固定上游版本 70987bad4ebe,包含 2 个文件。 加搜已生成可下载技能包、原始文件镜像及 7 种 Agent 安装页面。
数据与自动化 · Marketing Tracking
营销数据追踪 Skill
设计 GA4 事件、转化、用户标识、CTA 归因和数据层,让关键营销动作可衡量。
从业务问题倒推事件与参数,形成可以交给开发和分析团队的追踪规范,减少上线后数据口径混乱。
WHAT IT SOLVES
解决的营销问题
设计 GA4 事件、转化、用户标识、CTA 归因和数据层,让关键营销动作可衡量
设计 GA4 事件、转化、用户标识、CTA 归因和数据层,让关键营销动作可衡量。跑完你拿到的是事件名称、触发条件、参数和业务用途组成的追踪表,中间一共 7 步。
最适合的真实场景
- 01
新网站需要从零建立 GA4、增强型衡量、业务事件和关键事件。
- 02
内容团队想知道哪些文章中的 CTA 真正带来注册、咨询或下载。
- 03
广告与增长团队需要统一 UTM,并比较多触点路径下各渠道的转化贡献。
- 04
登录型产品需要通过 User ID 连接跨设备、跨会话的用户行为。
- 05
现有 GA4 出现重复事件、参数缺失或命名混乱,需要进行数据质量审计。
- 06
B2B 团队准备把关键事件和触点数据接入数据仓库与 BI 报表。
你要先准备的资料
- GA4 属性、Web 数据流和 Measurement ID。
- 网站代码、GTM 或应用埋点的实施权限。
- 企业 KPI、用户漏斗和需要追踪的关键动作清单。
- 现有 UTM 规则、广告渠道和内容分类方式。
- 如使用 User ID,需要明确登录后可用的稳定用户标识。
跑完你会拿到什么
- 事件名称、触发条件、参数和业务用途组成的追踪表。
- Google Tag、gtag.js 或 GTM 的实施说明。
- 关键事件与业务漏斗的映射关系。
- UTM 命名与渠道归因规则。
- Realtime、DebugView 和重复事件检查清单。
METHOD
Skill 工作流程
定义业务 KPI → 确认 GA4 基础 → 启用基础自动追踪 等 7 个环节
一共 7 步。其中 7 项能力决定了换个 AI 会不会更麻烦。
- 定义业务 KPI明确购买、注册、留资、联系、下载或内容 CTA 等真正影响业务判断的关键动作。
- 确认 GA4 基础准备 GA4 属性、Web 数据流和 Measurement ID,确认 Google Tag 覆盖所有需要追踪的页面。
- 启用基础自动追踪按需开启页面浏览、滚动、出站点击、站内搜索、文件下载和 YouTube 视频互动等增强型衡量。
- 设计事件与参数优先采用推荐事件,为业务自定义事件使用小写 snake_case 和动词开头,并给事件加入页面、内容或商品语境参数。
- 映射关键事件从事件表中选出购买、注册、线索和联系等关键动作,在 GA4 中标记并用于归因和受众。
- 统一渠道归因规范 source、medium、campaign 等 UTM,结合数据驱动或最终点击模型查看触点贡献。
- 测试与验收通过 Realtime、DebugView、GTM 预览或 debug_mode 检查事件是否触发、参数是否完整,并排除重复记录。
这个 Skill 用到的能力: 打开网页取正文MCP 与连接器页面预览操作前确认联网检索写本地文件产物区审阅 。不同 AI 对这些能力的支持程度不一样,所以同一个 Skill 换个 AI,有几步做法会变。
WORKED EXAMPLE
业务示例
建立内容营销 CTA 归因
建立内容营销 CTA 归因
一家 B2B 公司持续发布行业文章,希望判断哪些文章中的 CTA 带来白皮书下载和咨询。
- 先定义文章 CTA 点击、白皮书下载和咨询提交三个关键动作。
- 设计 cta_click 等事件,并附带 content_url、content_type、cta_position 和 offer_name 参数。
- 把下载和咨询事件标记为关键事件,统一外部推广链接的 UTM。
- 在 DebugView 中逐个点击验证触发与参数,并检查同一操作是否被重复记录。
预期结果:团队获得按文章、CTA 位置和内容类型分析的事件口径,可以把内容表现从浏览量进一步连接到下载和咨询动作。
PITFALLS · VERIFICATION
能力边界与常见问题
给每个细小交互都创建事件,导致报表噪声大、命名难维护
最常踩的坑
- 给每个细小交互都创建事件,导致报表噪声大、命名难维护。
- 事件名超过 GA4 限制或混用大小写、空格和不同命名习惯。
