企业官网建设流程全解析

1. 从"marketingskills"这个标题说起：它到底想解决什么问题

第一次看到"marketingskills"这个标题，我脑子里蹦出来的不是某个具体工具，而是一类很典型的需求：把营销这件事拆成可复用、可组合、可自动化的"技能模块"。这个词本身带着很强的工程化味道——skills，技能，不是strategy（策略），不是campaign（活动），而是可以被封装、被调用、被复用的能力单元。

结合热搜词里高频出现的Claude Code、AI agents、SEO、CRO这几个关键词，我基本能判断出这个项目的核心定位：用AI agent的方式，把营销工作中那些重复性高、逻辑性强、但又需要一定专业判断的环节，做成一套可调用的技能集合。说白了，就是让AI不只是"聊天"，而是真正能帮你干营销的活。

为什么这个方向值得做？因为营销这个领域有个很尴尬的特点：它既需要创意，又需要大量重复劳动。写一篇SEO文章，你需要研究关键词、分析竞品、搭建结构、填充内容、优化内链、做结构化数据——这里面真正需要"灵感"的部分可能只占20%，剩下80%都是流程化的工作。而流程化的工作，恰恰是AI agent最擅长的。

这套marketingskills的思路，我理解下来大概是这样的：把SEO、CRO、内容营销、数据分析这些营销子领域，各自拆解成一组"技能"，每个技能对应一个明确的输入输出。比如"关键词研究"是一个技能，"竞品内容差距分析"是一个技能，"落地页转化率诊断"是一个技能。然后通过Claude Code这样的AI agent框架，把这些技能串起来，形成一个可以自动执行营销任务的流水线。

适合谁来参考？我觉得有三类人：一是独立站站长或小团队运营，人手有限但需要系统化做SEO和CRO；二是营销团队里负责技术落地的人，想把AI能力接入现有工作流；三是对AI agent感兴趣、想找一个具体场景练手的开发者。如果你只是想知道"AI能不能写文案"，那这个内容可能对你来说太深了；但如果你想的是"怎么让AI真正帮我跑完一个营销任务"，那接下来的内容应该对你有用。

2. 整体设计思路：为什么是"技能"而不是"工具"

2.1 从"工具思维"到"技能思维"的转变

大部分人接触AI营销工具，第一反应是找一个"全能工具"——输入一个网址，它帮你把SEO、内容、广告全搞定。这种工具存在吗？存在，但用下来你会发现一个规律：越全能的工具，在具体环节上越浅。因为它要覆盖的场景太多，每个场景只能做到60分。

marketingskills这个项目的设计思路正好相反：它不追求做一个大而全的平台，而是把每个营销环节拆成独立的"技能"，每个技能只解决一个具体问题，但要做到90分以上。这就像乐高积木和成品玩具的区别——成品玩具好看但只能玩一种，积木看起来零散但能拼出无数种组合。

具体来说，一个"技能"应该包含这几个要素：

• 明确的触发条件：什么情况下调用这个技能，比如"当需要为一篇新文章做关键词布局时"
• 清晰的输入规范：需要提供什么信息，比如目标关键词、竞品URL、目标受众
• 可预期的输出格式：产出什么结果，比如一个包含搜索量、竞争度、意图分类的关键词表
• 内置的专业逻辑：技能内部封装了营销领域的专业判断规则，而不是让AI自由发挥

这种设计的好处是，你可以根据实际需求灵活组合技能。今天只想做关键词研究，就单独调用那个技能；明天想跑完整的內容优化流程，就把关键词研究、内容大纲、结构化数据这几个技能串起来。

2.2 为什么选Claude Code作为执行框架

热搜词里大量出现Claude Code相关的内容，这不是偶然。在AI agent这个领域，Claude Code有几个特性特别适合承载marketingskills这类项目：

第一，它能直接操作文件系统和执行终端命令。这意味着一个营销技能不只是"生成一段文本"，而是可以真正地创建文件、修改代码、运行脚本。比如一个"生成FAQ结构化数据"的技能，它可以直接在你的项目里创建一个JSON-LD文件，而不是只给你一段代码让你自己复制粘贴。

