Claude Code 落地页指南：实现月销售额 7 万美元

我用“仅靠 Claude Code”为正在负责的一个新产品搭建了落地页（LP），上线后的第 3 个月，月销售额突破了 1000 万日元。没有外包设计师，没有开发成本，也没有委托 LP 制作公司。我用的只有 Claude Code，以及我“花在写提示词上的时间”。

以下是数据明细：

产品价格：98,000 日元（在线课程，一次性购买）
月转化数：约 105 次
月销售额：约 1030 万日元
通过 LP 达成的 CVR（转化率）：约为广告流量的 1.8%
LP 实际制作成本：每月只需几千日元（Claude Code 费用 + 域名/服务器）

在人们都说“请 LP 制作公司要花 30 万到 100 万日元”的今天，制作成本几乎为零。不仅如此，由于我把上线后的所有优化（AB 测试、文案修改、板块替换）都交给 Claude Code 处理，改进速度和外包时代完全不可同日而语。在本文中，我将连同实际使用的提示词，完整公开整个过程。

本文你将学到什么

使用 Claude Code 制作 LP 的完整流程（需求 → 文案 → 实现 → 测量 → 优化）
每个步骤中实际使用的提示词全文
为实现 1.8% 的 CVR，我在 LP 结构设计上的注意点
如何让 Claude Code 处理上线后的 AB 测试与优化
我踩过的坑以及如何避免

为什么我决定“仅靠 Claude Code”来制作

过去我有三次将 LP 制作外包的经历，每页成本在 35 万到 80 万日元之间。虽然我对最终成品并非不满意，但一旦开始运营，结构性问题就暴露了出来：

修改又慢又贵：即使是微调文案、移动板块这样的小改动，也要花费时间和金钱。每次 AB 测试都要等报价，根本谈不上速度。
文案、设计、实现相互割裂：当写手、设计师、程序员是不同的人时，信息在层层转达中逐渐失真，一致性荡然无存。
没有人基于数据做优化：制作公司擅长“做出来”，却不擅长“卖出去”。他们未必知道如何把 GA4 的数据转化为假设和改进方案。

Claude Code 是一款运行在终端中的 AI 编程 Agent。它不仅能写代码，还能管理文件结构、预览 HTML/CSS/JS、撰写文案，甚至能根据 GA4 或热力图数据实施改进。这种整合能力，正是我决定选择它的决定性因素。

产品与前置条件

产品：面向 B2B 技能的在线课程（98,000 日元）
流量来源：Meta 广告（Instagram/Facebook）+ 搜索收录。每月广告费约 180 万日元
销售流程：广告 → LP → 支付（Stripe），简单的直接销售
我的技能水平：能看懂 HTML/CSS，但写不出漂亮的代码。几乎不使用设计工具
使用工具：Claude Code、GitHub、Cloudflare Pages、GA4、Microsoft Clarity

关键在于，我几乎不写任何代码。Claude Code 扮演的是“导演”和“制作者”之间的翻译角色。

5 步流程

需求确认：让 Claude Code “采访”你，了解产品和客户。
结构与文案：确定板块构成与全文文案。
设计与实现：用 HTML/CSS 实现，并通过预览不断打磨。
测量与上线：接入 GA4/Clarity 并正式发布。
优化循环：将数据反馈给 AI，进行 AB 测试。

第一步：需求确认——“采访”提示词

不能只丢一句“做个 LP”。AI 需要具体的信息，否则只会产出千篇一律的结果。我使用了一个提示词，让 Claude Code 反过来“采访”我，针对目标受众、用户顾虑、价格合理性等提出具体问题。我把客户调研的原始数据和 Slack 聊天记录也一并喂给了它。最终，它生成了一份结构化的 requirements.md 文件。

第二步：结构与文案

我让 Claude Code 基于需求创建板块结构，重点不是机械套用 PASONA 之类的模板，而是消除用户的顾虑。文案部分我没有让它一次性写完，而是要求每个板块给出 10 个文案方案，再从中挑选最佳方向。同时我严格禁止 AI 编造虚假的用户评价，也禁止使用违法的夸大宣传。

第三步：设计与实现

我让 Claude Code 使用静态 HTML/CSS/JS 实现了一个移动端优先、高性能的页面。通过先只构建“首屏（First View）”，我能在扩展到整页之前，先就设计调性达成共识。之后我用“口头指令”实时调整边距、按钮大小和布局。设计灵感方面，我会把喜欢的 LP 的截图喂给它，请它把这些页面的“优点”转化到我的项目中。

第四步：测量与上线

我让 Claude Code 接入 GA4 和 Microsoft Clarity，并专门追踪“板块阅读完成（section read-through）”事件，以精确掌握读者是在哪里流失的。部署则通过 Cloudflare Pages 和 GitHub 完成，全程由 AI 引导。

第五步：优化循环

最初 CVR 只有 0.9%，我把 GA4 的 CSV 数据和 Clarity 的截图反馈给 Claude Code。它提出了三项重要优化：调整价格板块的顺序、把 FAQ 改造成“异议处理”板块、以及针对首屏文案进行 AB 测试。这些改动把 CVR 提升到了 1.8%，达成了 1000 万日元的销售成绩。而且整个迭代只花了几小时，而不是几周。