- 只记录事件名,没有附带页面、内容、商品或渠道参数。
- UTM 写法不统一,造成同一渠道被拆成多个来源。
- 上线前没有使用 Realtime 和 DebugView 验证重复、缺值和触发条件。
怎么确认这次跑对了
- 已经形成可检查的事件名称、触发条件、参数和业务用途组成的追踪表,关键判断能回到输入资料或过程证据。
- 已经形成可检查的Google Tag、gtag.js 或 GTM 的实施说明,关键判断能回到输入资料或过程证据。
- 已经形成可检查的关键事件与业务漏斗的映射关系,关键判断能回到输入资料或过程证据。
- 已逐项检查「给每个细小交互都创建事件,导致报表噪声大、命名难维护」等高频问题,并记录需要人工确认的下一步。
营销数据追踪 Skill适合哪些岗位使用?
增长团队、数据分析、产品运营、网站开发。典型场景包括新网站需要从零建立 GA4、增强型衡量、业务事件和关键事件;内容团队想知道哪些文章中的 CTA 真正带来注册、咨询或下载;广告与增长团队需要统一 UTM,并比较多触点路径下各渠道的转化贡献。
开始前需要准备什么资料?
至少需要GA4 属性、Web 数据流和 Measurement ID、网站代码、GTM 或应用埋点的实施权限、企业 KPI、用户漏斗和需要追踪的关键动作清单。资料越具体,结果越能直接用于决策。
最后能得到什么可检查的结果?
事件名称、触发条件、参数和业务用途组成的追踪表、Google Tag、gtag.js 或 GTM 的实施说明、关键事件与业务漏斗的映射关系。每项都可以逐条核对来源和数字。
哪些情况下结果会不可靠?
给每个细小交互都创建事件,导致报表噪声大、命名难维护;事件名超过 GA4 限制或混用大小写、空格和不同命名习惯。出现这些情况时需要人工复核。
支持哪些 AI Agent?
已适配 WorkBuddy、OpenClaw、Hermes Agent、Codex、Claude Code、TRAE、ZCode 共 7 种,每种都有独立的安装说明和能力对照。
ORIGINAL SOURCE
完整 Skill 内容与版本资料
2 个原始文件,20 个文档章节,固定在 70987bad
上游原文完整保留在加搜服务器上,可逐节查看,也可以直接下载。 当前镜像共 2 个文件、6.7 KB。
Analytics: Tracking
Guides analytics implementation: GA4 setup, event tracking, conversions, and data quality. Applies to web and app tracking across marketing channels.
When invoking: On first use, if helpful, open with 1-2 sentences on what this skill covers and why it matters, then provide the main output. On subsequent use or when the user asks to skip, go directly to the main output.
User ID
- Purpose: Cross-device, cross-session user identification
- Implementation: Set
user_idwhen user is identified (e.g., login); send to GA4 - Benefit: Accurate attribution across sessions; better audience building
CTA Attribution (Article ROI)
Track CTA clicks on key articles to measure content ROI:
| Action | Purpose |
|---|---|
| Event per CTA | e.g., cta_click with content_url, content_type |
| Conversion | Mark as conversion in GA4 for attribution |
| Use | Compare high vs low performers; optimize CTA placement and copy |
See seo-monitoring for article database and benchmark context.
