企业官网建设流程全解析

1. 从“marketingskills”说起：一个被低估的AI营销技能库

第一次看到“marketingskills”这个词，是在一个做独立站的朋友群里。有人甩了个链接，说“这玩意儿把SEO和CRO的活儿全拆成Claude Code能直接跑的skill了”。我当时的第一反应是：又是一个蹭AI热度的概念包装。但点进去翻了翻目录结构，发现事情没那么简单。

marketingskills本质上是一个面向营销场景的技能定义集合，它把SEO审计、转化率优化、落地页诊断、关键词聚类、竞品内容拆解这些原本靠人肉加Excel干的活，拆解成了一条条结构化的指令和检查清单，然后通过Claude Code这类AI agent工具来执行。你可以把它理解成给AI装了一本“营销操作手册”——不是让AI凭空发挥，而是让它按照资深营销人的工作流去跑任务。

这东西解决的核心问题是：营销执行中的重复性判断太多，而AI恰好擅长按规则做批量判断。比如一个独立站有200个页面，每个页面的title标签是不是过长、meta description有没有包含核心词、H1和H2的层级是否合理、内链结构有没有孤岛页面——这些检查项如果人工做，一个页面至少5分钟，200个页面就是16个小时。但如果你把检查规则写成skill，让Claude Code去跑，可能20分钟就出一份完整的审计报告。

适合看这篇内容的人有三类：一是做独立站或内容站、需要批量处理SEO问题的运营；二是想用AI agent提升营销执行效率的增长负责人；三是已经在用Claude Code但不知道除了写代码还能干什么的技术营销人。不管你是哪种，接下来的内容会从设计思路、核心细节、实操流程到踩坑经验，完整拆一遍。

2. 整体设计思路：为什么是“技能”而不是“提示词”

2.1 从提示词到技能库的思维转变

大多数人用AI做营销的方式是：打开对话框，输入一段提示词，比如“帮我写10个SEO标题”，然后复制结果。这种方式的问题在于不可复用、不可迭代、不可批量。你每次都要重新描述需求，每次的输出质量取决于你当天的提示词写得好不好，而且没法把多个任务串成一条流水线。

marketingskills的设计思路完全不同。它把每个营销任务定义成一个独立的skill文件，每个文件包含：任务目标、输入格式、执行步骤、判断规则、输出模板。这就像把一个大厨的菜谱拆成了一道道标准化的操作卡——切菜有切菜的卡，调汁有调汁的卡，火候控制有火候控制的卡。Claude Code在执行时，不是靠“理解”你的意图，而是靠“读取”这些操作卡来按步骤执行。

这种设计的好处是确定性。你让AI“帮我优化一下页面”，它可能给你一堆泛泛的建议；但你让它“按照skill-003的规则检查这个页面的title长度是否超过60个字符、meta description是否包含主关键词、H1是否唯一”，它就会给你一个明确的“是/否”加具体数据。对于营销执行来说，确定性比创造力重要得多。

2.2 为什么选Claude Code作为执行载体

市面上能跑AI agent的工具不少，为什么marketingskills这类项目往往选择Claude Code作为首选载体？我自己的使用体会是三个原因。

第一是文件系统访问能力。Claude Code可以直接读取你本地的项目文件，这意味着你可以把网站的页面HTML、关键词表、竞品分析文档全部放在一个目录里，让Claude Code自己去读、去比对、去生成报告。不需要你手动复制粘贴内容到对话框里。

第二是终端命令执行能力。SEO审计经常需要跑一些命令行工具，比如用curl检查页面响应头、用grep统计关键词出现频率、用脚本批量提取title标签。Claude Code可以直接执行这些命令，把结果拿回来做进一步分析。这就把“AI分析”和“数据采集”两个环节打通了。

第三是技能文件的组织方式。Claude Code支持通过配置文件加载自定义的skill定义，你可以把marketingskills的各个技能文件放在项目目录下，通过简单的配置就能让Claude Code在对话中调用这些技能。这种“技能即文件”的设计，让非技术人员也能通过编辑Markdown文件来调整AI的行为，不需要写代码。

