मैंने एक नए प्रोडक्ट के लिए "सिर्फ Claude Code" का उपयोग करके एक लैंडिंग पेज (LP) बनाया, और लॉन्च के तीसरे महीने में मासिक बिक्री 1 करोड़ येन से अधिक हो गई। न डिज़ाइनर को आउटसोर्स किया, न कोई डेवलपमेंट लागत आई, न LP प्रोडक्शन कंपनी से कोई काम करवाया। मैंने केवल Claude Code और अपना "प्रॉम्प्ट लिखने में बिताया गया समय" इस्तेमाल किया।
यहाँ आँकड़ों का विवरण है:
- प्रोडक्ट मूल्य: 98,000 JPY (ऑनलाइन कोर्स, एकमुश्त खरीद)
- मासिक कन्वर्ज़न: लगभग 105
- मासिक बिक्री: लगभग 1.03 करोड़ JPY
- LP के माध्यम से CVR (कन्वर्ज़न रेट): विज्ञापन ट्रैफ़िक के आधार पर लगभग 1.8%
- वास्तविक LP उत्पादन लागत: Claude Code शुल्क + डोमेन/सर्वर के लिए प्रति माह कुछ हज़ार येन
आम तौर पर यह माना जाता है कि "LP प्रोडक्शन कंपनी से बनवाने पर 3 लाख से 10 लाख JPY खर्च आता है," लेकिन मेरी उत्पादन लागत लगभग शून्य थी। इसके अलावा, लॉन्च के बाद के सभी सुधार (AB टेस्टिंग, कॉपी एडिट्स, सेक्शन बदलना) मैं Claude Code से ही करवाता हूँ, इसलिए सुधार की गति आउटसोर्सिंग के दौर की तुलना में अतुलनीय है। इस लेख में, मैं पूरी प्रक्रिया वास्तव में उपयोग किए गए प्रॉम्प्ट्स के साथ विस्तार से बताऊँगा।
इस लेख में आप क्या सीखेंगे
- Claude Code के साथ LP बनाने का पूरा फ्लो (आवश्यकताएँ → कॉपी → इम्प्लीमेंटेशन → मापन → सुधार)
- प्रत्येक चरण में वास्तव में उपयोग किए गए प्रॉम्प्ट्स का पूरा टेक्स्ट
- 1.8% CVR प्राप्त करने के लिए LP संरचना में मैंने किन बातों का ध्यान रखा
- लॉन्च के बाद AB टेस्टिंग और सुधार Claude Code से कैसे करवाएँ
- जिन मुद्दों पर मैं अटका और उनसे कैसे बचा जाए
मैंने "केवल Claude Code" के साथ बनाने का निर्णय क्यों लिया
मैंने अतीत में तीन बार LP उत्पादन आउटसोर्स किया है, जिसकी लागत 3.5 लाख से 8 लाख JPY प्रति पेज थी। हालाँकि मैं अंतिम उत्पाद से असंतुष्ट नहीं था, लेकिन ऑपरेशन शुरू होने के बाद संरचनात्मक समस्याएँ स्पष्ट हो गईं:
- धीमे और महंगे संशोधन: कॉपी सुधारने या सेक्शन हटाने जैसे छोटे बदलावों में भी समय और पैसा लगता था। जब हर AB टेस्ट के लिए कोटेशन चाहिए हो, तो गति की उम्मीद नहीं कर सकते।
- कॉपी, डिज़ाइन और इम्प्लीमेंटेशन का अलगाव: जब लेखक, डिज़ाइनर और कोडर अलग-अलग लोग होते हैं, तो संदेश एक से दूसरे तक पहुँचते-पहुँचते बिगड़ जाता है और एकरूपता खो जाती है।
- डेटा के आधार पर सुधार करने वाला कोई नहीं: प्रोडक्शन कंपनियाँ "बनाने" में माहिर होती हैं, जरूरी नहीं कि "बेचने" में। वे हमेशा नहीं जानतीं कि GA4 डेटा को परिकल्पना और सुधार में कैसे बदला जाए।
Claude Code एक टर्मिनल-आधारित AI कोडिंग एजेंट है। यह सिर्फ कोड नहीं लिखता; यह फ़ाइल संरचनाएँ प्रबंधित करता है, HTML/CSS/JS का प्रीव्यू करता है, कॉपीराइटिंग संभालता है, और GA4 या हीटमैप डेटा के आधार पर सुधार भी लागू करता है। यह एकीकरण ही मेरे लिए निर्णायक कारक था।
प्रोडक्ट और पूर्वापेक्षाएँ
- प्रोडक्ट: B2B कौशल के लिए ऑनलाइन कोर्स (98,000 JPY)
- ट्रैफ़िक: Meta Ads (Instagram/Facebook) + सर्च लिस्टिंग। मासिक विज्ञापन खर्च लगभग 18 लाख JPY
- बिक्री फ्लो: विज्ञापन → LP → भुगतान (Stripe)। सरल प्रत्यक्ष बिक्री।
- मेरा कौशल: मैं HTML/CSS पढ़ सकता हूँ लेकिन खूबसूरती से नहीं लिख सकता। मैं शायद ही डिज़ाइन टूल्स का उपयोग करता हूँ।
- टूल्स: Claude Code, GitHub, Cloudflare Pages, GA4, Microsoft Clarity।
