AI 技能人工智能【免费下载链接】marketingskillsMarketing skills for Claude Code and AI agents. CRO, copywriting, SEO, analytics, and growth engineering.项目地址https://gitcode.com/GitHub_Trending/mar/marketingskills点击查看免费下载导读本文以开源仓库 Marketing Skills 的 Gong 集成指南 为骨架系统讲解如何让 AI Agent 通过 Gong REST API 访问收入智能平台中的通话转录、会议记录与邮件数据并落地为竞争情报提取、客户研究、收入归因与销售辅导四类自动化操作。读完本文你将掌握 Gong 的认证方式、核心端点、数据结构与限流约束并能参照仓库中 customer-research、revops 等技能把原始对话文本加工成可执行的营销与销售动作。Gong 是什么收入智能平台的程序化访问入口Gong 是收入智能Revenue Intelligence平台其核心能力是记录、转录并分析销售对话——包括电话通话、视频会议与邮件——从而提炼交易洞察、销售辅导机会与竞争情报。在 Marketing Skills 仓库的工具注册表中Gong 被归类为Revenue Intelligence收入智能类别说明文字将其定位为用于挖掘销售通话转录以开展客户研究、竞争情报与辅导洞察是收入归因与赢/输分析的关键工具见 tools/REGISTRY.md 的 Tool Index 与 By Category 小节。仓库将集成指南按统一规格组织在 tools/integrations/ 目录下每个工具的指南都遵循固定的信息结构能力清单Capabilities、认证方式Authentication、API 端点、关键数据点、常见操作、限流与局限性。Gong 指南正是这一规格的标准实现之一完整文件见 tools/integrations/gong.md。能力矩阵Gong 在 Agent 工具生态中的位置集成方式可用性说明API✓REST API支持 Basic Auth 或 OAuth2MCP-官方不提供 MCP ServerCLI-无官方 CLISDK-仅 REST API社区有基于 dltHub 的 Python 客户端从注册表可以看到Gong 是REST API 优先的工具tools/REGISTRY.md中标注API ✓ / MCP - / CLI - / SDK -。这意味着 AI Agent 与 Gong 交互的唯一标准化途径是直接调用其 REST API没有 MCP 或 CLI 这类开箱即用的抽象层。与同一仓库中提供 零依赖 Node CLI 的 ga4、mixpanel、resend 等工具不同Gong 的集成需要 Agent 自行封装 HTTP 请求——这正好适合用 Python 的requests或 Node 的fetch直接实现也可复用 dltHub 的社区 Python 客户端dlt 生态来简化数据管道搭建。认证与连接配置Gong 的 API 认证有两种方式且必须由管理员操作类型一Basic AuthAccess Key Secret——在https://app.gong.io的Settings API中获取该入口仅管理员可见类型二OAuth2——适用于已发布published的应用Base URL 是租户专属的——需从你自己的 Gong API 设置中获取典型格式为https://{tenant}.api.gong.io/v2/。实战要点租户前缀{tenant}与你的登录子域名一致但务必以 API 设置页面显示的值为准/v2/是当前 API 版本前缀。认证凭证属于机密信息按照 tools/PARTNERS.md 中对集成指南的统一要求密钥应放入环境变量或密钥管理器绝不能写进仓库或代码库。API 端点全景Gong API 的一大特点是大多数端点使用 POST JSON 请求体进行过滤而非传统的 GET 查询字符串。端点可用性与参数细节以官方 API 文档为准Gong 官方在gong.app.gong.io/settings/api/documentation提供当前端点清单。以下按数据域整理核心端点。通话Calls# 列出通话支持日期/用户过滤 POST /v2/calls/extensive # 批量获取通话转录按 call ID 列表 POST /v2/calls/transcript/v2/calls/extensive是 Agent 检索通话元数据的入口支持按日期范围与用户过滤拿到 call ID 后再批量调用/v2/calls/transcript拉取转录文本。用户与行为统计Users Stats# 列出用户 GET /v2/users # 获取行为统计说话占比、提问数量、最长独白时长 POST /v2/stats/activity/day-by-day/v2/users返回组织内的用户清单用于后续按用户维度过滤通话或统计/v2/stats/activity/day-by-day按天返回每个参与者的活动指标——说话占比talk ratio、提问数量questions asked、最长独白时长longest monologue这是销售辅导类操作的核心数据源。互动流程Engagement Flows# 列出 flows互动流程 GET /v2/flows # 获取指定流程的分析数据 GET /v2/flows/{id}/analyticsFlows 是 Gong 中定义的一组互动如一组营销内容触发的行为序列/v2/flows/{id}/analytics返回该流程的参与与转化分析可用于衡量销售赋能内容的实际使用效果。