分很重要，因为优化策略完全不一样。

注意：CRO 技能给出的建议是基于通用最佳实践的，落到具体业务时一定要结合自己的用户数据验证。我见过太多人直接照搬“最佳实践”结果转化率反而下降的案例。

3.3 Analytics 技能：让数据说人话

数据分析这块，marketingskills的思路是“先问对问题，再看数据”。很多人的问题是打开 GA4 或者后台，面对一堆报表不知道从哪看起。技能包里的分析技能会先帮你确定“当前最该关注什么指标”，然后再去拉对应的数据。

比如流量质量分析技能，它不会让你看所有渠道的数据，而是先问“你的核心转化动作是什么”，然后围绕这个动作去评估各渠道的贡献。这个思路很关键，因为不同业务的转化动作完全不同——电商看下单，SaaS 看注册，内容站看停留时长。技能会根据你定义的转化动作，自动调整分析逻辑。

内容效果评估技能则是把内容表现和业务目标挂钩。不是单纯看阅读量、停留时间这些虚荣指标，而是看“这篇内容带来了多少转化”“这些转化的用户后续行为如何”。这个视角的转变很重要，因为很多内容团队的问题就是“数据好看但不赚钱”。

归因分析技能处理的是多触点归因问题。用户可能先看了你的博客，然后搜品牌词，最后从邮件点进来下单。这个技能会帮你理清各触点的贡献，避免“最后一个点击拿走所有功劳”的常见误区。它支持几种常见的归因模型，你可以根据业务特点选择。

3.4 技能之间的协同逻辑

单独看每个技能都有价值，但marketingskills真正的威力在于技能之间的协同。我举一个完整的例子来说明这种协同是怎么发生的。

假设你要推一个新页面。流程大致是这样：先用 SEO 技能做关键词意图分析，确定目标词和内容方向；然后用内容结构生成技能搭出框架；写完内容后，用页面 SEO 审计技能检查优化点；页面上线后，用 Analytics 技能监控流量质量；如果转化不理想，用 CRO 技能诊断落地页问题；诊断出问题后，用 A/B 测试设计技能规划实验；实验结束后，再用 Analytics 技能评估效果。

这个流程里，每个技能的输出都是下一个技能的输入，形成一条完整的链路。这种设计的好处是你不需要记住所有细节，只需要知道当前该调哪个技能。对新手来说，这大大降低了上手难度；对老手来说，这提供了一个标准化的检查清单，避免遗漏。

4. 实操落地：从零跑通一套营销技能

4.1 环境准备与技能加载

要把marketingskills用起来，第一步是把它加载到你的 agent 环境里。这里以 Claude Code 为例说明大致流程，其他 agent 工具的逻辑类似。

首先确认你的 agent 工具能读取本地文件。Claude Code 这类工具通常支持指定工作目录，你把marketingskills的仓库克隆到本地后，让 agent 指向这个目录即可。具体操作上，在项目根目录下创建一个技能索引文件，把各个技能的入口和说明列出来，agent 就能按需调用。

# 克隆技能仓库到本地工作目录 git clone <marketingskills-repo-url> ./skills/marketingskills # 确认目录结构 ls ./skills/marketingskills # 预期看到 seo/ cro/ analytics/ 等子目录

加载之后，建议先跑一个简单的技能测试，确认 agent 能正确读取技能定义。比如让 agent 执行一次关键词意图分析，看它是否能按技能定义的格式输出结果。这一步很重要，因为如果技能加载有问题，后面所有操作都会受影响。

提示：不同 agent 工具对技能文件的读取方式可能不同。如果 agent 不支持直接读取目录，可以把技能定义转成它支持的格式，比如系统提示词或者工具描述。

4.2 一个完整的 SEO 内容生产流程

我拿一个实际场景来演示：假设你要为一个做项目管理工具的独立站生产一篇 SEO 内容。

第一步，调用关键词意图分析技能。输入你的目标关键词，比如“project management software for small teams”。技能会输出意图判断（商业意图）、竞争度评估、以及内容建议（对比类内容，突出小团队场景）。这一步的关键是不要跳过意图判断直接写，因为意图错了，内容写得再好也排不上去。

第二步，调用内容结构生成技能。把上一步的输出作为输入，技能会生成一个内容大纲。通常包括：开头点明小团队的痛点、中间对比几款主流工具、重点突出你的产品在小团队场景下的优势、结尾给一个明确的行动建议。这个结构不是固定的，技能会根据关键词的具体情况调整。

第三步，按大纲写内容。这一步可以人工写，也可以让 agent 辅助生成初稿。我的经验是人工定框架、agent 填细节效率最高。比如对比部分的数据和案例，让 agent 去搜集整理，你负责判断哪些信息可信、哪些该突出。

