leadership-change-outreach

リーダーシップ変更のアウトリーチ

対象企業で新たに採用されたリーダーを検出し、そのリーダーが貴社の製品にとって、直接の購入者、推進者、または販売する製品と一致するミッションを持つ人物として関連性があるかを評価します。関連性がある場合は、プロフィール情報を補完し、新しい役割での優先事項に合わせたパーソナライズドアウトリーチを作成します。

リーダーシップの変更が効果的な理由： 新しいリーダーは、就任後90日間であらゆるものを見直します。自分で選んでいないベンダースタック、自分で構築していないチームを引き継ぎ、すぐに達成すべき KPI を抱えています。どの組織でも、最も受け入れに前向きな購入者です。その理由は次のとおりです。

• 部門に自分の色を出したいと考えています
• 変革を進めるミッション（そして多くの場合、予算）を与えられています
• 新しい組織内で信頼を築くため、すぐに成果を上げる必要があります
• 既存のベンダーに対する忠誠心がまだ形成されていません

自動読み込みのタイミング

次の場合に、この複合ワークフローを読み込みます。

• ユーザーが「リーダーシップの変更を確認」「新しい役員の採用」「リーダーシップ変更のシグナルに基づくアウトリーチ」と依頼した場合
• ユーザーが企業のリストを持っており、関連性のある新しいリーダーがいる企業を見つけたい場合
• 上流のワークフロー（TAM Pulse、企業モニタリング）でリーダーシップ変更の確認がトリガーされた場合

検出方法：Apollo（無料検索＋情報補完）

この複合ワークフローでは、時間のかかるウェブ検索に代わる、2段階の Apollo パイプラインを使用します。

1. Apollo 無料検索 — q_organization_domains と person_titles のフィルターを使って search_people を実行します。人物 ID、難読化された名前、役職が返されます。クレジットは消費されません。数十社にまたがる100人以上を約30秒でスキャンします。
2. ローカルでの後処理フィルター — 役職を厳密に照合して、Apollo のあいまい検索によるノイズ（地域限定の役職、副機能の責任者、GTM 以外の役職）を除外します。通常、結果を50〜60％削減します。
3. ID による Apollo 情報補完 — 無料検索で取得した人物の id を指定して people/match を実行します。すべての役職について start_date／end_date を含む完全な職歴、LinkedIn URL、確認済みのメールアドレス、フルネームが返されます。人物1人につき1クレジットかかります。
4. 変更の検出 — 情報補完済みの結果から、検索期間内に現在の current: true の職歴エントリーに記載された start_date があるものに絞り込みます。

ウェブ検索より優れている理由： ウェブ検索ではプレスリリースや発表に頼りますが、C スイートより下位のリーダーシップ変更の多くは公表されません。Apollo は LinkedIn のプロフィールデータを直接取得するため、ウェブ検索では見つからない変更も検出できます。速度は、ウェブ検索の5分以上に対して、合計約90秒です。

コスト： 情報補完する人物1人につき Apollo クレジットを1クレジット消費します。後処理フィルターを厳格に設定（VP 以上の GTM 役職のみ）した場合、10〜15社のスキャンでは通常30〜50クレジットかかります。

重要： Apollo が追跡する開始日は、正確な日単位ではなく月単位（例：2026-02-01）です。検索期間はそれに合わせて設定してください。正確な日数ではなく、月単位で指定します。

---

ステップ0：設定（初回のみ）

クライアント／ユーザーに対する初回実行時に、以下の設定を確認して保存します。2回目以降の実行では省略します。

リーダーの関連性マッピング

質問	目的	保存先
製品について教えてください。（1〜2文）	リーダーのミッションとの照合	company_description
製品を直接購入するリーダーの役職は何ですか？	最優先 — 購入を決定できます	buyer_leader_titles
製品の推進者になり得るリーダーの役職は何ですか？	社内で製品を推奨する、または最初の窓口になる可能性があります	champion_leader_titles
製品が支援するミッションを持つリーダーの役職は何ですか？	その目標は製品の価値と一致しています	aligned_leader_titles
関連する部門はどこですか？	関連性のないリーダーシップ変更を除外します	relevant_departments

