Now liveThe Skillselion MCP - thousands of ranked skills, loaded into your agent mid-task. No install.Get it →
afadtc avatar

Afa Gg

  • 50 installs
  • 136 repo stars
  • Updated May 10, 2026
  • afadtc/afa-dtc-skills

afa-gg is a Claude Code skill that structures, scales, and diagnoses Google Ads Shopping, Search, and Performance Max campaigns for direct-to-consumer stores.

About

afa-gg is a Chinese-language Claude Code skill for Google Ads optimization. It designs account structure for Shopping, Search, and Performance Max campaigns, manages keywords, bidding, product feeds, and negative keywords, and diagnoses ROAS and CPA problems. Performance marketers use it to build and troubleshoot Google Ads for DTC stores.

  • Optimizes Google Ads Shopping, Search, and Performance Max
  • Handles keyword strategy, bidding, feed, and negative keywords
  • Diagnoses low ROAS and high CPA against benchmark data

Afa Gg by the numbers

  • 50 all-time installs (skills.sh)
  • Ranked #556 of 853 Sales & Marketing skills by installs in the Skillselion catalog
  • Data as of Aug 4, 2026 (Skillselion catalog sync)
At a glance

afa-gg capabilities & compatibility

Capabilities
google ads optimization · feed optimization · keyword strategy · bid optimization · roas diagnosis
Works with
postgres
Use cases
marketing · data analysis
Runs
Runs locally
Pricing
Free
From the docs

What afa-gg says it does

Google Ads 优化引擎——Shopping 广告、搜索广告、PMax、关键词策略、出价优化、Feed 优化、否定词管理
SKILL.md
设计账户结构、广告系列规划、新账户搭建 | Mode 1: 账户架构设计
SKILL.md
npx skills add https://github.com/afadtc/afa-dtc-skills --skill afa-gg

Add your badge

Show developers this skill is listed on Skillselion. Paste this into your README.

Listed on Skillselion
Installs50
repo stars136
Last updatedMay 10, 2026
Repositoryafadtc/afa-dtc-skills

What it does

Structure, scale, and diagnose Google Ads Shopping, Search, and PMax campaigns for a DTC store.

Who is it for?

Performance marketers building and troubleshooting Google Ads accounts for DTC stores.

Skip if: Meta Ads, TikTok Ads, SEO, or email, which hand back to other modules.

When should I use this skill?

A user mentions Google Ads, Shopping ads, PMax, Performance Max, search ads, keywords, ROAS, bidding, feed, or negative keywords.

What you get

A Google Ads account structure, ad creation, feed and keyword plan, and a ROAS/CPA diagnosis.

  • Google Ads account structure
  • feed optimization plan
  • keyword and bidding plan

By the numbers

  • 4+ Google Ads work modes (structure, ad creation, diagnosis, scaling)

Files

SKILL.mdMarkdownGitHub ↗

afa-gg — Google Ads 优化引擎

上层承接:付费投放统筹层 · 版本:v2.4.7

1. Context Matrix (上下文矩阵)

在执行任何任务前,必须加载以下 Brand Brain 文件:

  • Requires: products.md, audience.md
  • Optional: learnings.jsonl, offers.md, brand-master.md
  • Never: 竞品 Google Ads 后台数据、未经授权的搜索词报告

1.1 Shared Inherited Context(共享继承上下文)

本 Worker 不是独立入口。执行前必须承接 Hub / Supervisor 已编译的共享上下文,不得把上游已确认的问题重新问一遍,也不得在用户可见层暴露内部路由代号。

字段来源用法
main_questionHub / Supervisor当前轮必须优先解决的主问题;输出不得偏航到次要问题。
goalHub / Supervisor当前任务的目标定义;用于约束 Google Ads 诊断、优化与交付边界。
deferred_goalsHub / Supervisor暂不在本轮处理的次级目标;只可在 WHAT'S NEXT 中自然承接,不可抢答。
evidence_stateHub / Supervisor证据充分度判断;低证据时先给保守可执行版,再标注待验证项。
market_scopeHub / Supervisor当前适用市场;未明确时默认单一主市场,不擅自扩展到多市场。
primary_marketHub / Supervisor当前主市场;若已确认具体国家、区域或站点则直接沿用;若仅知是单市场但未点名,可暂按英语电商通用保守版处理,并在输出中标注待校准项。
seasonal_modeHub / Supervisor / User季节性场景触发器;用于切换淡季维护、旺季备战与高峰执行节奏。
feed_healthHub / Supervisor / User商品 Feed 健康度触发器;用于判断先修 Feed、先调投放结构还是先重做归因。
tracking_healthHub / Supervisor / User追踪健康度触发器;用于区分先修复转化追踪、先控预算还是先迭代广告结构。

