company-research

企業調査

営業先となる企業を見つけ、詳細に調査します。企業の発見には Browserbase Search API を使用し、深掘り調査では Plan→Research→Synthesize のパターンを使用して、スコア付きの調査レポートと CSV を出力します。

必須：BROWSERBASE_API_KEY 環境変数と、インストール済みの browse CLI。

初回実行時のセットアップ：初回実行時には、browse cloud fetch、browse cloud search、cat、mkdir、sed などの実行許可を求められます。それぞれについて、「Yes, and don't ask again for: browse cloud fetch:*」（または同等の選択肢）を選ぶと、そのセッション中は自動的に許可されます。永続的に許可するには、以下を ~/.claude/settings.json の permissions.allow に追加します。

"Bash(browse:*)", "Bash(bunx:*)", "Bash(bun:*)", "Bash(node:*)",
"Bash(cat:*)", "Bash(mkdir:*)", "Bash(sed:*)", "Bash(head:*)", "Bash(tr:*)", "Bash(rm:*)"

パスのルール：すべての Bash コマンドでは、常に省略しない完全なパスを使用してください。~ や $HOME は使用しないでください（どちらも「シェル展開構文」の許可プロンプトを引き起こします）。ホームディレクトリは一度だけ解決し、以降はすべての場所でそのパスを使用してください。サブエージェントのプロンプトを作成する際は、{SKILL_DIR} を省略しない完全なパスに置き換えてください。

出力ディレクトリ：調査結果はすべて ~/Desktop/{company_slug}_research_{YYYY-MM-DD}/ に出力します。このディレクトリには、調査した企業ごとに 1 つの .md ファイルと、最後に 1 つの .csv ファイルが含まれます。ユーザーは、スコア付きのスプレッドシートと調査ファイル一式の両方をデスクトップで受け取ります。

重要 — ツールの制限（メインエージェントとすべてのサブエージェントに適用）：

• すべてのウェブ検索には browse cloud search を使用してください。WebSearch は絶対に使用しないでください。
• すべてのページコンテンツの抽出には node {SKILL_DIR}/scripts/extract_page.mjs "<url>" を使用してください。このスクリプトは browse cloud fetch --output 経由で取得し、タイトル、メタタグ、表示されている本文テキストを解析します。また、取得に失敗した場合や、JavaScript で描画されたコンテンツがほとんど返されない場合は、自動的に browse get markdown にフォールバックします。browse cloud fetch | sed のパイプラインを手作業で作成することは絶対に避けてください。メタタグが削除され、標準出力の JSON エンベロープも解析されません。WebFetch は絶対に使用しないでください。
• すべての調査結果は、サブエージェントが {OUTPUT_DIR}/{company-slug}.md に Bash ヒアドキュメントを使って、企業ごとに 1 つの Markdown ファイルとして書き出してください。Write ツールや python3 -c は絶対に使用しないでください。ファイル形式については references/example-research.md を参照してください。
• レポートと CSV の作成には node {SKILL_DIR}/scripts/compile_report.mjs {OUTPUT_DIR} --open を使用してください。このコマンドで HTML レポートと CSV が一括生成され、ブラウザーで概要が開きます。
• URL の重複排除には、発見後に node {SKILL_DIR}/scripts/list_urls.mjs /tmp を使用してください。
• サブエージェントは Bash ツールのみを使用してください。他のツールは使用できません。
• メインエージェントは、発見時の生の JSON バッチファイルを絶対に読み込まないでください。 重複排除には list_urls.mjs を使用してください。

重要 — ハルシネーション防止ルール（メインエージェントとすべてのサブエージェントに適用）：

• サイトのフォント、フレームワーク（Framer／Next.js／React）、デザインシステム、書体から product_description、industry、target_audience を推測することは絶対に避けてください。これらは見た目に関するものであり、企業が何を販売しているかを示すものではありません。
• ユーザー自身の ICP を調査対象の説明に反映させないでください。調査対象が何をしているかわからない場合は、ICP に無理に当てはめず Unknown と記載してください。
• product_description には、extract_page.mjs の出力（TITLE、META_DESCRIPTION、OG_DESCRIPTION、HEADINGS、BODY）にある具体的なフレーズを引用または言い換えて記載する必要があります。これらのフィールドに製品を示す内容が見つからない場合は、Unknown — homepage content not accessible と記載してください。
• product_description が Unknown の場合、icp_fit_score は 3 を上限とし、icp_fit_reasoning には Insufficient evidence — homepage returned no readable content と設定してください。

