Communitygithub.com

gooseworks-ai/goose-skills

Analysiert die Übereinstimmung zwischen Anzeigen und Landing Pages. Prüft, ob das Versprechen der Anzeige in der Überschrift, dem Text und dem CTA der Landing Page fortgeführt wird. Deckt Diskrepanzen auf, die die Conversion-Rate killen. Funktioniert mit Google-, Meta- und LinkedIn-Anzeigen.

Was ist goose-skills?

Diese Fähigkeit führt eine detaillierte Prüfung des gesamten Klickpfads von der Anzeige bis zur Landing Page durch. Sie erfasst die Anzeigentexte (Überschrift, Text, CTA) und die zugehörigen Landing-Page-URLs, ruft dann den Inhalt der Landing Page ab und bewertet ihn anhand von sechs Dimensionen der Nachrichtenübereinstimmung: Versprechenskontinuität, Sprachübereinstimmung, visuelle Kontinuität, CTA-Ausrichtung, Spezifität und emotionale Übereinstimmung. Zusätzlich wird die Conversion-Friction der Landing Page analysiert, z. B. Ladezeit, Formularlänge und Ablenkung durch die Navigation. Der finale Output ist ein strukturierter Audit-Bericht, der für jedes Anzeigen-Landing-Page-Paar eine Bewertung, spezifische Diskrepanzen und priorisierte Korrekturvorschläge enthält. Die Fähigkeit ist plattformunabhängig und benötigt außer einem Werkzeug zum Abrufen von Webseiten (fetch_webpage oder curl) keine API-Schlüssel. Sie ist ideal für alle, die verstehen wollen, warum Anzeigen geklickt, aber nicht konvertiert werden, und die datengestützte Optimierungen ihres Anzeigenfunnels vornehmen möchten.

Funktioniert mit~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/gooseworks-ai/goose-skills/tree/HEAD/skills/ads/composites/ad-to-landing-page-auditor

In Ihrer bevorzugten KI fragen

Öffnet einen neuen Chat, in dem dieser Agent-Skill bereits geladen ist.

Dokumentation

Anzeigen-zu-Landing-Page-Auditor

Der Hauptgrund, warum Anzeigen Klicks, aber keine Conversions erhalten: Die Landing Page erfüllt das Versprechen der Anzeige nicht. Diese Fähigkeit audit den gesamten Klickpfad – vom Anzeigentext bis zum Landing-Page-Erlebnis – und deckt jede Diskrepanz auf.

Kernprinzip: Eine großartige Anzeige mit einer nicht passenden Landing Page ist schlimmer als eine mittelmäßige Anzeige mit einer passenden. Nachrichtenübereinstimmung ist der größte Conversion-Hebel, den die meisten Startups ignorieren.

Verwendung

  • "Warum bekommen meine Anzeigen Klicks, aber keine Conversions?"
  • "Auditiere meinen Anzeigen-zu-Landing-Page-Flow"
  • "Überprüfe die Nachrichtenübereinstimmung unserer Kampagnen"
  • "Meine Conversion-Rate ist niedrig – hilf mir herauszufinden, warum"
  • "Überprüfe unsere Landing Pages für unsere Anzeigenkampagnen"

Phase 0: Erfassung

  1. Anzeigentext – Für jede Anzeige angeben:
    • Überschrift(en)
    • Text / Beschreibungstext
    • CTA-Text
    • Plattform (Google Search / Meta / LinkedIn)
  2. Landing-Page-URLs – Die URL, auf die jede Anzeige verweist
  3. Conversion-Ziel – Was soll passieren, nachdem jemand klickt? (Demo / Testversion / Kauf / Download)
  4. Bekannte Conversion-Raten? – Aktuelle Klick-zu-Conversion-Rate pro Anzeige/Landing Page (falls verfügbar)

Wenn der Benutzer einen CSV-Export von seiner Anzeigenplattform hat, diesen stattdessen parsen.

