企业官网建设流程全解析

1. 从“marketingskills”说起：一个被低估的营销技能库

第一次看到marketingskills这个词，是在一个做独立站的朋友分享的 Claude Code 配置目录里。当时他正在折腾一套自动化营销工作流，文件夹名字就叫marketingskills，里面整整齐齐码着几十个 Markdown 文件，每个文件对应一项营销技能——SEO 审计、落地页 CRO 分析、FAQ 结构化数据生成、竞品关键词拆解、邮件序列撰写……那一刻我才意识到，所谓“AI agents 做营销”，真正的门槛从来不是模型本身，而是你有没有把营销这件事拆成机器能理解、能执行的“技能单元”。

marketingskills本质上是一套面向 AI 编程助手（尤其是 Claude Code 这类能在终端里直接读写文件、执行命令的 agent 工具）的营销技能定义集合。它把散落在各个营销人脑子里的隐性经验，转化成结构化的、可被 AI 调用的指令文件。你可以把它理解成给 AI 装上的“营销大脑插件”：以前你问 AI“帮我优化一下这个页面”，它给你一堆泛泛而谈的建议；现在你让它调用cro-audit这个 skill，它会按照你预设的检查清单，逐条过标题、CTA、信任信号、表单字段、加载性能，最后输出一份带优先级的整改清单。

这套东西适合谁？三类人最该关注。第一类是独立站站长和跨境电商运营，尤其是自己动手做谷歌 SEO、又不想每次都从零问 AI 的人；第二类是营销团队里负责“提效”的那位，需要把团队沉淀的方法论固化成可复用资产；第三类是对 Claude Code、AI agents 感兴趣的技术型营销人，想搞清楚怎么把大模型真正接进日常工作流，而不是停留在聊天框里。这篇文章我会从设计思路、技能拆解、实操落地、踩坑排查四个维度，把这套东西讲透，让你看完就能自己搭一套。

2. 为什么营销需要“技能化”：设计思路与方案选型

2.1 从“提示词”到“技能文件”的认知升级

大部分人用 AI 做营销，还停留在“写一段提示词，复制粘贴到对话框”的阶段。这个方式的问题在于：提示词是一次性的，用完就散了，下次换个页面你还得重新描述一遍背景、重新强调检查项。更麻烦的是，提示词越长越容易“漂移”，AI 会漏掉你列的第 7 条要求，或者把优先级搞反。

marketingskills的思路完全不同。它把每一项营销能力写成一个独立的 Markdown 文件，文件里包含三部分：触发条件（什么情况下该用这个技能）、执行步骤（按什么顺序做什么检查）、输出格式（结果长什么样）。这样做的好处是，技能文件是持久化的、可版本管理的、可组合的。你今天优化了seo-audit的检查清单，明天所有调用这个技能的流程都自动升级。

我打个比方：提示词像是你临时给装修师傅口头交代“帮我看看这房子哪儿要修”，技能文件像是你给他一本《房屋验收标准手册》，第 3 章第 2 节写着“检查所有插座是否接地”。前者靠师傅记性，后者靠制度。

2.2 为什么选 Claude Code 作为承载工具

市面上能跑 AI agent 的工具不少，为什么marketingskills这类实践大多围绕 Claude Code 展开？核心原因是 Claude Code 具备三个营销场景特别需要的能力。

第一是文件系统读写。营销工作大量涉及处理文件——落地页 HTML、产品描述 CSV、关键词列表、竞品截图。Claude Code 能直接读你项目目录里的文件，改完还能写回去，不需要你手动复制粘贴。第二是终端命令执行。做 SEO 经常要跑一些命令行工具，比如抓取页面、检查 sitemap、分析日志，Claude Code 能直接执行这些命令并把结果纳入分析。第三是多步骤任务编排。一个完整的 CRO 审计可能涉及“读取页面 → 分析结构 → 对比竞品 → 生成报告 → 写入文件”五个步骤，Claude Code 能把这些串起来一次跑完。

当然，如果你用的是其他支持 agent 能力的工具，思路是相通的。marketingskills的价值在于技能定义本身，工具只是载体。我见过有人把这套技能文件接到本地模型上跑，效果也不错，只是复杂任务的稳定性会差一些。

