当开发者习惯在终端里让 Claude Code 编写业务代码时，营销工程化正在经历同样的范式转变。Conversion Factory 创始人 Corey Haines 开源的 marketingskills 技能库在 GitHub 斩获 47.8k Stars，它向开发者展示了一个事实：表面上看这是一堆 Markdown 提示词集合，本质上它是面向 AI 智能体的营销执行协议与上下文状态机。
以往营销人员使用 ChatGPT 撰写文案或分析转化率，往往需要反复复制粘贴冗长的上下文提示词，输出结果依然漂浮在泛泛而谈的理论层面。marketingskills 通过 Agent Skills 规范，将转化率优化、AI 搜索可见度优化以及文案创作等 50 多个专业工作流打包成结构化规则文件，让编码智能体在读取项目代码的同时直接接管端到端营销增长流程。
底层逻辑与七大板块的协作网状结构
技能库的核心载体是纯 Markdown 文件，也就是所谓的 Skills（技能文件，即为智能体提供特定领域专门知识与标准化执行步骤的指令集）。当智能体识别到营销相关的开发或分析任务时，会自动索引对应技能目录下的规则定义并套用经过实测的增长模型。
整个体系由 50 多个技能组成，严密划分为七大板块：
- SEO & Content：涵盖 ai-seo、seo-audit、site-architecture、programmatic-seo、schema、content-strategy、aso 等；
- CRO（转化率优化）：包含 cro、signup、onboarding、popups、paywalls 等端到端转化漏斗；
- Content & Copy：覆盖 copywriting、copy-editing、cold-email、emails、social、video、image、sms；
- Paid & Measurement：包含 ads、ad-creative、ab-testing、analytics、attribution；
- Growth & Retention：集成 referrals、free-tools、churn-prevention、community-marketing、lead-magnets、co-marketing；
- Sales & GTM：覆盖 revops、sales-enablement、launch、pricing、competitors、competitor-profiling、directory-submissions、prospecting；
- Strategy：涵盖 marketing-ideas、marketing-psychology、customer-research。
技能之间并非孤立运行，而是围绕 product-marketing 这一基底文件展开网状协作。智能体在执行任何任务前，必须优先读取 .agents/product-marketing.md 以掌握产品定位、目标客群与核心价值主张。在实际执行中，copywriting 与 cro、ab-testing 频繁交叉校对，seo-audit 与 schema、ai-seo 相互支撑，customer-research 的输出则直接作为文案与竞品分析的输入源。
从终端到编辑器的多形态接入与版本踩坑
为适配不同技术栈的开发者，marketingskills 提供了 CLI 自动分发、Claude Code 插件、Git 子模块以及 SkillKit 等 6 种安装路径。
最推荐的方式是通过官方命令行工具快速接入：
# 全局或项目内安装全部技能
npx skills add coreyhaines31/marketingskills
# 仅按需安装核心技能
npx skills add coreyhaines31/marketingskills --skill cro copywriting ai-seoCLI 工具会自动检测项目当前配置的智能体类型。如果检测到 Claude Code 环境，技能会被分发到 .claude/skills/；若是通用智能体环境，则统一存放于 .agents/skills/ 目录。需要注意，在智能体会话终端内非交互执行时，CLI 默认只会写入 .agents/skills/，此时 Claude Code 无法直接读取，必须显式附加 -a claude-code 参数指定目标客户端。
在从早期版本升级到 v2.0 时存在结构性迁移问题。v2.0 对 17 个技能名称进行了重命名，并将早期的 page-cro 与 form-cro 合并为统一的 cro 技能。直接拉取更新会导致旧文件夹残留在文件树中，造成智能体加载冲突。升级后必须手动执行清理脚本删除 17 个废弃的旧目录。此外，产品全局上下文的存放路径已从 .claude/product-marketing-context.md 迁移至 .agents/product-marketing.md，旧路径仅作为兜底兼容。
转化率优化与高转化文案的工程化执行
在 copywriting 与 cro 技能的设计中，规则完全摒弃了华丽的修辞，转而以数据指标为锚点。技能文档明确指出，清晰的定位相比含糊的修饰能带来 81% 的转化率提升、缩短 38% 的销售周期并降低 28% 的获客成本。
