Communitygithub.com

Landing-Page-Maschine (RapidoCRM × Lovable)

Erzeugt Landingpages aus CRM-Kampagnen und der Wissensbasis, erfasst Leads im CRM (Modus B) und verknüpft Analysen mit Kampagnenstatistiken.

Was ist Landing-Page-Maschine (RapidoCRM × Lovable)?

Diese Fähigkeit baut vollständige Landingpages, Kampagnenseiten oder Capture-Seiten direkt aus bestehenden CRM-Kampagnendaten und der Wissensdatenbank (KB). Sie nutzt beim Start `list_campagnes` / `get_stats_campagne`, um Ziel und Zielgruppe zu ermitteln, und setzt dann die KB-spezifischen Wertversprechen (`propositions-valeur.md`), Personas (`cibles-personas.md`) und die Markenrichtlinien (`charte-graphique.md`, `ton-et-accroches.md`) zusammen. Aus diesen Daten erstellt sie in Lovable eine einseitige Landingpage mit Hero-Versprechen, Testimonials, Angebot und Capture-Formular. Das Formular wird im **Modus B** betrieben: Es erzeugt einen Kontakt und einen Pipeline-Eintrag im CRM entweder über eine KI-gestützte Edge-Function (die MCP RapidoCRM aufruft) oder per direktem POST – mit Dublettenprüfung anhand der E-Mail. Nach dem Deployment (mit Bestätigung) wird die Seiten-URL in der Kampagne vermerkt. Ein paar Tage später ruft sie `get_project_analytics` ab und gleicht die Zahlen (Besucher, Konversion, Quellen) mit `get_stats_campagne` ab, um den Kampagnenerfolg zu messen. Optional kann über den `connecteur-mcp-lovable` ein Chatbot-MCP eingebunden werden, der Aktionen im CRM/CMS ausführt, ohne das Capture-Prinzip zu ändern.

Funktioniert mit✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/PrendsTaPart/Plugin-Claude-MCP-BraindCode-/tree/HEAD/rapido-lovable/skills/usine-a-landing

In Ihrer bevorzugten KI fragen

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

Dokumentation

Landingpage-Maschine (RapidoCRM × Lovable)

Schritt 0 — Referenzen (obligatorisch)

Lade ${CLAUDE_PLUGIN_ROOT}/reference/directives-outils.md und ${CLAUDE_PLUGIN_ROOT}/reference/architecture-lovable.md. Wissensbasis: propositions-valeur.md (Versprechen, Nachweise), cibles-personas.md, charte-graphique.md, ton-et-accroches.md.

Workflow

  1. Von der CRM-Kampagne ausgehen — list_campagnes / get_stats_campagne: Ziel, Zielsegment (get_contacts_segment), Angebot. Landingpage ohne Kampagne: Ziel und Zielgruppe erfragen.
  2. Inhalt zusammenstellen — Versprechen und Differenzierungsmerkmale aus propositions-valeur.md (mit Quellenangabe), Schmerzpunkte des angesprochenen Personas (cibles-personas.md), EIN Call-to-Action (Regeln von redaction-commerciale: nur ein CTA). Inhalt vor dem Bauen validieren lassen.
  3. Seite erstellen — get_workspace (Guthaben prüfen), dann create_project (initial_message detailliert: EINSEITIGE Landingpage – Hero mit Versprechen, belegte Nachweise/Testimonials, Angebot, Capture-Formular mit Name/E-Mail/Telefon/Einwilligung, Hex-Farbpalette aus KB, Mobile-First, Ladezeit).
  4. Formular → Prospect in MODUS B — Edge-Function bauen lassen, die die Anthropic-API mit mcp_servers = MCP RapidoCRM (https://crm.rapidosoftware.com/mcp) aufruft: bei Absendung create_contact, dann ajouter_prospect_pipeline (Eingangsstufe) – Blöcke nach Typ geparst, API-Schlüssel serverseitig, Dublettenprüfung (vor Erstellung nach E-Mail suchen).
    • Alternative ohne KI: Direkter POST des Formulars zur Edge-Function, die das CRM aufruft – je nach Bedarf die einfachere vorschlagen.
  5. Deployen — deploy_project (Bestätigung Stufe 2, öffentliche URL). Die URL der Landingpage in der CRM-Kampagne eintragen (Beschreibung/Notizen).
  6. Mess-Schleife — nach ein paar Tagen: get_project_analytics (start_date/end_date RFC 3339, gleicher Zeitraum wie Kampagnen-Laufzeit) → Besucher, Conversion, Quellen — abgleichen mit get_stats_campagne (CRM): Kommt der Traffic aus den Kampagnen? Passen die im Pipeline erzeugten Leads zu den Einreichungen?

Schutzmechanismen

  • Versprechen und Nachweise AUSSCHLIESSLICH aus der KB oder aus verifizierbaren Daten – keine erfundenen Zahlen auf öffentlichen Seiten.
  • Formular: explizite Einwilligung (DSGVO), Daten ausschließlich an CRM senden – keine parallele Klartext-Speicherung in der Lovable-Datenbank ohne Grund (falls Datenbank: enable_database einmalig, Schreibvorgänge bestätigt).
  • Eine Landingpage pro Ziel: die Allzweckseite ablehnen (vorschlagen, zwei Seiten daraus zu machen).

Eingebetteten Agenten hinzufügen (optional)

Um einen MCP (Chat, der auf FoodEatUp/CRM/CMS/RH agiert) in die Landingpage einzubinden, an connecteur-mcp-lovable delegieren (kanonisches Kit reference/kit-connecteur-mcp/, Sicherheits-Gate reference/gate-securite.md). Das Capture (Modus B) bleibt unverändert; der eingebettete Agent (Modus C) wird vom Kit kanonisiert – niemals hier neu implementiert.

Individual skills in this repo

This repo contains 3 individual skills — each has its own dedicated page.

Verwandte Skills