第四步，调用页面 SEO 审计技能。把写好的内容给它，它会检查标题长度、关键词密度、H 标签结构、内链机会等。输出的是一个按优先级排序的修改清单。按清单改完，基本就达到了可发布的标准。

第五步，发布后用 Analytics 技能监控。重点看两个指标：目标关键词的排名变化、页面的转化贡献。如果排名上不去，回到第一步重新评估关键词选择；如果排名好但转化差，转到 CRO 技能诊断页面。

4.3 CRO 实验的完整操作记录

再演示一个 CRO 实验的流程。假设你的落地页转化率一直上不去，想通过 A/B 测试找到原因。

首先调用落地页诊断技能。输入你的页面 URL 或内容，技能会输出一份诊断报告，列出可能的问题点。比如它可能指出“首屏的价值主张不够具体”“信任信号只有 logo 没有客户评价”“CTA 按钮在移动端被折叠到首屏以下”。这些问题会按预期影响程度排序。

然后调用 A/B 测试设计技能。把诊断出的问题作为输入，技能会帮你判断“哪个问题最值得先测”。判断逻辑是：改动成本低、预期影响大的优先。比如改 CTA 文案比重新设计整个首屏成本低得多，如果诊断显示 CTA 是主要问题，那就先测 CTA。

接下来是确定样本量。技能会根据你当前的转化率和希望检测到的最小提升幅度，算出需要的访问量。比如当前转化率 2%，希望检测到提升到 2.5%，在 95% 置信水平下大概需要每组几千个访问。如果你的流量不够，技能会建议你要么延长测试周期，要么先测影响更大的变量。

实验跑完后，用 Analytics 技能分析结果。这里有个坑要注意：不要看到数字有差异就下结论。技能会帮你判断差异是否统计显著，以及提升幅度是否值得全量上线。我见过太多人因为一周内看到 10% 的提升就全量改了，结果长期看根本没有效果。

4.4 技能组合的进阶用法

跑通单个流程之后，可以尝试把多个技能串起来做更复杂的任务。比如月度营销复盘：先用 Analytics 技能拉取当月各渠道数据，用内容效果评估技能分析哪些内容贡献最大，用 SEO 技能检查排名变化，用 CRO 技能评估落地页表现，最后让 agent 汇总成一份复盘报告。

这种组合用法的关键是定义好每个环节的输入输出格式。如果格式不统一，agent 在传递数据时就会出错。我的做法是先用一个简单的 JSON 结构定义好各技能之间的数据接口，然后在调用时严格按这个结构传参。这样即使技能更新了，只要接口不变，整个流程就不会断。

5. 常见问题与排查技巧实录

5.1 技能加载失败怎么办

最常见的问题是 agent 找不到技能文件。排查顺序是：先确认文件路径是否正确，再确认 agent 是否有读取权限，最后确认技能定义的格式是否被 agent 支持。如果 agent 报错说“无法解析技能”，大概率是格式问题，检查一下技能文件的头部定义是否符合规范。

另一个常见问题是技能加载了但 agent 不调用。这通常是因为技能的触发条件不明确。解决办法是在技能定义里写清楚“什么情况下该用这个技能”，比如“当用户提到关键词分析、搜索意图、内容规划时调用”。触发条件写得越具体，agent 的判断越准确。

5.2 输出结果不符合预期怎么调

技能输出的结果不理想，通常有三个原因：输入信息不足、技能参数没配对、或者技能本身的逻辑不适合你的场景。

输入信息不足是最常见的。比如你让 agent 做关键词分析，只给了一个词，没给目标市场、目标用户、业务类型，那输出肯定泛泛。解决办法是在调用技能前把上下文补全，该给的背景信息都给上。

参数没配对的情况，需要去看技能定义里有哪些可调参数。比如内容结构生成技能可能有“内容长度”“语气风格”“目标读者”这些参数，不设置的话就用默认值，可能不适合你的场景。

如果确认是技能逻辑不适合，可以考虑在技能基础上做二次封装。比如 SEO 技能默认按英文搜索习惯设计，你做中文站的话，可以在调用前加一层预处理，把中文关键词的特征提取出来再传给技能。

5.3 多技能协同时的数据断裂

多技能协同时最容易出的问题是数据格式不匹配。比如 SEO 技能输出的关键词列表是数组格式，CRO 技能期望的输入是对象格式，直接传就会报错。

解决办法有两个：一是在技能之间加一个转换层，用简单的脚本做格式转换；二是统一各技能的输入输出规范，在技能定义阶段就约定好数据格式。我倾向于第二种，虽然前期麻烦一点，但长期看维护成本低得多。