第二，它的上下文管理能力比较强。营销任务往往需要参考大量背景信息——品牌调性、历史内容、竞品资料。Claude Code在处理长上下文时的表现相对稳定，这对于需要综合多方面信息的营销技能来说很关键。

第三，它支持通过配置文件定义行为。你可以把营销技能的专业规则写进配置文件里，让AI在执行时遵循这些规则，而不是每次都要在对话里重复说明。这就实现了"技能"的封装。

当然，Claude Code不是唯一选择。热搜词里也提到了"使用cc switch接入deepseek v4、qwen、glm等模型"，说明很多人也在探索用其他模型来驱动类似的agent框架。核心逻辑是一样的：你需要一个能执行操作、能管理上下文、能按规则行事的agent框架，模型本身可以根据成本和效果来选。

2.3 SEO和CRO为什么是核心场景

在众多营销子领域中，SEO和CRO被选为核心场景，我觉得这个选择很务实。

SEO的本质是"理解搜索引擎的排名逻辑，然后优化内容和结构去匹配这个逻辑"。这件事有很强的规则性——关键词密度、内容结构、外链质量、页面加载速度、结构化数据，这些都是有明确优化方向的。规则性强意味着AI容易学习和执行。

CRO（转化率优化）的本质是"理解用户行为，然后优化页面元素去引导用户完成目标动作"。这件事比SEO更依赖数据——你需要知道用户在页面上做了什么、在哪里流失、什么因素影响了决策。但CRO也有大量可标准化的环节，比如A/B测试的设计、落地页元素的检查清单、转化漏斗的分析框架。

这两个领域的共同点是：既有专业门槛，又有流程可循。这正是"技能化"最能发挥价值的地方——把专家的判断逻辑封装成技能，让AI按照这个逻辑去执行，既保证了专业性，又实现了自动化。

3. 核心技能拆解：一个完整的marketingskills应该包含什么

3.1 关键词研究技能：从种子词到意图分类

关键词研究是SEO的起点，也是最能体现"技能化"价值的一个环节。一个合格的关键词研究技能，不应该只是"给AI一个词，让它生成一堆相关词"，而应该包含完整的分析逻辑。

我实际操作下来的流程是这样的：

第一步，种子词扩展。给AI一个核心词，让它从多个维度扩展——同义词、长尾词、问题词、对比词、场景词。这里的关键是要求AI按照搜索意图来分类，而不是简单罗列。比如"独立站SEO"这个词，可以扩展出"什么是独立站SEO"（信息型）、"独立站SEO工具推荐"（商业型）、"独立站SEO服务价格"（交易型）。

第二步，搜索量与竞争度评估。这一步需要接入外部数据源。常见的做法是调用关键词工具的API，或者让AI基于训练数据给出估算值。需要注意的是，AI估算的搜索量只能作为参考，不能替代真实数据。我的经验是，让AI做相对排序（哪些词更容易做）比让它给绝对值更靠谱。

第三步，意图分类与优先级排序。把关键词按照搜索意图分成信息型、导航型、商业型、交易型四类，然后根据你的业务目标排优先级。如果是新站，优先做信息型和长尾词；如果是有一定权重的站，可以开始攻商业型和核心词。

第四步，内容映射。把关键词映射到具体的内容页面上——哪些词归到一个页面，哪些词需要单独建页。这一步直接决定了后续的内容架构。

实操心得：让AI做关键词研究时，一定要给它一个"竞品参考"。单纯让AI发散，出来的词往往太泛；给它两三个竞品URL，让它分析竞品覆盖了哪些词、哪些词有内容缺口，出来的结果会精准得多。

3.2 内容优化技能：从大纲到结构化数据

内容优化是SEO里最耗时的环节，也是AI最能帮上忙的地方。但"让AI写文章"和"让AI做内容优化"是两回事。前者只是生成文本，后者需要遵循一套完整的优化逻辑。

一个完整的内容优化技能应该覆盖这些环节：

内容大纲生成。基于目标关键词和搜索意图，生成符合SEO要求的内容结构。这里有个细节：H1、H2、H3的层级关系要清晰，每个标题下要覆盖哪些子话题要有逻辑。我通常会要求AI先分析SERP前几名的内容结构，找出共性框架，再结合自己的角度做差异化。

