关于 linkedin-micro-campaigns
linkedin-micro-campaigns 是用于按理想客户画像创建 LinkedIn 微型广告活动的营销技能。它可从手动描述或 HubSpot CRM 数据整理细分受众、估算规模并生成活动结构与创意,获批后以暂停状态创建。
主要功能
- 01从描述或 HubSpot 提取 ICP
- 02映射 LinkedIn 定位条件
- 03估算受众规模并检查重叠
- 04生成活动组与细分活动方案
- 05创建暂停状态活动及创意变体
适用场景
- 01按 ICP 细分目标受众
- 02根据成交客户数据构建细分活动
- 03创建创意变体以进行 A/B 测试
MCP 相关
需要 LinkedIn Ads MCP 来查询账户、定位实体和受众规模,并在审批后创建活动组、活动与创意。HubSpot 可选,用于自动提取 ICP。
安装
复制下面的命令,在终端中运行。
npx skills add https:/ / github.com/ cognyai/ claude-code-marketing-skills --skill linkedin-micro-campaigns安装后在 Claude Code 中输入/linkedin-micro-campaigns确认已加载。
详细介绍
LinkedIn 微型营销活动
针对特定 ICP 细分群体创建高度定向的 LinkedIn 广告营销活动。将你的理想客户档案(来自 CRM 数据或手动输入)转换为精准的 LinkedIn 定向条件,估算受众规模,并创建包含营销活动和创意素材的营销活动组。
需要: Cogny Agent 订阅($9/mo)— 注册
提示: 先运行 /crm-icp-analysis,生成数据驱动的 ICP,然后将输出提供给此技能。你也可以运行 /crm-sales-momentum,找出成交最快的细分群体并专门针对这些群体进行投放。
用法
/linkedin-micro-campaigns "VP Marketing at SaaS companies, 200-1000 employees" — 根据描述创建营销活动
/linkedin-micro-campaigns — 自动从 HubSpot CRM 数据中提取 ICP
前置条件检查
验证 LinkedIn Ads 访问权限(必需):
linkedin_ads__tool_list_ad_accounts
如果也连接了 HubSpot(用于自动提取 ICP),请验证:
hubspot__get_user_details
如果无法使用 LinkedIn Ads:
This skill requires Cogny's LinkedIn Ads MCP server.
Sign up at https://cogny.com/agent and connect your LinkedIn Ads account.
HubSpot is optional — if connected, ICP data is extracted automatically.
Without HubSpot, provide your ICP description as an argument.
步骤
1. 确定 ICP 定向输入
如果参数中提供了 ICP 描述,解析其中的:
- 职位名称 / 职能 / 职级
- 行业
- 公司规模
- 目标地域
- 提及的其他定向维度
如果未提供参数且已连接 HubSpot,则从 CRM 中提取 ICP:
提取已成交的交易数据,找出表现最佳的细分群体:
hubspot__search_crm_objects(
objectType: "deals",
filterGroups: [{"filters": [{"propertyName": "dealstage", "operator": "EQ", "value": "closedwon"}]}],
properties: ["dealname", "amount", "closedate"],
sorts: [{"propertyName": "closedate", "direction": "DESCENDING"}],
limit: 50
)
获取关联的公司和联系人,以提取:
- 热门行业:来自成功签约的公司
- 公司规模区间:来自成功签约的公司
- 职位名称和职级:来自买家联系人
- 地域:来自成功签约的公司
根据数据分成 2-3 个不同的微型细分群体(例如,“企业营销负责人”“中型市场销售总监”“初创公司创始人”)。
2. 将 ICP 转换为 LinkedIn 定向属性
针对每个微型细分群体,将 ICP 维度映射到 LinkedIn 定向实体。
职位名称 — 搜索精确匹配的 LinkedIn 定向实体:
linkedin_ads__tool_search_targeting_entities(facet_urn: "urn:li:adTargetingFacet:titles", query: "<title from ICP>")
职位职能:
linkedin_ads__tool_get_targeting_facets()
然后在职位职能中搜索相关匹配项。
职级:
linkedin_ads__tool_search_targeting_entities(facet_urn: "urn:li:adTargetingFacet:seniorities", query: "<level>")
行业:
linkedin_ads__tool_search_targeting_entities(facet_urn: "urn:li:adTargetingFacet:industries", query: "<industry from ICP>")
公司规模:
linkedin_ads__tool_search_targeting_entities(facet_urn: "urn:li:adTargetingFacet:staffCountRanges", query: "<size range>")
地点:
linkedin_ads__tool_search_targeting_entities(facet_urn: "urn:li:adTargetingFacet:locations", query: "<geo from ICP>")
使用 AND 逻辑为每个微型细分群体构建定向条件对象:
{
"include": {
"and": [
{"or": {"urn:li:adTargetingFacet:titles": ["<title URNs>"]}},
{"or": {"urn:li:adTargetingFacet:seniorities": ["<seniority URNs>"]}},
{"or": {"urn:li:adTargetingFacet:industries": ["<industry URNs>"]}},
{"or": {"urn:li:adTargetingFacet:staffCountRanges": ["<size URNs>"]}},
{"or": {"urn:li:adTargetingFacet:locations": ["<location URNs>"]}}
]
}
}
3. 估算受众规模
针对每种微型细分群体定向组合,检查受众规模:
linkedin_ads__tool_get_audience_counts(ad_account_id: <id>, targeting_criteria: <targeting object>)
评估每个细分群体:
- 过于狭窄(<1,000):放宽职位名称条件,或添加相关职位职能
- 较窄但可行(1,000-10,000):适合 ABM,但可能需要提高出价
- 最佳范围(10,000-100,000):适合微型营销活动
- 过于宽泛(>300,000):添加更多筛选条件以缩小范围
反复调整定向条件,直到每个细分群体都达到可行的受众规模。记录所做的调整。
4. 检查与现有营销活动的重叠
查看现有营销活动,避免受众重叠:
linkedin_ads__tool_get_campaign_groups(ad_account_id: <id>)
linkedin_ads__tool_get_campaigns(ad_account_id: <id>, status_filter: "ACTIVE")
对于每个正在投放的营销活动,比较其定向条件。标记重叠,并提出建议:
- 排除重叠的受众
- 如果定向非常相似,则与现有营销活动合并
- 如果差异足够明显,则继续
5. 提交营销活动结构以供审批
重要:创建任何内容前,必须等待用户批准。
展示拟议的结构:
┌─────────────────────────────────────────────────────────────────────┐
│ PROPOSED MICRO-CAMPAIGN STRUCTURE │
├─────────────────────────────────────────────────────────────────────┤
│ │
│ Campaign Group: "[ICP Segment] — Micro Campaigns" │
│ │
│ ├── Campaign 1: "[Segment A Name]" │
│ │ Objective: [Lead Gen / Website Visits / Engagement] │
│ │ Targeting: │
│ │ Titles: [list] │
│ │ Seniority: [level] │
│ │ Industries: [list] │
│ │ Company Size: [range] │
│ │ Location: [geo] │
│ │ Est. Audience: [N] │
│ │ Daily Budget: $[X] │
│ │ Bid Strategy: [strategy] │
│ │ │
│ ├── Campaign 2: "[Segment B Name]" │
│ │ [same structure] │
│ │ │
│ └── Campaign 3: "[Segment C Name]" │
│ [same structure] │
│ │
│ Total Daily Budget: $[X] │
│ Total Est. Audience: [N] │
│ Recommended Duration: [N] weeks minimum │
└─────────────────────────────────────────────────────────────────────┘
Approve all? Or select specific campaigns (e.g., "1 and 2 only")
6. 创建营销活动组
用户批准后,创建营销活动组:
linkedin_ads__tool_create_campaign_group(
ad_account_id: <id>,
name: "[ICP Segment] — Micro Campaigns",
status: "PAUSED"
)
7. 创建营销活动
针对每个获批的微型细分群体,以 PAUSED 状态创建营销活动:
linkedin_ads__tool_create_campaign(
ad_account_id: <id>,
campaign_group_id: <group_id>,
name: "[Segment Name]",
objective_type: "LEAD_GENERATION",
targeting_criteria: <targeting object from step 2>,
daily_budget_amount: <amount>,
daily_budget_currency: "USD",
cost_type: "CPM",
status: "PAUSED"
)
所有营销活动均以 PAUSED 状态创建 — 是否激活由用户决定。
8. 创建创意内容
为每个广告系列创建 2 个创意版本,用于 A/B 测试。
向用户询问:
- 着陆页 URL
- 是否有需要纳入的特定宣传信息、价值主张或优惠
然后创建以下版本:
版本 A — 聚焦痛点:
linkedin_ads__tool_create_creative(
campaign_id: <id>,
commentary: "<Segment-specific pain point intro — 150 chars visible>",
share_media_title: "<Pain point headline — 70 chars max>",