Phase 1: Anzeigenbestand

Die bereitgestellten Anzeigen in folgende Tabelle parsen:

Anzeigen-IDPlattformÜberschriftText/BeschreibungCTALanding-Page-URLConv-Rate (falls bekannt)

Phase 2: Landing-Page-Audit

Für jede eindeutige Landing-Page-URL den Seiteninhalt abrufen:

fetch_webpage: [landing_page_url]

Wenn fetch_webpage nicht verfügbar ist, curl verwenden, um den HTML-Code der Seite abzurufen.

Extrahieren und bewerten:

2A: Inhaltselemente

ElementGefunden?Inhalt
Hero-Überschrift[J/N]"[Text]"
Unterüberschrift[J/N]"[Text]"
Primärer CTA[J/N]"[Button-Text]"
CTA oberhalb der Falte[J/N]—
Sozialer Beweis[J/N][Logos / Testimonials / Metriken]
Vorteilsliste[J/N][Wichtigste Vorteile aufgelistet]
Formular / Anmeldung[J/N][Anzahl Felder: N]
Video[J/N]—
Vertrauenssignale[J/N][Sicherheitsabzeichen, Garantien]

2B: Bewertung der Nachrichtenübereinstimmung

Für jedes Paar Anzeige → Landing Page nach folgender Tabelle bewerten:

DimensionPunkte (1-10)Kriterien
Versprechenskontinuität[X]Liefert die LP-Überschrift das Versprechen der Anzeige?
Sprachübereinstimmung[X]Verwendet die LP dieselben Wörter/Phrasen wie die Anzeige?
Visuelle Kontinuität[X]Fühlt sich die LP wie eine Fortsetzung der Anzeige an? (Für Search nicht bewertbar)
CTA-Ausrichtung[X]Entspricht die Aufforderung der LP dem, was die Anzeige implizierte?
Spezifität[X]Wenn die Anzeige spezifisch war ("für Vertriebsteams"), ist die LP das auch?
Emotionale Übereinstimmung[X]Wenn die Anzeige Angst/Dringlichkeit verwendete, setzt die LP das fort?

Nachrichtenübereinstimmungspunktzahl: [Durchschnitt/60]

Bewertungsleitfaden

PunkteBewertungBedeutung
50-60AusgezeichnetStarke Übereinstimmung – LP erfüllt jedes Anzeigenversprechen
40-49GutKleinere Diskrepanzen, aber insgesamt stimmig
30-39VerbesserungswürdigSpürbare Lücken – Besucher muss nach Relevanz suchen
20-29SchlechtAnzeige und LP wirken wie verschiedene Produkte
Unter 20KritischVöllige Diskrepanz – sofort beheben

Phase 3: Analyse der Conversion-Friction

Zusätzlich zur Nachrichtenübereinstimmung die Conversion-Friction der Landing Page bewerten:

ReibungsartPrüfungStatus
LadezeitFühlt sich die Seite schwer/langsam an? (Asset-Anzahl als Indikator)[Schnell/Langsam/Unbekannt]
FormularlängeWie viele Felder bis zur Conversion?[N Felder] — [Angemessen/Zu viele]
CTA-KlarheitGibt es einen klaren CTA oder konkurrierende Aktionen?[Klar/Überladen]
Conversion oberhalb der FalteKann jemand konvertieren, ohne zu scrollen?[Ja/Nein]
Platzierung sozialer BeweiseBefindet sich der Beweis in der Nähe des CTA?[Ja/Nein]
Ablenkung durch NavigationHat die LP die vollständige Site-Navigation? (Sollte minimal sein)[Minimal/Vollständig]
Mobile ErfahrungGibt es mobile-unfreundliche Elemente?[Gut/Probleme]

Phase 4: Ausgabeformat

# Anzeigen-zu-Landing-Page-Audit – [Produkt/Kunde] – [DATUM]

Auditierte Anzeigen: [N]
Eindeutige Landing Pages: [N]
Plattform(en): [Google / Meta / LinkedIn]
Gesamte Nachrichtenübereinstimmung: [Punkte/60] — [Bewertung]

---

## Zusammenfassung

[3-4 Sätze: Gesamtergebnis, größte Diskrepanz, wichtigste Empfehlung, geschätzte Conversion-Auswirkung]