2.3 核心架构：三层结构拆解

marketingskills的架构可以拆成三层。

第一层是技能定义层。这是最核心的部分，每个skill是一个Markdown文件，包含技能名称、适用场景、输入要求、执行步骤、判断规则、输出格式。比如一个“SEO标题审计”的skill，会明确定义：输入是页面URL列表，执行步骤是逐个抓取title标签、统计字符数、检查是否包含主关键词、检查是否有重复，判断规则是字符数超过60个字符标记为“过长”、不包含主关键词标记为“缺失”，输出格式是一个表格加优先级排序。

第二层是数据输入层。这层负责把营销数据整理成skill能处理的格式。比如关键词表用CSV、页面清单用TXT、竞品数据用JSON。这层的设计原则是结构化——AI不怕数据多，怕的是数据乱。你把一堆混杂的文本丢给它，它只能给你模糊的建议；你把数据整理成清晰的表格，它就能给你精确的判断。

第三层是执行与输出层。这层是Claude Code实际跑skill的地方，输出可以是终端里的报告、Markdown文件、CSV表格，甚至可以直接生成修复建议的代码片段。我自己的习惯是让输出统一成Markdown格式，方便后续整理成给团队看的文档。

3. 核心细节解析：SEO与CRO技能的具体拆法

3.1 SEO审计技能的规则设计

SEO审计是marketingskills里最常用的技能模块。我拆解过几个不同版本的SEO skill，发现设计得好的和设计得差的差距很大。差的版本就是简单罗列“检查title、检查meta、检查H1”，好的版本会把每个检查项拆成可量化、可判断、可排序的规则。

以title标签审计为例，好的skill会这样定义：

• 字符数判断：≤30字符标记为“过短”，31-60字符标记为“合理”，>60字符标记为“过长”
• 关键词位置判断：主关键词出现在前30个字符内标记为“位置优”，出现在30字符之后标记为“位置一般”，未出现标记为“缺失”
• 品牌词判断：包含品牌名标记为“有品牌”，不包含标记为“无品牌”
• 重复判断：与站内其他页面title完全一致标记为“重复”，相似度>80%标记为“高度相似”

每个判断维度都有明确的阈值和标签，这样Claude Code跑出来的结果就是一张带优先级排序的表格，而不是一段模糊的描述。你可以直接按“过长+缺失关键词”的优先级去修页面，效率比人工一个个看高得多。

3.2 CRO诊断技能的判断逻辑

CRO（转化率优化）技能的拆法和SEO不同。SEO偏向“规则检查”，CRO偏向“模式识别”。因为转化率的影响因素太多，很难用简单的阈值来判断。好的CRO skill会采用检查清单+启发式规则的方式。

比如一个落地页的CRO诊断skill，会包含这些检查项：

• 首屏是否在3秒内传达核心价值主张（判断依据：H1是否包含目标用户的核心痛点词）
• CTA按钮是否在首屏可见（判断依据：按钮是否出现在页面前600像素高度内）
• 表单字段是否超过5个（超过则标记为“可能降低转化”）
• 是否有社会证明元素（客户logo、评价、数据背书）
• 是否有信任信号（退款保证、安全标识、联系方式）

每个检查项不是简单的“有/无”，而是给出具体的判断依据和修改建议。比如“表单字段超过5个”这个检查项，skill会进一步建议“优先保留邮箱和姓名，其余字段移到第二步或改为选填”。这种设计让AI的输出不只是诊断，还包含了可执行的优化方向。

3.3 关键词聚类技能的算法思路

关键词聚类是SEO里比较耗时的活。传统做法是用Excel的筛选功能手动分组，或者用一些付费工具。marketingskills里的关键词聚类skill采用的是基于搜索意图和语义相似度的分组逻辑。