सबसे महत्वपूर्ण बात: मैं मुश्किल से कोई कोड लिखता हूँ। Claude Code "निर्देशक" और "निर्माता" के बीच अनुवादक का काम करता है।
5-चरणीय फ्लो
- आवश्यकताएँ: Claude Code से प्रोडक्ट और ग्राहकों के बारे में आपका "इंटरव्यू" करवाएँ।
- संरचना और कॉपी: सेक्शन लेआउट और संपूर्ण कॉपी तैयार करें।
- डिज़ाइन और इम्प्लीमेंटेशन: HTML/CSS के साथ इम्प्लीमेंट करें और प्रीव्यू के माध्यम से निखारें।
- मापन और डिप्लॉयमेंट: GA4/Clarity सेट करें और लाइव करें।
- सुधार लूप: AB टेस्टिंग के लिए डेटा को AI को वापस फीड करें।
चरण 1: आवश्यकताएँ - "इंटरव्यू" प्रॉम्प्ट
सिर्फ "एक LP बनाओ" मत कहें। सामान्य परिणामों से बचने के लिए AI को विशिष्ट जानकारी चाहिए। मैंने एक प्रॉम्प्ट बनाया जिससे Claude Code मेरा इंटरव्यू करे—टार्गेट ऑडियंस, उनकी चिंताओं और मूल्य के औचित्य के बारे में विशिष्ट सवाल पूछे। मैंने उसे कच्चा ग्राहक सर्वेक्षण डेटा और Slack लॉग्स दिए। इसका परिणाम एक संरचित requirements.md फ़ाइल थी।
चरण 2: संरचना और कॉपी
मैंने Claude Code से आवश्यकताओं के आधार पर सेक्शन संरचना बनवाई, जिसमें सिर्फ PASONA जैसे टेम्पलेट का पालन करने के बजाय ग्राहकों की चिंताओं को दूर करने पर ध्यान केंद्रित किया। कॉपी के लिए, मैंने सब कुछ एक साथ नहीं लिखवाया। सबसे अच्छी दिशा चुनने के लिए मैंने हर सेक्शन के लिए 10 विकल्प माँगे। साथ ही, मैंने AI को सख्त निर्देश दिया कि नकली प्रशंसापत्र न बनाए और न ही अवैध अतिशयोक्तिपूर्ण दावों का उपयोग करे।
चरण 3: डिज़ाइन और इम्प्लीमेंटेशन
मैंने स्टैटिक HTML/CSS/JS का उपयोग करके मोबाइल-फर्स्ट, हाई-परफॉर्मेंस साइट इम्प्लीमेंट करने के लिए Claude Code का उपयोग किया। पहले केवल "फर्स्ट व्यू" बनवाकर, मैं पूरे पेज का विस्तार करने से पहले डिज़ाइन के स्वरूप पर सहमति बना सका। मार्जिन, बटन साइज़ और लेआउट को रीयल-टाइम में समायोजित करने के लिए मैंने "मौखिक निर्देश" का उपयोग किया। डिज़ाइन प्रेरणा के लिए, मैंने अपनी पसंद के LPs के स्क्रीनशॉट फीड किए और उनके "अच्छे पहलुओं" को अपने प्रोजेक्ट में ढालने के लिए कहा।
चरण 4: मापन और डिप्लॉयमेंट
मैंने GA4 और Microsoft Clarity इम्प्लीमेंट करवाया, और विशेष रूप से "सेक्शन पढ़ने-पूरा करने" वाली घटनाओं (इवेंट्स) को ट्रैक किया, ताकि यह साफ पता चले कि पाठक किस हिस्से को छोड़ देते हैं। डिप्लॉयमेंट Cloudflare Pages और GitHub के माध्यम से किया गया—पूरी प्रक्रिया AI के मार्गदर्शन में।
चरण 5: सुधार लूप
0.9% CVR से शुरू करके, मैंने GA4 CSV डेटा और Clarity स्क्रीनशॉट Claude Code को वापस फीड किए। इसने तीन प्रमुख सुधार प्रस्तावित किए: मूल्य सेक्शन का क्रम बदलना, FAQ को "आपत्ति-निवारण" सेक्शन में बदलना, और हीरो कॉपी का AB टेस्ट करना। इन परिवर्तनों ने CVR को 1.8% तक बढ़ा दिया और 1 करोड़ येन बिक्री का आँकड़ा छू गया। ये पुनरावृत्तियाँ हफ्तों में नहीं, बल्कि घंटों में पूरी हुईं।
सारांश: प्रॉम्प्ट डिज़ाइन के 3 सिद्धांत
- भूमिका + संदर्भ फ़ाइल + आउटपुट प्रारूप: AI को एक विशिष्ट भूमिका दें और
requirements.mdजैसी फ़ाइलों का संदर्भ दें। - सब कुछ एक साथ न बनाएँ: सहमति के लिए माइलस्टोन तय करें (इंटरव्यू → संरचना → कॉपी → इम्प्लीमेंटेशन)।
- निषेध और असहमति का अधिकार: AI को साफ कहें कि नकली डेटा बनाना मना है, और यदि कोई बदलाव CVR को कम कर सकता है तो उसे तर्क करने की छूट दें।
Claude Code ने LP उत्पादन को "पैसे से समय खरीदने" की जगह "प्रॉम्प्ट्स से समय खरीदने" वाला बना दिया है।
