contact-research

連絡先の調査

Common Room から包括的な連絡先プロフィールを取得します。メールアドレス、ソーシャルハンドル、または名前＋会社名で検索できます。アクティビティ履歴、Spark、スコア、ウェブサイト訪問、CRM フィールドなどのエンリッチデータを返します。

ステップ 1：連絡先を特定する

Common Room は複数の検索方法に対応しています。ユーザーが提供した情報に応じて、適切な方法を使用してください。

ユーザーから提供された情報	検索方法
メールアドレス	メールアドレスで検索します（最も確実）
LinkedIn、Twitter/X、または GitHub のハンドル	ソーシャルハンドルで検索します。ハンドルの種類を明示してください
名前＋会社名	名前＋組織のドメインで ID を解決します。一致候補が複数ある場合は提示してください
名前のみ	名前で検索します。一致候補が複数ある場合は、簡潔な一覧を示してユーザーに確認してください

一致する連絡先が見つからない場合は、「Common Room にこの人物の記録はありません。」と回答してください。プロフィールデータを推測したり、捏造したりしないでください。

ステップ 2：連絡先のフィールドを取得する

Common Room のオブジェクトカタログで、利用可能なフィールドグループとその内容を確認してください。完全なプロフィールを取得する場合は、すべてのグループをリクエストします。特定の質問に答える場合は、関連するグループのみをリクエストします。

把握しておくべき主なフィールドグループ：

• スコア — 常に生の値またはパーセンタイルで返し、ラベルは使用しないでください
• 最近のアクティビティ — チームのアクティビティではなく、本人の行動を取得するには Contact Initiated フィルター（過去 60 日間）を使用してください
• ウェブサイト訪問 — 合計件数＋具体的なページ（過去 12 週間）
• Spark — エンゲージメントの経時的な変化を追跡する場合は、すべての Spark を取得してください

ステップ 3：Spark エンリッチメントを実行する（利用可能な場合）

Spark が利用可能な場合は、使用してください。Spark からは次の情報を取得できます。

• 職歴と専門的な経歴
• ソーシャルメディアでの存在感と影響力を示すシグナル
• ペルソナ分類：Champion、Economic Buyer、Technical Evaluator、End User、または Gatekeeper
• 購買プロセスにおける推定役割

Spark が利用できなくても、実際のアクティビティデータ（最近の行動、ウェブサイト訪問、コミュニティでのエンゲージメント）がある場合は、それらのシグナルからペルソナを推定してください。Spark もアクティビティデータもない場合は、ペルソナを推測せず、Unknown に分類してください。肩書きだけからペルソナを推測しないでください。

この連絡先のエンゲージメントがどのように変化してきたかをユーザーが知りたい場合は、（最新のものだけでなく）すべての Spark を取得してください。

ステップ 4：アカウントの状況を評価する

この連絡先の親会社について、簡潔なアカウント概要を取得してください。次の点に注目します。

• アカウントレベルでの進行中の商談、拡大の兆候、または解約リスク
• 同じ会社の他の連絡先もアクティブかどうか
• この人物のエンゲージメントが同僚と比べてどうか

ステップ 5：会話の切り口を特定する

アクティビティとシグナルに基づき、特に有力な話題の切り口を 2～3 件提示してください。

• 最近の Contact Initiated アクティビティ（コミュニティへの投稿、製品イベント、サポートチケット）
• 最近訪問した具体的なウェブページ。特に評価の意図を示すページ
• 転職、昇進、または会社に関するニュース
• Spark のペルソナと、そこから推測できるコミュニケーションスタイル
• 進行中であることがわかっている商談での役割

出力形式

実際にデータが返されたセクションのみを含めてください。推測で埋めるのではなく、データのないセクションは省略してください。

データが豊富な場合：

## [Contact Name] — Profile

**Overview**
[2 sentences: who they are, their role, and relationship status]

**Details**
- Title: [title]
- Company: [company]
- Email: [email]
- LinkedIn: [URL]
- Other profiles: [Twitter/X, GitHub, CRM link if available]

**Scores** [If scores returned]
[All scores as raw values or percentiles]

**Recent Activity** (last 60 days) [If activity returned]
[3–5 bullets with dates]

**Website Visits** (last 12 weeks) [If visit data exists]
[Total visit count + list of pages visited]

**Spark Profile** [If Spark data is non-null]
[Persona type, background summary, influence signals]

**Segments** [If segments returned]
[List of segment names this contact belongs to]

**Account Context**
[1–2 sentences on their company's status]

**Conversation Starters**
[2–3 specific, signal-backed openers]

データが少ない場合（例：名前、肩書き、メールアドレス、タグのみが返され、sparkSummary が null の場合）：

## [Contact Name] — Profile (Limited Data)

**Data available:** [List exactly what Common Room returned]

[Present only the returned fields]

**Web Search**
[Any findings from searching their name + company]

**Note:** Common Room has limited data on this contact. No activity history, scores, or Spark profile available. I can run deeper web searches or look up their company for additional context.

データが少ない場合は、会話のきっかけ、ペルソナの推定、エンゲージメント評価を作成しないでください。これらには実際のシグナルが必要です。

品質基準

• 入力の種類に応じた正しい方法で検索してください。メールアドレスかハンドルかを推測しないでください
• スコアは生の値またはパーセンタイルのみとし、ラベルは使用しないでください
• Contact Initiated アクティビティ（過去 60 日間）を主なエンゲージメントシグナルとして、最初に取り上げてください
• Spark が利用できない場合は、そのことを明記してください。肩書きだけからペルソナを捏造しないでください
• 最も最近のアクティビティが 30 日より前の連絡先には、注意を促してください

参考ファイル

• references/contact-signals-guide.md — フィールドの詳細な説明、Spark のペルソナガイド、会話のきっかけに関する原則