営業 AI 製品の例：

buyer_leader_titles: ["VP Sales", "CRO", "Chief Revenue Officer", "SVP Sales"]
champion_leader_titles: ["Director of Sales Ops", "Head of Revenue Operations", "VP Business Development"]
aligned_leader_titles: ["COO", "CEO", "VP Operations"]
relevant_departments: ["Sales", "Revenue", "Operations", "Business Development"]

シグナル検出の設定

質問	選択肢	保存先
どのくらい前までさかのぼって検索しますか？	30／60／90日（デフォルト：90日）	lookback_days
検出する最低の役職レベルは？	VP 以上（デフォルト）／Head 以上／Director 以上	min_seniority

Apollo タイトル一覧

無料検索では、フィルターに person_titles を使用します。クライアントの購買担当者／推進担当者／関係する役職に基づいて、これらを定義してください。デフォルトの VP 以上の GTM タイトル：

titles = [
    # C-Suite
    'CRO', 'Chief Revenue Officer',
    'CMO', 'Chief Marketing Officer',
    'CCO', 'Chief Commercial Officer',
    # VP-level (Sales, Marketing, Growth, Revenue, RevOps, Demand Gen, BD, Partnerships, CS, Commercial, GTM)
    'VP of Sales', 'VP Sales', 'Vice President of Sales', 'Vice President Sales',
    'SVP Sales', 'SVP of Sales',
    'VP of Marketing', 'VP Marketing', 'Vice President of Marketing',
    'SVP Marketing', 'SVP of Marketing',
    'VP of Growth', 'VP Growth', 'Vice President of Growth',
    'VP of Revenue', 'VP Revenue', 'Vice President of Revenue',
    'VP of Revenue Operations', 'VP RevOps',
    'VP of Demand Generation', 'VP Demand Gen',
    'VP of Business Development', 'VP Business Development',
    'VP of Partnerships', 'VP Partnerships',
    'VP of Customer Success', 'VP Customer Success',
    'VP of Commercial', 'VP Commercial',
    'VP GTM', 'VP of GTM',
    # Head-level
    'Head of Sales', 'Head of Marketing', 'Head of Growth',
    'Head of Revenue', 'Head of Revenue Operations', 'Head of RevOps',
    'Head of Demand Generation', 'Head of Demand Gen',
    'Head of Business Development', 'Head of Partnerships',
    'Head of Customer Success', 'Head of Commercial',
    'Head of GTM',
]

重要： Apollo の person_seniority フィルター（例：['vp', 'c_suite']）は使用しないでください。範囲が広すぎるため、地域マネージャーや肩書きだけが大きい個人貢献者などが返されます。明示的な person_titles を使用し、ローカルで後処理してください。

後処理ルール

Apollo はあいまいなタイトルマッチングを行うため、ノイズが結果に含まれます。次の条件で厳格なローカル後処理を適用してください。

1. GTM 以外の職能を除外： エンジニアリング、人材、法務、プライバシー、データサイエンス、アナリティクス、プロダクトマーケティング、フィールドマーケティング、パートナーマーケティング、カスタマーマーケティング、コンテンツ、コミュニケーション、コミュニティ、ソリューションマーケティング、イネーブルメント、マーケティングオペレーション
2. 地域／セグメント限定の役職を除外： Area VP、AVP、地域責任者、EMEA／APAC／Americas 固有の役職、地域別のエンタープライズ営業（West／East／Central など）、チャネル営業、ベロシティ営業、セールスデベロップメント、セールスファイナンス、セールス戦略
3. Apollo の不正な結果を除外： "related to search terms" を含むタイトルをすべて除外
4. 有効な接頭辞を必須とする： タイトルは VP／Vice President／SVP／Head of／Chief／CRO／CMO／CCO／President で始まる必要があります

