site-marketing
Capsem 营销官网（capsem.org）的维护技能，用于编辑文案、添加区块或调整站点主题。站点为 Astro 7 + Svelte 5 + Tailwind v4 单页落地页，源码位于 web/marketing/。
Skill 广场
找到适合任务的 Agent Skill，阅读介绍并复制安装命令。
更新于 10-31 00:15
营销与增长
10,099 个结果
aeo-recommend
一个用于根据最新 AEO 运行数据生成 AI 搜索可见度优化建议的技能，可识别可见度缺口、来源机会与竞品表现。需先完成 AEO 配置并运行过分析。
audience-research
Audience Research 是一个用于评估创作者、网红或品牌账号是否触达目标受众的技能。它通过公开资料、聚合受众人口统计、地域、语言、内容及评论等信号，判断账号与目标受众的匹配度。该技能强调只使用公开和聚合信号，不推断个人敏感属性，不把弱代理指标当作精确人口比例，并区分创作者所在地、粉丝所在地、评论者语言与受众地理。输出包含目标受众定义、受众匹配表、逐账号证据、重要不匹配与未知项，以及赞助、创作者测试或市场建议和下一步验证。
creator-profile-teardown
Creator Profile Teardown 是一个用于拆解社交媒体账号的内容分析技能，可分析创作者、网红、创始人、竞争对手或品牌账号，解释其定位、内容支柱、爆款帖子、钩子、形式、系列内容等，并输出有来源依据、可重复使用的内容策略手册。它通过 scrapecreators-api 采集账号元数据与近期帖子样本，结合 outlier-post-finder 对比账号自身基线识别异常爆款，并用 transcript-intelligence 分析重要视频、用评论挖掘理解受众反应，最终将最强模式转化为针对用户品牌的测试建议。
influencer-prospecting
Influencer Prospecting 是一个用于寻找和评估创作者、网红、联盟伙伴及 UGC 合作者的技能，通过受众契合度、内容契合度、真实产品邻近性、互动质量、公开商业信号等维度，产出可供增长团队审核和联系的、有来源依据且按优先级排序的创作者候选名单。
social-listening-brief
Social Listening Brief 是一个用于生成社交媒体舆情简报的技能，帮助品牌汇总当前关于品牌、产品、品类和竞品的公开对话，并给出下一步行动建议。它通过 scrapecreators-api 从 TikTok、Instagram、YouTube、Facebook、LinkedIn、X、Reddit、Threads、Bluesky、Pinterest 等平台采集公开帖子和评论，按主题、情绪、购买阶段和意图聚类，区分重复信号与孤立评论，并输出执行摘要、覆盖范围与样本局限、对话量与主题表、情绪驱动因素、常见问题与异议、竞品提及、风险与机会以及按优先级排序的行动项。该技能强调公开样本不代表全部客户，不推断敏感个人特征，并会说明搜索过但未发现的内容。
trend-discovery
Trend Discovery 是 gooseworks-ai/goose-skills 中的一项趋势发现技能，用于在社交平台上识别正在上升的品类话题、内容形式、声音、问题和创作者模式，并区分可持续的需求信号与短期噪音。它不产出泛泛的热门标签清单，而是围绕品牌、品类、受众、市场和平台，结合决策周期（本周反应、下月规划或季度布局）以及可选的竞品与创作者种子名单，构建搜索种子并采集 TikTok、Instagram、YouTube、Reddit、Pinterest 等平台的相关趋势数据。该技能通过对比近期窗口与基线，要求趋势具备加速、跨账号重复或跨平台迁移特征，而非仅凭累计播放量判断；同时借助 outlier-post-finder 与 transcript-intelligence 理解内容本身。输出包括覆盖范围与基线、带证据和来源链接的排名趋势表、形式/音频/话题模式、五项内容测试建议、观察名单与误报，并明确标注方向性证据与缺失数据。
clonar-anuncio
该技能用于在 Meta 广告库中检索竞争对手正在投放的广告，并提炼其结构（钩子、节奏、论点顺序、异议处理、价格出现位置与收尾方式）应用到自己的广告中，而非复制其内容。它强调只克隆结构、不复制脚本、品牌、产品、创作者或音乐，避免版权与商标风险。流程包括：使用 Meta 连接器或公开广告库搜索并列出 5 至 10 条广告；分析视频或图文广告的结构并生成结构档案；将结构套用到自有视频上（已有视频可做变体编辑，无视频则结合 UGC 技能重写脚本）；可选使用预测分析为变体打分。产出物包括发现记录、结构档案、脚本和提示词等。广告库不提供花费、点击或转化指标，广告活跃时长只能作为推断性信号；预测分数仅为模型估计，不可作为效果承诺。
ugc