重要 — 許可プロンプトの最小化：

• サブエージェントは、連結したヒアドキュメントを使って、すべてのファイル書き込みを 1 回の Bash 呼び出しにまとめる必要があります。Bash 呼び出し 1 回につき、許可プロンプトは 1 回です。
• && で連結して、すべての検索とすべての取得をそれぞれ 1 回の Bash 呼び出しにまとめてください。

パイプラインの概要

以下の5つのステップを順番に実行します。ステップを省略したり、順序を入れ替えたりしないでください。

1. 企業調査 — ユーザーの会社、製品、販売先を深く理解します
2. 調査深度の選択 — 希望するターゲット数に基づいて調査の深度を選択します
3. 発見 — 多様な検索クエリを使ってターゲット企業を見つけます
4. 詳細調査とスコアリング — 各企業を調査し、ICP への適合度をスコアリングします
5. レポートと CSV — 調査結果を提示し、スコア付き CSV を作成します

---

ステップ 0：出力ディレクトリの設定

開始前に、ユーザーのデスクトップに出力ディレクトリを作成します。

OUTPUT_DIR=~/Desktop/{company_slug}_research_{YYYY-MM-DD}
mkdir -p "$OUTPUT_DIR"

{company_slug} をユーザーの会社名（小文字、ハイフン区切り）に、{YYYY-MM-DD} を今日の日付に置き換えます。サブエージェントのすべてのプロンプトに {OUTPUT_DIR}（~ を使わない完全なリテラルパス）を渡し、そこに調査ファイルを書き込むようにします。

また、以前の実行で作成された発見バッチファイルも削除します。

rm -f /tmp/company_discovery_batch_*.json

ステップ 1：企業の詳細調査

このステップが最も重要です。以降のすべての工程の品質は、ユーザーの会社をどれだけ深く理解できるかに左右されます。

1. ユーザーに会社名または URL を尋ねます

2. 既存のプロフィールを確認します：

   • {SKILL_DIR}/profiles/ 内のファイルを一覧表示します（example.json は無視します）
   • 一致するプロフィールがある場合 → 読み込み、ユーザーに「{researched_at} に作成したプロフィールがあります。現在も正確ですか？」と提示します。はいの場合はステップ 2 に進みます。
   • プロフィールがない場合 → 以下の詳細調査に進みます。

3. Plan→Research→Synthesize のパターンを使って、ユーザーの会社について詳細な調査を実施します。 サブ質問のテンプレートと調査方法については、references/research-patterns.md を参照してください。

   主な調査手順：

   • 検索：browse cloud search "{company name}" --num-results 10
   • ホームページを取得：node {SKILL_DIR}/scripts/extract_page.mjs "{company website}"
   • サイトマップからサイト内のページを見つけます（/about や /customers のようなパスをハードコードしないでください）：
     1. browse cloud fetch --allow-redirects "{company website}/sitemap.xml" — サイトマップは小さいため、通常の browse cloud fetch で問題ありません
     2. customer、case-stud、pricing、about、use-case、industry、solution などのキーワードを含む URL を探します
     3. 必要に応じて、ページの説明を確認するために /llms.txt も取得します
     4. 最も関連性の高い URL を3〜5件選び、extract_page.mjs で抽出します（通常の browse cloud fetch は使用しないでください）
   • 外部の情報と競合他社を検索します
   • 確信度を付けて調査結果を蓄積します

   プロフィールにまとめます： 会社、製品、既存顧客、競合他社、ユースケース。 ICP やサブバーティカルは含めないでください。これらは実行ごとに決定します。

4. 確認のため、プロフィールをユーザーに提示します。確認が取れるまで先に進まないでください。

5. 確認済みのプロフィールを {SKILL_DIR}/profiles/{company-slug}.json に保存します

6. チェックボックス付きの AskUserQuestion を使って、追加の質問をします：

   • 「どのセグメントをターゲットにしますか？」 — 企業調査から導いた選択肢を提示します
   • 「企業の規模は？」 — スタートアップ、中堅企業、大企業、すべて
   • 「企業数／調査の深度は？」 — クイック（約100社）、詳細（約50社）、より詳細（約25社）
   • ユーザーとのやり取りはこれだけです。この後は、結果が用意できるまで何も伝えずに実行します。

ステップ 2：調査深度の選択

モード	1社あたりの調査内容	最適な用途
quick	ホームページ＋検索1〜2件	約100社を幅広く調査
deep	サブ質問2〜3件、ツール呼び出し5〜8回	約50社をしっかり調査
deeper	サブ質問4〜5件、ツール呼び出し10〜15回	約25社を徹底的に調査