通常、これにより結果は 50～60% 削減されます（例：生の結果 100 件 → フィルター後 40 件）。

アウトリーチ設定

質問	選択肢	保存先
アウトリーチの送信先はどこですか？	Smartlead / Instantly / Outreach.io / CSV エクスポート	outreach_tool
メールのみですか、それともマルチチャネルですか？	メールのみ / メール + LinkedIn	outreach_channels

自社のコンテキスト

質問	目的	保存先
どのような問題を解決しますか？	メールのフック	pain_point
2～3 件の実績（顧客、指標、成果）を挙げてください	メールの信頼性	proof_points
新しいリーダーが自社の製品で得られる短期的な成果は何ですか？	最初の 90 日間の訴求ポイント	quick_wins
自社の製品がない場合、「導入前」の状態はどのようなものですか？	課題の提示	before_state

設定の保存先： clients/<client-name>/config/signal-outreach.json または同等の場所。

---

ステップ 1：リーダーの交代を検出する（Apollo パイプライン）

目的： 入力リストの各企業について、VP 以上の GTM リーダーを見つけ、最近就任した人物を検出します。

入力仕様

companies: [
  {
    name: string          # Required
    domain: string        # Required (used for q_organization_domains)
    industry?: string     # Optional
    size?: string         # Optional
  }
]
titles: string[]                      # From config (default VP+ GTM list above)
lookback_days: integer                # From config (default: 90)

処理

フェーズ 1：Apollo の無料検索（約 30 秒）

apollo_client.search_people() を次のように使用します。

filters = {
    'q_organization_domains': '\n'.join([c['domain'] for c in companies]),  # All domains in one query
    'person_titles': titles,       # From config
    'per_page': 100,
    'page': 1
}

重要な詳細：

• q_organization_domains を使用してください（organization_domains ではありません）。ドメインでフィルタリングするには、q_ 接頭辞が必要です。
• すべての企業ドメインを 1 回のクエリで渡せます（改行区切り）。
• 無料プランで返される情報：id、first_name、last_name（"?" によってマスク）、title、organization.name、last_refreshed_at
• 無料プランで返されない情報：姓の完全な値、LinkedIn URL、メールアドレス、職歴
• total_entries > 100 の場合は、page: 2 などを指定してページネーションを行います。

フェーズ 2：ローカルでの後処理（即時）

ステップ 0 の厳格な後処理ルールを適用して、ノイズを除去します。これは重要です。Apollo のあいまいなタイトルマッチングにより、地域マネージャー、サブ機能の責任者、GTM 以外の役職が返されます。

def is_valid_gtm_leader(title):
    """Returns True only for top-level GTM leadership roles."""
    tl = title.lower().strip()

    # 1. Reject non-GTM functions
    reject_keywords = ['engineering', 'engineer', 'talent', 'legal', 'privacy',
                       'data science', 'analytics', 'product marketing',
                       'field marketing', 'partner marketing', 'customer marketing',
                       'content', 'communications', 'community',
                       'channel sales', 'solutions marketing',
                       'enablement', 'education', 'operations & marketing',
                       'marketing operations']
    if any(kw in tl for kw in reject_keywords):
        return False

    # 2. Reject regional/sub-segment roles
    regional_keywords = ['area vice president', 'avp ', 'regional', 'emea', 'apac',
                         'apj', 'americas', 'enterprise sales west', 'enterprise sales east',
                         'enterprise sales central', 'enterprise sales south',
                         'enterprise sales north', 'enterprise sales -',
                         'enterprise sales,', 'na enterprise',
                         'majors sales', 'velocity sales',
                         'canada', 'latin america', 'u.s.', 'uk&i',
                         'chief of staff', 'sales finance', 'sales strategy',
                         'sales development']
    if any(kw in tl for kw in regional_keywords):
        return False