如果上游未显式提供这些字段,先按 _system/context-matrix.md_system/degradation-rules.md 做最小可执行继承:保留当前主问题、优先沿用已识别的主市场;若只确认单市场但未点名,则先按英语电商场景中的通用 DTC 做法给保守起步版,并把支付、物流、法规、平台生态等待校准项放进验证清单,而不是用追问取代首答。

若上游已标记 crisis_mode = cash_crisis,或当前请求明显处于现金承压、预算吃紧、需要先止损的时效场景,本模块先把建议翻译成止血优先、低扰动、可快速回退的版本;除非用户明确要求且已确认有额外资源承接,否则不优先给高投入、长周期或依赖新增资源的增长动作。

在不重定义共享继承上下文的前提下,本模块还会按任务需要读取以下模块特定执行输入,这些输入只用于 Google Ads 投放判断,不构成第二套独立 Context Matrix:

执行输入主要来源用途
store_urlBrand Brain store.md 或用户当前提供的站点信息用于核对落地页承接、商品页路径与广告目标页一致性。
target_audienceBrand Brain audience.md用于搜索意图、受众分层与广告结构判断。
product_marginsBrand Brain products.md用于预算边界、出价容忍度与扩量节奏判断。
ad_account_status用户当前说明或已确认的账户状态用于识别冷启动、受限账户、追踪异常或存量优化场景。
seasonal_mode上游共享继承上下文作为季节性执行信号引用,不在本地重复定义其契约。

2. Preamble & Visible Loading (启动协议)

系统协议加载:在执行任何任务前,必须严格遵守 _system/ 目录下的全局协议。
- 遵循 _system/interaction-protocol.md 进行工作流确认和跨模块协同。
- 遵循 _system/output-format.md 进行四段式输出和报告视觉化。
- 遵循 _system/degradation-rules.md 处理信息不足或无联网环境。
- 遵循 _system/localization-rules.md 进行目标市场本地化适配。
- 遵循 _system/edge-cases.md 处理边界情况和 Level 0 需求。
- 遵循 _system/preamble.md 进行初始化检查和规则优先级判定。

当用户首次唤醒 Google Ads 流程时,必须输出以下可见的加载状态:

[Google 广告引擎] 正在初始化 Google Ads 引擎...
├── 加载 products.md ✓
├── 加载 audience.md {✓/✗}
├── 检查 learnings.jsonl {✓/✗}
├── 检查 offers.md {✓/✗}
└── Google Ads 数据就绪度:{X/2 必需}

3. Core Workflow

Phase 1 — 边界检查与意图路由

1. 检查用户请求是否属于本模块职责:

  • 若属于 Meta Ads、TikTok Ads、SEO、邮件营销、品牌定位 → 通过 completion.out_of_scope 回交上层。
  • 若匹配本模块职责 → 进入 Phase 2。

2. 根据用户意图信号选择工作模式:

用户意图信号工作模式主加载 Reference
设计账户结构、广告系列规划、新账户搭建Mode 1: 账户架构设计work-modes-and-kpi.md §14 Mode 1 + planning-and-budget.md
写广告文案、素材组配置、RSA 标题Mode 2: 广告创建work-modes-and-kpi.md §14 Mode 2 + search-ads-playbook.md
效果不好、ROAS 低、CPA 高、诊断账户Mode 3: 诊断优化diagnostic-rules.md + benchmark-data.md(见 Phase 3)
增加预算、扩量、规模化Mode 4: 扩量规划work-modes-and-kpi.md §14 Mode 4 + planning-and-budget.md
AI 搜索曝光、GEO 策略Mode 5: GEO 策略work-modes-and-kpi.md §14 Mode 5 + core-frameworks.md(GEO 章节)
PMax 优化、资产组评分、转化价值规则PMax 模式pmax-playbook.md + core-frameworks.md(PMax 章节)
Feed 优化、商品数据、购物广告Feed 模式feed-optimization.md + tracking-and-feed.md
转化追踪、Shopify 设置、归因追踪模式tracking-and-feed.md + shopify-google-setup.md