正文内容填充。这一步不是让AI从头写，而是基于大纲逐段填充。每段内容要自然融入关键词，但不能堆砌。我的做法是给AI一个"关键词密度参考值"（通常1%-2%），让它自己控制。

FAQ结构化数据生成。这是热搜词里专门提到的一个点，值得展开说。FAQPage结构化数据是一种告诉搜索引擎"这个页面包含问答内容"的标记方式。它的作用是让搜索结果里直接展示问答折叠框，增加点击率。生成这个数据需要：

• 从内容中提取出适合做FAQ的问题和答案
• 按照Schema.org的FAQPage格式生成JSON-LD代码
• 确保问题和答案的表述自然，不是生硬的关键词堆砌

{ "@context": "https://schema.org", "@type": "FAQPage", "mainEntity": [ { "@type": "Question", "name": "什么是独立站谷歌SEO？", "acceptedAnswer": { "@type": "Answer", "text": "独立站谷歌SEO是指通过优化独立站的内容、结构和技术要素，提升其在谷歌搜索结果中的排名，从而获得更多自然流量的过程。" } } ] }

内链建议。分析现有内容库，找出应该链接到新页面的相关页面，给出内链建议。这一步很多人会忽略，但内链对SEO的重要性不亚于外链。

3.3 CRO诊断技能：从落地页到转化漏斗

CRO技能的核心是"发现问题"和"给出可执行的优化建议"。一个完整的CRO诊断技能，我通常会设计成检查清单的形式，让AI逐项过一遍。

落地页首屏检查。首屏是决定用户去留的关键区域。检查项包括：价值主张是否清晰（3秒内能看懂你是做什么的）、CTA按钮是否醒目、是否有信任背书（客户logo、数据、评价）。

内容可读性检查。段落长度、标题层级、重点加粗、图片使用——这些看似细节的东西，直接影响用户的阅读体验和转化意愿。

表单优化检查。表单字段数量、必填项设置、错误提示方式、隐私政策链接——每一个细节都可能影响提交率。

转化漏斗分析。如果有数据接入，可以分析用户在哪个环节流失最多，然后针对性优化。

注意事项：CRO诊断最忌讳"凭感觉给建议"。AI容易给出"把按钮改成红色"这种没有依据的建议。正确的做法是让AI基于行业基准数据（比如平均转化率、平均表单放弃率）来做对比分析，找出明显低于基准的环节。

3.4 竞品分析技能：从内容差距到策略建议

竞品分析是制定SEO和CRO策略的基础。一个实用的竞品分析技能，应该能回答这几个问题：

• 竞品在哪些关键词上有排名，我没有？
• 竞品的内容结构有什么特点，哪些值得借鉴？
• 竞品的落地页转化策略是什么，有哪些可以学习的地方？
• 竞品的外链来源有哪些，哪些是可以争取的？

这个技能的执行逻辑是：先抓取竞品的关键页面数据，然后和自身数据做对比，找出差距和机会点，最后按照优先级给出行动建议。

4. 实操落地：从零搭建一套可用的marketingskills

4.1 环境准备与基础配置

假设你已经决定用Claude Code作为执行框架，接下来的问题是怎么把营销技能"装"进去。

第一步，安装和配置Claude Code。根据你的操作系统，安装方式略有不同。Mac和Ubuntu用户通常通过命令行安装，Windows用户需要注意版本兼容性问题。安装完成后，你需要配置API访问方式——可以直接用官方API，也可以通过cc switch这类工具接入其他模型。

第二步，创建项目结构。我建议的目录结构是这样的：

marketingskills/ ├── skills/ │ ├── keyword-research/ │ │ ├── config.yaml │ │ └── prompt.md │ ├── content-optimization/ │ │ ├── config.yaml │ │ └── prompt.md │ ├── cro-diagnosis/ │ │ ├── config.yaml │ │ └── prompt.md │ └── competitor-analysis/ │ ├── config.yaml │ └── prompt.md ├── data/ │ ├── keywords/ │ ├── competitors/ │ └── content/ └── output/ ├── reports/ └── assets/

