Claude Codeでマーケティングチームを自動化する「ai-marketing-skills」完全ガイド

こんにちは、カイ@プロダクトマネージャーです。

「A/Bテストの結果、なんとなく良さそうだからこっちで行こう」——そんな判断、していませんか？

Claude Codeによるマーケティング自動化が当たり前になりつつある今、カンに頼った意思決定はもったいない。

今回紹介する「ai-marketing-skills」は、そのモヤモヤを根本から解決してくれるオープンソースライブラリです。

しかもこれ、ただのプロンプト集じゃありません。

実際に数百万ドル規模のビジネスを回してきたマーケティングチームが、自社のワークフローをまるごとOSS化したものなんです。

「carouselと単一画像、どっちがエンゲージメント高い？テストして」——Claude Codeにこう言うだけで、実験設計から統計検定、レポート生成まで全自動で走ります。

この記事では、PM（プロダクトマネージャー）やビジネスパーソンの視点から、ai-marketing-skillsの全貌と「どこから始めるべきか」を徹底解説します。

ai-marketing-skillsとは何か——Claude Codeマーケティング自動化の決定版

「2ドルから1,400万ドル」を実現したチームが作ったライブラリ

GitHub - ericosiu/ai-marketing-skills: Open-source AI marketing skills for Claude Code — growth experiments, sales pipeline, content ops, outbound, SEO, and finance automation · GitHub

github.com

このライブラリの出自を知ると、信頼度がグッと上がります。

ai-marketing-skillsを公開したのは、Eric Siu率いるSingle Brainチーム。

GitHubリポジトリには「Built by the team at Single Brain」と明記されています。

Eric SiuはマーケティングエージェンシーSingle Grainの創業者としても知られています。Single BrainはそのSingle GrainのノウハウをベースにしたAIエージェント事業です。

ここからの話がちょっと面白いんですが、Eric Siuはもともと26歳でSingle GrainにCOOとして参画しました。

しかし状況は悪化し、従業員は1人にまで減少。

パートナーたちは見切りをつけ、Eric Siuはたった2ドル（パートナー2人が各$1で持分を手放した）で会社を引き取りました。

そこからオーガニックマーケティングとコンテンツ戦略で立て直し、Amazon・Salesforce・Uberなど500社以上を支援するエージェンシーに成長させました。

Neil Patelと共同ホストするポッドキャスト「Marketing School」は累計約1億ダウンロードに迫る人気番組です。

ai-marketing-skillsは、この実戦で鍛えられたノウハウをClaude Codeのスキルとしてコード化したものです。

「プロンプト集」ではなく「完全なワークフロー」という設計思想

ここが他のClaude Codeスキルライブラリと決定的に違うポイントです。

世の中にある多くのAIスキル集は、「こう聞けばいい感じの回答が返ってくる」というプロンプトの詰め合わせです。

ai-marketing-skillsは、そこから一歩踏み込んでいます。

各モジュールにスクリプト、スコアリングアルゴリズム、エキスパートパネル、自動化パイプラインが丸ごと含まれています。

プロンプト集が「レシピ本」だとすれば、ai-marketing-skillsは「シェフ付きのキッチン」。

指示を出せば、料理が出てくる。

たとえばGrowth Engineモジュールなら、「実験を設計→実行→統計検定で効果を検証→次の施策を提案」まで一気通貫で回ります。

類似ライブラリ（marketingskills等）との違い

Claude Code向けのマーケティングスキルライブラリは他にもあります。

たとえばCorey Hainesの「marketingskills」は多数のスキルを網羅したライブラリとして人気です。

じゃあ、何が違うのか。

一言で言えば「深さ」です。

marketingskillsがSKILL.mdベースのプロンプト設計に特化しているのに対し、ai-marketing-skillsはPythonスクリプトやスコアリングアルゴリズムまで含むフルスタックのワークフローを提供します。

