Communitygithub.com

Infinite-Labs-AI/infinite-skills

用于审查或规划 Google、Meta、LinkedIn、X、Reddit、TikTok、赞助、重定向或其他付费渠道的付费获客。

infinite-skills 是什么?

该技能旨在帮助 AI 代理(如 Claude Code、Cursor 等)或开发者系统性地审查和优化付费获客策略。它提供了一套标准化诊断框架,能够评估 Google、Meta、LinkedIn、X、Reddit、TikTok 等主流付费渠道的投放效果。技能的核心价值在于引导代理按照经济学、信号质量、结构、受众、创意、落地路径和学习状态七个维度进行深度分析,并对跟踪数据的可信度进行评级——只有在数据可靠时才会提出放量建议,否则优先建议修复或学习。此外,它明确定义了六种常见问题类型(跟踪、offer、消息、受众、经济学、放量),并输出结构化的诊断报告,包含分类、预算调整、测试计划及放量前所需数据。这使得团队可以在缺乏人工专家的情况下,快速生成可执行的、基于数据的投放优化方案。

兼容平台~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/Infinite-Labs-AI/infinite-skills/tree/HEAD/skills/paid-ads

在你喜欢的 AI 中提问

打开一个已预加载此 Agent Skill 的新对话。

文档

付费广告

审查付费获客,决定削减、修复、测试或放量。

所需上下文

使用可用的平台导出数据、截图、广告系列结构、UTM、落地页、CRM 数据或花费摘要。如果数据缺失,请询问:

  • 渠道和目标。
  • 花费、转化、收入、CAC、CPA、ROAS 或管道。
  • 归因窗口和转化定义。
  • 受众和 Offer。
  • 创意示例。
  • 落地页。
  • 预算和时间段。

当存在花费和转化数据时,不要仅根据结构推断表现。

诊断系统

检查:

  • 经济学: 目标 CAC/CPA、回本周期、LTV、毛利率、销售周期。
  • 信号: 转化跟踪质量及事件含义。
  • 结构: 广告系列目标、细分、预算分配、出价逻辑。
  • 受众: 定向、排除、意图、饱和程度。
  • 创意: 信息多样性、证据、格式适配度、疲劳程度。
  • 落地路径: 广告承诺与页面之间的匹配度。
  • 学习: 已运行过哪些测试以及有何变化。

在推荐预算调整之前,先给数据一个可信度评级。跟踪薄弱时应提出修复或学习建议,而非放量建议。

问题分类

  • 跟踪问题: 数据无法支持决策。
  • Offer 问题: 点击兴趣未能转化为转化。
  • 消息问题: 创意吸引了错误或弱意图。
  • 受众问题: 定向过宽、过窄或过时。
  • 经济学问题: 广告系列在机制上可行但无法回本。
  • 放量问题: 优质效果已存在,但预算、创意或漏斗无法消化更多。

输出

付费获客解读:
[一段话]

当前数据:
花费:
转化:
CPA/CAC:
收入/ROAS:
跟踪可信度:

分类:
[停止 / 修复 / 学习 / 放量]

诊断:
| 区域 | 发现 | 证据 | 严重程度 | 下一步行动 |

预算调整:
- 增加:
- 维持:
- 削减:

测试:
1. [测试项]
2. [测试项]
3. [测试项]

放量前所需数据:
- [缺失信号]

Individual skills in this repo

This repo contains 2 individual skills — each has its own dedicated page.

相关技能