我第一次认真琢磨“落地页转化优化提示词”这个说法，是在给一个做企业培训的客户改页面的时候。那会儿我已经用AI帮忙写文案写了小半年，效果时好时坏，坏的时候居多。有天晚上我盯着屏幕想，问题可能不在AI，而在我给它的那句指令太糊了——“帮我优化一下这个落地页”。这种话丢给同事，同事都得追问三句，丢给AI，它只能猜。后来我把那句话拆成一段带背景、带目标、带约束的说明，返回来的建议立刻不一样了。这一章想聊清楚的，就是这类指令到底是什么、能干什么、容易在哪儿翻车。
1.1 什么是落地页转化优化提示词及其适用场景
我自己的定义很朴素：落地页转化优化提示词，就是你为了让AI帮你提升页面转化效果，而写给它的那段结构化指令。它跟普通的“帮我写段文案”不一样，它得交代清楚页面现在长什么样、用户从哪儿来、你想让用户做什么动作、有哪些不能碰的红线。说白了，它更像一份给外包优化师的需求简报，而不是一句许愿。
适用场景比很多人想的要宽。我常用的有这么几类：页面首屏的诊断、价值主张的重写、CTA按钮周围的文案打磨、表单字段的删减建议、社会证明区块的补强思路。还有一种场景容易被忽略——竞品页面拆解。你把对手页面的结构和文案喂进去，让AI帮你找差异点，往往能挖出自己没注意到的转化阻碍。
但我也得说句实在话，这玩意儿不是万能的。它适合做“提思路、列可能性、给初稿”，不适合直接拍板。页面上线前的判断，还得靠人。我有次偷懒，把AI给的一版首屏标题直接挂上去了，三天后跳出率涨了八个点。那个标题单看挺漂亮，跟我们的流量来源完全不搭。
1.2 提示词在落地页转化率优化中的价值、边界与风险
价值这块，我感受最深的是速度。以前做一个页面的优化方案，从看数据到出假设到写备选文案，怎么也得两三天。现在把页面截图、数据概览、用户画像整理成一段输入，半小时能拿到七八个可以往下走的思路。它帮我跨过了“从零开始想”那道坎，后面筛选和打磨的活儿还是我自己干，但启动成本低太多了。
边界也很明显。AI不知道你上个月刚被法务约谈过，不知道你们老板对某个词有执念，不知道你们行业的广告投放审核有多严。这些它一概不知。我见过有人让AI写“保证提升300%转化”这种话，AI真敢写，因为指令里没设限。这类输出挂到页面上，轻则被平台拒审，重则惹上麻烦。
风险里我最想提醒的是“看起来都对”的陷阱。AI给的建议往往语气笃定、结构工整，读起来特别像那么回事。你稍不留神就信了。我的做法是，每条建议都得追问一句：这条要真落地，需要改什么、测什么、谁来配合？答不上来的，先放一边。提示词能放大你的判断力，也能放大你的懒惰。
1.3 关键词拆解：落地页、转化率、优化动作与提示词之间的关系
把这几个词拆开看，关系就清楚了。落地页是战场，它是用户点完广告或链接后落到的第一个页面，任务单一，就是让人做一件事。转化率是记分牌，衡量有多少人真的做了那件事。优化动作是你为了抬高这个分数做的具体改动，比如换标题、删表单字段、加一条客户评价。提示词呢，是驱动这些动作的指令工具。
我习惯把它们想成一条链子。链子的起点是你对页面现状的判断，中间是提示词把判断翻译成AI能理解的指令，末端是AI返回的建议，这些建议再变成具体的优化动作，动作上线后回收数据，数据又回来修正你的判断。哪一环断了，整条链子都不转。
有个细节值得多说一句。很多人把“优化动作”和“提示词”混为一谈，以为写了个好提示词就等于优化了页面。不是的。提示词产出的是候选方案，方案得有人评估、有人开发、有人上线、有人看数据。提示词只占整条链子的中间一小段，前后都得有人接着。
1.4 常见误区：把提示词当文案模板、忽视数据验证与品牌约束
误区一是把提示词当文案模板使。我早期就这样，存了一堆“高转化标题生成器”之类的提示词，换个产品名就往里套。套出来的东西乍看都挺顺，细看全是正确的废话。“让每一分投入都有回报”这种句子，放哪个行业都不算错，放哪个行业也都不算对。真正有用的提示词得带具体的业务上下文，模板只是骨架，血肉得每次现填。
误区二是跳过数据验证。AI说首屏不够聚焦，你就改首屏；AI说CTA不够醒目，你就换颜色。改完不看数据，全凭感觉判断“好像好点了”。这种做法做十次有九次是在自嗨。我的规矩是，任何一条AI建议要落地，先写清楚它对应哪个指标、预期怎么变、多久能看出来。写不出来的，不做。
误区三是无视品牌约束。有些词你们品牌从来不用，有些承诺你们风格上就不允许说，有些视觉规范是铁律。这些必须在提示词里写明，不能指望AI自己领悟。我现在的提示词里固定有一段“禁止事项”，列的就是这些。省下来的返工时间，比写这段花的时间多得多。
1.5 效果评估标准：相关性、具体性、可测试性与可执行性
写完一段提示词，我一般拿四条标准过一遍。第一条是相关性：它问的问题，是不是这个页面当下真正要解决的问题？页面流量结构变了，你还在让AI优化表单字段，这就跑偏了。相关性不对，后面全白搭。
第二条是具体性。提示词里有没有说清楚页面类型、目标人群、当前转化率、想改善的环节？越具体，AI返回的东西越贴地。我常跟同事打比方，你问“怎么让页面更好”，等于问“怎么让菜更好吃”，对方只能给你报菜谱。
第三条是可测试性。AI给的建议能不能转成一个可上线、可对比的方案？如果它说“增强信任感”，这话没法测。你得追着让它说清楚：加什么、加在哪儿、跟什么对比着测。第四条是可执行性，建议落到你们团队手里，设计能不能做、开发排不排得上、文案过不过审。这四条里有一条不过关，那段提示词我就得回去改。
我现在的习惯是，每次写完提示词先自问一遍这四条，再发给AI。花的那几分钟，省的是后面来回折腾的几个小时。这章说的这些，算是给后面搭框架、做模板打了个底。地基没打牢，往上盖多漂亮都容易塌。
上一章聊的是认知层面的东西，说白了就是先搞清楚这玩意儿是什么、不是什么。这一章想往深里走一步，讲讲怎么搭一个能反复用、能扛住业务压力的提示词框架。我自己踩过的坑是，一开始总想着写一句“神级提示词”，一句话就能让AI吐出完美方案。折腾了大半年才明白，好用的提示词从来不是一句话，是一套结构。结构对了，换产品换行业换活动，改几个变量就能接着用。结构不对，每次都得从零憋，憋出来的东西还忽高忽低。
2.1 从业务目标到提示词任务：明确转化动作与成功指标
我见过太多人写提示词是从“页面”出发的——帮我把这个页面优化一下。这个起点就歪了。页面只是载体，真正该问的是：这个页面存在的业务目的是什么？用户看完之后要做什么动作？是填表单、加微信、下单、预约试听，还是下载白皮书？不同动作对应完全不同的优化逻辑。填表单的页面你拼命优化CTA按钮颜色，不如把字段从七个砍到三个来得实在。
我自己的习惯是，写提示词之前先在纸上写两行字。第一行写“这个页面要让谁做什么”，第二行写“怎么算做成了”。第一行是转化动作，第二行是成功指标。这两行没写清楚，后面喂再多上下文都是散的。有次我帮一个做SaaS的客户改定价页，他们一开始说要“提升页面专业感”，我问他们那专业感提升之后用户下一步该干嘛，他们愣了半天说，其实是想让用户点“预约演示”。好，那目标就明确了，所有提示词都围绕这一个动作去写，专业感只是手段。
成功指标这块也得提前定死。是看点击率、表单提交率、还是最终成单率？不同指标对提示词的要求不一样。你要是盯点击率，提示词就得侧重CTA的文案吸引力和视觉刺激。你要盯表单完成率，那提示词就得盯着字段数量、填写顺序、心理门槛这些。我吃过一次亏，页面改完CTA点击率涨了，但表单提交率掉得更狠，因为按钮承诺的东西表单里给不了。后来我写提示词都会加一句“优先保障表单完成率，CTA吸引力不得以牺牲填写意愿为代价”。
2.2 上下文结构化输入：产品卖点、目标受众、流量来源与页面现状
喂给AI的上下文，我一般分四块整理。产品卖点、目标受众、流量来源、页面现状。这四块缺一块，AI返回的建议就会飘。我试过只给产品介绍和页面截图，没给流量来源，AI建议我把首屏改成“专为中小企业打造”，听着挺对。结果是我们的流量八成来自抖音信息流，用户刷视频刷到一半点进来的，压根不知道什么叫中小企业解决方案。那版首屏挂了三天，跳出率直接飙到七成多。
