mcpField
L
linkedin-post-experimentation

linkedin-post-experimentation

github.com/lvtd-llc营销与增长143 次安装7 周前更新
代码仓库

关于 linkedin-post-experimentation

用于设计和评估 LinkedIn 帖子实验的技能。它帮助营销人员一次测试一个内容变量、预先设定指标，并依据受众匹配度和反馈质量决定后续调整。

主要功能

  1. 01围绕内容和受众提出假设
  2. 02每次测试一个变量
  3. 03发布前设定指标
  4. 04发布后收集结果
  5. 05决定重复、修改或停止

适用场景

  1. 01比较某个创意的不同形式
  2. 02测试主题与目标受众的匹配度
  3. 03不只看展示量，评估帖子表现
  4. 04决定如何调整内容方向

安装

复制下面的命令，在终端中运行。

$npx skills add https://github.com/lvtd-llc/skills --skill linkedin-post-experimentation

安装后在 Claude Code 中输入/linkedin-post-experimentation确认已加载。

包含的文件

除 SKILL.md 外，安装时一起下载的参考资料和脚本。

references/core/
examples.md
knowledge.md
rules.md
workflows/
run-post-experiment.md

详细介绍

LinkedIn 帖子实验

来源可追溯性

主要来源：Bjorn Radde 的《Growth Hacking LinkedIn》，尤其是第 2.1 节 “增长黑客的阶段”、第 2.2 节“LinkedIn 增长黑客”、第 3.4.1 节“帖子”、 第 3.7 节“社交销售指数”和第 4.1 节“LinkedIn 分析工具”。相关指南经过 改编和转述。

参考资料导航

需求阅读
实验模型和来源说明references/core/knowledge.md
实验设计规则references/core/rules.md
测试模板和分析示例references/core/examples.md
开展内容实验workflows/run-post-experiment.md

工作流

  1. 将内容创意转化为有关受众、主题、形式或响应的假设。
  2. 选择一个变量进行测试。
  3. 发布前定义指标：展示次数、互动、评论、收藏、发送、个人资料访问、关注者、新闻简报订阅或合格对话。
  4. 发布内容、回复评论，并在合理的时间窗口后收集结果。
  5. 决定是重复、修改还是停止这一内容方向。

输出格式

# LinkedIn Content Experiment

## Hypothesis
[Audience + content variable + expected signal.]

## Test Design
- Variable:
- Control or comparison:
- Format:
- Publishing window:
- Engagement plan:

## Metrics
| Metric | Why It Matters | Target |
|--------|----------------|--------|

## Decision Rules
- Repeat:
- Revise:
- Stop:

## Learning Log
- What happened:
- What to try next:

质量标准

  • 不要同时优化五个变量。
  • 优先从合格响应中获取经验，而不是只看总触达量。
  • 将分析数据视为方向性参考，而非绝对真相。
  • 不要只看展示次数，还要考虑评论质量和受众匹配度。

评论

支持 Markdown