每个技能一个目录，里面放配置文件和提示词模板。data目录存放输入数据，output目录存放生成的结果。

第三步，定义技能配置。每个技能的config.yaml里，定义这个技能的输入参数、输出格式、依赖的数据源。比如关键词研究技能的配置可能长这样：

name: keyword-research description: 基于种子词和竞品数据，生成关键词列表和内容映射建议 inputs: - name: seed_keyword type: string required: true - name: competitor_urls type: array required: false - name: target_market type: string default: "global" outputs: - name: keyword_list format: csv - name: content_mapping format: markdown

第四步，编写技能提示词。这是最关键的一步。提示词的质量直接决定了技能的执行效果。一个好的技能提示词应该包含：角色定义、任务描述、执行步骤、输出规范、注意事项。

4.2 关键词研究技能的完整实现

让我用一个具体的例子来展示整个流程。假设我们要为一个做"独立站建站服务"的网站做关键词研究。

输入准备：种子词是"独立站建站"，竞品URL给两个同行的网站。

执行过程：

第一步，让AI分析竞品网站的内容结构，提取出他们覆盖的主要话题和关键词。这一步的输出是一个竞品关键词列表。

第二步，基于种子词做扩展。我通常会让AI从这几个角度扩展：问题型（"独立站建站多少钱"）、教程型（"独立站建站教程"）、对比型（"独立站建站平台对比"）、场景型（"跨境电商独立站建站"）。

第三步，合并竞品关键词和扩展关键词，去重后按照搜索意图分类。

第四步，评估每个关键词的优先级。评估维度包括：搜索意图与业务的匹配度、竞争难度、内容制作成本。

第五步，生成内容映射表。把关键词分配到具体的页面，标注每个页面的目标关键词、内容类型、优先级。

输出结果：一个包含关键词、搜索意图、优先级、目标页面的CSV文件，加上一份内容规划建议的Markdown文档。

实操心得：关键词研究最容易犯的错误是"贪多"。一次生成几百个关键词看起来很爽，但真正能执行的没几个。我的做法是限制每次输出的关键词数量在50个以内，但要求每个词都有明确的执行建议。宁可少而精，不要多而杂。