当向智能体下达撰写着陆页文案的指令时，智能体首先检查全局上下文，仅对缺失的四个核心维度发起追问：
- 页面的唯一主要行动目标（Primary CTA）；
- 目标受众的画像、痛点以及对竞品的真实异议；
- 产品提供的具体价值证明点（Proof Points）；
- 该页面的主要流量来源渠道。
文案输出强制执行严格的质量过滤器。所有模糊的修饰词如“节省大量时间”会被强制改写为具体量化描述“把每周数据导出从 4 小时缩短到 15 分钟”。被动语态、行话套话、感叹号以及带有夸大嫌疑的形容词会被算法直接剔除。标题生成则强制套用经过行业验证的公式，例如 {达成具体结果} without {核心痛点} 或是 The {细分品类} for {精准受众}。
| 阶段 | 核心问题 | 留下的硬伤 |
|---|---|---|
| 需求捕获 | 未能提取真实的客户原声与核心异议 | 文案停留在产品特性罗列，缺乏针对用户痛点的利益转化 |
| 结构排版 | 单个视窗区域堆砌多个行动目标 | 用户决策路径分散，主转化通道流失率显著上升 |
| 上线校验 | 缺乏自动化埋点与 A/B 测试基线 | 无法归因不同文案版本的转化差异，迭代陷入主观判断 |
应对新型生成式搜索的 AI SEO 体系
随着搜索形态向生成式引擎演进，marketingskills 专门引入了 ai-seo 技能模块。该模块关注生成式引擎优化（GEO，即针对大型语言模型生成答案时的引用概率进行的优化）与答案引擎优化（AEO）。
ai-seo 技能引导智能体分析不同 AI 平台的内容检索逻辑。Google AI Overviews 仍然与传统的顶级排名高度挂钩；ChatGPT Search 抓取更广泛的长尾专业站点；Perplexity 则极度偏好结构清晰、时效性强且权威度高的信源；Gemini 则依赖 Google 基础索引与知识图谱的交叉验证。
智能体会指导开发者在代码库中生成规范的 llms.txt 与 llms-full.txt 文件，采用开放知识格式（OKF）整理网站核心知识，使站点转化为对智能体友好的结构。配合 WebMCP 协议的集成，内容不仅能在传统搜索中获得曝光，还能在各类 AI 助手的问答引用列表中占据核心信源位置。
综合判断
必须厘清的是：marketingskills 不是一个能够全自动替企业躺赚的黑盒 SaaS，而是一套将顶级增长黑客的认知框架与工作流标准化的开源协议。它解决的不是“AI 生成文案速度慢”的效率问题，而是“普通开发者不知道如何向 AI 提问以获得专业营销产出”的方法论缺陷。
在实际使用中，部分开发者误以为只要把 50 个 Markdown 文件丢进项目，网站流量和转化率就会自动暴涨。这种理解脱离了营销的本质。技能库提供的是最佳实践的约束通道，真正的飞轮依然建立在创始人对目标用户真实需求的深刻理解之上。
待解的局限
尽管 marketingskills 实现了工作流的结构化，但智能体在营销闭环中仍然缺乏原生数据回传链路。当前智能体可以生成高水准的 A/B 测试方案与着陆页改版代码，却无法直接读取 Google Analytics 4 或 PostHog 的实时转化流数据进行自主迭代。如何打通从“生成页面”到“读取转化数据”再到“自动重写低转化组件”的闭环，是这一代营销智能体库尚未解决的断点。
引用来源
- GitHub Repository: coreyhaines31/marketingskills (Updated: 2026-09-05)
https://github.com/coreyhaines31/marketingskills
- Corey Haines Blog: Engineering Marketing Workflows for Claude Code and Codex (Published: 2026-08-28)
https://coreyhaines.com/articles/agent-marketing-skills-v2
- Agent Skills Standard: Specification for Context-Driven Markdown Skills (Updated: 2026-08-30)
https://agentskills.org/spec/v2
- Search Engine Land: AI Search Optimization and LLMs.txt Implementation Guide (Published: 2026-09-02)
https://searchengineland.com/geo-aeo-llms-txt-framework-2026-445891
- Anthropic Claude Code Documentation: Third-party Plugin Architecture and Skill Loading (Updated: 2026-09-01)
https://docs.anthropic.com/en/docs/agents-and-tools/claude-code/plugins
