这个 Skill 能做什么，适合哪些场景？
这是 Aaron Marketing Skills 中面向付费广告激活阶段的转化追踪QA技能。它检查转化事件是否触发、UTM是否规范、Google与Meta是否声明去重规则及统一归因窗口，并标记离线导入和iOS ATT建模缺口。技能根据用户提供的GA4转化与流量来源/媒介导出，以及一次手动测试转化，生成投放前检查清单和可复用的UTM/事件规范。它负责构建和修复测量信号，不负责对ROAS的R1/R2进行评分，也不执行持续性的订单ID对账。
读取用户提供的网站或账户主题、广告平台、GA4 Conversions导出和Traffic-acquisition source/medium导出；要求用户执行一次真实手动转化并核对事件名称、价值和来源/媒介。技能逐项检查事件触发、UTM卫生、跨平台去重、归因窗口、离线转化导入和iOS ATT建模缺口，按证据标记pass、fail或needs-input。随后生成UTM命名约定、转化事件规格表、平台去重与归因窗口说明、建模缺口提示及标准交接摘要，并明确投放是否准备就绪。结果只有在用户明确同意保存后，才会写入指定的memory路径。
- 广告团队准备扩大Google与Meta投放，需要在加预算前验证转化事件和GA4数据链路。
- 营销人员发现Meta、Google与GA4订单数不一致，希望定位UTM、去重规则或归因窗口问题。
- 增长负责人要为新广告活动建立UTM命名规范和转化事件规格表。
- 数据团队只有GA4导出和一次手动测试转化，没有可用的广告平台或标签管理器API。
如何安装这个 Skill？
- 不要把缺少 GA4 导出或手动测试转换误判为通过；应保持 needs-input 或 fail。
- 该技能只做上线前信号预检，不负责实际订单 ID 对账、重复计数量化或增量性分析；这些结论需由后续 reconciler 验证。
- 导出和生成的 memory 报告可能包含业务或转化数据；写入前应确认脱敏、访问控制、保留期限和删除方式。
- UTM、归因窗口、iOS-ATT 建模和平台去重规则可能随平台变化；上线前应由负责人员核对当前平台设置。
- 本地文件系统
安装整个仓库后使用其中的技能。兼容主机可运行：npx skills add aaron-he-zhu/aaron-marketing-skills；也可直接克隆：git clone https://github.com/aaron-he-zhu/aaron-marketing-skills。Claude Code可运行：/plugin marketplace add aaron-he-zhu/aaron-marketing-skills，然后运行/plugin install aaron-marketing@aaron。源材料未提供单独安装此技能的专用命令。
tmp="$(mktemp -d)"
git clone --depth 1 https://github.com/aaron-he-zhu/aaron-marketing-skills.git "$tmp"
mkdir -p ~/.claude/skills
cp -R "$tmp/ad/activate/conversion-signal-qa" ~/.claude/skills/
rm -rf "$tmp"根据源仓库地址和 Skill 路径自动生成，只复制这个 Skill 的文件夹。如果上文有作者提供的安装方式，请优先按作者说明操作；想只在当前项目中使用，把 ~/.claude/skills 换成项目里的 .claude/skills。
如何使用这个 Skill？
在投放或扩量前输入：QA my conversion tracking before I scale. Platforms: Google + Meta. Here is my GA4 Conversions export and Traffic-acquisition (source/medium) export: [paste/path]. 也可以请求：Build me a UTM scheme and event spec for this campaign, then give me a pre-launch tracking checklist I can run myself. 准备GA4导出，并按技能要求完成一次手动测试转化。完成后，技能会询问是否保存结果；未经确认不会写入记忆。