具体来说，它会先让Claude Code读取关键词列表，然后按照以下步骤执行：

1. 识别每个关键词的核心词根（比如“独立站SEO”和“独立站SEO教程”的核心词根都是“独立站SEO”）
2. 判断搜索意图（信息型、导航型、交易型、商业调查型）
3. 按照“核心词根+搜索意图”进行分组
4. 每组内按照搜索量或优先级排序
5. 输出分组表格，并建议每组对应的内容类型（博客文章、产品页、分类页）

这个skill的难点在于意图判断的准确性。我实测下来，Claude Code对英文关键词的意图判断准确率不错，但中文关键词有时候会把“教程”类误判为交易型。解决办法是在skill里加入意图判断的示例库，给每个意图类型配5-10个典型关键词作为参考，让AI对照着判断。

3.4 技能之间的串联与复用

单个skill能解决单点问题，但真正的效率提升来自技能串联。比如一个完整的独立站SEO审计流程可以这样串联：

1. 先用“页面清单生成”skill从sitemap里提取所有URL
2. 再用“SEO审计”skill逐个检查每个页面的title、meta、H1、内链
3. 然后用“关键词覆盖分析”skill比对页面内容与目标关键词表
4. 最后用“优先级排序”skill把所有问题按影响程度和修复难度排序

这四步可以写成一个主skill，让Claude Code按顺序执行。我自己的做法是在项目目录下建一个workflows文件夹，把串联流程写成Markdown文件，里面用@skill-name的方式引用各个子skill。这样每次跑审计只需要说一句“执行独立站SEO审计流程”，Claude Code就会自动按顺序跑完所有步骤。

4. 实操过程：从零搭建一个营销技能库

4.1 环境准备与Claude Code配置

先说环境。Claude Code支持macOS、Linux和Windows（WSL），我自己的主力环境是Ubuntu 22.04，因为终端命令执行更顺畅。安装方式根据平台不同略有差异，macOS和Linux用命令行安装脚本，Windows建议在WSL2里跑。

安装完成后，需要做几个关键配置：

• 项目目录结构：我习惯建一个marketing-skills目录，下面分skills（技能定义）、data（输入数据）、output（输出报告）、workflows（串联流程）四个子目录
• 技能加载配置：在Claude Code的配置文件里指定skills目录的路径，这样启动时就能自动加载所有技能
• 模型选择：如果做复杂的意图判断和内容分析，建议用能力较强的模型；如果只是做规则检查，可以用轻量模型降低成本

注意：Claude Code的配置文件位置和格式在不同版本里可能有变化，建议先跑一次claude --help确认当前版本的配置方式。

4.2 编写第一个SEO审计技能文件

我拿一个实际的SEO审计skill来演示怎么写。文件名叫seo-audit.md，放在skills目录下。

内容结构是这样的：

# SEO审计技能 ## 适用场景 对一组页面URL进行批量SEO基础检查 ## 输入要求 - 页面URL列表（TXT格式，每行一个URL） - 目标关键词表（CSV格式，包含关键词和优先级） ## 执行步骤 1. 逐个抓取页面HTML 2. 提取title、meta description、H1、H2、内链数量 3. 按照检查规则逐项判断 4. 生成审计报告 ## 检查规则 - title字符数：≤30过短，31-60合理，>60过长 - title关键词：主关键词是否出现在前30字符 - meta description字符数：≤70过短，71-160合理，>160过长 - H1数量：必须为1，0或>1标记为异常 - 内链数量：<3标记为过少 ## 输出格式 Markdown表格，包含URL、问题类型、严重程度、建议

这个文件写好后，在Claude Code里输入“执行SEO审计技能，输入文件是data/pages.txt”，它就会按步骤跑。我实测下来，100个页面的审计大概需要3-5分钟，输出一份带优先级排序的表格。

4.3 数据准备：关键词表与页面清单

数据准备这步经常被忽略，但它直接决定输出质量。我的经验是宁可多花10分钟整理数据，也不要让AI去猜。

关键词表的CSV格式建议包含这些列：

页面清单的TXT格式就是每行一个URL，但建议加上页面类型标记，比如：

https://example.com/ [首页] https://example.com/blog/seo-guide [博客] https://example.com/tools/seo-audit [工具页]