产品卖点这块，我建议列三到五条，每条一句话，说人话。别堆形容词，什么“业界领先”“极致体验”这种词AI学得会，但它写出来的东西也全是这类空话。我一般会写“能帮用户省多少时间”“能帮用户多赚多少钱”“跟竞品比最不一样的一点是什么”。这三条一摆，AI写出来的标题和副标题就有骨有肉了。
流量来源是个容易被忽略但特别关键的输入项。搜索来的用户带着明确问题，信息流来的用户是被打断的，朋友圈广告来的用户信任度低。这三种人落到同一个页面上，首屏该说的话完全不一样。页面现状我一般给三样东西：截图、当前核心指标、已知的用户吐槽。截图让AI理解布局和视觉，核心指标让它知道基线在哪，用户吐槽是金矿，里面藏着真实转化阻碍。我有个客户做本地家政服务，评论区里五个人问“阿姨有没有健康证”，就这一条，让我把信任要素区块的优先级提到了最前面。
2.3 角色设定、约束条件与输出格式设计
角色设定这步，很多人写得特别虚——“你是一个资深的转化率优化专家”。这种角色描述AI确实会照单全收，但它对你的输出质量帮助有限。我后来改成更具体的写法，比如“你是一个做过两百个以上A/B测试的CRO顾问，擅长从数据波动中找归因，说话直接，不给模棱两可的建议”。你看，具体到经验量级、擅长领域、说话风格，返回的东西马上就不一样了。角色设定不是走流程，是你给AI定调子的机会。
约束条件这部分，我吃过太多亏了。早期写提示词，光说“帮我优化”，不说“不要做什么”。结果AI给我建议加视频背景，我们开发排期两周；建议改页面信息架构，那得重新做设计。后来我固定加一段“硬约束”，包括技术限制（不能改页面框架、只能用现有组件）、合规限制（不能出现绝对化用语、不能承诺具体效果数据）、品牌限制（主色不能动、logo区域不能动）。这段写上去，AI给的建议落地率起码翻了一倍。
输出格式设计，我现在的标配是三段式：每条建议先写“问题诊断”，再写“具体改动”，最后写“预期影响指标和验证方式”。之前不这么写的时候，AI返回一大段散文，读起来累，挑起来更难。现在格式固定了，我直接扫最后一段看指标，不靠谱的当场筛掉。还有个细节，我一般要求AI把建议按“改动成本”分档——低成本高影响、高成本高影响、低成本低影响，高成本低影响的我直接让它别列了。这个分档逻辑一加，团队评审的时候效率高很多。
2.4 诊断型、生成型、评审型提示词的分工与组合
我最初用AI的时候，一个提示词恨不得干完所有活：又诊断问题、又生成方案、又评审打分。结果出来的东西四不像，诊断不深、方案不细、评审不严。后来拆开了，分成三种类型分开用，效果才上来。诊断型提示词专门找问题，比如“列出这个页面从首屏到表单提交路径上的所有转化摩擦点，按影响程度排序，每条注明判断依据”。这种提示词要的是覆盖面广、判断准，不需要它给方案。
生成型提示词专门出方案。我一般会拿着诊断结果，一条一条单独问。“针对首屏价值主张模糊这个问题，给我五个不同角度的标题方案，每个方案注明适合的受众类型和流量来源”。一次问一个点，给的方案质量比一口气问十个点高得多。生成型提示词里我会加一条“每个方案必须能独立上线测试，不得依赖其他改动同时生效”，防止它给那种连环套式的建议。
评审型提示词是我最近半年才加进来的。让AI扮演一个挑刺的角色，对前面生成的方案做筛选和排序。“假设你是市场总监，预算只够测两个方案，你会选哪两个，理由是什么，风险点在哪”。这个环节特别能暴露方案里的软肋。我自己评审的时候容易对自己想出来的点子有感情，AI没这个包袱。三种提示词串起来用，诊断出问题、生成出候选、评审出优先级，整个流程跑一遍，比单用一个巨型提示词稳得多。
2.5 提示词迭代闭环：生成、评审、测试、复盘与优化
提示词这玩意儿，写一版就扔那儿不管，跟没写差不多。我现在的做法是每用一次就留个记录，记下这次输入了什么、AI返回了什么、哪些建议被采纳了、上线后数据怎么变的。这四个信息凑齐了，下一次写提示词就知道该往哪个方向调。有段时间我连续三次让AI优化表单，它每次都建议减少字段，我每次都照做，结果表单提交率确实涨了。第四次我换了个问法，让它从“用户填写动力”角度分析，它指出我们的表单缺少进度提示和隐私说明，这两条一加，提交率又往上跳了一截。
迭代闭环里最值钱的一步是复盘。测试跑完，数据回来了，别光看涨没涨。得回头翻当时的提示词，看看AI的建议跟最终方案之间差了多少，这个差距就是提示词可以改进的空间。我有次复盘发现，AI给的方案我自己手动改了六成，那说明提示词里对品牌调性和现有素材库的描述不够，下一版我就把这两块补厚了。
还有个小技巧，我会定期把用过的提示词拿出来重读，尤其是那些当时觉得“一般般”的。经常能发现里面某个约束条件写得太松，或者某个上下文漏了关键信息。提示词跟代码一样，不重构会烂。我现在保持一个月小修一次、三个月大修一次的节奏，修的时候顺便把新踩的坑写进约束条件里。
2.6 合规与品牌一致性约束：避免夸大承诺与不可执行建议
合规这件事，我是被现实教育出来的。刚入行那会儿，觉得法务和平台审核是“上线前才需要考虑的事”，跟写提示词没关系。有次让AI给一个理财教育课程写落地页方案，它返回的标题里带了一句“稳赚不赔”。我当时忙着别的事，没细看，设计直接拿去做图了。广告投放审核秒拒，客户那边也炸了，说这种词我们内部培训三令五申不能碰。那次之后，我的提示词里固定有一段“禁止输出清单”。
这个清单我现在写得特别具体，不写“遵守广告法”这种空话，直接列举：不得出现收益承诺、不得出现绝对化用语、不得暗示用户身份焦虑、不得使用“最”“第一”“唯一”这类词。行业特有的禁忌我也往里加，比如教育行业不能承诺提分，医疗健康不能承诺疗效，金融不能承诺回报率。每条禁止事项后面我会跟一句“如果需要表达类似意思，用以下替代表达”，给AI一个出口，它就不容易硬往红线上撞。
品牌一致性这块，光禁止不够，还得给正样本。我一般会往提示词里塞两三条品牌过往用过的好文案，让AI照着那个语气写。语气这玩意儿很难用规则描述清楚，给例子最直接。我有个客户是母婴品牌，他们的语气是“温柔但不腻、专业但不冷”，我描述了半天AI都抓不准。后来直接贴了三段他们公众号里的原话进去，AI写出来的东西一下就对了。品牌一致不是靠约束限制出来的，是靠样本喂出来的。这两块做好了，AI返回的建议你不用每条都提心吊胆地审，省下来的精力可以放在真正需要人判断的地方。
上一章聊了框架怎么搭，这一章直接上模板。我自己存了二十多个提示词模板，常用的就那么六七个。模板这东西的好处是，你不用每次从零开始憋，改几个变量就能跑起来。坏处是容易用懒了，拿着模板硬套，套出来的建议全是正确的废话。我在这一章会把我自己在用的几个核心模板拆开讲，每个模板后面都跟着我踩过的坑和改过的版本。模板不是终点，是一个能让你快速起跑的东西。
3.1 页面诊断类提示词模板：识别首屏、内容和路径中的转化阻碍
诊断类模板是我用得最频繁的一个。页面改版前、投放效果差的时候、转化率突然往下掉的时候，我第一件事就是跑一遍诊断。这个模板的核心思路是让AI按“用户路径”走一遍页面，从用户落地第一眼到完成转化动作，每个环节找摩擦点。我不会让AI泛泛地“提建议”，我会要求它按首屏、主体内容、转化路径三个区段分别列出问题，每个问题标注“可能影响的指标”和“判断依据”。
下面是我在用的诊断模板的核心结构，你可以直接改：
你是一个做了两百次以上落地页A/B测试的CRO顾问。下面是一个落地页的截图、当前核心指标和用户反馈摘录。请按用户浏览顺序分三段诊断：首屏区域（用户看到的前三秒能否理解这是什么、对谁有用、下一步做什么）、主体内容区域（卖点说服力、信息密度、可信度）、转化路径区域（从想要行动到完成行动之间的每一步障碍）。每个问题写明：问题描述、影响的指标类型（点击/提交/跳出）、判断依据（来自截图或反馈的哪条信息）、严重程度（高中低）。不要给解决方案，只做诊断。
