mcpField
P
plg-ai-funnel

plg-ai-funnel

github.com/majesticlabs-dev营销与增长5035 次安装7 周前更新
代码仓库

关于 plg-ai-funnel

介绍产品主导增长团队如何让 AI Agent 更容易发现、理解并推荐产品的技能,按查询、文档扫描、功能匹配和推荐四个阶段组织工作。

主要功能

  1. 01四阶段 AI 发现漏斗
  2. 02品牌与类别可见度审查
  3. 03文档可提取性清单
  4. 04功能与问题映射
  5. 05推荐效果指标框架

适用场景

  1. 01审查 AI 是否提及品牌
  2. 02优化文档以便 AI 提取
  3. 03按使用场景说明产品能力
  4. 04跟踪 AI 产品推荐

安装

复制下面的命令,在终端中运行。

$npx skills add https://github.com/majesticlabs-dev/majestic-marketplace --skill plg-ai-funnel

安装后在 Claude Code 中输入/plg-ai-funnel确认已加载。

详细介绍

PLG AI 漏斗:Agent 时代的产品驱动增长

范式转变

旧版 PLG 漏斗:

Landing Page → Free Trial → Activation → Conversion

新版 PLG 漏斗:

Agent Query → Documentation Scan → Feature Match → Recommendation

买家的首次互动不再发生在你的落地页上,而是 AI Agent 扫描你的文档来回答他们的问题。

四个阶段

阶段 1:Agent 查询

发生什么: 用户向 AI 提问:“有什么工具可以帮我解决[问题]?”

优化目标:

  • 品牌出现在 AI 的考虑范围内
  • 正确关联类别
  • AI 的知识中存在问题与解决方案的映射

策略:

行动作用原理
构建实体AI 必须知道你的品牌存在,以及它所属的类别
第三方提及评价、对比和榜单文章会成为 AI 训练数据
清晰定位“X 是一种[类别],可[主要优势]”之类的表述

审核问题:

  • 直接询问时,AI 是否知道你的品牌?
  • AI 是否会将你的品牌与你的类别关联起来?
  • 竞品会出现,而你不会吗?

工具: 用于建立权威性的 entity-builder Agent

阶段 2:扫描文档

发生什么: AI 扫描你的文档、帮助中心和营销页面,以了解产品功能。

优化目标:

  • 内容便于 AI 提取(分块、结构清晰)
  • 答案前置(而非埋在内容深处)
  • 每个页面都通过“Taco Bell 测试”(可以独立理解)

策略:

行动作用原理
答案优先的结构AI 会提取第一句话作为答案
FAQ 部分预先整理好的问答是理想的提取内容
结构化数据表格、项目符号和标题能标示独立事实
独立的内容区块AI 可能只看到一个区块,而非整个页面

可提取性检查清单:

☐ First sentence directly answers the page's implied question
☐ H2/H3 headers are questions or clear topic labels
☐ Tables used for comparisons and feature lists
☐ Each section makes sense without surrounding context
☐ No "as mentioned above" or "see below" dependencies

工具: 用于优化内容的 llm-optimizer Agent

阶段 3:功能匹配

发生什么: AI 将用户的具体需求与产品功能进行匹配。

优化目标:

  • 用用户问题相关的表述描述功能
  • 明确将用例映射到相应功能
  • 清晰说明限制(以建立信任)

策略:

行动作用原理
问题 → 功能映射“如果你需要 X,[Product] 可以做到 Y”
用例页面为每项待完成任务创建专属页面
集成列表AI 会检查兼容性要求
定价清晰AI 需要匹配预算限制

功能文档模板:

## [Feature Name]

**Problem it solves:** [User problem in their words]

**How it works:** [1-2 sentence explanation]

**Best for:** [Specific use cases]

**Limitations:** [What it doesn't do]

**Example:** [Concrete scenario]

反模式: 功能页面只描述功能,却没有将其与用户问题联系起来。

阶段 4:推荐

发生什么: AI 决定是否推荐你的产品,以及如何定位它。

优化目标:

  • 明确与替代方案的差异
  • 提供 AI 可以引用的社会认同
  • 在内容中始终将话题关联回产品

策略:

行动作用原理
对比内容AI 会直接引用“X 与 Y 对比”页面
量化成果“缩短 40% 的时间”优于“节省时间”
评价渠道G2、Capterra 上的评价会影响 AI 推荐
在答案中提及产品每篇内容都与产品相关联

产品关联规则: 每隔 1-2 个教育性内容段落,就应说明产品与主题的关联。

  • ❌ “线索评分有助于确定潜在客户的优先级”
  • ✅ “线索评分有助于确定潜在客户的优先级——[Product] 通过 AI 驱动的评分自动完成此操作”

工具: 使用 aeo-scorecard 技能衡量推荐成效

PLG × AEO 集成

PLG 阶段AEO 概念指标
Agent 查询实体/权威性AI 可见度 %
扫描文档可提取性引用率
功能匹配信息密度功能提及准确率
推荐产品关联AI 声量份额

快速审核工作流

1. Test 10 queries your buyers ask
   → Does your brand appear? (Stage 1)

2. Check if AI cites YOUR content
   → Or competitor/third-party? (Stage 2)

3. Ask AI about specific features
   → Does it know your capabilities? (Stage 3)

4. Ask "Should I use [Product] for [use case]?"
   → What's the recommendation? (Stage 4)

常见的 PLG AI 差距

症状出问题的阶段解决方法
AI 不知道品牌查询建立实体,获取第三方提及
AI 引用竞争对手的内容文档提高可提取性,优先给出答案
AI 误解功能功能匹配从问题出发重写功能文档
AI 推荐竞争对手推荐强化差异化,增加社会证明

相关工具

  • llm-optimizer - 针对第 2 阶段进行深度内容优化
  • entity-builder - 建立第 1 阶段所需的权威性
  • aeo-scorecard - 适用于所有阶段的指标框架
  • /aeo-workflow - 完整的实施工作流
  • query-expansion-strategy - 了解查询扩展

评论

支持 Markdown