这样AI在做判断时能结合页面类型给出更精准的建议。比如首页的title可以短一些，博客文章的title可以长一些。

4.4 跑一次完整的审计流程

假设你已经准备好了数据，下面是完整的执行流程。

第一步，启动Claude Code并进入项目目录：

cd ~/marketing-skills claude

第二步，在对话里输入执行指令：

执行SEO审计技能，输入文件是data/pages.txt和data/keywords.csv，输出到output/seo-audit-report.md

第三步，等待执行完成。Claude Code会依次抓取页面、提取标签、判断规则、生成报告。过程中你可以在终端看到它的执行日志。

第四步，查看输出报告。报告通常包含三部分：概览统计（总页面数、问题分布）、详细表格（每个页面的具体问题）、优先级建议（先修哪些页面）。

我跑过的一个实际案例：一个120页的独立站，审计出title过长页面23个、meta缺失页面15个、H1异常页面8个、内链过少页面31个。按优先级排序后，先修了15个meta缺失的页面，两周后自然搜索流量涨了12%。

4.5 把审计结果转化为修复任务

审计报告出来只是第一步，真正的价值在于把报告变成可执行的任务。我的做法是让Claude Code在生成报告后，再跑一个“任务拆解”skill，把每个问题转成具体的修复动作。

比如“title过长”这个问题，任务拆解skill会输出：

• 页面URL：/blog/seo-guide
• 当前title：独立站SEO完整指南：从关键词研究到内容优化的全流程详解（68字符）
• 建议title：独立站SEO完整指南：关键词研究到内容优化（28字符）
• 修复优先级：高
• 预计耗时：5分钟

这样你拿到的不是一份“问题清单”，而是一份“待办清单”。团队里谁都能照着改，不需要再理解一遍SEO规则。

5. 常见问题与排查技巧实录

5.1 技能不生效或输出格式不对

这是最常见的问题。表现是Claude Code没有按照skill文件里的规则执行，或者输出格式和预期不一致。排查思路分三步。

第一步，检查skill文件是否被正确加载。在Claude Code里输入“列出当前可用的技能”，看你的skill名称是否在列表里。如果没有，检查配置文件里的skills目录路径是否正确。

第二步，检查skill文件的格式。Markdown的标题层级、列表符号、代码块标记都可能影响解析。我踩过的坑是在skill文件里用了中文全角符号，导致AI解析失败。建议统一用半角符号。

第三步，检查输入数据格式。如果输入文件里有空行、特殊字符、编码问题，AI可能读取出错。用file命令检查编码，用wc -l检查行数，确保数据干净。

5.2 关键词意图判断不准的修正方法

前面提到过，中文关键词的意图判断容易出错。我的修正方法是在skill里加入意图判断示例库，并且让AI在判断时输出判断依据。

具体做法是在skill文件里加一段：

## 意图判断参考 - 信息型：包含“教程”“指南”“什么是”“如何”等词 - 交易型：包含“购买”“价格”“优惠”“下载”等词 - 导航型：包含品牌名或特定产品名 - 商业调查型：包含“对比”“评测”“推荐”“哪个好”等词 ## 判断输出要求 对每个关键词，输出：关键词、判断意图、判断依据（引用的词）

这样AI在判断时会给出依据，你可以快速检查哪些判断错了，然后调整示例库。我迭代了三次之后，中文关键词的意图判断准确率从70%左右提升到了90%以上。

5.3 批量抓取页面时的超时与限流

批量抓取页面时，最常见的问题是超时和被目标网站限流。Claude Code执行curl命令时，如果页面响应慢，可能会卡住。

我的解决方案是在skill里加入超时控制和重试逻辑：

curl -s -m 10 -o /dev/null -w "%{http_code}" "URL"