这个 Skill 有哪些优点和局限？
- 覆盖事件触发、UTM、跨平台去重和归因窗口等投放前测量基础。
- 仅凭用户自己的GA4导出和手动测试即可运行，不把广告平台API作为前提。
- 对离线转化和iOS ATT建模缺口单独标记，不会静默放行。
- 清楚区分信号质检、ROAS评分和持续归因对账。
- 不负责判断ROAS R1/R2是否通过，完成后仍需交给ad-account-auditor评分。
- 不执行订单ID匹配、重复计数量化或增量分析；这些属于attribution-reconciler。
- 需要用户提供有效导出并亲自完成一次测试转化；缺少测试时项目只能标记needs-input。
- 源材料未证明它已在特定广告账户、标签管理器或具体平台配置上测试。
这个 Skill 与同类方案有什么区别？
与相关 Skills 并排比较；分数均按同一 FSRS 标准得出。
| Skill | FS 评分 | Star 数 | 最近更新 | License |
|---|---|---|---|---|
| 付费广告转化追踪质检 本页 | 56 · 谨慎使用 | ★ 3k | 13 天前 | Apache-2.0 |
| 暗社交归因分析器 | 59 · 推荐 | ★ 3k | 13 天前 | Apache-2.0 |
| 广告创意构建器 | 60 · 推荐 | ★ 3k | 13 天前 | Apache-2.0 |
| 付费广告转化价值建模器 | 57 · 谨慎使用 | ★ 3k | 13 天前 | Apache-2.0 |
| 付费广告受众分群器 | 56 · 谨慎使用 | ★ 3k | 13 天前 | Apache-2.0 |
与ad-account-auditor相比，本技能构建并修复投放前测量信号，后者负责对R1/R2和完整ROAS质量评分。与attribution-reconciler相比，本技能只确认去重规则和归因窗口已声明并对齐，后者负责持续订单ID对账、重复计数和增量分析。
FollowSkills 如何评估这个 Skill？
证据显示其明确采用最小权限：优先使用用户提供的 GA4/电商导出和手动测试，不要求广告或标签管理 API；声明导出内容不可信，并在写入 memory 前要求用户确认。扣分原因是未具体规定导出数据的脱敏、保留和删除流程，运行时 memory 未加密，且没有明确的回滚机制或外部平台变更控制；平台测量规则也缺少独立来源归因。
证据显示指令、检查表和 UTM/event 模板彼此一致，缺失数据被规定为 needs-input，异常状态有明确的 fail/needs-input 反馈。扣分原因是仅有静态材料，未见针对该技能关键路径的专门测试、实际输入输出复现或运行时错误处理；复杂平台差异主要交由后续技能处理。
证据显示触发条件、输入、输出、范围边界和后续 handoff 较清楚，支持 Google、Meta 等常见平台，并可完全依赖用户导出而非海外 API。扣分原因是非适用场景、平台差异和部分边界仍不够完整；中文仅部分支持，缺少系统化的中文示例和本土平台覆盖证据。
证据显示 frontmatter、版本号、Apache-2.0 许可证、Quick Start、固定合同结构、引用材料、限制说明和下一技能路径较完整。扣分原因是该技能自身未说明维护负责人、变更日志和明确更新流程；homepage 只能提供仓库入口，发布者身份仍未验证，且依赖的共享文件契约没有在本技能内展开。
证据显示其能直接生成检查清单、UTM 命名规范、转换事件规格、去重和归因窗口备注，并把缺失证据明确标记为待输入，具有实际操作价值。扣分原因是文件只提供模板和流程，没有该技能关键路径的代表性真实输出或第三方结果验证；最终报告仍需要用户提供正确导出并人工执行测试转换。
证据包括固定的检查表、事件规格规则、仓库级 CI 和测试文件，且关键结论可追溯到选定的本地参考文件。扣分原因是 CI 测试主要覆盖共享架构和审计验证器，并未覆盖本技能的事件、UTM、去重或归因判断；没有第三方执行证据或多来源交叉验证，因此静态可验证性有限。
点击维度查看打分理由
证据充分度：低 — 主要依赖静态检查、作者材料或有限演示；适合发现线索，不适合做高风险决策。
查看完整评分方法 →