統計検定やインテリジェンスシステムまで組み込まれている点は、他に類を見ません。

6つのモジュールで構築するAIマーケティング自動化チーム

ai-marketing-skillsの6つのモジュールは、それぞれが独立しつつ、組み合わせると「AIネイティブなマーケティングチーム」として機能します。

PMの視点で言えば、これはチーム設計そのもの。

メンバーを一人ずつ採用するように、必要なモジュールから入れていけばいいんです。

Growth Engine——統計的仮説検証で成長実験を自動化する

個人的に一番アツいのがこのモジュールです。

普通のA/Bテストツールは「コンバージョン率が何%上がった」で終わります。

でもそれって、統計的に有意な差なのか、たまたまなのか、実はよくわからない。

Growth EngineはMann-Whitney U検定で2群間の差が偶然でないかを判定し、bootstrap信頼区間で効果量の推定範囲を算出します。

料理に例えると、「なんとなく美味しくなった気がする」ではなく「塩分濃度を0.3%上げたことで、統計的に95%の信頼度で味の改善効果があると判定できる」と言えるようになる感覚です。

つまり、これまでデータサイエンティストに依頼して数日待っていた実験の統計分析が、Claude Codeへの一言で数分で完了します。

マーケティングの意思決定に、エンジニアリングの厳密さが持ち込まれる——これだけでも導入する価値があります。

Sales Pipeline——訪問者からパイプラインへの変換を自動化する

Sales Pipelineモジュールには、RB2Bルーター、Deal Resurrector、Trigger Prospector、ICP Learnerといったツールが含まれています。

