kol-engager-icp

Name: kol-engager-icp
Author: gooseworks-ai

github.com/gooseworks-aiマーケティング・グロース1.3k47 回インストール3 日前に更新

リポジトリ

kol-engager-icp について

LinkedIn の KOL 投稿に反応した人から、ICP に合う見込み客を抽出するマーケティングスキルです。KOL ごとに最近の反応数が多い投稿を 1 件選び、プロフィール補完の前に職種で絞り込みます。

主な機能

01KOL ごとに関連する最近の投稿を選択
02リアクションとコメント投稿者を取得
03職種とキーワードで事前に絞り込み
04プロフィール補完と ICP 分類
05リードを CSV に出力

活用シーン

01KOL のオーディエンスから見込み客を探す
02対象コンテンツへの反応者を特定
03職種条件で LinkedIn リードを整理

インストール

コマンドをコピーしてターミナルで実行します。

$npx skills add https://github.com/gooseworks-ai/goose-skills --skill kol-engager-icp

インストール後、Claude Code で/kol-engager-icpを入力して読み込まれたか確認します。

同梱ファイルscripts/kol_engager_icp.pyskill.meta.json

詳細

KOL エンゲージャー ICP

LinkedIn の KOL 投稿にエンゲージしたユーザーをスクレイピングして、ICP に合致する見込み客を見つけます。これは KOL パイプラインの後半部分です。KOL（kol-discovery から取得、または手動で指定）を受け取り、最適な投稿を見つけ、エンゲージしたユーザーをスクレイピングして、ICP に基づいて絞り込みます。

基本原則： KOL 1 人につき投稿 1 件です。過去 30 日間から、最も関連性が高く、エンゲージメントが最も多い投稿を選びます。これにより、見込み客の質を最大化しながらコストを抑えます。

フェーズ 0：情報の収集

ユーザーに以下の質問をします。

ICP の条件

製品／サービスの内容を教えてください。
投稿の関連性をフィルタリングするためのトピックキーワード（KOL の投稿で取り上げてほしいトピックを 3～5 個）
対象とする業界／分野
対象とする役職／職務（例：「VP Operations」「Head of Logistics」）
除外する役職（例：「Software Engineer」「Data Scientist」）
除外する競合他社
対象地域（例：「United States」）

KOL の入力

KOL リスト — LinkedIn プロフィールの URL（kol-discovery の出力、または手動のリスト）

設定を保存します。

skills/kol-engager-icp/configs/{client-name}.json

設定 JSON の構造：

{
  "client_name": "example",
  "topic_keywords": ["freight automation", "dispatch operations"],
  "topic_patterns": ["freight.*automat", "dispatch.*oper"],
  "icp_keywords": ["freight", "logistics", "3pl"],
  "target_titles": ["vp operations", "head of logistics", "coo"],
  "exclude_titles": ["software engineer", "data scientist"],
  "tech_vendor_keywords": ["competitor-name", "saas founder"],
  "country_filter": "United States",
  "kol_urls": ["https://www.linkedin.com/in/kol-1/"],
  "days_back": 30,
  "max_posts_per_kol": 20,
  "max_kols": 10,
  "max_enrichment_profiles": 200,
  "mode": "standard"
}

フェーズ 1：パイプラインを実行する

python3 skills/kol-engager-icp/scripts/kol_engager_icp.py \
  --config skills/kol-engager-icp/configs/{client-name}.json \
  [--test] [--probe] [--yes] [--kols "url1,url2"]

フラグ：

--config（必須） — クライアント設定 JSON のパス
--test — KOL を 3 人、エンリッチメント対象プロフィールを 50 件に制限します
--probe — 1 件の投稿 URL でエンゲージャーのスクレイピングをテストして終了します
--yes — コスト確認のプロンプトをスキップします
--kols — 設定内の KOL URL を上書きします（カンマ区切り）
--max-runs — Apify の実行上限を上書きします