这个模板里我特意加了“不要给解决方案”。早期我没写这条，AI诊断完问题紧接着就出方案，方案质量很差，因为它把精力分散了。分开之后，诊断的覆盖面和深度都上来了。拿到诊断清单，我再一条一条用生成型模板去出方案。
有次我帮一个在线教育客户诊断课程报名页。AI在诊断里排在第一梯队的问题是“首屏没有回答课程适合什么基础的人”，这个点我们内部讨论了无数次都没当回事，总觉得“点进来的人自己知道”。但数据显示跳出率最高的就是首屏。后来把“零基础/有基础”的标签挪到标题正下方，跳出率降了接近两成。
3.2 首屏与价值主张优化提示词模板
首屏优化的模板，我改过至少十个版本。最初写的是“帮我优化首屏标题”，返回的全是“打造极致体验”“开启高效之旅”这类空话。后来我意识到问题不在AI，在我给的信息不够具体。我现在用这个模板之前，会先把四个东西塞进去：产品一句话说清楚干什么、目标用户是谁、用户从什么渠道来、竞品最常被夸的一点是什么。
模板长这样：
你是帮SaaS产品写首屏文案的资深文案。产品信息如下：[一句话描述产品]、[三条核心卖点]、[目标用户画像]、[主要流量来源]。竞品常被用户认可的点是[竞品优势]。请给我五组首屏方案，每组包含主标题、副标题、CTA按钮文字。要求：主标题必须让目标用户在三秒内判断“这是给我的”；从信息流渠道来的用户占七成，主标题不能预设用户已经知道我们的产品品类；五组方案要在“痛点切入”“结果承诺”“身份认同”“差异化对比”“场景化描述”五个角度上各写一组，不要重复套路。每组方案后面注明它最适合哪类流量来源。
这个模板里“五个角度各写一组”是我强制加的结构化要求。不写这句，AI五组方案里三组是痛点切入，换汤不换药。我还要求注明适合的流量来源，因为同一个标题投搜索和信息流效果完全不一样。有个客户是做项目管理工具的，投搜索来的用户搜的是“项目管理软件”，首屏标题里必须出现这个词，不然用户觉得走错门了。投抖音来的用户看的是使用场景短视频，标题得说“你是不是也在用Excel管项目”，得从痛点切。
有次我拿这个模板跑了十组方案，选了其中两组做A/B测试。一组是结果承诺型“每周省出八小时，不用再追着人要进度”，另一组是痛点切入型“项目进度永远对不齐？你可能缺一个共享看板”。测试跑了两周，结果承诺型在搜索流量上高出23%，痛点切入型在信息流上高出15%。这个差异让我后来养成了一个习惯：每个首屏方案后面必须标注“适合投哪里”，不标就不采纳。
3.3 CTA、表单与线索收集优化提示词模板
CTA和表单的优化模板，我合在一起讲，因为它俩根本就是一回事。用户点CTA是“我想行动”，填表单是“我愿意付出成本行动”。这两步之间掉人，根子往往是一样的：动力不够，摩擦太大。我的模板会让AI同时看两样东西：CTA文案的承诺和表单实际要求用户做的事，看看两者之间有没有落差。
表单优化的模板，我是这么写的：
你是一个专做线索收集页优化的增长顾问。当前表单有[N]个字段，字段列表如下：[字段名列表]。页面CTA文案是[CTA文案]。请做三件事。第一，逐个字段标注“必填必要性”等级（必须/可推迟/可删除），每个标注后面写一句判断理由，理由必须从“完成转化动作是否真的需要这条信息”出发，不是从“销售团队想要”出发。第二，找出CTA承诺与表单要求之间的落差，比如CTA说“免费获取方案”但表单要填公司规模，用户心里会犯嘀咕。第三，给出两个版本的优化后表单方案，一个“极简版”（只保留最低必要字段），一个“分层版”（先收基本信息，后续渐进式补充），每版标注预期对表单完成率的影响方向。
这个模板里“极简版和分层版”是我后来加的。只让AI出一个优化后的表单，它容易走极端，要么砍太狠要么不敢砍。两版一起出，对比着看，决策起来更踏实。分层版的逻辑是第一次只收邮箱或手机号，用户提交完再引导补充信息，这个思路在SaaS试用注册和课程报名页上特别管用。
CTA文案的模板我单独用一个，核心是要求AI生成不同“行动驱动力”类型的文案。我列了五类驱动力：利益驱动（“免费获取”）、损失规避（“别让线索白白流走”）、即时性（“今天可约”）、低门槛（“只需30秒”）、身份认同（“和三千位运营人一起”）。一个页面的CTA如果只靠利益驱动，用户疲劳得很快。我有个客户是本地摄影工作室，原来CTA是“立即预约”，后来测了一版“看看本周还剩几个档期”，是即时性加损失规避的组合，点击率涨了四成多。这个模板我现在基本上是每次改CTA之前必跑一遍。
3.4 社会证明、信任要素与异议处理提示词模板
社会证明这块，我一开始理解得很浅，就觉得放几个客户logo、几条好评就行了。后来跑了几个诊断才发现，用户不买单的原因往往特别具体。家政服务怕阿姨没健康证，在线课程怕交了钱没人管，B2B软件怕买了用不起来。这些具体顾虑，放一堆泛泛的好评是解决不了的。我的模板会让AI先列“用户可能的具体异议”，再针对每条异议设计信任要素。
模板结构是这样的：
你是一个帮落地页做信任体系设计的顾问。产品是[产品描述]，目标用户是[用户描述]，客单价在[价格区间]，用户决策周期大约是[时长]。请先列出目标用户在决定购买/留资之前最可能产生的五条具体异议，按“最可能阻止转化”排序，每条异议用用户自己的口吻写出来，比如“你们这个跟免费的比到底强在哪”。然后针对每条异议，给出一个信任要素建议：可以是数据、案例、资质、对比说明、退款承诺、第三方评价等，注明这个要素放在页面什么位置效果最好，以及用什么形式呈现（文字/图表/短视频/聊天截图）。所有建议必须能用我们现有的素材或一周内可获取的素材实现，不要建议“积累三年客户案例再放上来”这种。
这个模板里“用用户自己的口吻写异议”是我强制要求的。不这么写，AI列的异议全是教科书式的，什么“价格顾虑”“信任顾虑”，太虚了。写成用户原话，后面的信任要素建议也具体得多。比如“你们这个跟免费的比到底强在哪”对应的信任要素，可能是“免费版和付费版功能对比表”放在定价区块旁边，比放十条好评有用得多。
我有个做企业培训的客户，客单价两万多，决策周期一两个月。跑完这个模板，AI排第一的异议是“买回去员工不用怎么办”。对应的信任要素建议是放一个“落地陪跑服务说明”，包括前三十天的使用引导流程和没达标的补偿条款。这个内容原来藏在合同附件里，挪到落地页上一个折叠区块之后，留资率涨了快三成。用户不是没有顾虑，是你没把答案摆在他看得见的地方。
3.5 移动端体验、加载速度与交互摩擦优化提示词模板
移动端的模板我单独拎出来讲，因为移动端和桌面端的转化逻辑差别太大了。桌面端用户有耐心往下滚，移动端用户拇指一划就走了。我见过太多页面在桌面端看着挺好，移动端首屏挤得啥也看不清。这个模板我会让AI专门从“拇指操作”和“注意力碎片化”两个角度去挑毛病。
模板是这样的：
你是一个专门做移动端落地页体验优化的设计师。下面是页面移动端截图和当前移动端核心指标（跳出率、平均停留时长、滚动深度分布）。请从三个维度给出诊断和优化建议。第一，首屏可读性：标题在手机屏幕上是否三秒内能读完核心信息，CTA按钮是否在首屏可见且拇指可及，有没有元素遮挡。第二，滚动阻力：页面中段哪些位置可能导致用户停止滚动，比如大段文字堆叠、图片加载慢、内容重复。第三，表单与输入摩擦：表单在手机上填写时键盘类型是否匹配、有没有需要放大才能点的输入框、必填项是否在键盘弹起后被遮挡。每条建议标注改动难度（低/中/高）和是否需要开发介入。
“是否需要开发介入”这个标注特别实用。运营和设计能自己搞定的改动，和需要排期开发的改动，优先级完全不一样。我一般会先把“低难度且不需要开发”的建议全部执行完，差不多能吃掉三成左右的优化空间，剩下的再排期。
加载速度这块我没让AI直接给技术方案，那超出它的能力边界了。我用的方式是让它从用户感知角度给建议。比如“首屏图片在4G网络下加载超过2.5秒，建议压缩或换成占位色块渐进加载”“页面中段有一个自动播放的视频，移动端建议改成点击播放”。这些建议开发看了能直接干活，不需要再去翻技术文档。有次一个电商活动页移动端跳出率奇高，跑完模板发现首屏轮播图单张超过800KB，压缩之后跳出率降了十几个点。这种问题不跑模板很难被发现，大家都盯着文案和按钮，没人注意图片大小。