Infrastructure Requirements
| Component | Purpose |
|---|---|
| Data warehouse | Centralized data; BI reporting |
| Event tracking | User behavior; funnel mapping |
| Attribution | Ad pixels; attribution model; impression-to-sale tracking |
Optimization flow: Clean UTM + conversion events → attribution reports → optimize channel mix.
Scope
- GA4: Web data stream, gtag.js, configuration
- User ID: Cross-device, cross-session identification
- CTA attribution: Per-article conversion tracking for content ROI
- Events: Recommended and custom events
- Conversions: Key events, parameters
- Quality: Naming, testing, validation
GA4 Setup
Prerequisites
- Google Analytics property and web data stream
- Google tag (gtag.js) on all pages
- Measurement ID (e.g.,
G-XXXXXXXXXX)
Enhanced Measurement
Enable in Admin > Data Streams > Enhanced Measurement for automatic tracking of:
- Page views, scrolls, outbound clicks
- Site search, file downloads
- Video engagement (YouTube)
Event Tracking
Event Types
| Type | Description |
|---|---|
| Automatically collected | page_view, first_visit, session_start |
| Enhanced measurement | scroll, click, file_download, etc. |
| Recommended | purchase, sign_up, search, etc. |
| Custom | Business-specific actions |
Naming Conventions
- Length: <=40 characters (GA4 hard limit; longer names are not logged)
- Format:
snake_case, lowercase - Verb first:
download_pdf,submit_form,video_play - Context:
pricing_page_scrollvs genericscroll
gtag.js Syntax
gtag('event', '<event_name>', {
<parameter_name>: <value>,
// e.g. value: 99.99, currency: 'USD'
});
Place below the Google tag snippet. Events fire on page load or user action (e.g., button click).
Recommended Events
| Event | Use | Key Parameters |
|---|---|---|
purchase |
E-commerce | value, currency, items |
sign_up |
Registration | method |
login |
Login | method |
search |
Site search | search_term |
view_item |
Product view | items |
add_to_cart |
Add to cart | items |
Custom Events
- Focus on 15-25 meaningful events aligned with KPIs
- Add parameters for context (e.g.,
content_type,item_id) - Avoid tracking everything; prioritize quality over quantity
Conversions (Key Events)
- Mark important events as conversions in GA4 Admin
- Use for attribution, audiences, and reporting
- Typical: purchase, sign_up, lead, contact
Attribution & Conversion Optimization
Attribution models determine how conversion credit is assigned across touchpoints. Use attribution data to optimize ads and growth channels.
| Model | Use |
|---|---|
| Data-driven (GA4 default) | ML assigns credit by actual contribution; best for multi-touch journeys |
| Last-click | 100% to final touchpoint; simple but undervalues awareness/consideration |
Optimization flow: Clean UTM (source, medium, campaign) + conversion events → GA4 attribution reports → compare channels by attributed conversions → reallocate budget to ads/channels that drive results. Inconsistent UTM fragments data; multi-touch attribution requires reliable touchpoint data.