---

## Auditergebnisse nach Paar Anzeige → Landing Page

### Anzeige 1: "[Auszug der Anzeigenüberschrift]"
**Plattform:** [Google Search / Meta / LinkedIn]
**Anzeigentext:**
> Überschrift: "[Text]"
> Text: "[Text]"
> CTA: "[Text]"

**Landing Page:** [URL]
> LP-Überschrift: "[Text]"
> LP-Unterüberschrift: "[Text]"
> LP-CTA: "[Button-Text]"

**Nachrichtenübereinstimmungspunktzahl: [X/60] — [Bewertung]**

| Dimension | Punkte | Problem |
|-----------|--------|--------|
| Versprechenskontinuität | [X/10] | [Spezifischer Befund] |
| Sprachübereinstimmung | [X/10] | [Spezifischer Befund] |
| CTA-Ausrichtung | [X/10] | [Spezifischer Befund] |
| Spezifität | [X/10] | [Spezifischer Befund] |
| Emotionale Übereinstimmung | [X/10] | [Spezifischer Befund] |

**Gefundene Diskrepanz:** [Spezifische Beschreibung der Nichtübereinstimmung]
**Empfohlene Korrektur:** [Spezifische Änderung an Anzeige oder LP]

### Anzeige 2: ...

---

## Landing-Page-Friction-Bericht

### [Landing-Page-URL]
| Reibungspunkt | Status | Auswirkung | Korrektur |
|---------------|--------|------------|-----------|
| [Reibung] | [Rot/Gelb/Grün] | [Hoch/Mittel/Niedrig] | [Spezifische Korrektur] |

---

## Priorisierte Korrekturen

### Kritisch (Diese Woche beheben)
1. **[Anzeige/LP-Paar]:** [Spezifische Diskrepanz] → [Spezifische Korrektur]
   - Geschätzte Conversion-Auswirkung: [X% Verbesserung]

### Wichtig (Diesen Monat beheben)
2. **[Problem]:** [Korrektur]

### Schön zu haben
3. **[Problem]:** [Korrektur]

---

## Umschreibungsvorschläge

### Für [Anzeige oder Landing Page mit schlechtester Übereinstimmung]:

**Aktuelle Anzeigenüberschrift:** "[aktuell]"
**Vorgeschlagene Anzeigenüberschrift:** "[Umschreibung, die zur LP passt]"

ODER

**Aktuelle LP-Überschrift:** "[aktuell]"
**Vorgeschlagene LP-Überschrift:** "[Umschreibung, die zur Anzeige passt]"

Speichern als ad-lp-audit-[YYYY-MM-DD].md im aktuellen Arbeitsverzeichnis (oder benutzerdefinierten Pfad).

Kosten

KomponenteKosten
Landing-Page-AbrufKostenlos
AnalyseKostenlos (LLM-Ableitung)
GesamtKostenlos

Erforderliche Werkzeuge

  • fetch_webpage oder curl – für die Landing-Page-Analyse
  • Keine API-Schlüssel erforderlich

Auslösephrasen

  • "Auditiere meine Anzeigen-zu-Landing-Page-Übereinstimmung"
  • "Warum ist meine Conversion-Rate so niedrig?"
  • "Überprüfe die Nachrichtenübereinstimmung unserer Kampagnen"
  • "Passen unsere Landing Pages zu unseren Anzeigen?"
  • "Führe ein CRO-Audit unserer Anzeigenfunnel durch"

Individual skills in this repo

This repo contains 10 individual skills — each has its own dedicated page.

gooseworks-ai/goose-skills

Burned-in captions for a finished vertical video, three kinds. transcribe.py gets word timings from the video's own audio through the GooseWorks proxy (fal Whisper, bills the Ads agent, cents); captions.py burns one to three words at a time with Pillow + ffmpeg (no libass needed), either pinned to a split-screen seam (plate 25% above / 75% below) or at a fixed height, in a plate, outline or one-word serif style, with an optional red hook card; plates.py burns per-beat caption blocks (black, one union silhouette, placed in the emptiest band) for formats with no voice. The last caption (the CTA) holds to the final frame. Use as the last step of any video ad.