2.3 技能库的目录结构设计

一个能用的marketingskills目录，结构不需要复杂，但要有逻辑。我自己的习惯是按“营销漏斗阶段”分文件夹，这样找起来快，AI 调用时路径也清晰。

marketingskills/ ├── seo/ │ ├── keyword-research.md │ ├── onpage-audit.md │ ├── faq-schema.md │ └── internal-linking.md ├── cro/ │ ├── landing-page-audit.md │ ├── form-optimization.md │ └── trust-signals.md ├── content/ │ ├── product-description.md │ ├── email-sequence.md │ └── blog-outline.md └── analytics/ ├── traffic-analysis.md └── conversion-funnel.md

每个.md文件就是一个技能。文件名用英文小写加连字符，这是社区惯例，好处是跨平台不会出编码问题，AI 引用时也不容易搞错。你完全可以用中文命名，但实测下来英文名在终端里敲起来更顺手。

注意：技能文件不要写得太长。我见过有人一个文件写三千字，结果 AI 调用时反而抓不住重点。单个技能控制在 300 到 800 字之间最合适，超过就拆成两个技能。

3. 核心技能拆解：SEO、CRO 与结构化数据

3.1 SEO 技能：从关键词到页面审计的完整链路

SEO 是marketingskills里最值得先搭的一块，因为它规则相对明确、可量化、AI 执行起来不容易跑偏。我建议至少包含四个技能：关键词研究、页面审计、FAQ 结构化数据、内链优化。

关键词研究技能的核心不是让 AI“想关键词”，而是让它按照你给的种子词，系统性地扩展和分类。文件里我会写清楚：输入是种子词列表，输出是分好组的关键词表，每组标注搜索意图（信息型、导航型、交易型、商业调查型）和预估难度。这里有个经验：一定要在技能文件里明确要求 AI“不要编造搜索量数据”。大模型会一本正经地给你编一个“月搜索量 12000”，这种数据毫无意义。正确做法是让 AI 只做分类和扩展，搜索量你自己去工具里查。

页面审计技能是重头戏。一个合格的 onpage 审计清单应该覆盖：标题标签长度和关键词位置、meta 描述、H1 唯一性、图片 alt 属性、内部链接数量、页面加载相关指标、移动端适配要点。我在技能文件里会把每一项写成“检查什么 → 合格标准 → 不合格怎么改”的三段式。比如标题标签这条：检查标题是否在 50 到 60 字符之间、核心关键词是否靠前、是否包含品牌名、是否每个页面唯一。不合格的话，给出改写建议。

FAQ 结构化数据技能是最近问得特别多的一个点。很多人搞不清楚 FAQPage schema 到底怎么回事。简单说，它是一段 JSON-LD 代码，告诉搜索引擎“这个页面上的问答内容是什么”，这样搜索结果里可能直接展示这些问题和答案，增加曝光面积。技能文件里我会让 AI 做三件事：从页面内容里提取出适合做 FAQ 的问答对、生成符合规范的 JSON-LD 代码、检查是否和页面上可见内容一致。

提示：FAQ 结构化数据有个硬性要求——页面上必须真的有这些问答内容，不能只在代码里写而页面上不显示。搜索引擎对“隐藏内容”的 schema 标记是会判作弊的。这个坑我见太多人踩了。

3.2 CRO 技能：把转化率优化变成可执行清单

CRO（转化率优化）比 SEO 更依赖经验和判断，但这不代表不能技能化。恰恰相反，把 CRO 拆成检查清单，能逼着你把“感觉这个页面不太对”变成“具体哪一条不达标”。

我的landing-page-audit技能文件里，检查项分五大类：价值主张（首屏是否 5 秒内说清你是谁、给谁、解决什么问题）、信任信号（有没有客户评价、案例、资质、退换货政策）、行动号召（CTA 按钮是否醒目、文案是否具体、是否只有一个主要 CTA）、表单设计（字段是否最少必要、有没有进度提示、错误提示是否友好）、摩擦点（有没有强制注册、有没有多余步骤、加载是否够快）。

每一类下面我会写具体的判断标准和改进方向。比如 CTA 文案这条，我会写：避免“提交”“了解更多”这种模糊词，改成“获取我的专属方案”“开始免费试用”这种带利益点的表达。AI 调用这个技能时，会逐条对照页面内容打分，最后输出一个按优先级排序的整改清单。

这里有个实操心得：让 AI 给每条问题标上“影响程度”和“修改成本”。影响程度分高、中、低，修改成本也分高、中、低。然后优先做“高影响、低成本”的项。这个二维排序法比单纯列一堆问题有用得多，因为营销人时间有限，不可能一次全改。