4.3 内容优化技能的完整实现

继续上面的例子，假设我们已经确定了要写一篇关于"独立站建站费用"的文章。

输入准备：目标关键词是"独立站建站费用"，参考竞品文章两篇，品牌调性说明一份。

执行过程：

第一步，分析SERP前几名的内容结构。让AI抓取排名靠前的几篇文章，分析它们的H2、H3结构，找出共性框架。

第二步，生成内容大纲。基于竞品分析和自身角度，生成一个差异化的内容大纲。大纲要包含：H1标题、H2小节标题、每个小节要覆盖的要点、预计字数。

第三步，逐段填充内容。按照大纲，一段一段地生成内容。每段生成后，检查关键词密度和可读性。

第四步，生成FAQ结构化数据。从文章中提取5-8个适合做FAQ的问题，生成JSON-LD代码。

第五步，内链建议。分析现有内容库，找出3-5个应该链接到这篇文章的页面。

输出结果：一篇完整的文章草稿、一段JSON-LD代码、一份内链建议清单。

4.4 CRO诊断技能的完整实现

CRO诊断的对象通常是一个具体的落地页。假设我们要诊断一个"独立站建站服务"的落地页。

输入准备：落地页URL、目标转化动作（比如"预约咨询"）、当前转化率数据（如果有）。

执行过程：

第一步，抓取落地页内容，分析首屏元素。检查价值主张是否清晰、CTA是否醒目、是否有信任背书。

第二步，分析内容结构和可读性。检查段落长度、标题层级、重点突出情况。

第三步，检查表单和转化路径。分析表单字段数量、必填项、错误提示、隐私政策。

第四步，如果有数据，分析转化漏斗，找出流失最严重的环节。

第五步，生成诊断报告，按照优先级列出优化建议。

输出结果：一份CRO诊断报告，包含问题清单、优化建议、预期影响评估。

5. 常见问题与排查技巧实录

5.1 技能执行不稳定怎么办

这是最常见的问题。同一个技能，有时候执行得很好，有时候结果完全不能用。原因通常有几个：

提示词不够具体。如果提示词里只说"生成关键词列表"，AI每次的理解可能都不一样。解决办法是把输出格式、分类标准、数量限制都写清楚。

输入数据质量不稳定。如果竞品URL抓取失败，或者输入的关键词太泛，输出质量自然会下降。解决办法是在技能里加入输入验证环节，数据不合格就提示用户补充。

模型本身的随机性。即使提示词和输入都一样，不同次的输出也可能有差异。解决办法是设置"温度"参数（如果框架支持），降低随机性；或者对关键输出做多次生成然后取交集。

5.2 生成的内容有"AI味"怎么办

这是做内容优化时最头疼的问题。AI生成的内容往往有几个特征：句式单一、过度使用连接词、缺乏具体案例、观点不够鲜明。

我的解决办法是在提示词里加入"风格约束"：

• 要求使用短句，每句不超过30字
• 禁止使用"首先、其次、最后"这类模板化连接词
• 要求每个观点都配一个具体例子
• 要求加入个人经验或行业观察

另外，生成后的内容一定要人工过一遍。AI可以帮你完成80%的工作，但最后20%的润色和把关必须由人来做。

5.3 结构化数据生成后不生效怎么办

FAQ结构化数据生成后，需要用谷歌的富媒体测试工具验证一下。常见的问题包括：

• JSON-LD格式错误，比如缺少逗号或引号
• 问题和答案的表述不符合规范，比如问题不是疑问句
• 页面内容与结构化数据不匹配，比如标记了FAQ但页面上没有对应内容

注意事项：结构化数据不是"标记了就有用"。谷歌会审核标记内容与页面实际内容的一致性。如果标记了FAQ但页面上没有对应的问答内容，可能会被判定为作弊。

5.4 如何评估技能的实际效果

这个问题很关键，但很多人会忽略。我的做法是给每个技能设定明确的评估指标：

这些指标不是绝对的，但能帮你判断技能是否在产生实际价值。如果某个技能的指标长期不达标，就需要回头检查提示词和配置。

5.5 多模型切换时需要注意什么

热搜词里提到了用cc switch接入不同模型的做法。实际操作下来，不同模型对同一套提示词的反应差异很大。Claude系列通常对复杂指令的理解更好，但成本较高；国产模型在中文内容生成上可能更自然，但在执行复杂逻辑时可能不够稳定。

我的建议是：不要频繁切换模型。选定一个主力模型，把提示词针对它调优。如果确实需要切换，至少要做一轮完整的测试，确认输出质量没有明显下降。

6. 技能组合与工作流编排：让单个技能产生复利

6.1 从单点技能到流水线

单个技能能解决具体问题，但真正的效率提升来自技能的组合。我目前跑通的一条流水线是这样的：

竞品分析 → 关键词研究 → 内容大纲 → 内容生成 → 结构化数据 → 内链优化

这条流水线覆盖了从策略到执行的全过程。每个环节的输出是下一个环节的输入，形成一个闭环。

具体来说，竞品分析技能输出的"竞品关键词列表"和"内容缺口分析"，直接作为关键词研究技能的输入。关键词研究技能输出的"内容映射表"，作为内容大纲技能的输入。以此类推。

这种流水线的好处是，你只需要在起点提供基础信息（竞品URL、种子词、品牌资料），后面的环节可以自动跑完。当然，每个环节之间需要人工审核，确保方向没有跑偏。

6.2 用配置文件管理技能依赖

为了让流水线可维护，我建议用一个主配置文件来管理技能之间的依赖关系：

workflow: name: seo-content-pipeline steps: - skill: competitor-analysis inputs: competitor_urls: "{{ config.competitors }}" outputs: - competitor_keywords - content_gaps - skill: keyword-research inputs: seed_keyword: "{{ config.seed_keyword }}" competitor_keywords: "{{ steps.competitor-analysis.competitor_keywords }}" outputs: - keyword_list - content_mapping - skill: content-outline inputs: content_mapping: "{{ steps.keyword-research.content_mapping }}" outputs: - outline - skill: content-generation inputs: outline: "{{ steps.content-outline.outline }}" outputs: - article - faq_schema

