Claude-Skills 是一个开源 AI 技能库，其 marketing/ 目录收录了 41 个营销技能，核心亮点是三大 2026 前沿能力：AEO（Answer Engine Optimization，答案引擎优化）、AI 搜索优化（GEO/ai-seo）以及ChatGPT 广告（conversational-ads）。无论你的客户是在 ChatGPT 里问"X 和 Y 哪个好"，还是你的品牌想在 AI 答案里被引用、在 AI 搜索结果里被看见，这套技能都能给出可直接执行的方案和配套 Python 工具。

3 步上手：安装 Claude-Skills 营销技能

每个技能都是一个自包含文件夹，可装到 Claude Code、Cursor、Codex、Gemini、Copilot 等多种 AI 助手。两种装法：

方式一：整域安装（Claude Code 插件）

/plugin marketplace add borghei/Claude-Skills /plugin install marketings@claude-code-skills

方式二：单技能安装（任意助手，CLI 自动检测目标）

npx @borghei/claude-skills add aeo npx @borghei/claude-skills add ai-seo npx @borghei/claude-skills add conversational-ads

不想用 CLI？克隆仓库后直接把技能文件夹拷进项目即可：

git clone https://gitcode.com/gh_mirrors/claudesk/Claude-Skills cd Claude-Skills

所有 Python 工具仅用标准库，无需pip install，离线可跑。

AEO 实战：让 ChatGPT、Claude、Gemini 的答案引用你

🎯 AEO 是 2026 年营销最重要的新战场：用户不再点蓝色链接，而是读 LLM 生成的答案。被引用就是新的点击——即使不产生访问，被引用也建立了品牌心智。

AEO、AI-SEO、传统 SEO 有什么区别？

三者技术大量重叠，官方建议 B2B 品牌同时投入：传统 SEO 仍占自然流量 50-70%，AEO 是增长潜力最大的 5-15%。详见 marketing/aeo/SKILL.md。

5 种最容易被 LLM 引用的内容模式

1. 定义式内容——开头 1-2 句给出清晰定义，再接展开，专治 "What is X" 类问题
2. 对比表格——Markdown 表格回答 "X vs Y"，表格比叙述更容易被抽取
3. 编号步骤——"How to X" 用动词开头的编号步骤（5-10 步）
4. 带来源的统计数据——"根据 [来源]（年份），X% 的……" 可被重复引用
5. 带解释的列表——"Top N 方法" 且每条有解释

⚠️ 常见失败：只优化 Google SERP、内容泛泛没有具体论断、没有结构标记、内容过期或藏在付费墙后（LLM 引用不了看不见的东西）。完整方法论见 aeo-fundamentals.md。

AEO 三件套工具（纯 Python，离线运行）

快速体验：

python3 marketing/aeo/scripts/aeo_content_auditor.py --path ./content python3 marketing/aeo/scripts/schema_qa_generator.py --content article.md

衡量标准：引用率（目标：品类领导者 ≥30% 的查询被引用）、品牌提及率、是否被作为一手来源引用、引用带来的流量。方法论见 citation-tracking-and-measurement.md。

AI 搜索优化（ai-seo）：AI Citability 三大支柱

ai-seo 技能聚焦"生成式引擎优化（GEO）"——传统 SEO 让你的页面排名，AI-SEO 让你的内容被引用：优化单位从整页变成了段落。

• 支柱一：结构（可抽取）——前 200 词放定义块；每个 H2 小节独立成段、不依赖上文；对比用表格；数据带完整出处
• 支柱二：权威（可引用）——域名权威、署名作者、引用链、内容新鲜度、独家数据
• 支柱三：可达（可发现）——关键：检查robots.txt，OAI-SearchBot、Claude-SearchBot、PerplexityBot、Googlebot这些"检索爬虫"被屏蔽 = 在该平台 AI 答案中彻底隐身；而屏蔽 GPTBot/ClaudeBot 这类"训练爬虫"只是数据政策选择，不影响 AI 搜索可见性