关键数据结构通话、交易与销售代表三层视图Gong 的数据模型可以从三个粒度理解这也是 Agent 设计 prompt 与数据管道时的基础。每次通话Per Call带发言人标注speaker labels与时间戳timestamps的完整转录文本每个参与者的说话与倾听占比talk-to-listen ratio自动识别的讨论主题topics discussed提出的问题数量与内容questions asked最长独白时长longest monologue duration提到的下一步动作next steps mentioned竞争对手提及competitor mentions被标记的定价讨论pricing discussions flagged每个交易Per Deal所有关联的通话与邮件交易阶段推进记录deal stage progression风险信号risk signals客户失联/消失gone dark、提及竞品、关键支持者离开champion left参与度评分engagement score每位销售代表Per Rep说话占比趋势talk ratio trends提问频率question frequency主题覆盖度 vs. 标准打法topic coverage vs. playbook行为与赢单率的相关性win rate correlation with behaviors这层通话 → 交易 → 代表的嵌套结构意味着 Agent 可以先粗粒度拉列表、再细粒度取转录最后做跨层关联分析——例如某代表最近 10 个通话中竞品提及次数上升这类跨层洞察。典型 Agent 操作四类可落地工作流集成指南给出了四类最常见的 Agent 工作流均可在客服/营销 Agent 中直接编排执行。1. 从通话中提取竞争情报查询提及竞争对手名称的通话提取提出的异议objections raised、被对比的功能features compared、讨论的定价pricing discussed汇总为竞争 battlecard对战卡更新跟踪竞品提及频率随时间的变化。该工作流与仓库中的 competitors 技能衔接紧密——后者负责将竞争信息组织成公开的对标页面Alternative、You vs Competitor、Competitor vs Competitor 四种格式并强调诚实建立信任来自真实通话的竞品异议与定价信息正是构建可信对比内容的原料。Gong 提供的一手对话证据可替代或补充 G2/Capterra 评论挖掘 等二手来源。2. 挖掘通话做客户研究拉取近期赢单/输单交易的转录提取痛点pain points、触发事件trigger events、决策标准decision criteria、客户使用的语言language used输入到 persona 构建与信息传达messaging工作识别重复出现的异议供销售赋能使用。这一步直接对接到 customer-research 的Mode 1分析现有研究资产——该技能明确把客户访谈/销售通话转录列为首要资产类型并给出了提取框架JTBD、痛点、触发事件、期望结果、语言词汇、被考虑的替代方案以及挖掘无人提及的细节与情感化语言表达的痛点的优先级原则。Gong 转录还天然带有发言人标注可区分客户方与销售方的表述这正是技能中收集准确引用而非转述capture exact quotes, not paraphrases所需要的。技能还要求按 5 个以上独立数据点再下结论、按 12 个月时间窗口加权这些质量护栏同样适用于从 Gong 拉取的数据。3. 收入归因Revenue Attribution拉取通话数据与 CRM 交易数据对齐映射赢单交易中讨论过的内容/页面识别哪些话术要点与 closed-won 相关构建内容 → 收入归因报告。这与仓库中 attribution 与 revops 的技能目标呼应——revops 强调衡量每一次交接、用历史赢单数据校准评分模型Gong 的通话转录正好提供了客户在成交前最后讨论了哪些内容这类 CRM 字段无法覆盖的行为证据。4. 销售代表辅导洞察Rep Coaching对比顶尖代表的通话模式与团队平均水平的差异识别说话占比、提问频率、主题覆盖缺口定位具体的通话片段用于辅导复盘追踪随时间的改进趋势。该工作流依赖上文Per Rep层的数据结构/v2/stats/activity/day-by-day提供可对比的量化指标转录文本提供定位具体片段所需的可引用证据。产出可交给 sales-enablement 技能转化为辅导材料如 objection handling 文档、demo 话术其原则销售只会使用销售信任的内容正需要来自真实通话的行为数据支撑。限流约束与规模化策略Gong API 的硬性限制集成指南明确列出3 次 API 调用/秒3 API calls per second10,000 次 API 调用/天10,000 API calls per day大数据集必须分页Pagination required for large result sets对 Agent 工作流的实际含义批量拉取大量转录时需要实现节流throttling与批量请求——/v2/calls/transcript设计为按 call ID 批量提交正是为了在单次调用内换取更多数据10k/天的配额意味着全量同步所有历史通话这类任务必须分批调度如按日期范围分多次跑注册表中标注的10k API calls/day就是 Agent 编排预算时的已知边界长时间任务应实现断点续传记录已处理的分页游标避免配额耗尽后重头再来。