3.6 模板变量化与复用：让提示词适配不同产品、行业和活动页
模板用久了最大的问题是僵化。同一个模板跑不同产品，返回的建议长得越来越像。我解决这个问题的办法是把模板里的固定描述全部抽成变量，每个变量写清楚“填什么、填多细、不填会怎样”。这么干之后，一个模板能覆盖不同行业，改变量就行，不用重写整段提示词。
我拿首屏模板举个例子。变量清单一般是这么写的：
产品一句话描述：[动词+对象+结果，比如“帮电商卖家自动生成商品详情页文案”]。核心卖点三条：[每条不超过十五个字，必须是用户能感知的结果，不要用“高效”“智能”这类形容词]。目标用户：[职业+场景+当前用什么替代方案]。流量来源：[搜索/信息流/朋友圈广告/线下扫码，注明占比]。竞品优势：[用户最常拿来跟我们比的一点，一句话]。品牌语气：[给两个形容词+一条过往文案原句]。
这套变量清单我放在一个共享文档里，团队任何人用模板之前先把变量填完再跑AI。填不出来的变量说明你还没想清楚，先别急着用AI。我有个做本地餐饮SaaS的客户，一开始产品描述写的是“智能餐饮管理系统”，填变量的时候卡住了，因为“智能”这个词用户感知不到。后来改成“帮小餐馆老板用手机管点单和库存，不用再手写记账”，AI返回的标题和副标题一下就接地气了。
变量化还有个好处是方便做行业适配。我手里有一套通用模板，换变量就能跑SaaS、电商、教育、本地服务。行业特有的约束我做成“附加变量包”，比如教育行业加一个“不得承诺提分”的变量，金融行业加“不得出现收益率数字”。跑之前把对应的包挂上去，不用每次手动改。这套做法让我给不同客户做诊断的速度快了很多，也让我在复盘的时候能横向对比：同样的模板，不同行业返回的建议质量差在哪，差的那个地方就是变量需要补厚的地方。
3.7 模板质量检查清单：目标是否清晰、建议是否可落地、指标是否可验证
模板好不好用，跑三次就能感觉出来。但感觉这东西不靠谱，我后来给自己定了一个检查清单，每次新建或大改模板之后过一遍。清单不长，就四条，每条都是我被坑出来的。
第一条，目标是否清晰到AI不用猜。检查方法是把模板里的“优化”这个词全删掉，换成具体的动作词，比如“生成五组标题”“列出三条异议”“标注影响指标”。凡是还能用“优化”“提升”“改进”糊弄过去的地方，说明目标没写清楚。我有个模板原来写“帮我提升表单转化”，跑出来全是泛泛建议。后来改成“逐个字段标注必填必要性，给出极简版和分层版两套方案”，输出质量完全不一样。
第二条，建议是否可落地。检查方法是让AI跑完之后，我自己过一遍每条建议，问三个问题：现有素材能不能做、一周内能不能上线、需不需要开发排期。三条里有一条答不上来，说明模板里约束条件写少了。我会在模板里补一句“所有建议必须基于现有素材或一周内可获取的素材，需开发介入的标注难度等级”。
第三条，指标是否可验证。每条建议后面必须跟着“怎么知道它有没有用”。我现在的模板里固定要求AI输出“预期影响指标和验证方式”，不写这条的建议我直接打回去重跑。验证方式一般就三种：A/B测试、上线前后对比、用户反馈抽查。模板里不强制写验证，AI容易给你一堆“提升用户体验”这种没法证伪的建议。
第四条，跑三遍结果是否收敛。同一个输入跑三次，如果三次返回的核心建议完全不一样，说明模板里上下文给得不够，AI在自由发挥。我把这个叫“稳定性测试”。稳定性差就补上下文，补到三次跑出来方向差不多为止。稳定之后才拿去给团队用，不然每个人跑出来的东西不一样，协作起来全是摩擦。
这张清单我现在贴在共享文档的顶部，团队里任何人新建模板之前先读一遍。读完之后还是犯的错，基本就是新坑，正好补进清单里。模板质量不是靠写的时候憋大招，是靠跑完之后一条条筛出来的。
写提示词这事儿，我干了快两年，还是觉得每次坐下来新建一个文档敲第一行字的时候，脑子是空的。不是不知道要写什么，是知道要写的东西太多，不知道从哪儿切进去。我见过太多人把提示词当搜索引擎用，敲一句“帮我优化落地页”就等着AI吐出一堆神仙建议。结果拿回来的东西要么是“建议优化标题”这种废话，要么是“建议增加信任要素”这种教科书。问题不在AI，在我们给它的那个指令太懒了。这一章我把自己写提示词的过程完整拆开，从脑子里那个模糊的想法开始，到敲出一段能跑出好结果的指令，中间到底发生了什么。
4.1 从模糊需求到清晰指令：目标、对象、限制与输出的四步写法
我有个习惯，每次要写提示词之前，先在纸上写一句话：我到底想让AI帮我干什么。这句话写出来通常很模糊，比如“优化一下报名页转化”。写完这一句之后，我开始问自己四个问题，这四个问题就是四步。
第一步，目标。把“优化转化”翻译成一个具体动作。是“找出表单里多余的字段”？是“生成五组首屏标题”？还是“列出用户可能不报名的五个原因”？目标越具体，AI越不会跑偏。我试过把“优化落地页”直接扔给AI，返回来的东西像一份体检报告的前言，全是场面话。后来改成“逐个字段评估表单必填必要性”，输出质量直接上来了。
第二步，对象。AI要知道它在帮谁干活。这个“谁”不是指我，是指页面、产品、用户。我会写清楚产品是干什么的、目标用户在哪、页面现在长什么样。不写这些背景，AI会默认一个平均化的场景，返回的建议放在哪个行业都行，放在哪个行业也都不行。
第三步，限制。这是大多数人写提示词时最容易漏掉的一块。限制包括：不能说什么、必须基于什么信息、输出要多长、哪些建议是禁区。我一般在限制里会写“不要建议做用户调研”“不要假设我们有三年客户案例”“所有建议必须能在一周内上线”。不写这些，AI会给你一堆正确但做不了的建议，看完等于没看。
第四步，输出。告诉AI你要什么格式。是列表还是表格？每条建议后面要不要备注影响指标？要不要分优先级？输出格式写得越细，后面拿来就能用的比例越高。我现在的习惯是固定要求“每条建议后面标注预期影响的指标和难度等级”，不写这条的提示词我基本不跑。
这四步写下来，一段完整的提示词就出来了。听起来很麻烦，但熟练之后整个过程不到五分钟。比拿到一堆废话再重新写一遍提示词要快得多。
4.2 角色设定与上下文投喂：让AI理解业务、用户和转化场景
角色设定这事儿我走过弯路。最开始我喜欢写“你是一个资深的营销专家”，后来发现这个头衔太泛了，AI调用的模式也泛。改成“你是做了两百次以上落地页A/B测试的CRO顾问”之后，输出的颗粒度明显变细。角色设定不是在给AI戴高帽，是在告诉它：调用哪一套知识体系和话语方式。
我现在用的角色设定一般包含三个东西：经验年限或次数、专精领域、工作方式偏好。比如“你是一个帮SaaS产品做线索转化优化的增长顾问，看过上百个试用注册页，习惯从用户决策路径上找摩擦点”。这种写法比“资深专家”管用得多。有次我把角色写成“你是一个对数据敏感的CRO顾问，看到任何建议的第一反应是问‘怎么验证’”，跑出来的每条建议后面自动带上了验证方式，省了我后面再补一道指令。
上下文投喂是角色设定之后最重要的一步。AI不知道你的产品是什么、用户是谁、页面现在卡在哪，它只能猜。我一般会喂三类上下文：产品上下文（一句话描述、核心卖点、价格区间、竞品）、用户上下文（谁、什么场景、什么替代方案、买之前最担心什么）、页面现状上下文（当前转化率、跳出率、用户反馈摘录、截图描述）。这三类喂进去，AI的建议才会贴着你的业务长。
我有个踩坑的经历值得说一下。有次帮一个做企业内训的客户优化落地页，我偷懒没喂用户上下文，只写了“目标用户是企业HR”。AI返回的建议里有一条“在首屏强调员工满意度提升数据”。这条建议没错，但客户的决策链是HR提需求、老板批预算，首屏真正该打的是“帮HR向老板证明培训价值”。后来把“决策链上有两个人”这个上下文喂进去，AI马上改口，建议放“ROI测算模板”作为留资钩子。上下文差一句话，建议差一个方向。
4.3 分步生成法：先诊断问题，再生成方案，最后评审排序