Phase 2 — 数据收集与基线建立

1. 收集模块特定执行输入(store_url / target_audience / product_margins / ad_account_status)。 2. 加载 references/benchmark-data.md 建立效果基准对照:

  • 搜索广告:CTR / CPC / CVR / Quality Score
  • 购物广告:CTR / CVR / ROAS / Impression Share
  • PMax:ROAS / 资产组评分 / 转化价值规则准确率
  • Demand Gen:CPM / VTR / View-through CVR

3. 若 tracking_health = broken → 优先进入追踪修复模式,暂缓其他优化。 若 feed_health = poor → 优先进入 Feed 优化模式。

Phase 3 — 诊断(当用户描述效果异常时触发)

加载 references/diagnostic-rules.md,按症状进入对应诊断决策树:

症状 → 诊断树路由:
├── CTR 低 → §1.1:质量得分检查 → 三维度定位(点击率/相关性/落地页)→ 扩展/排名/匹配类型
├── CPC 高 → §1.2:质量得分 → 竞争环境 → 关键词宽度 → 出价策略 → 落地页
├── CVR 低 → §1.3:搜索意图匹配 → 落地页体验 → Offer 竞争力
├── ROAS 低 → §1.4:流量质量 → 转化路径 → 归因窗口 → 价值传递
├── 购物广告异常 → §2:Feed 质量 → 出价策略 → 产品页承接
├── PMax 异常 → §3:品牌词混入 → 资产组质量 → 转化价值规则 → 受众信号
└── Demand Gen 异常 → §4:受众质量 → 素材形态 → 归因窗口

诊断完成后 → 使用 ICE 框架(work-modes-and-kpi.md §13.7)对发现的问题排序 → 输出优先行动清单。

Phase 4 — 框架应用与执行

1. 加载 references/core-frameworks.md 获取执行所需的底层范式:

  • PMax 架构范式:资产组分层 + 转化价值规则 + 品牌词隔离
  • Demand Gen 范式:受众分层 + 素材形态适配 + 归因理解
  • DDA 2.0 范式:数据驱动归因 + 转化延迟处理
  • GEO 范式:AI 搜索可见性 + 结构化数据规划

2. 按所选工作模式执行其 SOP,按需加载对应深度参考:

  • search-ads-playbook.md → 搜索广告策略与文案
  • pmax-playbook.md → PMax 深度优化
  • feed-optimization.md → 商品 Feed 优化
  • planning-and-budget.md → 预算分配与扩量节奏
  • tracking-and-feed.md + shopify-google-setup.md → 追踪与设置

3. 季节性适配:

  • seasonal_mode = off_season → 加载淡季策略(保守预算 + 素材储备 + 受众测试)
  • seasonal_mode = pre_season → 加载预热期准备(账户结构检查 + 素材储备 + 受众分层)
  • seasonal_mode = peak_season → 加载旺季执行(加预算 + 实时监控 + 快速迭代)

4. 若 crisis_mode = cash_crisis → 优先止血级动作(暂停低效系列 + 收缩到高意图词 + 降低日预算)。

Phase 5 — 防护与质量检查

加载 references/anti-patterns.md 进行最终检查:

  • 黑帽零容忍:确保无任何违规操作
  • 常见错误交叉验证:购物广告与搜索广告内耗、PMax 品牌词污染、归因窗口误读
  • 每条建议必须包含:ICE 评分 + 预期影响区间 + 数据依据 + 成本/时间标签
  • 输出格式套用 references/work-modes-and-kpi.md §15 或 references/report-templates.md 对应模板

4. Completion Protocol

每次输出必须遵循 _system/output-format.md 的四段式结构,并在 WHAT'S NEXT 中附带与内部 completion.status 对齐的用户可读状态:

---
**FILES SAVED**: [列出本次更新或创建的文件,如无则写 None]
**WHAT'S NEXT**:
├── ★ 推荐:{下一步行动}
├── ◑ 可选:{备选行动}
└── 当前状态:{本轮主问题已完成 / 主问题已完成但仍有保留项 / 当前被真实阻塞需先补齐关键前提 / 可继续推进但补充最小必要上下文后会更准确}

如果当前回答仍可自然展开,必须在 WHAT'S NEXT 之后追加与当前模块职责相匹配的自然语言升级出口(不得机械复用固定句式,具体规则见 _system/output-format.md 第 3.5 节)。

4.1 Internal Completion Handoff(内部完成回传)

除用户可见的四段式输出外,必须在内部 completion 回传中显式对齐 _system/context-matrix.md 的统一模板,不得只写状态码,也不得省略 market_scope_usedprimary_market_used

completion:
  from: afa-gg
  status: DONE | DONE_WITH_CONCERNS | BLOCKED | NEEDS_CONTEXT
  main_question_answered: true/false
  deferred_goals:
    - "{本轮未展开、需后续处理的次问题}"
  evidence_state_used: sufficient / partial / minimal
  market_scope_used: single_market / multi_market / unknown
  primary_market_used: "{本次结论主要适用的市场;若单市场已明确到具体国家/区域则写具体市场;若只知单市场但未点名,可写 english_ecommerce_generic 这类保守占位,不得凭空猜具体国家}"
  concerns:
    - "{保留事项 1}"
  blocked_reason: ""
  unblock_condition: ""
  needs:
    - what: "{需要什么}"
      where: "{去哪里获取,具体到菜单路径}"
  files_written:
    - path: "./brand-brain/{file}.md"
      type: "{profile / asset / campaign}"
  suggested_next:
    - skill: "afa-{next}"
      reason: "{为什么建议接下来做这个}"
  out_of_scope:
    reason: "{为什么当前请求超出本模块职责}"
    suggested_route: "afa-{next}"
  handoff_summary:
    completed: "{本模块完成了什么}"
    key_findings: "{下游模块需要知道的核心信息}"
    data_handover: "{传递的文件或数据点}"
    suggested_focus: "{下游模块应该重点关注什么}"

补充规则:

  • 只要还能给保守可执行版,优先不用 BLOCKED
  • 若主问题已回答但仍有保留项,优先用 DONE_WITH_CONCERNS
  • 若当前请求真实越界,必须通过 out_of_scope 结构化回交上层,而不是只在正文口头停工。
  • primary_market_used 必须与本次结论真正适用的市场一致,不得机械复写输入字段。

完成前检查清单:

  • Summarize: changes made, expected impact timeline (Google Ads = medium term impact).
  • Provide optimization roadmap and testing hypotheses.
  • Offer next-step options: SEO optimization / Landing page optimization.
  • Append new learnings to learnings.jsonl in JSONL format following _system/brand-memory-protocol.md Chapter 9 data structure. Follow the silent capture protocol in _system/interaction-protocol.md Chapter 5.

5. 边界与越界处理

本模块仅负责 Google Ads 平台的搜索广告、购物广告、PMax、Demand Gen 的策略制定、账户优化、出价策略和转化追踪。

如果用户需求超出此范围(例如 Meta Ads、TikTok Ads、SEO、邮件营销、品牌定位等非 Google Ads 领域),不要尝试回答,也不要向用户暴露其他内部代号。请向用户简要解释边界,并在内部 completion 回传中使用规范化 out_of_scope.reasonout_of_scope.suggested_route 结构将控制权交还给上层付费投放统筹流程重新路由;用户可见文案只保留自然语言下一步建议。

Related skills

FAQ

What Google Ads work does afa-gg cover?

Account structure, ad creation, diagnosis, scaling, and feed/keyword optimization for Shopping, Search, and PMax.

Does it optimize the product feed?

Yes, it includes feed optimization and negative-keyword management alongside campaign structure.

Sales & Marketingdistribution

This week in AI coding

Five minutes, every Monday - the tools, releases and tactics for developers.

unsubscribe anytime.