marketing-engine

Claude-Code-Plugin für den Weg von der Marktrecherche zum fertigen Ad-Creative. Acht Skills, die aufeinander aufbauen: Konkurrenz scrapen, Recherche belegen, Werbekonzepte ableiten, Produktbilder mit echter Produkttreue erzeugen, prüfen und im Kundenportal darstellen.

Der Kern ist eine Haltung: ein Bildmodell erfindet Details, wenn man es lässt. Die Skills verhindern das durch die Background-Swap-Methode, harte Referenz-Regeln und ein Qualitätstor, das ein ehrliches Treue-Urteil erzwingt.

Installation

/plugin marketplace add <repo-url>
/plugin install marketing-engine@360webmanager

Lokal zum Testen:

claude --plugin-dir /pfad/zu/marketing-engine

Voraussetzungen

Python 3 mit Pillow:

pip3 install pillow
pip3 install fal_client    # nur für --gateway fal

API-Keys in der Umgebung oder einer .env im Verzeichnisbaum. Die Scripts suchen aufwärts, eine .env im Projektwurzelverzeichnis genügt. Nie committen.

Variable	Wofür	Nötig für
OPENROUTER_API_KEY	Bildgenerierung (Standardweg)	create-product-image
APIFY_TOKEN	Marktplatz- und Ad-Library-Scraping	marktplatz-scrape, winning-ads-finder, apify-deep-research
FAL_API_KEY	Bildgenerierung über fal.ai	nur --gateway fal

Keys holen: openrouter.ai/keys · apify.com · fal.ai/dashboard/keys

Externer Skill: produkt-research und apify-deep-research rufen den Skill deep-research auf, der nicht Teil dieses Plugins ist. Fehlt er, brechen diese beiden Skills ab. Vor dem ersten Lauf prüfen, ob er verfügbar ist.

Laufende Kosten

Bildgenerierung wird pro Bild abgerechnet und summiert sich in Batches.

Weg	Kosten pro Bild
OpenRouter, gpt-5.4-image-2, hohe Qualität mit Referenzen	ca. $0.24 bis $0.27
fal, gpt-image-1	$0.04 (low) bis $0.20 (high)
fal, gpt-image-2	ca. $0.02 (low) bis $0.19 (high)

Ein Batch von 50 Varianten über OpenRouter kostet also rund 12 US-Dollar. Der tatsächliche Wert steht nach jedem Lauf in der .meta.json neben dem Bild (cost_usd, bei fal cost_estimate_usd).

Apify rechnet pro Scrape-Lauf nach Compute-Einheiten ab, in der Regel Bruchteile eines Dollars.

Die Marke konfigurieren

Farben, Schrift und Logos stehen nicht im Plugin, sondern in einer brand.json im jeweiligen Kundenverzeichnis. Die Scripts suchen sie vom Arbeitsverzeichnis aufwärts, eine Datei in Kunden/<Kunde>/ gilt also für alles darunter.

Vorlage: examples/brand.json. Überschreiben mit MARKETING_ENGINE_BRAND=/pfad/zu/brand.json.

Ohne brand.json laufen die Scripts mit neutralen Defaults und warnen. Das Ergebnis ist dann unmarkiert, aber nichts stürzt ab.

Hinweis: Logos müssen als PNG mit transparentem Hintergrund vorliegen. Pillow kann kein SVG öffnen, composite_logo.py meldet das explizit.

Die Skills

Recherche

Skill	Zweck
produkt-research	Aus Produkt-URL oder Name eine versionierte Markt- und Wettbewerbsrecherche bauen
marktplatz-scrape	Konkurrenzprodukte und Preise von Marktplätzen holen
winning-ads-finder	Langlaufende Konkurrenz-Ads aus der Meta Ad Library finden und Muster extrahieren
apify-deep-research	Primärdaten aus dem Scrape mit web-verifizierter Recherche zusammenführen

Creatives

Skill	Zweck
create-product-image	Produktbilder erzeugen. Background-Swap, Overlays, Formate, zwei Gateways
verify-product-image	Qualitätstor: Maße, Produkttreue, Text, Artefakte

Verkettung

Skill	Zweck
research-to-creative	Aus belegten Findings Hooks, Copy und Creatives ableiten
research-to-portal	Strukturierte Daten als Seite in ein Astro-Kundenportal bringen

Ein typischer Durchlauf

marktplatz-scrape      →  wer verkauft was zu welchem Preis
winning-ads-finder     →  welche Hooks laufen bei der Konkurrenz seit Monaten
apify-deep-research    →  beides belegen und Widersprüche auflösen
research-to-creative   →  Hooks in Copy und Ad-Konzepte übersetzen
create-product-image   →  Creatives bauen (Background-Swap)
verify-product-image   →  Treue prüfen, Ausschuss verwerfen
research-to-portal     →  Ergebnis durchklickbar dem Kunden zeigen

Grundsätze, die in den Skills stecken

• Nichts erfinden. Kein Claim ohne Beleg, keine Halterung ohne Referenzfoto, keine Quelle ohne Link.
• Fakten von Einschätzung trennen. Unsichere Zahlen als unsicher kennzeichnen.
• Primärdaten schlagen Web-Inferenz bei Widerspruch.
• Ehrliche Treue-Urteile. Im Zweifel abwerten. Ein "produktnah", das als "echt" durchgeht, beschädigt das Vertrauen in die ganze Ablage.
• Keine vertraulichen Daten in publizierbarem Output: keine Margen, Einkaufspreise oder internen Umsätze.

Herkunft

create-product-image und verify-product-image gehen auf Skills aus gooseworks-ai/goose-skills zurück (create-image-gpt-image-fal, verify-product-image) und wurden hier erheblich erweitert: OpenRouter-Gateway, Background-Swap-Methode, Overlay-Pipeline, Marken-Entkopplung.

Offener Punkt vor Weitergabe: Die Lizenz der Ursprungs-Skills ist zu prüfen und hier zu vermerken.