我之前有个坏习惯，一个提示词里塞三件事：找问题、给方案、排优先级。跑出来的东西看着挺全，细看全是半成品。诊断不够深，方案不够细，排序也不靠谱。后来我强迫自己拆成三步走，每一步单独跑一个提示词，跑完一步再跑下一步。
第一步是诊断。这个提示词只做一件事：找问题。我会明确写“不要给解决方案，只列问题和判断依据”。这么做的好处是AI的精力全放在分析上。我对比过，同一个页面，一步到位的提示词列了五条问题，分步诊断的提示词列了十四条，其中八条是我之前没注意到的。
第二步是生成。拿着诊断清单，一条一条跑生成型提示词。每条问题单独跑一次，要求AI给三到五个解决方案，每个方案标注改动内容和预期效果。这时候我一般会加上一句“方案必须与诊断中的具体问题一一对应”，防止AI跑着跑着开始自由发挥。
第三步是评审排序。把所有方案汇总，再跑一个评审型提示词。我会让AI从“预期影响大小、实施难度、所需资源”三个维度给方案打分，排出优先级。评审提示词里我固定会写一句“如果一个方案需要超过两周开发排期，请标注出来并降权”，因为大部分落地页优化的窗口期就那么长，等不起。
分步法跑一轮下来，时间比一步到位多花十几分钟，但拿到的东西能直接进执行清单。我后来把这三个步骤的提示词存成了三个独立模板，团队里谁要用直接拷走，不用每次重新组织语言。
4.4 多版本对比写法：面向A/B测试生成差异化优化方案
AI有个天然倾向，你让它给三个方案，它给你三个长得很像的方案。第一个是“突出效率”，第二个是“强调省时”，第三个是“聚焦提效”。看着有差异化，其实是同一个意思换了层皮。我后来在提示词里加了一条硬规则：每个方案必须基于不同的用户心理驱动力，而且我要指定哪几种驱动力。
具体写法是在提示词里列一个角度清单，要求每个方案对应一个角度，不许重复。首屏标题我常用的角度有五个：痛点切入、结果承诺、身份认同、差异化对比、场景化描述。表单优化我常用的角度有四个：降低填写成本、增强提交动力、减少决策犹豫、提供替代路径。CTA文案的角度有五个：利益驱动、损失规避、即时性、低门槛、社会认同。
指定角度之后，AI没法偷懒了。每个方案必须换一个思考起点，出来的东西差异是结构性的，不是措辞层面的。这时候挑两个方案去做A/B测试才有意义。我之前没加角度约束的时候，选了两个“看起来不一样”的方案去测，跑了两周发现转化率差距在误差范围内。后来复盘发现那两个方案本质上都是结果承诺型，测了个寂寞。
多版本写法还有一个技巧：让AI在每个方案后面注明“这个方案最适合哪类流量来源和哪类用户阶段”。落地页的流量来源不同，用户的心理状态差别很大。搜索来的用户带着明确意图，首屏要立刻确认“你是我要找的”；信息流来的用户是被动触达，首屏要先制造“这事儿跟我有关”的关联感。注明适用场景之后，A/B测试的设计也更清晰，我能确保测试的两版方案针对的是同一批流量，不然测出来的差异说不清是方案本身还是流量结构变化导致的。
4.5 避免空泛、幻觉与不可执行建议的提示词技巧
AI给空泛建议这事儿，我一开始以为是模型能力问题，后来发现是我提示词里缺了三道闸。
第一道闸是“用用户原话写”。不管是列异议、写标题还是描述痛点，我都要求AI用目标用户的口吻写出来，不许用“价格敏感”“信任顾虑”这种概括词。这道闸一加，空泛的东西自动被挤掉了。因为AI没法用套话糊弄“用用户原话”这个要求，它得具体到“你们这个跟免费版比到底多什么功能”这种程度。
第二道闸是“基于给定信息回答，不确定就标注”。我在提示词里固定会写一句“只基于我提供的信息给建议，如果某条建议需要我不知道的信息才能判断，请标注‘需要补充信息’而不是编一个”。这句话拦住了大量幻觉。有次AI建议“在首屏放G2评分4.8的徽章”，我根本没提供这个信息，它自己编的。加了这道闸之后，它会老实写“如果你们有第三方评分，建议放在首屏；如果没有，跳过这条”。
第三道闸是“可执行性过滤”。我要求AI在输出每条建议的时候，自己先过一遍三个问题：现有素材能不能做、一周内能不能上线、需不需要开发介入。需要开发的标注难度等级。这道闸加上之后，那些“建议重新设计品牌视觉体系”之类的建议基本消失了。我印象很深的一次，AI建议“用短视频展示产品使用场景”，我追问了一句“现有素材有没有”，它自己改口说“如果没有现成视频，建议先用图文步骤替代，视频作为下一阶段计划”。这种自我过滤比我事后筛一遍高效多了。
这三道闸我写成了一个固定段落，放在大部分提示词的末尾。每次新建提示词直接复制粘贴，像给AI戴了个紧箍咒。
4.6 完整示例拆解：一个AI生成落地页优化提示词的结构与表达
前面讲了写法，这一节我把一个完整提示词从头到尾拆开给你看。这个提示词是我帮一个SaaS客户优化试用注册页时用的，跑出来的建议质量很高，我后来把它存成了模板。
提示词全文分五块。第一块是角色：“你是一个帮B2B SaaS产品优化试用注册页的增长顾问，做过至少五十次注册流程A/B测试，习惯从用户完成注册的每一步动力和阻力去分析问题。”第二块是上下文，我喂了这些信息：产品是项目管理工具，目标用户是十到五十人团队的部门负责人，流量七成来自搜索三成来自内容推荐，当前注册页有五个字段（姓名、邮箱、公司名、团队规模、手机号），注册完成率是百分之十二，跳出率是百分之六十八，用户反馈里高频出现的是“怕被销售骚扰”。第三块是任务：“请先诊断注册流程中的摩擦点，逐字段评估必填必要性，再给出两版注册表单方案，一版极简一版分层，每版标注预期对完成率的影响方向。”第四块是约束：“所有建议必须基于我提供的信息，需要开发介入的标注难度等级，不要建议做用户访谈，不要假设我们有额外激励预算。”第五块是输出格式：“按诊断、字段评估、方案、验证方式四个部分输出，每条建议后面标注影响的指标类型。”
跑出来的结果里，诊断部分排第一的问题是“手机号字段在邮箱之后立刻要求填写，此时用户信任尚未建立，且用户反馈中‘怕被销售骚扰’直接对应这个字段”。字段评估里AI把手机号标成了“可推迟”，理由是“首次注册用邮箱即可完成账号创建，手机号可在用户首次登录后引导补充”。方案部分给了极简版（只留邮箱和密码）和分层版（邮箱注册后进入产品体验，第二天推送补充团队信息的引导）。验证方式建议跑两周A/B测试，看注册完成率和次日留存。
这个提示词的结构不是一次写成的。最早版本我只写了角色和任务，跑出来的建议里有一条“在注册页加在线客服弹窗”，明显跟我给的约束不匹配。我加了约束块之后这条消失了。输出格式也是后来补的，不指定格式的时候AI把诊断和方案混在一起写，看着累。
4.7 相关搜索词应用：落地页转化率优化提示词模板、AI生成落地页优化提示词怎么写
这章写到最后，说一个实操层面的事。很多人搜“落地页转化率优化提示词模板”或者“AI生成落地页优化提示词怎么写”，搜到的东西要么是直接给模板不给思路，要么是讲思路不给模板。我的建议是两条腿走路：先搞懂怎么写，再去用模板。搞不懂写法的人，拿到模板也改不对变量；只懂写法没有模板的人，每次从零开始写太耗时间。
我自己的做法是分两层。底层是这章讲的写法逻辑：四步法搭骨架、角色和上下文填充血肉、分步跑控制质量、三道闸过滤废话。上层是模板库：诊断类、生成类、评审类各存几个跑顺手的模板，用的时候改变量就行。模板是快消品，写法是手艺。手艺在，模板坏了能修；只有模板没有手艺，模板用两次就扔了。
如果你现在手上就有一个落地页要优化，我的建议是从一个最小的提示词开始跑。别想着一口气写一个完美的提示词，先跑起来，看AI返回的东西哪里不对，再回头改提示词。改三轮之后你就有手感了。我最早写提示词的时候，一个首屏优化的提示词改了十一版才稳定下来。现在回头看第一版，写得跟许愿池似的，什么“帮我写出高转化的标题”，AI没把我拉黑已经算客气了。提示词这东西跟落地页一样，是测出来的，不是憋出来的。
上一章结尾我说了一句话，提示词这东西跟落地页一样，是测出来的，不是憋出来的。这话说起来轻巧，做起来是另一回事。我见过不少人提示词写得挺漂亮，跑出来的建议也像模像样，然后呢，然后就没有然后了。建议躺在文档里，落地页该什么样还什么样。问题出在中间缺了一座桥，一头是AI给的文字，另一头是页面上真实发生的变化。这一章我就讲这座桥怎么搭，从一条建议变成一次测试，从一次测试变成下一轮提示词的养料，整个循环怎么转起来。