3.3 结构化数据技能：FAQPage 到底怎么写才不出错

单独把 FAQPage 拎出来讲，是因为它既是热词，又是高频出错点。一个标准的 FAQPage JSON-LD 长这样：

{ "@context": "https://schema.org", "@type": "FAQPage", "mainEntity": [ { "@type": "Question", "name": "独立站做谷歌 SEO 要多久见效？", "acceptedAnswer": { "@type": "Answer", "text": "通常新站需要 3 到 6 个月才能看到明显自然流量增长，具体取决于竞争程度和内容质量。" } } ] }

技能文件里我会强调几个易错点。第一，@type必须是FAQPage，不是QAPage，这两个不一样，用错了不生效。第二，每个 Question 的name就是问题文本，acceptedAnswer里的text是答案，答案里不要塞 HTML 标签，纯文本最稳。第三，整个 JSON-LD 要放在<script type="application/ld+json">标签里，放在<head>或<body>都行，但一个页面只放一段。

我还会让技能文件包含一个“自检”步骤：生成完 schema 后，让 AI 回头检查页面上是否真的有对应的可见问答内容，问题文本是否完全一致。这个自检能挡掉大部分低级错误。

4. 实操落地：从零搭一套可用的技能库

4.1 环境准备与 Claude Code 基础配置

要跑这套东西，你得先把 Claude Code 装起来。安装方式取决于你的系统。macOS 和 Linux 用户，官方推荐用 npm 全局安装，命令是npm install -g @anthropic-ai/claude-code，装完在终端敲claude就能启动。Windows 用户注意，如果你用的是 64 位系统但遇到兼容性提示，优先检查 Node.js 版本是否太旧，升级到 LTS 版本通常能解决。

VS Code 用户可以直接装 Claude Code 扩展，装完在侧边栏就能调用，不用切终端。这个方式对不习惯命令行的营销人更友好。配置上，你需要在扩展设置里填好 API 相关的信息，具体字段扩展的说明文档里写得很清楚，照着填就行。

如果你想把 Claude Code 接到本地模型或者其他模型上，社区里有对应的切换工具，原理是改配置文件里的模型端点。这块我不展开，因为涉及的具体配置因工具而异，你按所用工具的文档来就行。核心思路是：marketingskills的技能文件是纯文本，跟模型无关，你换什么模型都能用，只是复杂任务的执行稳定性会有差异。

注意：安装过程中如果提示所在地区不支持，这是服务可用性层面的问题，不是技术问题。你可以先确认自己是否符合使用条件，不符合的话可以考虑用其他支持 agent 能力的工具来承载这套技能文件，思路完全一样。

4.2 编写第一个技能文件：以 onpage-audit 为例

我拿onpage-audit.md给你演示一个完整技能文件该怎么写。结构分四块：用途说明、输入要求、执行步骤、输出格式。

用途说明写一句话：本技能用于对单个网页进行站内 SEO 审计，输出带优先级的整改清单。输入要求写：需要一个 HTML 文件路径或 URL，以及目标关键词。执行步骤是核心，我会列成有序清单：

1. 读取页面内容，提取 title、meta description、H1 到 H3、图片 alt、内部链接、外部链接。
2. 检查 title 长度是否在 50 到 60 字符，目标关键词是否出现在前 30 个字符内。
3. 检查 meta description 长度是否在 120 到 155 字符，是否包含行动号召。
4. 检查 H1 是否唯一，是否包含目标关键词。
5. 检查图片是否都有 alt 属性，alt 是否描述准确而非堆砌关键词。
6. 检查内部链接数量是否不少于 3 个，锚文本是否多样。
7. 对每个不达标项，给出具体修改建议。
8. 按影响程度和修改成本两个维度给每项打分，排序输出。

输出格式我会规定成表格加清单：先一个总览表，列出所有问题、影响程度、修改成本；再一个详细清单，逐条说明问题和改法。这样 AI 输出稳定，你看起来也清楚。

写完这个文件，你可以在 Claude Code 里直接说“用 onpage-audit 技能检查 index.html，目标关键词是 independent site seo”，它就会按你的清单跑一遍。第一次跑完你大概率会发现清单有遗漏，比如忘了检查 canonical 标签，那就补进去。技能文件是活的，用一次改一次，越用越顺手。

4.3 把技能串成工作流：一次完整的落地页优化

单个技能好用，但真正的威力在于串联。我给你还原一个真实场景：你有一个独立站落地页，想同时做 SEO 和 CRO 优化。

第一步，调用keyword-research，输入你的产品词，得到一组分类好的关键词，选定主关键词。第二步，调用onpage-audit，传入落地页文件和主关键词，拿到 SEO 整改清单。第三步，调用landing-page-audit，传入同一个页面，拿到 CRO 整改清单。第四步，调用faq-schema，从页面内容提取问答对，生成 JSON-LD 代码。第五步，让 AI 把三份清单合并，按“高影响低成本”优先排序，输出一份总的执行计划。