何时使用 Gong 集成集成指南给出的适用场景可归纳为六类挖掘销售通话转录做客户研究与 VOCVoice of Customer数据从潜在客户对话中提取竞争情报构建收入归因模型内容 → 交易影响力跨交易转录分析赢/输模式基于对话分析辅导销售代表识别常见异议与购买信号如果任务落在以上任意一类且目标数据以对话/语音/邮件文本形式存在Gong 就是合适的数据源否则应回到 tools/REGISTRY.md 的工具索引选择其他工具如用 Exa 做网络内容研究、用 SimilarWeb 做网站级竞争分析。已知局限与前置条件API 访问需要管理员凭证普通用户无法自助申请 API Key集成落地前需先获得管理员配合转录质量依赖通话音频质量Gong 的转录文本不是完美的——背景噪音、多人同时说话、非英语口音都会影响下游文本分析准确性限流可能制约大规模分析10k/天配额对全量历史回溯类任务构成约束定价为企业级未公开列出通常约 100 美元/用户/月以上——评估成本合理性后再立项需要团队采用Gong 通过集成方式录制通话但也支持从非集成电话系统手动上传通话记录——即数据完备度取决于团队是否全员接入。与仓库技能体系的衔接路径Gong 集成指南末尾列出了五个关联技能形成完整的数据 → 洞察 → 动作链路技能消费 Gong 数据的方式customer-research将通话转录作为一手研究资产走 Mode 1 提取框架sales-enablement用通话中的真实异议与话术制作辅导文档与 objection librarycompetitors用竞品提及、功能对比、定价讨论更新 battlecard 与对标页revops用通话行为数据校准评分模型、优化交接与赢单分析cold-email从通话中提炼客户语言与触发事件用于外联个性化事实上仓库内已有内容印证了 Gong 数据在研究中的引用价值在 cold-email 的主题行参考 中Gong 的研究被用作全小写主题行打开率最高看似来自同事而非供应商的主题行打开率翻倍等判断的依据在 跟进序列参考 中未收到回复后跟进使会议预订率下降 12%也引用自 Gong。这说明 Gong 不仅是一个 API 集成点也是仓库中营销技能普遍认可的对话级数据来源。落地建议从集成指南到可运行的 Agent 任务先拿管理员凭证与租户 Base URL——这是所有后续步骤的前置条件验证连通性用GET /v2/users做冒烟测试确认认证与租户配置正确选一个最小场景起步例如拉取最近 30 天提及竞品的通话并汇总异议——一个 POST 请求加文本分析即可完成设计节流与分页按 3 req/s 控制频率按日期范围分批消费 10k/天配额接入技能链路把拉取到的转录交给 customer-research 或 competitors 技能完成提取、聚类与置信度标注产出研究报告、battlecard 或辅导材料建立周期性任务竞品提及频率、代表说话占比趋势这类指标按周/月调度形成可追踪的长期数据集。结语Gong 集成指南tools/integrations/gong.md为 AI Agent 打开了一个高信号的数据源销售对话是最接近真实买家的第一手文本资产。结合仓库既有的技能体系——客户研究、竞争情报、销售辅导、RevOps——Gong 数据可以完整走完转录 → 洞察 → 营销动作的闭环。落地时务必牢记三条红线管理员凭证前置、3 req/s 与 10k/天限流、以及转录质量与团队采用度决定数据上限。赞分享AI 技能人工智能【免费下载链接】marketingskillsMarketing skills for Claude Code and AI agents. CRO, copywriting, SEO, analytics, and growth engineering.项目地址https://gitcode.com/GitHub_Trending/mar/marketingskills点击查看免费下载相关推荐用 Firehose 构建实时 Web 数据流监控Marketing Skills 仓库中的 SSE 竞争情报集成指南用 Firehose 构建实时 Web 数据流监控Marketing Skills 仓库中的 SSE 竞争情报集成指南 Firehose 是一个基于 ServAI 技能人工智能Close CRM 集成实战指南为 AI Agent 打造 SMB 高速销售管线自动化marketing skills 仓库Close CRM 集成实战指南为 AI Agent 打造 SMB 高速销售管线自动化marketing skills 仓库 本文基于 marketingAI 技能人工智能BambuStudio 真实 AMS 渐变与多拼槽颜色语义的 E2E 验证实战基于 WebView2 CDP 与 Playwright 的真机验证方案BambuStudio 真实 AMS 渐变与多拼槽颜色语义的 E2E 验证实战基于 WebView2 CDP 与 Playwright 的真机验证方案 导读AI 技能人工智能上一篇obs-multi-rtmp 使用指南一次编码OBS 同时推流多个平台下一篇Czkawka 架构总览与配置/缓存机制深度指南从术语体系到跨前端共享缓存与性能调优创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考