share_media_description: "<Supporting detail>",
destination_url: "<landing page URL>",
call_to_action_type: "LEARN_MORE",
status: "PAUSED"
)
版本 B — 聚焦成果:
linkedin_ads__tool_create_creative(
campaign_id: <id>,
commentary: "<Segment-specific outcome/result intro — 150 chars visible>",
share_media_title: "<Outcome headline — 70 chars max>",
share_media_description: "<Supporting detail>",
destination_url: "<landing page URL>",
call_to_action_type: "LEARN_MORE",
status: "PAUSED"
)
各细分受众的创意指南:
- 标题:直接提及用户画像的角色或痛点
- 引导文本:针对特定细分受众面临的挑战展开,而非泛泛介绍优势
- CTA:与广告系列目标相匹配(提升认知度使用 LEARN_MORE,获取潜在客户使用 SIGN_UP,高意向用户使用 REQUEST_DEMO)
9. 输出广告系列摘要
LinkedIn Micro Campaigns — Created
═══════════════════════════════════════════════════
Campaign Group: [Name] (PAUSED)
Ad Account: [Account Name]
┌──────────────────────┬──────────┬───────────┬──────────┬──────────────┐
│ Campaign │ Audience │ Budget/day│ Status │ Creatives │
├──────────────────────┼──────────┼───────────┼──────────┼──────────────┤
│ [Segment A] │ [N] │ $[X] │ PAUSED │ 2 variations │
│ [Segment B] │ [N] │ $[X] │ PAUSED │ 2 variations │
│ [Segment C] │ [N] │ $[X] │ PAUSED │ 2 variations │
├──────────────────────┼──────────┼───────────┼──────────┼──────────────┤
│ TOTAL │ [N] │ $[X] │ │ [N] total │
└──────────────────────┴──────────┴───────────┴──────────┴──────────────┘
Targeting Summary per Campaign:
[Campaign 1]: [titles] + [seniority] + [industries] + [size] + [geo]
[Campaign 2]: [titles] + [seniority] + [industries] + [size] + [geo]
[Campaign 3]: [titles] + [seniority] + [industries] + [size] + [geo]
ICP Data Source: [HubSpot CRM / Manual Input]
Deals Analyzed: [N] (if from CRM)
Next Steps:
1. Review creatives and update copy/images as needed
2. Set campaign group status to ACTIVE when ready to launch
3. Monitor for 7 days before optimizing
4. Run /linkedin-ads-audit after 14 days to evaluate performance
Estimated Monthly Spend: $[X]
Estimated Monthly Reach: [N] impressions
10. 记录发现
对于创建的每个微型广告系列,调用 mcp__cogny__create_finding:
{
"title": "Micro-campaign created: VP Marketing at SaaS 200-1K employees (audience: 34,200)",
"body": "Created LinkedIn campaign targeting VP/Director Marketing at SaaS companies with 200-1000 employees in US/UK. Audience size 34,200. Daily budget $50. Based on CRM analysis showing this segment has 42% win rate and $45K avg deal size. 2 creative variations (pain point + outcome). Campaign in PAUSED status.",
"action_type": "campaign_creation",
"expected_outcome": "Generate 15-25 qualified leads per month at <$80 CPL",
"estimated_impact_usd": 3000,
"priority": "medium"
}
微型广告系列的操作类型:
campaign_creation— 根据 ICP 数据构建新广告系列targeting_refinement— 根据受众规模和重叠情况调整受众creative_refresh— 创建新的广告版本进行测试budget_optimization— 在各细分受众间重新分配支出audience_overlap— 检测受众重叠并提出排除建议