Reference: UTM.io – UTMs for Marketing Attribution, GA4 – Get started with attribution
Testing & Validation
| Tool | Use |
|---|---|
| Realtime | See events as they fire |
| DebugView | Detailed event/parameter inspection; requires debug mode |
| GA4 Debug mode | gtag('config', 'G-XXX', { 'debug_mode': true }); or GTM preview |
- Test before launch; verify parameters and naming
- Check for duplicate events, missing values
Output Format
- Event list (name, trigger, parameters)
- Implementation notes (gtag or GTM)
- Conversion mapping
- Testing checklist
Related Skills
- traffic-analysis: UTM, source attribution; attribution for channel optimization
- ai-traffic-tracking: AI traffic in GA4
- google-search-console: GSC analysis (correlate with GA4)
- seo-monitoring: Article database, benchmark, full SEO monitoring framework
当前镜像保留 2 个文件,共 6.7 KB。点击文件名可查看加搜服务器上的原始内容。
| 文件 | 大小 | 内容指纹 |
|---|---|---|
| SKILL.md | 5,845 B | 90fdfd28af7d… |
| UPSTREAM_LICENSE.txt | 1,065 B | 9f06c77b8931… |
评价将按 Skill 与版本归档,帮助营销人了解真实任务中的使用体验。敬请期待。
来源与版本声明
本页面由加搜科技整理业务说明并托管安装文件。原始 Skill 来源渠道:GitHub Marketing Skills; 原始项目名称:analytics-tracking; 固定版本:70987bad4ebe; 许可证:MIT。技能包内保留完整出处和许可证说明。
各 Agent 能力说明参考对应官方文档。页面不提供外部跳转。
INSTALL
三种安装方式
营销数据追踪 Skill v1.0.0,ZIP 带 SHA256 校验
默认做法是把提示词复制给 AI Agent,让它自己下载并安装。提示词里已经写清要用完整 ZIP、装完报告目录、并先跑一个小任务验证。
METHOD 01 · 交给 AI 自己装
复制提示词
适合大多数情况。Agent 会下载 ZIP、解压、放到正确目录,并在缺少权限时告诉你需要手工做哪一步。
请帮我把「营销数据追踪 Skill」安装到我正在使用的 AI Agent。 1. 下载完整 Skill ZIP:https://www.vibemarketing.work/packages/skill-marketing-tracking/1.0.0/skill-marketing-tracking.zip 注意:网页 HTML 不能当作 Skill 文件安装,必须使用 ZIP 里的完整文件。 2. 解压后保留 SKILL.md 及全部配套文件,按你所用 Agent 的 Skill 目录规则安装。 3. 安装完成后告诉我实际安装目录。 4. 用一个只读小任务验证 Skill 已被识别。 5. 如果你没有联网、下载或写目录权限,请直接告诉我哪几步需要我手工完成。 参考:原始 SKILL.md https://www.vibemarketing.work/raw/skill-marketing-tracking/SKILL.md;安装指南 https://www.vibemarketing.work/agent-install/skill-marketing-tracking.md
METHOD 02 · 自己下载
下载完整 ZIP
包内含 SKILL.md 与全部配套文件,附 manifest.json 与 SHA256 校验值,可离线安装与版本冻结。
METHOD 03 · 手动放目录
手动安装
解压 ZIP 后,按所用 Agent 的目录规则放入:
- WorkBuddy
技能 → 添加技能 → 上传技能 → 选择本地技能包 - OpenClaw
openclaw skills install ./skill-marketing-tracking --as marketing_tracking_skill - Hermes Agent
mkdir -p ~/.hermes/skills && cp -R ./skill-marketing-tracking ~/.hermes/skills/ - Codex