配套工具：content_scorer.py（内容可引用性打分）、keyword_analyzer.py（关键词意图分析）、serp_simulator.py（AI 搜索结果模拟）。

💡 一个反直觉的事实（截至 2026 年 9 月）：Google 明确表示 AI Overviews / AI Mode不需要任何特殊 schema 标记。真正起作用的是页面可见的 Q&A 结构、编号步骤和表格，而不是 FAQPage 标记。

ChatGPT 广告实战：在 AI 答案旁边投放

🚀 conversational-ads 是 2026 年 9 月新增技能，覆盖三大付费 AI 广告位：ChatGPT Ads（2026 年 2 月开始测试，5 月起开放自助 Ads Manager）、Google AI Overviews / AI Mode广告、Microsoft Copilot广告。

平台速览（截至 2026 年 9 月）

答案旁广告 vs 传统搜索广告

核心方法论：无法针对"看不到的广告位"做优化，所以要优化输入（商品 feed、素材、落地页、否定词），并用holdout 实验读结果——地理 holdout 是首选（10-20% 可比区域关闭投放），学习期 2 周，第 6 周读数：增量转化、增量 CPA、品牌搜索提升。细节见 conversational-ads-playbook.md 与 platform-specs.md。

两个工具 + 文案铁律

# 规划测试：资格检查、平台配比、holdout 设计、KPI 目标（exit 2 = 有阻断项） python3 marketing/conversational-ads/scripts/conversational_ad_planner.py my_brief.json # 投放前 lint 文案（exit 2 = 有错误，--strict 连警告也拦截） python3 marketing/conversational-ads/scripts/answer_adjacent_copy_linter.py my_copy.json

文案要点：

• ✅ 用具体可验证的事实开头（尺寸、价格、交期、兼容性），匹配用户提问的原词
• ✅ 每个变体一个角度，多写 5-10 个变体
• ❌ 禁止暗示"AI 推荐/认证了你"（OpenAI 明令禁止虚假背书）
• ❌ 禁止在答案旁用紧迫话术；引用好评必须可核实且已披露

别漏了：AI 内容披露合规

🛡️ 用 AI 生成广告素材前，先跑 ai-content-disclosure：它把EU AI Act 第 50 条（2026 年 8 月 2 日生效）、FTC 评论与推荐新规（16 CFR 465/255）、纽约合成演员广告法以及 YouTube/TikTok/Meta/Google 的平台标签政策，变成可重复的发布前检查。

python3 marketing/ai-content-disclosure/scripts/disclosure_checker.py my_campaign.json

未解决高风险项时工具直接以退出码 2 阻断发布——AI 写的假评论、情感挂钩的激励评论属于"不可修复项"，只能删除。注意：这是发布前检查流程，不构成法律建议。

延伸学习：相关技能与文档索引

营销 41 技能全目录见 marketing/README.md，与本文三大主题配套的还有：

• seo-specialist、seo-audit、programmatic-seo、schema-markup —— 传统 SEO 与结构化数据
• content-creator、content-humanizer、copywriting —— 品牌语气一致的批量内容
• campaign-analytics、analytics-tracking —— 多触点归因与 ROI
• paid-ads、ad-creative —— 传统付费广告规划
• 官方文档：docs/skills/marketing.md、docs/INSTALLATION.md、docs/USAGE.md

总结：2026 营销人的三条动作线

1. 内容侧：用 AEO 五模式重构高价值页面，跑一遍aeo_content_auditor.py打分，每月追踪引用率
2. 可见性侧：审计robots.txt的 AI 爬虫放行策略，给关键页面加定义块、表格和带出处的数据
3. 投放侧：用conversational_ad_planner.py规划 ChatGPT/AI Overviews/Copilot 测试，地理 holdout 验证增量，素材先过 linter

AI 正在改写"用户发现品牌"的整个漏斗——早一步把这些技能装进你的 AI 助手，就早一步拿到引用、拿到增量。