这种配置方式让整个流程清晰可见，也方便调整和扩展。

6.3 人工介入点的设计

全自动流水线听起来很美，但实际操作中，完全不加人工干预的流程往往产出质量不稳定。我的做法是在关键节点设置"人工确认"环节：

• 竞品分析完成后，人工确认哪些竞品值得深入分析
• 关键词研究完成后，人工筛选最终要做的关键词
• 内容大纲完成后，人工审核结构和角度
• 内容生成完成后，人工润色和事实核查

这些人工介入点看起来降低了效率，但实际上避免了"方向错了跑得越快越远"的问题。

7. 扩展方向：marketingskills还能怎么玩

7.1 接入更多数据源

目前的技能主要依赖AI自身的分析能力，如果能接入更多外部数据源，效果会大幅提升。比如：

• 接入关键词工具的API，获取真实的搜索量和竞争度数据
• 接入网站分析工具，获取真实的流量和转化数据
• 接入社交媒体数据，了解用户讨论的热点话题

这些数据能让技能的判断更准确，减少"拍脑袋"的成分。

7.2 增加A/B测试技能

CRO的核心是测试。可以增加一个"A/B测试设计"技能，输入落地页URL和优化假设，输出测试方案——包括测试变量、样本量计算、测试周期、成功指标。

7.3 构建技能市场

如果这套技能框架用的人多了，可以考虑做一个"技能市场"，让不同的人分享自己写的技能。做电商的可以分享电商SEO技能，做SaaS的可以分享SaaS内容营销技能。这种众包模式能快速丰富技能库。

7.4 与飞书等协作工具集成

热搜词里提到了"飞书如何连接Claude Code"，这其实是一个很实际的需求。如果把marketingskills接入飞书，团队成员就可以在飞书里直接调用技能、查看报告、分配任务。这种集成能大幅降低使用门槛。

8. 我踩过的坑和最后的建议

8.1 不要追求"全自动"

我一开始的想法是做一个全自动的营销流水线，输入一个网址，输出一套完整的SEO和CRO方案。实际做下来发现，这个目标不现实。营销工作中需要判断的地方太多了——品牌调性怎么把握、哪些机会值得投入、内容角度怎么差异化——这些都不是AI能独立完成的。

正确的定位是：AI做80%的重复劳动，人做20%的关键判断。这个比例下，效率提升最明显，质量也最可控。

8.2 提示词要持续迭代

技能的效果不是一次调好的。我现在的提示词版本，和第一版相比已经改了十几轮。每次遇到输出不理想的情况，就回头看看提示词哪里可以更明确。这个过程很磨人，但效果是实打实的。

8.3 数据质量决定输出质量

如果输入的关键词是错的，输出的内容规划也是错的。如果竞品URL抓取失败，竞品分析就是空谈。所以在技能设计时，一定要加入输入验证环节，数据不合格就拒绝执行，而不是硬着头皮生成一堆没用的东西。

8.4 从小场景开始

不要一上来就搭一个大而全的系统。先选一个最痛的点，比如"关键词研究"，把这个技能做透，用起来，看到效果，再扩展其他技能。我见过太多人一开始雄心勃勃要做一个营销自动化平台，结果做了三个月还在调架构，一个技能都没真正用起来。

8.5 保持对搜索算法变化的敏感

SEO和CRO的规则不是一成不变的。搜索算法在更新，用户行为在变化，今天有效的策略明天可能就失效了。所以技能里的专业规则需要定期review和更新。我通常每个月会花半天时间，看看最近的算法更新和行业动态，把需要调整的地方更新到技能配置里。

这套marketingskills的思路，说到底就是把营销专家的经验封装成AI可以执行的技能，然后用工程化的方式管理这些技能。它不完美，但确实能帮我把重复劳动的时间省下来，花在真正需要思考的地方。如果你也在做类似的事情，欢迎交流踩坑经验。