Claude Code 登陸頁面指南：創造每月 7 萬美元銷售額

我為自己負責的新產品打造了著陸頁（LP），而且只用了「Claude Code」。上線後第三個月，月銷售額就突破了 1,000 萬日圓。沒有外包給設計師、沒有開發費用、也沒有委託 LP 製作公司。我用的只有 Claude Code，以及我「撰寫提示詞的時間」。

以下是數據明細：

產品價格：98,000 日圓（線上課程，一次性購買）
月轉換數：約 105 件
月銷售額：約 1,030 萬日圓
透過 LP 的 CVR（轉換率）：約為廣告流量的 1.8%
實際 LP 製作成本：每月數千日圓的 Claude Code 費用 + 網域/伺服器

當大家都在說「請 LP 製作公司做要花 30 萬到 100 萬日圓」時，我的製作成本幾乎是零。而且，上線後的所有改善（AB 測試、文案修改、區塊替換）都交給 Claude Code 處理，改善速度與外包時代完全無法比擬。本文將公開完整流程，以及我實際使用的提示詞。

你將從本文學到什麼

用 Claude Code 製作 LP 的完整流程（需求 → 文案 → 實作 → 數據測量 → 改善）
每個步驟實際使用的提示詞全文
為了達到 1.8% CVR，我在 LP 結構上注意了什麼
如何讓 Claude Code 處理上線後的 AB 測試與改善
卡關的地方與迴避方法

為什麼我決定「只用 Claude Code」來打造

過去我外包過三次 LP 製作，每頁花費 35 萬到 80 萬日圓。成品本身沒有不滿，但開始營運後，結構性問題逐漸浮現：

修改又慢又貴：即使是修正文案、移動區塊這類小變更，也要花時間和金錢。每次 AB 測試都要等報價，根本無法談速度。
文案、設計、實作各自為政：當寫手、設計師與工程師是不同人時，訊息就像傳話遊戲一樣，一致性蕩然無存。
沒有人根據數據修正：製作公司擅長的是「製作」，不見得擅長「銷售」。他們不一定知道如何把 GA4 數據轉化為假設與修正對策。

Claude Code 是一個基於終端機的 AI 編碼 Agent。它不只寫程式，還能管理檔案結構、預覽 HTML/CSS/JS、處理文案，甚至根據 GA4 或熱點圖數據來實作改善。這個「整合性」正是我決定採用的關鍵。

產品與前提條件

產品：B2B 技能線上課程（98,000 日圓）
流量來源：Meta Ads（Instagram/Facebook）+ 搜尋結果。每月廣告花費約 180 萬日圓
銷售流程：廣告 → LP → 付款（Stripe）。單純的直接銷售模式
我的技能：看得懂 HTML/CSS，但無法寫得很漂亮。幾乎不用設計工具
使用工具：Claude Code、GitHub、Cloudflare Pages、GA4、Microsoft Clarity

重點是，我幾乎不寫程式。Claude Code 扮演的是「導演」與「製作團隊」之間的翻譯者。

5 步驟流程

需求定義：讓 Claude Code「訪談」你關於產品與客戶的問題
結構與文案：建立區塊版面配置與全文文案
設計與實作：用 HTML/CSS 實作，並透過預覽逐步修正
數據測量與上線：設定 GA4/Clarity 後正式發布
改善迴圈：把數據回饋給 AI，進行 AB 測試

STEP 1：需求定義 ——「訪談式」提示詞

不要只說「幫我做一個 LP」。AI 需要具體資訊，才不會給出千篇一律的結果。我設計了一組提示詞，讓 Claude Code 反過來訪談我，針對目標受眾、痛點、價格合理性提出具體問題。我也提供了原始客戶調查數據和 Slack 紀錄。最終產出一份結構化的 requirements.md 檔案。

STEP 2：結構與文案

我讓 Claude Code 根據需求建立區塊結構，重點放在消除顧客疑慮，而不是單純套用 PASONA 之類的模板。文案部分我沒有一次寫完，而是每個區塊請它提供 10 個選項，再從中挑選最佳方向。我也嚴格禁止 AI 捏造虛假見證，或使用違法的誇大宣傳。

STEP 3：設計與實作

我用 Claude Code 以靜態 HTML/CSS/JS 實作了一個 Mobile-First、高效能的網站。透過先只建立「第一屏（First View）」，就能在擴展到整個頁面之前，先確認設計風格方向。我會以「口頭指示」即時調整邊距、按鈕大小與版面配置。設計靈感方面，我把自己喜歡的 LP 截圖丟給它，請它把那些「優點」轉化應用到我的專案中。

STEP 4：數據測量與上線

我讓 Claude Code 實作 GA4 和 Microsoft Clarity，特別追蹤「區塊閱讀完成度」事件，藉此掌握讀者到底在哪裡流失。部署則透過 Cloudflare Pages 和 GitHub 完成，全程由 AI 引導。

STEP 5：改善迴圈

從 0.9% 的 CVR 出發，我把 GA4 的 CSV 數據和 Clarity 截圖回饋給 Claude Code。它提出了三大修正方向：重新調整價格區塊的順序、把 FAQ 改造成「異議處理」區塊，以及針對首屏文案進行 AB 測試。這些調整讓 CVR 一路提升到 1.8%，達成 1,000 萬日圓的銷售目標。而這些迭代是在數小時內完成的，不是數週。