gooseworks-ai/goose-skills

Assemble a cartoon / animated / hand-crafted music-video ad from a config — a sung song carries the whole narrative while N per-bar i2v clips (one recurring animated character, one look pack) are each cut to their BAR window from librosa beat-tracking and hard-concatenated on the bar, VEED-whisper white bold-sans captions in the BOTTOM third (Alignment 2, above the logo bug, no pill) burned from the song's word timings re-spelled against the locked lyrics, a persistent brand logo bug held over the body (suppressed on the end card), and closed on a solid-brand-color PIL end card with the song still playing under it — never AI-rendered text. This is the FREE deterministic assembly stage (cut-to-bar + hard concat + logo bug + captions + end card + song mux); the song, character, keyframes, and clips come from create-music-elevenlabs / create-image-fal / create-video-fal. Use for the cartoon-music-video format.

gooseworks-ai/goose-skills

Assemble a cinematic live-action-style music-video ad from a config — an original sung anthem carries the whole narrative while N 35mm-film-look i2v clips are each cut to their lyric window and hard-concatenated on the beat as a 3-act arc, the anthem muxed at loudnorm I=-14, cinematic lower-third serif captions built from the song's OWN word timings (never Whisper) with the hook line landing on the chorus drop, and closed on a brand end card composited from the real asset — never AI-rendered text. This is the FREE deterministic assembly stage (cut-to-window + hard concat + anthem mux + captions + end card); the anthem, keyframes, and clips come from create-music-elevenlabs / create-image-gpt-image-fal / create-video-fal. Use for the cinematic-music-video format.

gooseworks-ai/goose-skills

Assemble an editorial-motion podcast-clip ad from a config — a real clipped podcast MP3 carries the narrative while N flat limited-palette editorial-illustration keyframes (one look pack) are animated NOT by generative i2v but by DETERMINISTIC ffmpeg ken-burns (zoompan) + hard cuts (no crossfades, which expose geometric drift), each beat snapped to its spoken line, the real audio muxed, Whisper-driven captions burned only mid-sentence, and closed on a PIL brand end card — never AI-rendered text. This is the FREE deterministic assembly stage (ffmpeg ken-burns + hard concat + audio mux + captions + end card); the real audio is clipped from source and the keyframes come from create-image-fal. Use for the editorial-motion-podcast format.

gooseworks-ai/goose-skills

Generate a single 4-15s vertical video clip with ByteDance Seedance 2.0 reference-to-video via fal.ai. Multi-image reference (avatar + product + setting), native lip-synced VO + ambient audio (generate-audio on by default), internal multi-cut handling within one render. Routes through the GooseWorks FAL proxy (bills the Ads agent). The default clip atom for AI-creator UGC ads built on the NB2 + Seedance architecture. Validated on beauty-by-earth/video-01.

gooseworks-ai/goose-skills

Mandatory pre-publish review gate for a UGC video render. Transcribes the finished render's AUDIO with Whisper and word-diffs it against the approved spoken script, then gates set_final_render — blocking a render whose generated audio mis-voices a word (e.g. the approved "human-vetted" spoken as "human witted"), drops an approved phrase, or comes back silent. Runnable, gating counterpart to content-goose's review-transcript-integrity atom. Every ugc-video-formats recipe runs this after render and BEFORE set_final_render.

gooseworks-ai/goose-skills

Render pixel-accurate Apple Notes (iPhone, light mode) screenshot mockups from a JSON note spec. Outputs HTML + PNG at the iPhone 16/15 Pro native 1180×2556. Supports paragraphs, images, checklists, dividers, autocorrect underline, smart quotes, and an optional iOS keyboard chrome overlay used by the parent video-ad molecule.

gooseworks-ai/goose-skills

Extract competitor and customer intelligence from any company's landing page HTML. Discovers tech stack, analytics tools, ad pixels, customer logos, SEO metadata, CTAs, hidden elements, and more. No API keys required.

gooseworks-ai/goose-skills

Find speakers, hosts, and guest profiles at conferences and events on Luma. Two modes - free direct scrape for hosts, or Apify-powered search for full guest profiles with LinkedIn/Twitter/bio.

gooseworks-ai/goose-skills

Find Twitter/X influencers to promote a product or brand. Use when asked to find influencers, discover Twitter accounts for partnerships, identify creators in a niche, or build an influencer outreach list.

Verwandte Skills