BAIZE AI RESOURCE
marketingskills
面向 AI 编程代理的营销技能库，覆盖 SEO、CRO、广告、文案与分析
marketingskills 由 Corey Haines 维护，是一组以 Markdown 编写的 AI 代理技能（Skills），面向技术型营销人员和创始人，让 AI 编程代理能够处理转化优化、文案写作、SEO、分析与增长工程等营销任务。它遵循 Agent Skills 规范，可配合 Claude Code、OpenAI Codex、Cursor、Windsurf 等支持该规范的代理使用。
每个技能是一个独立目录，包含 SKILL.md 与 references 参考资料，例如 ab-testing 提供假设框架、样本量速查与统计显著性判断，ads 提供 Google、Meta、LinkedIn 的投放决策手册，ai-seo 讲解如何让内容被 AI 搜索引用。技能之间会互相引用：product-marketing 作为基础上下文，其他技能在动手前先读取它来理解产品、受众与定位。
技能通过描述中的触发词自动匹配，例如提到 A/B 测试、RSA 标题、GA4 事件、ASO 审计等即会激活对应技能。仓库采用 MIT 许可，接受社区贡献，并通过 GitHub Actions 校验技能格式与同步发布。
该技能集以 product-marketing 为共享基础，让 AI 代理在处理营销任务时先读取产品、受众与定位上下文，再调用对应技能。技能之间相互引用，例如 copywriting、cro 与 ab-testing 形成转化优化链路，seo-audit、schema 与 ai-seo 形成搜索优化链路，revops、sales-enablement 与 cold-email 形成销售协同链路，从而覆盖从 SEO、CRO、内容文案、付费广告与衡量、增长留存到销售 GTM 与策略的完整营销职能。
所有技能在开始前会先检查并读取 .agents/product-marketing.md（或 .claude/product-marketing.md 等旧文件名），据此了解产品、受众与定位，避免重复提问。
技能文档中标注 Related Skills 与边界，例如 ab-testing 指向 analytics 做埋点、指向 cro 做页面级优化；attribution 明确把事件埋点交给 analytics、把像素与 CAPI 交给 ads。
如 ab-testing 给出假设结构模板、不同基线转化率与提升幅度对应的样本量速查表；ads 提供按意图路由的参考手册，包含 kill/scale 决策阈值。
ai-seo 技能区分 Google AI Overviews 与其他 AI 引擎的差异，说明 llms.txt、可提取结构、第三方引用等做法，并引用 AI Overviews 出现比例与点击下降等数据。
使用场景营销团队想验证落地页 CTA 改动是否有效
ab-testing 技能引导先写结构化假设，确定主指标、次指标与护栏指标，按基线转化率和预期提升查样本量速查表，并提醒不要在达到样本量前偷看结果提前停止。
使用场景投放团队需要为 Meta、Google、LinkedIn 产出大量广告文案
ad-creative 技能支持从零生成、基于投放数据迭代、规模化静态素材批次和创意策略循环四种模式，规模化模式要求先准备 winning-ads、reviews、comments 等 grounded inputs 语料，每条创意需标注来源。
使用场景内容团队希望品牌出现在 ChatGPT、Perplexity 的回答中
ai-seo 技能区分 Google AI Overviews 与其他 AI 引擎的引用逻辑，建议为后者补充可提取结构、llms.txt 与机器可读文件，同时强调面向 Google 仍应遵循常规 SEO 与 E-E-A-T。
使用场景独立开发者想提升应用商店下载转化
aso 技能抓取商店列表页，按 Apple 与 Google Play 各自字段（标题字数、副标题、截图、评分等）打分，先判断品牌成熟度层级再给出优先级行动清单。
Golang-error-handling 是面向 Go…
