context-building

企業コンテキストビルダー

企業ごとにグローバルコンテキストファイルを1つ作成します。他のすべてのGTMスキルは、このファイルを参照して、トーン、価値提案、ICP、受注事例、実績、キャンペーンから得た知見を確認します。

コンテキストファイルの場所

claude-code-gtm/context/{company}_context.md

キャンペーンごとではなく、企業ごとにファイルを1つ作成します。すべてのスキルがこのパスを参照します。

モード

モード1：作成

コンテキストファイルがまだ存在しない場合に使用します。各セクションについて、ユーザーに順を追って確認します。

ステップ1： claude-code-gtm/context/{company}_context.md が存在するか確認します。

ステップ2： 存在しない場合は、各セクションについてユーザーに質問します（1つずつ、またはまとめて）。

セクション	質問する内容	例
私たちの事業	製品の一言紹介、中核となる価値提案、メールで使える価値提案、主要な用語、主要な数値	製品の説明と定量化可能な主張
ICP	顧客のプロフィール、企業規模、役職、地域	規模の範囲と地域を含むターゲットプロフィール
受注事例	過去の顧客、購入した理由、うまくいったこと	指標を伴う具体的な成果
実績ライブラリ	メール用に事前作成したPS文。対象者と仮説を紐付けます	すぐに貼り付けられる実績
キャンペーン履歴	過去のキャンペーン：業界、リストの規模、返信率、学び	（初回実行時は空欄）
アクティブな仮説	何が共感を得るかについて、現在検証中の仮説	キャンペーンデータで検証済みの課題

ステップ3： references/context-schema.md のスキーマを使用してファイルを作成します。

正しく記載する必要がある主なセクション：

私たちの事業 — 次の内容を含める必要があります。

• 製品の一言紹介
• 中核となる価値提案（社内向けの表現。言語は問いません）
• メールで使える価値提案（アウトリーチに適した価値提案）
• 主要な数値（定量化可能な主張 — データベースの規模、速度のベンチマーク、カバー率の統計など）
• 主要な用語（社内用語とその定義）

実績ライブラリ — 次の内容を含める必要があります。

• メールにそのまま貼り付けられるPS文全文
• 各文に、最適な対象者、最適な仮説、出典となる受注事例を紐付けます
• すべての実績は、実際の受注事例に遡って確認できる必要があります
• メールに記載する形で文を書きます（「PS.」を含む）

モード2：更新

コンテキストファイルが存在し、ユーザーがセクションの追加または変更を希望する場合に使用します。

ステップ1： 既存のコンテキストファイルを読み込みます。

ステップ2： 更新する内容を確認します。一般的な更新内容は次のとおりです。

• 新しい受注事例を追加する
• キャンペーンの結果を追加する
• 新たな知見に基づいてICPを更新する
• DNCにドメインを追加する
• 仮説を修正または追加する
• 実績ライブラリに実績を追加または更新する
• トーンのルールを更新する
• 主要な数値を更新する（例：データベースの規模が拡大した）

ステップ3： 該当するセクションに追記します。既存の項目を上書きしないでください。テーブルには新しい行を追加し、リストには新しい箇条書きを追加します。

モード3：通話録音の取り込み

ユーザーが通話の文字起こしや会議メモを貼り付けた場合に使用します。

ステップ1： 文字起こしを読み込みます。

ステップ2： シグナルを抽出し、分類します。

• ICPシグナル — 通話に参加した人物、その役職、企業規模、関心事
• 受注事例データ — 共感を得た内容、現在のワークフローについての発言、確認された課題
• 実績候補 — 実績ライブラリに登録できる具体的な成果や引用
• DNCシグナル — 対象外として言及された企業やドメイン
• 仮説の検証 — 既存の仮説のうち、確認または否定されたもの
• トーンに関するフィードバック — トーン、表現、ポジショニングへの反応のうち、トーンのルールに反映すべきもの

ステップ3： 抽出したシグナルをユーザーに提示し、確認してもらいます。

ステップ4： 確認済みのシグナルでコンテキストファイルを更新します。

モード 4：フィードバックループ

メールシーケンサー（例：Instantly）や手動の追跡から、キャンペーン結果を取り込む際に使用します。

ステップ 1： キャンペーン結果を読み込みます（CSV、貼り付けたデータ、または Instantl y などのメールシーケンサーからのエクスポート）。

ステップ 2： 指標を抽出します。

• キャンペーン名、業種、リストサイズ
• 開封率、返信率、好意的な返信率
• 成果の高い仮説（どの P1 の切り口が返信を獲得したか）
• 好意的な返信と否定的な返信に見られるパターン

ステップ 3： ## Campaign History テーブルに新しい行を追加します。

ステップ 4： 結果に基づいて ## Active Hypotheses を更新します。

• 返信率の高い仮説を「検証済み」に昇格させます
• 反応が得られなかった仮説を「終了」に降格させます
• 返信のパターンから示唆される新しい仮説があれば記録します

ステップ 5： キャンペーン結果から新たな証拠が見つかった場合は、## Proof Library を更新します。

• 新たな成功事例 → 新しい PS 文を作成します
• 反応が得られなかった既存の証拠 → メモを追加するか、削除します

スキル間の参照

このコンテキストファイルは、次のスキルで使用されます。

• hypothesis-building — ICP、成功事例、製品の価値提案を読み込み、課題の仮説を生成します
• email-prompt-building — Voice、提供内容、Proof Library、Active Hypotheses を読み込み、プロンプトテンプレートを作成します
• email-generation — このファイルを基に作成されたプロンプトテンプレートを読み込みます
• list-building — ICP と成功事例を読み込み、シード企業を選定します
• market-research — ICP と仮説を読み込み、調査範囲を決定します
• enrichment-design — 仮説を読み込み、セグメンテーション列を設計します
• list-segmentation — 仮説を読み込み、ティア分けのロジックを決定します
• email-response-simulation — Voice のルールを読み込み、書き換えを制約します
• campaign-sending — 除外対象として DNC リストを読み込みます

参考資料

すべてのセクションとフィールド定義を含む完全なファイルスキーマについては、references/context-schema.md を参照してください。