整个过程你只需要在终端里下几条指令，中间不需要复制粘贴。这就是 agent 工具加技能库的组合价值——它把原本要开五个标签页、来回切换工具的事情，压缩成一条流水线。我实测下来，一个中等复杂度的落地页，从审计到出整改方案，二十分钟内能跑完，以前手动做至少要半天。

提示：串联工作流时，建议每一步的输出都让 AI 写入独立文件，比如audit-seo.md、audit-cro.md。这样万一中间某步结果不对，你可以单独重跑那一步，不用整个流程重来。

5. 常见问题与排查技巧实录

5.1 技能调用不生效的几种典型情况

用得多了，你会发现技能调用失败基本就那几种原因。我整理成一张速查表，方便你对号入座。

最常见的是第二种。很多人写技能文件时习惯写“检查页面 SEO 是否合格”，这种描述 AI 没法执行，因为“合格”没有标准。必须写成“检查 title 长度是否在 50 到 60 字符之间”，有明确数字，AI 才能判断。

5.2 数据准确性：别让 AI 编数字

这是营销人用 AI 最容易踩的坑。你让 AI 分析关键词，它给你编搜索量；你让它评估流量，它给你编访问数据。大模型在缺乏真实数据时，会倾向于“生成看起来合理的数字”，而不是说“我不知道”。

我的应对办法是在技能文件里加一条硬性约束：凡是涉及具体数值的数据，必须标注来源，没有来源的一律写“需人工核实”。比如关键词搜索量，技能文件里明确写“不要输出搜索量数字，只输出关键词分类和意图判断”。流量分析类技能，要求 AI 只做趋势解读和异常点标注，具体数字从你提供的 CSV 里读，不许自己生成。

这个约束加上之后，输出质量明显提升。虽然看起来“信息量少了”，但每一条都可信，比一堆编造的数字有用得多。

5.3 结构化数据的验证与常见报错

FAQPage schema 写完，怎么验证？两个办法。一是用搜索引擎官方的富媒体测试工具，把页面 URL 或代码贴进去，它会告诉你哪里有问题。二是让 AI 自己做一致性检查：把生成的 JSON-LD 和页面可见内容对比，看问题文本是否完全一致、答案是否对应。

常见报错有这么几个。Missing field "acceptedAnswer"，说明你的 Answer 对象里少了text字段。Invalid URL，通常是@context写错了，正确值是https://schema.org。Duplicate FAQPage，一个页面放了多段 FAQPage 代码，合并成一段就好。还有一个隐蔽的坑：问题文本里如果有特殊字符没转义，JSON 会解析失败，这个用验证工具一跑就能发现。

注意：schema 标记只是“锦上添花”，不是排名因素。页面内容本身质量不行，schema 写得再规范也没用。别本末倒置。

5.4 技能库的维护与迭代节奏

技能库不是搭完就完事了。我的习惯是每两周回顾一次，看看哪些技能最近没用到（可能该删或该合并），哪些技能每次用都要手动补东西（说明该把补的内容写进文件）。另外，每次营销策略有调整，比如换了目标市场、改了转化目标，对应的技能文件也要同步更新。

版本管理上，如果你用 Git，把marketingskills目录纳入版本控制，每次改动都有记录，团队协作时也能看到谁改了什么。如果不用 Git，至少每周备份一次，别问我为什么强调这个——我丢过一次，重写花了一整天。

6. 我个人的一些实操体会

搭这套东西最大的收获，其实不是“省时间”，而是逼着我把营销方法论想清楚。以前很多判断是靠直觉，写技能文件的时候你必须把直觉翻译成明确的检查项和标准，这个过程本身就是一次方法论梳理。我写完landing-page-audit之后，发现自己以前做 CRO 漏掉了好几个信任信号相关的检查点，这些漏洞在写文件时才暴露出来。

另一个体会是，技能库的价值随使用次数增长。第一版技能文件肯定不完美，但你每用一次就补一个漏洞，用十次之后它就相当能打了。我现在的 SEO 审计技能已经迭代到第七版，覆盖的检查项比第一版多了近一倍，很多都是实际踩坑后补进去的。

最后分享一个小技巧：给每个技能文件加一个“更新日志”区块，记录每次改了什么、为什么改。过几个月回头看，你会感谢自己记了这些。技能库这东西，本质上是你营销经验的代码化，值得认真对待。