5.1 将AI建议转化为可验证的转化假设
AI给的建议有个特点，听着都对，但你没法直接拿去做测试。“优化首屏标题”——这句话没错，可它不是一个假设。假设得有结构：改什么、预期影响什么指标、影响方向是什么、大概多大。我刚开始用AI优化落地页的时候，拿到建议就直接丢给设计说“首屏改一下”，设计问我怎么改、改成什么样、为什么改，我答不上来。后来我逼自己每拿一条建议，先翻译成一句话再往下走。
这句话的模板我现在闭着眼睛都能写：“如果我把[某个元素]从[A]改成[B]，那么[某个指标]会[上升或下降]，因为[用户心理或行为层面的原因]。”举个例子。AI诊断说“试用注册页的手机号字段可能造成用户犹豫”，这句话翻译过来就是：如果把手机号字段从必填改成注册后引导填写，那么注册完成率会上升，因为用户在首次接触产品时对个人信息披露的抵触最小，降低门槛能让更多人先进入产品体验。这么一翻译，能不能测、怎么测、测完看什么，全清楚了。
翻译过程中我发现一个规律。AI建议里凡是带“增强”“提升”“优化”这种动词的，基本没法直接变成假设，得追问一句“具体改什么”。凡是带“删除”“替换”“移动”“缩短”这种具体动作的，翻译起来很顺。这反过来影响了我写提示词的习惯，我现在会在提示词里加一句“每条建议必须包含一个具体改动动作”，AI给出来的东西可测率明显提高。
还有一类建议我一开始不知道怎么处理，就是那种“建议做用户调研”或者“建议重新梳理品牌信息架构”的大动作。这类建议不是不对，是没法在落地页优化的周期里验证。我后来的处理方式是单独拉一个“待定区”，跟本周实验计划分开。待定区的东西每季度回看一次，有些随着数据积累变得可测了，有些就一直待着。接受有些建议现在做不了，这个心态挺重要的，不然每次看到AI给大建议就焦虑。
5.2 指标选择：转化率、点击率、表单完成率、跳出率与每线索成本
指标这事儿我吃过亏。最早做落地页测试，我盯的就是一个数——转化率。页面A转化率百分之三，页面B百分之三点五，B赢。听起来没毛病。后来有个客户问我，B的线索质量怎么样，我傻了，因为我只看了提交量，没看提交上来的人对不对。那次之后我才明白，指标不是选一个，是选一组，主指标加护栏指标。
主指标跟着转化动作走。注册页看注册完成率，演示预约页看预约提交率，电商活动页看下单转化率。这个不难。难的是护栏指标，也就是你得盯着那些“不能变差”的指标。我常用的护栏指标有三个：跳出率、页面停留时间、后续环节的转化率。举个例子，你把表单字段砍到只剩邮箱，注册完成率肯定涨，但如果次日留存掉了一半，说明你拉进来一堆低意向用户，这笔账算下来不一定划算。
每线索成本这个指标我单独说一下。它跟转化率经常打架。转化率上去、线索量上去，但每条线索的获取成本如果同步飙升，投放侧的压力会很大。我帮一个教育客户做落地页测试的时候遇到过这种情况，表单简化之后转化率翻倍，但销售团队反馈接通率下降，折算下来每个有效线索的成本反而高了百分之二十。后来我们在表单里加了一个“学习目标”的选择题，多了一个字段，转化率回落了一点，但线索质量回来了。指标之间是有张力的，别指望一个数解决所有问题。
跳出率这个指标容易被误读。落地页跳出率高不一定坏事，得看流量来源。搜索来的用户落地就走，可能是页面内容跟搜索词不匹配，这是真问题。信息流来的用户本来就是被广告带过来的，看完就走很正常，这时候跳出率百分之七十不说明什么。我现在看跳出率一定拆流量来源看，混在一起看就是自欺欺人。
指标还有一个坑是样本量。我见过团队跑了三天测试就宣布结论，一看样本量，每组不到两百个访问。这种结论拿去指导下一轮优化，跟抛硬币区别不大。我现在的习惯是测试开跑之前先算一下需要多少样本，工具很多，网上搜一下就有。算出来发现要跑三周，那就跑三周，中途不改规则不看结果。忍不住看怎么办？找个同事帮你盯，你别看。
5.3 用提示词辅助设计A/B测试与多变量测试方案
提示词在测试设计环节的用处比我想的大。我原来以为它只能生成文案和建议，后来发现让它帮忙设计实验方案挺顺手。关键在于你得把测试的约束条件喂清楚：当前流量量级、可用的测试工具、能接受的测试周期、这次想优先验证哪一类假设。
我常用的提示词开头是这样的：“你是一个负责落地页实验设计的数据分析师，我要测试一个B2B SaaS试用注册页的表单改动。当前页面日均访问量八百，注册完成率百分之十二，可用工具是Google Optimize的替代品（填你实际用的），测试窗口最多三周。请帮我设计一个A/B测试方案，包括变体数量、流量分配、主指标和护栏指标、样本量估算逻辑、以及判断结果是否显著的规则。”这么跑出来的方案基本能直接用，偶尔需要微调。
多变量测试我用的少，但有一次用提示词帮了大忙。一个电商活动页要同时测首屏标题、主图风格和CTA按钮文案，三个变量各两个版本，组合起来八个变体。流量不够跑八个。我让AI帮我设计一个部分因子实验，只跑四个组合，同时能估算三个变量的主效应。AI给了一个组合表，还标注了每个组合的流量分配和观察周期。跑完之后虽然有些交互效应估不出来，但三个主效应都拿到了可信的结论，省了一半的流量。
用提示词设计测试方案有个前提，你得知道好方案长什么样，不然AI给的方案你没法判断对错。我一般会检查三件事：变体之间是不是只有一个核心差异（多变量除外）、主指标是不是跟测试假设直接对应、样本量估算有没有给计算依据。这三条过一遍，方案质量八九不离十。有一次AI给的方案里，两个变体同时改了标题和CTA，我追问了一句，它自己承认“这样无法归因，建议拆分测试”。这种自我纠错能力，前提是你在提示词里写了“每个变体之间只能有一个核心变量差异”。
还有一个用法我觉得挺值，就是让AI帮你写测试结果的解读框架。测试开跑之前，先让AI列出来“如果结果是A赢，说明什么；如果B赢，说明什么；如果打平，下一步测什么”。这个框架写出来贴在文档里，结果出来之后按框架解读，能有效防止事后找理由。我见过太多团队结果出来之后开始讲故事，赢了说策略对，输了说流量不准，就是不肯承认假设没成立。提前写好解读框架，这种事少很多。
5.4 测试结果回流：用数据反哺提示词优化与模板升级
测试跑完拿到结果，大部分人的动作是改页面，然后结束。我现在的动作多一步：把结果喂回给提示词。这一步做了和没做，长期差距很大。
具体怎么喂？我会在下一轮提示词里加一段“历史测试结论”。比如：“上一轮测试中，首屏标题从功能描述型改成结果承诺型，注册完成率提升百分之十八，统计显著。本轮请基于这个结论，生成三组进一步强化结果承诺的首屏标题变体，注意不要重复上一轮用过的措辞。”这段信息一加，AI给的东西直接站在上一轮的结论上往前推，不用每次从零开始。
还有反向的用法。测试结果跟AI预测的方向相反的时候，我会把结果和AI当时的建议一起喂回去，问它“你之前建议X方向，测试显示X方向效果下降，请分析可能的原因，并调整你后续生成建议时的判断逻辑”。有一次AI建议在表单旁边加一行“已有五千家企业使用”的社会证明，测试跑出来转化率没变化。我喂回去之后，AI分析说“对这个品类的用户来说，企业数量可能不如同行logo墙更有说服力，建议下一轮测试具体客户logo”。这个分析对不对另说，但它给了一个新的测试方向，比我自己干想快。
模板升级是回流的另一个出口。我每跑完五到六轮测试，会做一次模板复盘。把这几轮的测试结论汇总，看看哪些提示词模块表现好、哪些经常给出被测试证伪的建议。被证伪多的模块改措辞或者加约束。比如我有个生成首屏标题的提示词模板，原来只写了“生成五个标题变体”，跑了三轮测试发现标题里带数字的效果普遍更好，我就在模板里加了一条“至少两个变体包含具体数字”。模板是活的，测试结果是它的饲料。