パイプラインの手順

ステップ 1：KOL の投稿をスクレイピング — 各 KOL について、harvestapi/linkedin-profile-posts を使用して最近の投稿（過去 30 日間、スキャンする投稿は最大 20 件）を取得します。

ステップ 2：KOL ごとに最適な投稿を選択 — 投稿を topic_keywords／topic_patterns との関連性でフィルタリングし、エンゲージメント（リアクション数＋コメント数）が最も多い投稿を 1 件選びます。結果：KOL ごとに投稿 URL が 1 件。

ステップ 3：エンゲージャーをスクレイピング — harvestapi/linkedin-company-posts を scrapeReactions: true, scrapeComments: true とともに使用し、選択した各投稿のリアクションしたユーザーとコメントしたユーザーを取得します。

ステップ 4：エンリッチメント前に事前フィルタリング — エンゲージャーの役職を基にスコアを付けます。

+3 コメントしたユーザー（関心度が高い）
+2 役職が ICP キーワードに一致
+2 役職が対象タイトルに一致
-5 役職が除外タイトルまたはベンダーキーワードに一致
+1 複数の投稿にエンゲージ
スコアが 0 を超えるものだけを残し、max_enrichment_profiles 件を上限とします

ステップ 5：エンリッチメント — harvestapi/linkedin-profile-scraper を使用し、25 件ずつ処理します。その後、国フィルターを適用します。

ステップ 6：ICP に分類してエクスポート — 「ICP の可能性が高い」「ICP の可能性あり」「不明」「テックベンダー」に分類します。CSV をエクスポートします。

上限

パラメーター	テスト	標準	フル
処理する KOL 数	3	10	20
KOL ごとに選択する投稿数	1	1	1
スクレイピングするリアクションの上限	すべて	すべて	すべて
エンリッチメントするプロフィールの上限	50	200	500
推定総コスト	約$0.50	約$1.50-2	約$5-8

プローブモード

最初に --probe を実行して、エンゲージャーのスクレイピングが機能することを確認します。

python3 skills/kol-engager-icp/scripts/kol_engager_icp.py \
  --config skills/kol-engager-icp/configs/{client-name}.json --probe

最初の KOL の投稿をスクレイピングし、最適な投稿を選び、そこからエンゲージャーをスクレイピングして、サンプルを表示します。エンリッチメントは行わず、CSV も作成しません。

フェーズ 2：確認して調整する

結果を提示します。

KOL ごとの内訳 — どの KOL の投稿から最も多くの見込み客を獲得できたか
事前フィルタリングの統計 — 役職フィルターを通過したエンゲージャーの数
ICP の内訳 — ティアごとの件数
見込み客の上位 15 件 — 名前、役職、会社、KOL の参照元、エンゲージメントの種類

よくある調整：

テックベンダーが多すぎる — tech_vendor_keywords に語句を追加します
ICP に合致する見込み客が見つからない — icp_keywords または target_titles の対象範囲を広げます
エンゲージメントの少ない投稿が選ばれる — topic_keywords の条件を緩めます
コストが高すぎる — max_enrichment_profiles を減らすか、テストモードに切り替えます

フェーズ 3：出力

CSV は skills/kol-engager-icp/output/{client-name}-kol-engagers-{date}.csv にエクスポートされます。

列	説明
名前	氏名
LinkedIn プロフィール URL	プロフィールへのリンク
役職	見出しから解析
会社名	見出しから解析
所在地	エンリッチメントから取得
KOL の参照元	エンゲージした KOL の投稿
投稿 URL	該当する投稿へのリンク
エンゲージメントの種類	コメントまたはリアクション
コメント本文	本人のコメント（パーソナライズに役立つ情報）
ICP ティア	ICP の可能性が高い／ICP の可能性あり／不明／テックベンダー
フィルタリング前のスコア	ステップ 4 の優先度スコア

