核心思路：先研究一小时，再动手写一个字
大多数人用 AI 做营销的第一反应是直接让它写文案。结果呢？千篇一律的 AI 味道，也就是所谓的 AI slop。
这套方法论反其道而行——上来至少花一小时做深度研究。用 Perplexity MCP 查行业现状和竞品格局，用 Firecrawl 抓取对手网站并结构化他们的定位、报价和案例，用 Playwright 自动化截图保存典型的落地页和广告创意。所有素材到位之后，才开始写第一句文案。
为什么这一步不能省？因为 AI 的输出质量完全取决于你喂给它的上下文。没有真实的市场数据和竞品对比，它只能生成泛泛而谈的内容。
把你的专业变成 Skills
这里最值得学的设计是 Skills 机制。你可以把它理解成给 Claude Code 写的操作手册——不是每次都重新 prompt，而是把你多年积累的专业框架固化成一个个可复用的 skill 文件。
具体拆分了这几个 skill：
- 定位 Skill：明确服务的细分市场、客户讨厌什么话术、你能解决什么具体问题
- 直效文案 Skill：一套成型的文案结构——主标题、承诺、证明、报价、FAQ、创始人故事
- 前端设计 Skill：设计审美标准，比如「反紫渐变、反可爱 emoji」，确保落地页不带 AI 审美
- Lead Magnet Skill：生成诱饵创意并打分筛选
- Orchestrator Skill：负责判断「下一步该干嘛」，检查流程中缺了哪一块，自动调用对应 skill
这最后一个 Orchestrator 特别关键。它约定了一个固定流程：先研究→再定位→再文案→再设计→再 Lead Magnet→再流量。你不需要自己记住该做什么，它会帮你检查漏了哪个环节。
想想看，这其实就是把「一个资深营销总监的决策流程」变成了 AI Agent 的执行逻辑。
实战案例：从虚构品牌到完整漏斗
案例选了一个很接地气的场景：给年营收 200-1000 万美元的本地服务商（水管工、暖通空调这类）做 AI 营销代理。
流程是这样跑的：
- 用定位 Skill 列出一堆可能的品牌角度
- 让一个任务型 agent 扮演目标客户来拍板决策
- 最终收敛到「Boring Money」这个反传统的代理叙事——专门服务那些「无聊但赚钱」的本地生意
定位确定后，直效文案 Skill 生成首页文案，Playwright MCP 抓来竞品截图做参考，前端设计 Skill 直接出落地页。整个过程没有离开 Claude Code。
Lead Magnet：转化的关键齿轮
当 Orchestrator Skill 检查完落地页后，它会自动意识到你还缺 Lead Magnet、邮件序列和流量策略。这时候 Lead Magnet Skill 被调用，生成了多个创意方案，打分后选中了「5 分钟营销体检清单」这种工具型诱饵。
有意思的是实现方式——没有接任何第三方表单工具，Claude Code 直接把它做成了网页右下角的弹出问卷组件。问题覆盖响应速度、自动跟进、报价到成交转化率、评论系统等维度，填完给一个评分和诊断，同时收集邮箱、引导预约电话。
一个组件同时完成了价值交付、数据收集和销售转化三件事。
流量引擎：程序化 SEO + 视频广告
漏斗搭好了，流量从哪来？两条路同时走。
SEO 这条线，用 Keyword Research Skill 做长尾关键词分析，专找「容易拿下且有商业意图」的词，比如「HVAC marketing in Phoenix」这种城市+行业的组合。然后用 SEO 内容 Skill 批量生成本地化长文，每篇都嵌入前面做好的 Lead Magnet 和预约入口。这就是经典的程序化 SEO 打法，只不过现在一个人就能执行。
广告这条线更有意思。用 DTC Ads Skill 借鉴消费品直效广告的钩子和结构设计广告策略，然后用 Remotion 在终端里程序化生成多尺寸视频广告——横版、竖版、方版，支持自定义字体和配色，一次 prompt 打出几十条创意做 A/B 测试。
最后建一个简单的反馈循环：每周看一次哪些关键词和广告带来了表单提交和电话，把表现好的交给 Orchestrator Skill，让它自动建议下一步——加预算、复用创意、还是扩展相邻关键词。
工具栈：刻意保持精简
整个系统的工具栈只有这几样：
- Perplexity MCP：市场研究
- Firecrawl：网页抓取和结构化
- Playwright：浏览器自动化和竞品截图
- Glyph / Nano Banana Pro：静态图生成
- Remotion：程序化视频生成
没有装一堆用不到的 MCP，也没有引入复杂的外部 SaaS。所有工作几乎都在 Claude Code 一个环境里完成：研究、技能调用、文案、设计、SEO、广告到部署脚本一条龙。使用的是 Claude Code 的 200 美元/月封顶套餐，高强度的日常使用也没把配额用满。
这套方法真正值得学的是什么
不是具体的 prompt，也不是某个 MCP 的用法。而是两个底层思路：
第一，把专业经验变成 Skills 文件。大多数人的 AI 工作流是每次重新描述需求，而这套方法把你最值钱的东西——行业认知和方法论——固化下来，让 AI 只负责执行。输出质量的上限由你的 skill 质量决定，而不是由 AI 的随机发挥决定。
第二，用 Orchestrator 模式串联多个 Agent。单个 AI 调用的价值有限，但当你把调研、定位、文案、设计、流量获取编排成一条自动化流水线，一个人就能做到过去需要一个小团队才能完成的事。
如果你已经在用 Claude Code 写代码，不妨问自己一个问题：你业务中最花时间的那个环节，能不能也写成一个 Skill？