这里有个细节值得说。回流的数据不只有输赢，还有过程数据。比如测试期间用户在那个区域的点击热图、滚动深度、停留时长，这些数据喂给AI，它能给出比“赢了输了”更细的解读。我有一次把热图描述喂进去，AI指出“变体B的CTA点击率高但表单开始填写率低，说明按钮吸引了点击但点击后的表单让用户退缩了”，这个洞察光看转化率看不出来。过程数据是金矿，别只盯着终点指标。
5.5 建立提示词资产库、版本管理与团队复用机制
一个人用提示词，存在文档里就行。一个团队用提示词，没有资产库就是灾难。我见过最乱的情况是五个人各存各的提示词，同一个诊断任务有五个版本，跑出来的建议口径不一致，开会的时候互相打架。
我们现在的做法是建一个共享的提示词库，结构分三层。第一层是场景分类：诊断类、生成类、评审类、测试设计类、结果分析类。第二层是具体模板，每个模板有个名字，比如“注册页表单诊断-v3”。第三层是版本记录，每个模板下面挂一个变更日志，写清楚谁在什么时候改了什么、为什么改、改完之后跑过什么测试、效果怎么样。
版本命名我要求带序号，不许出现“最终版”“最终版2”“真的最终版”这种东西。每次改模板，序号加一，旧版本不删，标记为“归档”。归档版本保留的意义在于回溯。有一次一个模板改完之后效果变差，我们翻回去对比才发现新版删掉了一条约束，加上就好了。没有版本记录，这种问题查都查不出来。
团队复用机制里最重要的一条是“用之前先跑验证集”。我们库里每个模板都配了一个小型验证集，三五条典型输入，新版本上线之前先用验证集跑一遍，人工看一眼输出质量有没有明显下降。这个动作花不了十分钟，但拦住了好几次“改了一个词导致输出风格全变”的事故。验证集本身也迭代，随着测试结论积累，往里加新的典型案例。
权限上我们分两级。核心模板（诊断类和评审类）只有两个人有编辑权，其他人用只读版本，要改就提需求。生成类模板开放编辑，谁用谁可以调，但调完要留变更日志。这个分级是吵过架之后定下来的。之前所有人能改所有模板，结果一个核心诊断模板被改得面目全非，跑出来的东西没法用，还不知道是谁改的。核心资产得有看门人。
还有一个小机制我觉得挺管用：每月一次提示词复盘会，半小时，每个人带一条“这个月跑得最顺的提示词片段”和一条“这个月踩的坑”。顺的片段当场决定要不要进公共库，坑当场决定要不要加进约束清单。会开得短，但攒下来的东西很实在。我们现在的约束清单里有二十多条，全是这么攒出来的。
5.6 迭代节奏设计：单页优化、活动页优化与持续实验计划
节奏这事儿，快有快的做法，慢有慢的做法，怕的是没节奏。想起来就测一下，忙起来三个月不动，这种状态我经历过，落地页数据基本靠天吃饭。
单页优化我建议的节奏是两周一轮。第一周做诊断和方案生成，周中上线测试，第二周跑数据看结果，周五出结论进下一轮。为什么是两周？因为大部分落地页的流量量级，要在一周内跑出统计显著的结果不太现实，两周是收敛速度和可信度之间的平衡点。流量特别小的页面，两周可能也不够，那就拉长到四周，但节奏本身不变，还是诊断、上线、观察、结论四步。
活动页优化不一样，活动页有明确的生命周期，上线前、活动中、活动后节奏完全不同。上线前的优化窗口通常只有几天，这时候没法做严谨的A/B测试，我的做法是用提示词做一轮快速诊断，把明显的问题（首屏价值主张不清、CTA不突出、表单字段过多）在上线前修掉，这是止血。活动中如果流量大，可以跑一两个快速测试，只测影响最大的元素，比如首屏标题或者CTA。活动后做完整复盘，把这次活动页的表现数据喂回提示词库，作为下一次活动页生成的上下文。
持续实验计划是更高一层的东西。我现在的习惯是每个季度初列一个实验主题清单，比如这个季度重点测“社会证明形式”“表单字段精简”“首屏标题角度”三个主题，每个主题排两到三个实验。主题之间不重叠，一个季度跑完能对这三个主题形成比较清晰的结论。季度末做一次大复盘，结论沉淀进提示词库和团队知识文档。
节奏设计里有个反直觉的点：不是每个测试都要追求显著。有些测试跑完结果是平的，团队会觉得白跑了。我不这么看。平的结果也是信息，说明这个变量在当前页面上不是主要矛盾，下一轮别在这上面花时间了。我甚至会在实验计划里刻意安排一些“验证性测试”，就是测那些大家都觉得肯定有用的改动，有时候结果会打脸。打脸是好事，打脸说明你发现了真问题。
最后说一个我自己的节奏。我每周五下午会花半小时翻一遍这一周的实验数据和提示词使用记录，写三行字：本周最大的发现是什么、下周要改什么、有什么值得存进资产库。三行字不多，但坚持下来，一年就是一百多条记录。这些记录翻回去看的时候，比任何教科书都管用。落地页优化这件事，说到底没有什么一招制胜，有的是一个又一个循环，每个循环比上一个聪明一点点。提示词是循环里的加速器，测试是循环里的校准器，两个东西咬合好了，落地页才会真的往上走。
上一章聊的是测试和迭代怎么转起来，这一章往深里走一层。测试是单点的动作，我今天测一个标题，明天测一个按钮，这些动作串起来才形成体系。体系这个词听着大，落到每天的工作里其实就是几件事：知道不同行业该怎么调提示词、不把落地页当孤岛看、跟不同角色的人用同一种语言沟通、出问题知道往哪儿查、持续把经验和资产攒下来。这一章我拆开说，每块都带具体的做法。
6.1 不同行业落地页的提示词适配：SaaS、电商、教育、本地服务
我做过一个跨行业的横向对比，同样的诊断提示词模板，直接拿给四个行业跑，输出的建议质量差别很大。原因不在提示词本身，在我喂的上下文不够行业化。SaaS的落地页和电商活动页，转化逻辑完全是两码事，提示词里不把行业属性写清楚，AI给的永远是那种“放之四海而皆准”的废话。
SaaS落地页我习惯在提示词里放三个关键上下文：决策链条长度、试用或演示的门槛、产品复杂度。SaaS的购买决策通常涉及多个角色，使用者、决策者、技术评估方，痛点各不相同。提示词里我会写“目标受众是市场部经理，他关心的是能不能一周内跑通流程，不是功能列表有多长”。生成出来的首屏文案明显更接地气。还有一个坑是SaaS喜欢堆功能点，提示词里我加一条硬约束：“首屏不允许出现功能清单，只允许出现一个结果承诺加一句差异化说明”。
电商活动页的节奏跟SaaS完全不同。电商页面生命周期短、流量冲得快、用户决策就在几分钟内。我用提示词做电商诊断的时候，重点放在价格呈现、促销感知和路径顺畅度上。有个细节，电商落地页的CTA按钮文案受行业影响特别大，我做本地服务的时候写“立即预约”，做电商的时候这个文案转化率远不如“查看优惠”。我在电商类模板里内置了一个CTA词库变量，按品类和促销力度自动替换。教育行业又是另一套逻辑，教育决策重、信任门槛高，提示词里我会强调“学习成果可视化”和“师资或学员故事”两个元素。本地服务最实在，用户在意的是距离、营业时间、价格透明和电话能不能打通，提示词里不写这些，AI生成一堆品牌愿景型的文案，电话转化率根本起不来。
6.2 从单页优化到全漏斗协同：广告、落地页、表单与跟进环节
有段时间我特别沉迷于单页优化，盯着首屏标题和按钮颜色改来改去，改了两周转化率涨了一个点，老板问我为什么线索量没变化，我才发现广告那边的搜索词跟落地页内容对不上。用户搜“B2B CRM免费试用”，广告词也这么写的，点进来落地页首屏写的是“智能销售管理平台”，词换了，用户觉得进错地方了，直接跳出。这件事让我把视角从单页拉到全漏斗。
全漏斗的意思是，广告词、落地页首屏、表单、跟进话术这四个环节得说同一件事。我现在写提示词的时候会在上下文里把广告素材的文案一起喂进去，让AI检查“落地页首屏是否承接了广告的核心承诺”。这个动作花不了几分钟，但拦住了大量“广告说A，落地页说B”的断裂。表单环节是全漏斗里最容易被忽略的，广告和落地页都在吸引用户，表单却在劝退用户。我用的提示词会专门问AI：“基于当前的产品复杂度和用户决策阶段，表单里最少需要几个字段才能完成有效跟进？”这问题逼着我想清楚每个字段的实际用途，想不清楚的字段就砍掉。
跟进环节现在也进了我的提示词流程。销售团队反馈线索质量差，我把反馈内容整理一下喂给AI，让它分析“落地页承诺与销售实际沟通内容之间的落差在哪里”。有一次跑出来一个发现：落地页强调“免费试用”，但销售第一句话问的是“您公司多少人”，用户感知到的是推销而不是试用，这个错位在数据上看不见，在跟进环节才暴露出来。全漏斗协同说白了就是各个环节的承诺得对齐，提示词是帮我检查对齐的工具。