还有一个隐蔽的问题是技能之间的执行顺序。有些技能有依赖关系，必须先跑 A 再跑 B。如果 agent 搞错了顺序，结果就会不对。解决办法是在技能定义里写明依赖关系，或者在调用时显式指定顺序。

5.4 效果评估的常见误区

用技能包做营销，效果评估有几个坑要避开。

第一个坑是只看短期指标。SEO 内容上线后排名可能需要几周甚至几个月才起来，如果一周没看到效果就放弃，那就白做了。技能包里通常会给出预期的时间窗口，按那个来评估。

第二个坑是忽略基线。做优化之前一定要记录当前的数据作为基线，否则改完之后你不知道变化是优化带来的还是自然波动。这个基线包括流量、转化率、排名等关键指标。

第三个坑是过度归因。多个技能同时用的时候，效果提升到底是哪个技能带来的，很难分清。我的做法是一次只改一个变量，虽然慢一点，但能搞清楚什么真正有效。

5.5 我踩过的几个坑

说几个我自己实际踩过的坑，都是文档里不会写的。

第一个是技能版本混乱。我同时用了两个版本的 SEO 技能，结果 agent 有时候调新版有时候调旧版，输出格式不一致，排查了半天才发现是版本问题。后来我养成了习惯：每次更新技能后，在索引文件里明确标注版本号，并且只保留一个活跃版本。

第二个是过度依赖 agent 的判断。有次 agent 根据技能逻辑建议我改一个页面的标题，我直接改了，结果排名掉了。后来复盘发现，技能的逻辑是基于通用规则的，但那个页面有特殊的历史权重，不能随便动。这件事让我明白：技能给的是建议，最终判断还得自己做。

第三个是忽略了技能的适用边界。有些技能是针对特定类型业务设计的，比如电商和 SaaS 的 CRO 逻辑就不一样。我一开始没注意，把电商的 CRO 技能用到 SaaS 项目上，建议完全不适用。后来每次调用技能前，我都会先确认这个技能的适用场景和我的业务是否匹配。

6. 技能包的扩展与自定义

6.1 什么时候该自己写技能

用了一段时间之后，你可能会发现某些高频操作技能包里没有覆盖。这时候可以考虑自己写技能。判断标准很简单：如果某个操作你每周都要做，而且每次的决策逻辑都差不多，那就值得写成技能。

比如你做的是特定垂直领域，技能包里的通用 SEO 逻辑不够用，你可以基于自己的领域知识写一个专用技能。写技能的过程其实也是梳理自己经验的过程，很多时候写着写着就发现之前没注意到的规律。

6.2 自定义技能的基本结构

一个技能定义通常包含几个部分：技能名称和描述、触发条件、输入参数、执行逻辑、输出格式。其中最重要的是执行逻辑，这部分要写清楚“第一步做什么、第二步做什么、遇到什么情况怎么处理”。

写执行逻辑的时候有个技巧：把自己想象成在教一个新人。不要写“优化页面标题”，而要写“检查标题是否包含目标关键词、长度是否在 60 字符以内、是否包含吸引点击的修饰词”。越具体，agent 执行起来越准确。

6.3 技能迭代的节奏

技能不是写完就完了，需要根据实际使用效果迭代。我的做法是每月复盘一次技能使用情况：哪些技能用得多、哪些几乎没用、哪些输出质量下降了。用得多的技能考虑优化细节，没用的技能考虑是不是触发条件写得太窄，输出质量下降的技能检查是不是业务场景变了。

迭代的时候注意保留历史版本。有时候新版本还不如旧版本好用，能回滚很重要。我一般会在技能文件里加一个版本号，每次修改都递增，并且简单记录改了什么。

7. 一些个人体会

这套东西用下来，我最大的感受是：AI agent 时代的营销，拼的不是谁工具多，而是谁把经验沉淀得好。过去营销经验都在人脑子里，人一走经验就没了。现在把经验写成技能，agent 可以继承和执行，团队的营销能力就不再依赖某个具体的人。

另一个体会是，技能包的价值会随着使用深度增加而放大。刚开始你可能只是用单个技能做点小事，用久了之后技能之间的协同效应会越来越明显。我现在基本是把技能包当成一个营销操作系统在用，遇到问题先想“该调哪个技能”，而不是“该打开哪个工具”。

最后分享一个小技巧：定期把技能输出和实际结果做对比。比如技能建议你改标题，你改了之后排名有没有变化；技能建议你做 A/B 测试，测出来的结果和技能预测的是否一致。这个对比过程能帮你判断哪些技能靠谱、哪些需要调整，也能帮你积累自己的判断经验。技能是死的，人是活的，最终做决策的还是你自己。