-m 10表示10秒超时，-s表示静默模式，-o /dev/null表示不保存内容只检查状态码。如果返回非200，标记为“抓取失败”，跳过继续。

对于限流问题，建议在skill里加入请求间隔，比如每抓取5个页面暂停2秒。虽然会慢一点，但能避免被封。

提示：抓取前先确认目标网站的robots.txt是否允许抓取，避免不必要的麻烦。

5.4 输出报告太长导致阅读困难

当页面数量多的时候，审计报告可能几百行，没人看得完。我的做法是在skill里加入摘要生成步骤，让AI在详细报告前面先生成一段200字以内的摘要，包含：总页面数、问题最多的三类、优先修复建议。

另外，报告用折叠式结构，每个页面的详细问题放在<details>标签里，默认收起。这样打开报告先看到摘要和优先级列表，需要看细节再展开。

5.5 常见问题速查表

6. 技能库的扩展与团队协作

6.1 从个人使用到团队共享

一个人用marketingskills和团队用是两回事。个人用只需要自己看得懂skill文件就行，团队用需要统一规范。

我的做法是建一个技能规范文档，规定：

• skill文件的命名规则：领域-功能.md，比如seo-title-audit.md
• 输入输出格式标准：统一用Markdown表格和CSV
• 判断规则的阈值来源：必须注明依据，比如“title字符数60是根据搜索结果页显示限制”
• 版本管理：用Git管理skill文件，每次修改记录变更原因

这样团队里任何人写的新skill都能被其他人理解和复用，不会出现“只有作者本人看得懂”的情况。

6.2 技能迭代的节奏

技能不是写一次就完了。我自己的迭代节奏是每两周回顾一次，看看哪些skill的输出质量下降了、哪些判断规则需要调整。

迭代的触发条件有三个：一是AI判断准确率明显下降；二是业务需求变化，比如新增了某个平台的SEO规则；三是发现了更好的判断方法。

每次迭代只改一个变量，改完跑一次测试，对比修改前后的输出差异。这样能清楚知道每个改动的影响。

6.3 与其他工具的配合

marketingskills不是孤立的，它可以和很多现有工具配合。比如：

• Google Search Console：导出查询数据作为关键词表的输入
• Screaming Frog：抓取页面数据，导出CSV给skill做进一步分析
• Notion/Airtable：把审计报告同步到项目管理工具，变成团队任务
• GitHub Actions：定时跑SEO审计，自动生成周报

我自己的流程是：每周一早上让Claude Code自动跑一次全站SEO审计，输出报告到指定目录，然后同步到Notion的任务看板。整个过程不需要人工干预，只需要在周一花10分钟看一下摘要和优先级。

6.4 一个实际项目的完整复盘

最后分享一个我最近做的项目。一个做B2B SaaS的独立站，约80个页面，之前没有系统的SEO审计流程。我用了三周时间做了这些事：

第一周，搭建marketingskills环境，写了5个核心skill：页面清单生成、SEO审计、关键词覆盖分析、内链结构检查、优先级排序。跑完第一轮审计，发现title问题32个、meta问题18个、H1问题7个、内链问题41个。

第二周，根据审计报告修复了所有高优先级问题，主要是title和meta的优化。同时用关键词覆盖分析skill发现12个页面存在关键词 cannibalization（自我竞争）问题，合并了其中5个页面。

第三周，跑第二轮审计，确认修复效果。同时用CRO诊断skill检查了落地页，发现表单字段过多的问题，从7个字段减到4个，两周后询盘转化率从2.1%提升到3.4%。

这个项目的关键体会是：AI技能库的价值不在于替代人，而在于把人从重复判断中解放出来，让人专注于策略和创意。审计、检查、排序这些活交给AI，人来做决策、写内容、优化用户体验。这个分工比“AI全自动”靠谱得多。

最后再分享一个小技巧：skill文件里的判断规则不要写得太死。留一些“灰色地带”让AI根据上下文判断，比如“如果title字符数在58-62之间，结合页面类型判断是否需要调整”。这样输出会更灵活，不会出现“59字符就标记过长”这种机械判断。