mkdir -p ~/.codex/skills && cp -R ./skill-marketing-tracking ~/.codex/skills/ - Claude Code
mkdir -p ~/.claude/skills && cp -R ./skill-marketing-tracking ~/.claude/skills/ - TRAE
在 Skills 设置中导入包含 SKILL.md 的 skill-marketing-tracking 目录;项目级 Skill 可放入 .agents/skills/skill-marketing-tracking - ZCode
mkdir -p ~/.zcode/skills && cp -R ./skill-marketing-tracking ~/.zcode/skills/
HTML 业务页面不能直接当作 Skill 文件安装。AI 需要下载完整 ZIP 并保留配套文件。
BY AGENT
适配的 AI Agent
7 个 Agent 里,7 项能力决定了差异
同一个 Skill,换个 AI 做法就不一样。点进去能看到它在这 7 步里能直接跑通几步、哪几步得你自己补、装完先跑什么验证。
- WorkBuddy 营销数据追踪 Skill 中文办公、本地资料和企业协作
- OpenClaw 营销数据追踪 Skill 本地工作区、目录化 Skill、命令和批处理
- Hermes Agent 营销数据追踪 Skill 长任务、消息入口和阶段进度
- Codex 营销数据追踪 Skill 本地文件、数据、代码和正式交付物
- Claude Code 营销数据追踪 Skill 项目上下文、文件、终端和 MCP
- TRAE 营销数据追踪 Skill 营销工作与网站、落地页和程序化 SEO
- ZCode 营销数据追踪 Skill 长上下文、长任务、项目文件和远程跟进
FURTHER READING
营销数据追踪 Skill 相关的实操文章
别人做同类任务时踩过的坑和总结,动手前后都值得翻一下。
这次营销邮件发出后,打开率比往期低了不少。内容同事先改主题行,运营把发送时间从上午挪到晚上,第二轮数据仍没有起色。这样的排查很常见,问题在于打开率把几件事压成了一个数字:平台怎样统计、邮件有没有被接收
推荐计划上线一个月,运营后台常会出现两种相反的尴尬:页面有人点,专属链接也发出去了,新客却没有完成注册或购买;另一种更早,老客户连分享按钮都懒得碰。团队往往把两种情况归到同一个原因——奖励不够大,于是
团队开始做 GEO 以后,常会遇到一组看起来互相矛盾的数据:页面已经被 AI Overviews、AI Mode 或聊天机器人引用,Google Analytics 里的 AI 引荐访问仍然很少。管理
市场团队打开 CRM,看到新来的 MQL 已经有负责人,往往会认为交接已经完成。几天后再查,销售活动仍然是空的:没有电话,没有邮件,也没有退回原因。销售说线索质量差,市场拿出分配记录,双方都能找到对自
自动发文失败后的回滚顺序是"先停、再读、后动":先停止后续任务,再读日志与后台回读确认现场,最后按失败发生的发布阶段执行对应恢复动作。盲目重发是扩大错误的最快方式。本文按阶段给出一张回滚动作表。 自动
搭配使用
联盟营销 Skill、AI 搜索流量分析 Skill、海外 App 投放 Skill、营销归因分析 Skill、营销动作效果验证 Skill、转化率优化 Skill
按这个 Skill 的产出能不能直接被下一个 Skill 用上来推荐,不是固定名单。多数情况下按顺序跑完一组,比单独用一个效果更好。
联盟营销 Skill
把联盟伙伴招募思路整理成包含佣金模型、归因窗口、防作弊规则和推广物料的渠道方案。
AI 搜索流量分析 Skill
在 GA4 与 Search Console 中识别来自 ChatGPT、Perplexity 和 AI 搜索体验的访问与转化。
海外 App 投放 Skill
把海外 App 投放需求转化成包含预算出价比例、素材清单和归因配置的执行手册。
营销归因分析 Skill
营销归因分析把各广告平台和 CRM 里相互冲突的转化数据,整理成一份带置信区间的渠道收入归因表。
营销动作效果验证 Skill
把营销改动前后的平台数据拉取出来,对比核心指标,生成一份决定保留或放弃该改动的验证报告。
转化率优化 Skill
把流量数据转化为带统计显著性的 A/B 测试方案,产出包含测试变量和样本量的实验执行计划。
- 01
联盟营销 Skill
这个 Skill 产出的tracking_plan,正好是它需要的输入,可以直接接着跑
- 02
AI 搜索流量分析 Skill
这个 Skill 产出的tracking_plan,正好是它需要的输入,可以直接接着跑
- 03
海外 App 投放 Skill
这个 Skill 产出的tracking_plan,正好是它需要的输入,可以直接接着跑
- 04
营销归因分析 Skill
这个 Skill 产出的tracking_plan,正好是它需要的输入,可以直接接着跑
- 05
营销动作效果验证 Skill
这个 Skill 产出的tracking_plan,正好是它需要的输入,可以直接接着跑
- 06
转化率优化 Skill
这个 Skill 产出的tracking_plan,正好是它需要的输入,可以直接接着跑