UGC 是一项用于生成“像真人拍摄”的视频的技能，适用于用户要求制作 UGC 视频、创作者口播广告、产品试用、开箱、试穿、教程或 TikTok 带货视频等场景。它会先收齐简报（产品、时长、发布网络、可宣称的内容），再按所选格式编排镜头、撰写西班牙语脚本，并调用已连接供应商的生成能力或手动分镜流程产出视频。技能强调真实产品、同一创作者形象、禁用虚假体验、声明 AI 生成内容，并禁止使用未授权真人、未成年人及公众人物形象。
matriz-calendario
matriz-calendario 是一个用于按数据生成月度内容日历的 Claude 技能指令。它会读取 matriz/matriz-contenido-viral.md、patrones-de-viralidad.md、ganador.md、sentimiento-*.md 和 perfil.json 等资料，结合每周发布频率，编排每一天发布什么内容，并为每一行标注它在矩阵中对应的支撑作品与倍率。其核心原则是：无法用矩阵中已有作品解释的排期会标记为“APUESTA”（押注项）并注明来源。该技能会先用脚本检查是否存在发布时间戳；如果没有数据，就把 HORA（时段）一栏统一填为 s/d（无数据），不编造发布时间建议。输出为 calendario/AAAA-MM.md 表格文件。
matriz-construir
这是 viralidad 矩阵（病毒传播矩阵）技能中的一个构建命令，用于根据已抓取的视频转录，生成一份 10 列的内容表现矩阵，以及一份解释该矩阵的分析文档。它要求表格的列和取值必须严格遵循既定方法：HOOK 必须照录原话，TIPO DE HOOK、FORMATO、EMOCION 只能使用封闭的类别列表，缺少数据时一律写 s/d，不能编造。分析文档分为四个固定小节：有效模式、无效模式、病毒传播模式，以及“我们不知道什么”；最后还要用校验子代理审计结果。适合已经完成视频内容抓取、想系统比较各条内容相对账号中位数表现的使用者。该技能的具体运行环境、插件安装方式和完整依赖，资料中暂未提供。
matriz-espiar
matriz-espiar 是 matriz-viralidad 技能包中的一个子技能，用于抓取某个公开账号在指定平台上的内容，并挑出其中所选视频进行分析。它支持 Instagram（Reels 或轮播图与照片）、TikTok、YouTube 和 X。运行前需要配置 APIFY_TOKEN，用于抓取账号数据；GEMINI_API_KEY 为可选项，用于分析视频音频，若缺失则改用读取画面内嵌字幕的方式，不产生 API 费用。流程上先估算抓取成本并请用户确认，再按浏览量中位数对内容排序展示，随后由用户选择要下载分析的条目。该技能仅支持公开账号，单条视频 URL 也可以直接分析，但因为没有账号整体数据，无法给出相对表现倍数。
matriz-metodologia
这是一个用于构建病毒传播矩阵的完整方法论技能，规定了如何按账号中位数计算每条内容的相对表现，对钩子进行分类，并生成包含10列表格和4部分分析文档的交付物。适用于需要对TikTok、Instagram Reels等短视频内容进行量化分析和模式提炼的场景。
matriz-rutina
这是一个面向社区经理的每周例行流程工具，用于管理病毒式传播内容矩阵。它通过五个有序步骤完成：仅采集新内容并设置费用上限、更新内容矩阵并比较传播模式变化、将实际发布效果与模拟预测对比、根据数据证据安排每周发布日历、最后输出五行总结。工具强调不猜测数据，要求用户确认花费，且每个步骤都有明确的操作规范。
matriz-sentimiento
该技能读取某个账号最热门帖子下的评论，归纳受众在想什么、反复提出哪些疑问、有哪些反对意见，以及明确希望获得什么内容。它只适用于公开账号，依赖 Apify 抓取 Instagram、TikTok、YouTube 的评论（X 上则以帖子形式获取回复），并把结果写入按账号和日期命名的 Markdown 文件。评论按原文引用，统计提及次数，并区分单次提及与重复模式；不给出“正负情绪百分比”，而是描述性质。当数据不足时，它会说明样本量限制。
matriz-start
Matriz Viralidad 的启动向导技能，用于完成初始配置并进入后续内容分析流程。它会先检查运行环境与 API 密钥状态，再通过五道访谈问题收集账号或参考创作者、社交平台、细分领域、语气与发布频率，生成 perfil.json 配置文件并创建所需的工作目录，最后展示可用的后续命令菜单。
matriz-ver
matriz-ver 是一个用于拆解单条视频制作方式的技能工具：输入 YouTube、TikTok、Instagram、X 等平台的公开视频链接或本地视频文件，输出 hook 原文、前三秒内容、结构、情绪与 CTA 等分析。它只描述视频“怎么做的”，不判断是否成功；因缺少账号完整数据，无法计算中位数，RENDIMIENTO 记为 s/d。分析有三条路径：安装了 watch 技能时用字幕或 Whisper 音频加关键帧；有 GEMINI_API_KEY 且分析器非本地时用 Gemini 处理音频；否则用 ffmpeg 抽帧，只能看到画面内烧录的字幕。结果保存为 transcripciones/suelto-<id>.json。