6.3 团队协作工作流：市场、设计、开发与数据团队的提示词协作
一个人用提示词优化落地页，效率提升有限，真正的杠杆在团队协作。我现在的团队结构里有市场、设计、开发和数据四个角色，每个人用提示词的深度和场景完全不一样。市场同事主要用生成类提示词做首屏文案和活动方案，设计同事用诊断类提示词找页面视觉和交互上的问题，开发同事用得少，但他们会把提示词生成的改动建议翻译成技术需求文档，数据同事用评审类提示词检查测试方案和结果解读的严谨性。
协作里最大的摩擦出在“AI建议谁负责落地”这件事上。AI给一条建议说“首屏加一个视频”，设计觉得该开发做，开发觉得该市场先出脚本，市场说我没说要加视频。这个扯皮过程消耗的精力比改动本身还大。后来我们定了一个规矩：任何一条AI生成的建议，生成者必须在共享文档里给它打一个“建议归属”的标签，归属到市场、设计、开发、数据中的一个。打标签这个动作逼着生成者想清楚这条建议到底谁执行，也逼着AI在提示词里被要求“每条建议标注建议执行角色”。
跨角色协作还有一个工具层面的问题。市场同事写提示词喜欢口语化，数据同事写提示词喜欢结构化，两个人跑同一个诊断任务，输出风格差异大到没法合并。我们最后统一了一套团队通用的提示词骨架，每个人在里面填自己的部分。骨架里固定了五个区块：角色设定、上下文、任务描述、约束条件、输出格式。这个骨架不限制内容，但保证结构一致，合并输出的时候不会打架。每周一的跨部门碰头会上，每个人带一条上周跑得最好的提示词片段和一条跑得最差的，一起过一遍。这个会开了两个月之后，团队整体用提示词的命中率明显上来了。
6.4 常见问题排查：提示词无效、建议同质化、测试无显著提升
用提示词做落地页优化，跑一段时间之后总会撞上几个典型问题。我把踩过的坑归了归类，大概三种：提示词跑出来东西没法用、每次给的建议都差不多、测试跑完没效果。
提示词无效最常见的原因不是提示词写得差，是上下文给得不够。AI不知道你的产品是什么、用户是谁、页面现在长什么样，它只能给通用建议。我排查这个问题的习惯动作是翻回提示词本身，看里面有没有这三个信息：目标用户的身份和场景、当前页面的具体元素和表现、这次优化想影响的指标。三个缺一个，输出质量就掉一档。有一次我跑一个教育落地页诊断，AI反复建议“增加社会证明”，我检查提示词发现里面没写当前页面已经有三个学员 testimonials 了，AI不知道现状，自然给重复建议。
建议同质化是另一个高频问题，尤其是生成类提示词。连续跑五轮，五轮的标题变体长得都像亲戚。我的解法是在提示词里加“差异化约束”，明确要求“本轮生成的变体必须在以下维度中至少选择三个不同角度：结果承诺、痛点直击、数字量化、身份标签、场景描述、对比框架”。约束一加，输出的多样性明显改善。还有一个办法是换模型或者换温度参数，但我更倾向于先调提示词，模型换来换去变量太多。
测试无显著提升这个事，我现在的看法是别急着归因于提示词不好或者页面不行。先看三件事：测试的样本量够不够、变体之间的差异是不是真的够大、主指标有没有被其他因素污染。上个月我跑了一个CTA测试，两个变体的文案差异很小，一个写“立即开始”，一个写“免费开始”，跑了两周没差异。回看的时候发现这两个文案在用户感知里根本就是一回事，测试设计本身有问题。变体差异太小是测试无显著提升的常见原因，跟提示词质量关系不大。还有一种情况是测试期间广告投放策略变了，流量结构变了，结果自然不可比。排查问题得先把这些外部因素排除掉，再回头怀疑提示词。
6.5 30天落地页转化优化提示词行动清单
讲一个具体的行动清单。这30天的安排是我自己在多个项目上跑过之后收敛出来的，按周排，每天花的时间不等，忙的日子半小时，闲的日子两小时。
第一周做底子。第一天到第二天，把当前落地页的核心数据拉出来：访客数、转化率、跳出率、平均停留时长、表单开始率、表单完成率，按流量来源拆开看。第三天到第四天，建一个提示词资产库的初始版本，不用复杂，一个共享文档分三个区块就行：诊断类模板、生成类模板、评审类模板。每个模板里先放一两条你手头正在用的提示词，不求全。第五天到第七天，跑一轮完整的页面诊断，用诊断类模板把首屏、内容区、表单、CTA四个区域各过一遍，输出一份问题清单，按“影响转化可能性”排个序。
第二周动手改。第八天到第十天，针对问题清单里排前三的问题，用生成类提示词各出三组优化方案。这里注意，每个问题只选一组方案落地，别贪多。第十一天到第十二天，把选定的方案做成测试变体，用测试设计类提示词辅助设计A/B测试方案，确认样本量和测试周期。第十三天到第十四天，上线测试，同时用评审类提示词写一份“结果解读框架”贴在文档里，提前想好赢了说明什么、输了说明什么、平了下一步测什么。
第三周盯数据。第十五天到第二十一天，测试跑着，每天花十分钟看一眼数据有没有异常，但别手痒改规则。这段时间可以做一件不干扰测试的事：把销售或客服团队最近一个月的用户反馈整理出来，喂给AI做一轮“承诺与感知落差分析”，输出一份跟进环节的优化建议。这个动作跟测试并行，不冲突。
第四周复盘沉淀。第二十二天到第二十五天，测试出结果，按解读框架做分析，写三条结论：什么有效、什么无效、下一轮测什么。第二十六天到第二十八天，把这一轮的经验回填到提示词模板里，改措辞、加约束、更新验证集。第二十九天到第三十天，做一次月度复盘，看这一轮改动对核心指标的实际影响，列下个月的三条优先事项。30天跑完，你手里应该有一套能用的提示词模板、一份测试结论、一个下个月要继续的方向。这个循环跑三轮，落地页优化的手感就出来了。
6.6 持续优化机制：模板沉淀、案例复盘与指标看板
持续优化这件事，靠自觉是靠不住的，得有机制托着。我现在的做法是三个东西并行：模板沉淀、案例复盘、指标看板。
模板沉淀我前面提过一些，这里说细一点。我们团队有一个“提示词贡献榜”，每个人每季度至少贡献两条经过测试验证的提示词片段进公共库，贡献的时候要附上使用场景、测试数据和适用边界。这个动作有点像开源社区的pull request，提交之后有两个人review，通过了才能合并。贡献榜不排名不考核，但每季度末会把贡献名单和片段列表发在群里，被采纳多的人自然有面子，这个软性激励比硬性考核管用。公共库现在攒了四十多条经过验证的片段，新项目启动的时候直接从库里拼装，省掉大量从零写提示词的时间。
案例复盘我们做得比较重。每个季度挑两个落地页项目做深度复盘，复盘会不聊“做对了什么”，只聊“哪个假设被证伪了、为什么、下次怎么改进”。这个规则是故意的，因为聊成功经验容易变成互相吹捧，聊失败才有真东西。复盘输出一份两页纸的文档，一页写测试结论和归因，一页写对提示词模板的修改建议。这两页纸进知识库，跟模板库打通，下次有人用相关模板的时候能直接看到历史案例。
指标看板是这三件事里最枯燥但最必要的。我们的看板不复杂，四个核心指标：落地页转化率、表单完成率、每线索成本、测试胜率（赢的测试数除以总测试数）。前三个看业务效果，第四个看优化能力本身。看板按月更新，季度做趋势对比。有一个细节我想说，看板上不只看绝对值，更看波动幅度。转化率这个月涨了两个点，下个月跌回去，这种波动比稳定在低位更麻烦，说明优化动作没有形成累积效应。看板的价值不是证明我们干得好，是让问题在变成大问题之前被看见。
这三个机制运转起来之后，我发现一个变化：落地页优化从“项目制”变成了“日常制”。以前是老板说这个月要提升转化率，大家突击搞一轮，搞完就散了。现在模板库在滚、案例库在攒、看板在盯，优化动作嵌在日常工作流里，不需要谁专门发起。提示词在这个体系里的角色也清晰了，它不是救命稻草，是日常工具，跟Excel、跟设计软件一样，用得好不好取决于用的人有没有体系感。体系感这东西说起来虚，落到地上就是：你知道上次为什么赢、这次为什么输、下次该往哪儿调。这三个问题答得上来，落地页转化率的提升就是时间问题。