Webサイトに誰かが訪問した瞬間、その人をリードとして評価し、営業パイプラインに自動で乗せる。

しかも、過去の失注案件の担当者が転職したらそれも検知します。

特に注目したいのがDeal Resurrectorです。

「あの担当者、転職しちゃったんだよな……」——BtoB営業では本当によくある話です。

Deal Resurrectorは3層のインテリジェンスシステムを備えていて、退職した連絡先がどの新会社に移ったかを自動追跡します。

失注案件の担当者が新しい会社に移ったとき、再アプローチのチャンスを自動で知らせてくれる。

営業パイプラインの「死んだ案件」が復活する可能性を見つけてくれるわけです。

Content Ops——エキスパートパネルによるコンテンツ品質管理

Content Opsには、9つの専門家パネル定義と5つのスコアリングルーブリックが含まれています。

ここで光るのがExpert Panelという仕組みです。

9つの異なる分野の専門家ペルソナ（SEOスペシャリスト、コピーライター、UXライターなど）が、コンテンツを繰り返し評価します。

品質スコアが基準を超えるまで、改善提案とリライトを自動で繰り返す。

いわば、9人の専門家を雇って毎回レビュー会議を開くようなものです。

「レビューが属人的で品質がバラつく」という悩みを抱えるコンテンツチームには、まさにぴったりの仕組みです。

Outbound Engine——ICPに基づくアウトバウンド営業の自動化

ICP（理想顧客プロファイル）の定義からメール配信までを一気通貫で自動化するモジュールです。

ターゲットの特定、メール文面の生成、配信スケジュールの最適化まで、アウトバウンド営業の全工程をカバーします。

「ターゲットリストの作成だけで半日潰れる」という経験がある方には、特に刺さるはずです。

SEO Ops——競合キーワード分析とコンテンツ最適化

競合サイトのキーワードギャップを分析し、コンテンツブリーフを自動生成します。

Google Search Consoleのデータを活用した最適化や、トレンド分析による記事テーマの提案も含まれています。

「次に何を書くべきか」を、データに基づいて教えてくれるモジュールです。

Finance Ops——CFOブリーフィングと財務シナリオモデリング

意外に思われるかもしれませんが、財務分析モジュールも含まれています。

隠れたコストの発見、シナリオモデリング、CFO向けブリーフィングの自動生成など、マーケティング予算の意思決定を支援します。

「この施策の費用対効果は？」と経営層に聞かれたとき、数字で即答できるようになります。

PM・ビジネスパーソンが始めるべきモジュールの選び方

「6つもあると、どこから手をつけていいかわからない」——そう感じたPMの方のために、役割別のおすすめを整理しました。

スタートアップのPM向け：Growth EngineとContent Opsを最優先に

リソースが限られるスタートアップでは、成長実験の高速化とコンテンツ品質の担保が最も効果的です。

Growth Engineで仮説検証を回しつつ、Content Opsでブログやランディングページの品質を自動チェックする。

この2つだけでも、マーケティングチーム1〜2人分の働きを期待できます。

BtoB営業・BDR向け：Sales PipelineとOutbound Engineの組み合わせ

リード獲得からアウトバウンド営業まで一気通貫で自動化したいなら、この2モジュールです。

特にDeal Resurrectorは、失注案件の復活という他のツールではカバーしにくい領域を担います。

「失注リストを眺めてため息をつく時間」が「再アプローチの機会を見つける時間」に変わります。

SEO・コンテンツチーム向け：SEO OpsとContent Opsの連携

キーワード分析→コンテンツブリーフ生成→品質チェックまでの流れを自動化できます。

コンテンツマーケティングを柱にしているチームなら、この組み合わせが一番ROIが高いでしょう。

Claude Codeへのインストールと使い方——10分で動かすステップガイド

前提条件（Claude Code ProまたはMax、Python環境）

ai-marketing-skillsを使うには、以下が必要です。

• Claude Codeがインストール済みであること
• Claude ProプランまたはMaxプランに加入していること（Maxプラン推奨。Proプランは月$20、Maxプランは月$100〜$200）
• Python 3.xがインストールされていること（スクリプト実行に必要）
• 一部のモジュールでは外部APIキー（Google Search Console等）が必要

Claude Codeを普段使っている方なら、追加で必要なのはPython環境くらいです。

リポジトリのクローンとSKILL.mdの配置方法

セットアップはコマンド2つで完了します。

# リポジトリをクローン
git clone https://github.com/ericosiu/ai-marketing-skills.git

# 使いたいモジュールのSKILL.mdをプロジェクトにコピー
cp -r ai-marketing-skills/growth-engine/.claude/skills/growth-engine \
  your-project/.claude/skills/

これだけです。

Claude Code Skillsの仕組みとして、.claude/skills/ ディレクトリに配置されたSKILL.mdは起動時に自動認識されます。

起動時にはスキルの名前と説明だけが読み込まれ、実際にスキルが呼び出されたときにSKILL.md本文やスクリプトが読み込まれる「Progressive Disclosure」という仕組みになっています。

6モジュール全部入れても、Claude Codeが重くなることはありません。

最初の一歩——Growth Engineで成長実験を回してみる

セットアップ後、Claude Codeに以下のように指示するだけです。

「carouselと単一画像のどちらのインタラクション率が高いかをテストして」

これだけで、実験の設計→実行→統計的な効果検証→レポート生成まで自動で走ります。

5分もあれば最初の実験が回り始めます。

「あ、マーケティングの仕事ってこう変わるのか」という感覚が、一発で掴めるはずです。

導入前に知っておくべき注意点とコスト

Claude Code Maxプラン（$200/月）が実用上の推奨である理由

ai-marketing-skillsのようなワークフロー系スキルは、Pythonスクリプトの実行やWebスクレイピングなど、比較的重い処理を伴います。

Claude Code Proプラン（月$20）でも動作しますが、レート制限に引っかかりやすく、長時間の実験やバッチ処理には向きません。

本格運用するならMaxプラン（月$100〜$200）を推奨します。

「月$200は高い」と感じるかもしれません。

でも、マーケティング担当者1人の月給と比較してみてください。

統計分析、リード追跡、コンテンツレビュー、アウトバウンド営業——これらを24時間やってくれるAIメンバーが月$200です。

日本語対応の現状——英語前提の設計を理解する

現時点では、ai-marketing-skillsのSKILL.md、スクリプト、テンプレートはすべて英語で書かれています。

ただし、Claude Code自体が日本語を理解するため、日本語で指示を出しても基本的には動作します。

出力結果を日本語にしたい場合は、「結果は日本語で出力して」と追加指示すればOKです。

必要なPython・API知識の目安

モジュールによってはPythonの依存パッケージのインストール（pip install -r requirements.txt）や、環境変数の設定が必要です。

ターミナルでpip installを実行できるレベルの知識があれば十分です。

コードを書く必要はありません。

まとめ——マーケティングをエンジニアリングする時代へ

ai-marketing-skillsは、Claude Codeによるマーケティング自動化を「便利ツール」のレベルから「エンジニアリング」のレベルに引き上げるライブラリです。

統計的な仮説検証、インテリジェントなリード追跡、多角的なコンテンツ評価——これまで「人間の経験と勘」に頼っていた領域に、再現性のある仕組みを持ち込めます。

しかも、MIT Licenseのオープンソースで、SKILL.mdをコピーするだけで始められます。

「マーケティングの仕事がついに、エンジニアのやり方でできるようになった」——この一文が、すべてを言い表しています。

まずはGitHubリポジトリを覗いてみてください。

Growth Engineのセットアップなら10分もかかりません。

今日から、あなたのマーケティングチームにAIメンバーを迎え入れてみませんか？