ai-marketing-videos
这是一个通过 inference.sh CLI（belt）创建营销视频的技能，面向广告、促销、产品发布和品牌内容。它支持使用 Veo、Seedance、Wan、FLUX 等模型生成视觉素材，使用 Kokoro 生成旁白，并可将多个片段与配音合并成完整视频。文档提供了产品发布、品牌故事、功能展示、用户见证、前后对比等模板，以及 15 秒社媒广告、30 秒产品广告、60-90 秒解说视频等完整工作流，还包含各平台适配格式与 A/B 测试变体思路。使用前需安装 belt CLI 并登录。
ai-social-media-content
这是一个面向社交媒体平台的 AI 内容生成技能，基于 inference.sh CLI（belt）创建内容。它支持为 TikTok、Instagram、YouTube、Twitter/X 生成短视频、Reels、Shorts、缩略图、图片、字幕和话题标签。使用时先安装 belt CLI 并登录，然后通过 belt app run 调用不同模型生成内容，例如用 google/veo-3-1-fast 生成竖屏短视频、falai/flux-dev 生成图片、openrouter/claude 系列生成脚本和文案、infsh/kokoro-tts 生成配音。资料还给出了各平台的宽高比、时长、分辨率参考表，以及轮播图、YouTube 缩略图、Twitter 配图、数字人口播等内容工作流和多平台内容复用、批量生成的做法。
case-study-writing
这是一个用于撰写 B2B 客户案例研究（Case Study）的技能，基于 STAR 框架（Situation 情境、Task 任务、Action 行动、Result 结果）组织内容，并涵盖结构模板、客户引语、指标呈现、数据可视化与分发格式。它通过 inference.sh CLI（belt）调用搜索与 Python 执行等应用来辅助调研和生成图表。适合需要产出可量化、以客户为主角的案例研究内容的营销与销售场景。
content-repurposing
Content Repurposing 是一个内容再利用（内容原子化）技能，目标是把一份长内容拆解并转化为多种格式，覆盖博客转推文串、博客转轮播图、播客转博客、视频转金句等场景。它通过 inference.sh CLI（belt）调用各类 AI 应用完成生成，例如用 falai/flux-dev-lora 生成配图、用 falai/dia-tts 生成配音、用 google/veo-3-1-fast 生成视频、用 x/post-create 发布推文。技能提供内容金字塔模型、各平台转换配方（含元素规则与时长/字数建议）、内容再利用清单以及常见错误对照表，并强调不同平台需重写而非复制粘贴。使用前需安装 belt CLI 并登录。
customer-persona
customer-persona 是一个基于调研数据创建客户画像（Customer Persona）的技能，通过 inference.sh CLI（belt）调用搜索与图像生成应用，帮助整理人口统计、心理特征、目标、痛点、待办任务（JTBD）、购买流程等信息，并生成人物头像。该技能提供分步构建流程、画像模板、反画像（Anti-Persona）概念、多画像优先级划分以及验证方法，适用于产品、营销和用户研究场景。
email-design
Email Design 是一个面向营销邮件的设计技能，提供布局模式、主题行公式与送达率规则。它覆盖欢迎序列、促销邮件、事务性邮件等常见邮件类型，并给出邮件宽度、字体、CTA 按钮、移动端优化等具体规范。该技能还结合 inference.sh CLI（belt）生成邮件头图与 AI 视觉素材，帮助设计高转化率的营销邮件。
linkedin-content
LinkedIn 内容技能（linkedin-content）用于通过 inference.sh 命令行工具（belt CLI）撰写高互动率的 LinkedIn 帖子。该技能提供钩子公式、排版规则、内容支柱、算法信号分析、字数限制、发布时间建议和视觉内容生成命令等实用指导。资料将其定位为一套写作方法论与 CLI 操作手册的结合：先用 belt 工具研究热门内容模式，再按既定结构（钩子、正文、CTA、话题标签）组织帖子，并通过命令生成配图。资料详细列出了生效与失效的钩子写法、逐行分隔的移动端排版规范、按互动率排序的帖子类型、各元素的字符上限、内容创作支柱以及正负向算法信号。也标注了链接帖会被降权、发帖后需持续回复评论等注意事项。