ステップ 3：ディスカバリー

計算式：検索クエリの必要数は ceil(requested_companies / 35) です。絞り込みで通常 50～70％が除外されるため、目標の約 2～3 倍を発見してください。

次のパターンで検索クエリを作成します。

• 業界 + 企業の成長段階 + 地域（「fintech startups series A Bay Area」）
• テクノロジースタック + ユースケース（「companies using Selenium for web scraping」）
• 競合企業との近接性（「alternatives to {known company in ICP}」）
• 購買担当者のペルソナ + 課題（「engineering teams struggling with browser automation」）

手順：

1. すべてのディスカバリーサブエージェントを一度に（1 メッセージにつき最大約 6 つ）起動します。それぞれのエージェントは、1 回の Bash 呼び出しでクエリをすべて実行します。

   browse cloud search "{query}" --num-results 25 --output /tmp/company_discovery_batch_{N}.json
   

2. すべてのウェーブが完了したら、重複を排除します：node {SKILL_DIR}/scripts/list_urls.mjs /tmp
3. URL リストを絞り込みます — 次のものを削除します。
   • ブログ記事、ニュース記事（globenewswire.com、techcrunch.com など）
   • ディレクトリ／アグリゲーター（tracxn.com、crunchbase.com、g2.com）
   • ユーザー自身の競合企業と既存顧客（プロフィールから確認） 企業のホームページのみを残します。

サブエージェントのプロンプトテンプレートとウェーブ管理については、references/workflow.md を参照してください。

ステップ 4：詳細調査とスコアリング

サブエージェントを起動して、企業を並行して調査します。エンリッチメント用サブエージェントのプロンプトテンプレートについては、references/workflow.md を参照してください。調査方法の全容については、references/research-patterns.md を参照してください。

手順：

1. 絞り込んだ URL をサブエージェントごとにグループ分けします（簡易：約 10 件、詳細：約 5 件、より詳細：約 2～3 件）。

2. すべてのエンリッチメント用サブエージェントを一度に（1 メッセージにつき最大約 6 つ）起動します。

3. 各サブエージェントは Bash のみを使用し、企業ごとに次を実行します。

   フェーズ A — 計画（簡易モードでは省略）： ICP とエンリッチメント項目に基づいて、2～5 個のサブクエスチョンに分解します。

   フェーズ B — 調査ループ： ページを検索・取得し、調査結果を抽出します。ステップ数の上限を守ってください（簡易：2～3、詳細：5～8、より詳細：10～15）。

   フェーズ C — 統合： 根拠を示しながら ICP 適合度を 1～10 で評価します。調査結果をもとにエンリッチメント項目を埋めます。

4. サブエージェントは、連結したヒアドキュメントを使って 1 回の Bash 呼び出しですべての Markdown ファイルを {OUTPUT_DIR}/ に書き込みます。

5. すべてのサブエージェントが完了したら、ステップ 5 に進みます。

重要：確認済みの ICP の説明を、すべてのサブエージェントプロンプトに一字一句そのまま含めてください。完全なリテラルの {OUTPUT_DIR} パスをすべてのサブエージェントに渡してください。

ステップ 5：レポートと CSV

1. HTML レポートと CSV を生成します（概要が自動的にブラウザーで開きます）。

   node {SKILL_DIR}/scripts/compile_report.mjs {OUTPUT_DIR} --open
   

   次のファイルが生成されます。

   • {OUTPUT_DIR}/index.html — スコア付きテーブルを含む概要ページ（ブラウザーで開きます）
   • {OUTPUT_DIR}/companies/*.html — 個別の企業ページ（概要からリンクされています）
   • {OUTPUT_DIR}/results.csv — シート／CRM にインポートできる、スコア付きのスプレッドシート

2. チャット内にも概要を提示します。

## Company Research Complete

- **Total companies researched**: {count}
- **Depth mode**: {mode}
- **Score distribution**:
  - Strong fit (8-10): {count}
  - Partial fit (5-7): {count}
  - Weak fit (1-4): {count}
- **Report opened in browser**: ~/Desktop/{company_slug}_research_{date}/index.html

3. ICP スコア順に並べた上位企業をテーブルで表示します。

| Company | Score | Product | Industry | Fit Reasoning |
|---------|-------|---------|----------|---------------|
| Acme | 9 | AI inventory management | E-commerce SaaS | Series A, uses Selenium, expanding to EU |

4. 上位 3～5 社について、主な調査結果、適合性が高い理由、アプローチする際の具体的な切り口を含む簡潔な調査概要を提示します。

特定の企業をさらに詳しく調査する、スコアリング基準を調整する、または異なるクエリでディスカバリーを再実行することを提案してください。