必要なツール

Apify API トークン — .env で APIFY_API_TOKEN として設定します
使用する Apify アクター：
- harvestapi/linkedin-profile-posts（KOL の投稿のスクレイピング）
- harvestapi/linkedin-company-posts（投稿からエンゲージしたユーザーをスクレイピング）
- harvestapi/linkedin-profile-scraper（プロフィールのエンリッチメント）

使用例

トリガーフレーズ：

「[industry] 業界の KOL のオーディエンスからリードを見つけて」
「これらの KOL の投稿からエンゲージしたユーザーをスクレイピングして」
「[client] の kol-engager-icp を実行して」
「[KOL name] のコンテンツにエンゲージしているのは誰？」

kol-discovery の後：

# Use KOL URLs from discovery output
python3 skills/kol-engager-icp/scripts/kol_engager_icp.py \
  --config skills/kol-engager-icp/configs/example.json \
  --kols "https://linkedin.com/in/kol1,https://linkedin.com/in/kol2"

テストモード：

python3 skills/kol-engager-icp/scripts/kol_engager_icp.py \
  --config skills/kol-engager-icp/configs/example.json --test

Markdown 対応

ログインしてコメント

基本情報

作者: gooseworks-ai
リポジトリ: gooseworks-ai/goose-skills
カテゴリ: マーケティング・グロース
インストール数: 47
GitHub スター: 1,271

問題を報告

おすすめの Skills

すべての Skills

twitter-automation

github.com/inference-sh

1.7M

inference.sh CLI で Twitter/X の投稿、エンゲージメント、ユーザー管理を自動化する。アプリ：x/post-create（テキストとメディア）、x/post-like、x/post-retweet、x/dm-send、x/user-follow。機能：ツイートの投稿、コンテンツのスケジュール、投稿へのいいね、リツイート、DM の送信、ユーザーのフォロー、プロフィールの取得。用途：ソーシャルメディアの自動化、コンテンツのスケジューリング、エンゲージメントボット、オーディエンスの拡大、X API。トリガー：twitter api、x api、tweet automation、post to twitter、twitter bot、social media automation、x automation、tweet scheduler、twitter integration、post tweet、twitter post、x post、send tweet

reddit-automation

github.com/flowkit-labs

1.1M

提供するものを本当に求めている人がいる Reddit のスレッドを見つけ、簡潔で役立つ返信を作成します。所属を正直に開示し、質問への回答に本当に役立つ場合に限り製品名を挙げます。手順は2つです。発見：適切な subreddit を確認し、実際のニーズ（おすすめの依頼、悩みの表明、競合への言及）を探して、本当に役立てる少数のスレッドを選びます。作成：実体験に基づいて書き、各コミュニティの自己宣伝ルールを守り、人が確認して投稿します。価値を提供し、自分が何者かを開示し、決してやらせをしない、誠実な Reddit マーケティングです。doany.ai の Reddit エージェントの運用ガイドをもとに要点をまとめています。「find reddit opportunities」「reddit marketing」「reddit automation」「reply on reddit for my product」「reddit community engagement」「reddit lead gen」、または Reddit のスレッドを誠実で開示を伴うマーケティング返信に活用する依頼で起動します。

twitter-automation

github.com/101-skills

894.5k

inference.sh CLI で Twitter/X の投稿、エンゲージメント、ユーザー管理を自動化します。アプリ：x/post-tweet、x/post-create（メディア付き）、x/post-like、x/post-retweet、x/dm-send、x/user-follow。機能：ツイート投稿、コンテンツの予約、投稿への「いいね」、リツイート、DM 送信、ユーザーのフォロー、プロフィール取得。用途：ソーシャルメディアの自動化、コンテンツのスケジュール管理、エンゲージメントボット、オーディエンスの拡大、X API。トリガー：twitter api、x api、tweet automation、post to twitter、twitter bot、social media automation、x automation、tweet scheduler、twitter integration、post tweet、twitter post、x post、send tweet

twitter-automation

github.com/magentosh

785.9k