    # 3. Reject Apollo garbage
    if 'related to search terms' in tl:
        return False

    # 4. Must start with a valid prefix
    valid_prefixes = [
        'vp ', 'vp,', 'vp/', 'vice president of', 'vice president,',
        'svp', 'senior vice president',
        'head of sales', 'head of marketing', 'head of growth',
        'head of revenue', 'head of demand gen', 'head of business development',
        'head of partnerships', 'head of customer success', 'head of commercial',
        'head of gtm',
        'chief revenue officer', 'chief marketing officer', 'chief commercial officer',
        'cro', 'cmo', 'cco',
        'president',
    ]
    return any(tl.startswith(p) for p in valid_prefixes)

フェーズ 3：ID による Apollo のエンリッチメント（1 人あたり約 1 秒）

後処理を通過した各人物について、無料検索で取得した id を使用してエンリッチメントします。

# Use the person's id from free search — this is the key to making enrichment work
# without full names (which free tier obfuscates)
url = "https://api.apollo.io/api/v1/people/match"
payload = {"api_key": api_key, "id": person_id}

エンリッチメントで返される情報（1 人あたり 1 クレジット）：

• name — 氏名（マスクされていません）
• employment_history — start_date、end_date、title、organization_name、current（ブール値）を含む、すべての役職の配列
• linkedin_url — LinkedIn プロフィールの完全な URL
• email + email_status — 検証済みの勤務先メールアドレス
• city、state、country — 所在地

重要： first_name + organization_name を指定した bulk_enrich_people は使用しないでください。無料検索では姓がマスクされており、姓がないと Apollo は照合できません。必ず id でエンリッチメントしてください。

レート制限： 429 エラーを回避するため、5 件のリクエストごとに短い遅延（0.5 秒）を入れてください。レート制限された場合は、Retry-After ヘッダーに従ってください。

フェーズ 4：変化の検出

情報を補完した各人物について、current: true の職歴エントリーを抽出し、その start_date を確認します。

emp_history = person.get('employment_history', [])
current_role = next((e for e in emp_history if e.get('current')), None)
start_date = current_role.get('start_date', '') if current_role else ''  # e.g. "2026-02-01"

# Check if within lookback window
# Note: Apollo uses month granularity (YYYY-MM-01), not exact day

変化の種類を判定します：

• new_hire：前職が別の会社
• internal_promotion：前職が同じ会社

出力仕様

leadership_changes: [
  {
    company: {
      name: string
      domain: string
    }
    new_leader: {
      full_name: string
      new_title: string
      start_date: string              # ISO date (month granularity: "2026-02-01")
      previous_company: string
      previous_title: string
      change_type: "new_hire" | "internal_promotion"
      linkedin_url: string
      email: string
      email_status: string            # "verified", "guessed", etc.
      city: string
      state: string
      country: string
    }
  }
]

出力ファイル

次の 2 つのファイルを保存します：

1. CSV（leadership-change-scan.csv）— 情報を補完したすべての人物を start_date の降順で並べ、次の列を含めます：name、title、company、domain、start_date、change_type、previous_title、previous_company、previous_end_date、email、email_status、linkedin_url、city、state、country
2. Markdown（leadership-change-outreach.md）— シグナルの概要、適格性評価、メールの草案を含む形式のレポート

人による確認ポイント

Scanned X companies → Y raw results → Z after post-filter → W enriched

Leadership changes in last {lookback_days} days:

| Company | New Leader | Title | Started | Previous Role | Type |
|---------|-----------|-------|---------|---------------|------|
| Acme Corp | Jane Smith | VP Sales | 2026-02-01 | Dir. Sales @ Competitor Inc | new_hire |
| Beta Inc | Tom Brown | CRO | 2026-01-01 | VP Revenue @ Beta Inc | internal_promotion |

Credits used: W

Proceed with relevance evaluation? (Y/n)

---

ステップ 2：関連性の評価と優先順位付け

目的： リーダーの交代ごとに、新しいリーダーが自社の製品に関連する人物かどうかを評価し、最適なアプローチを判断します。純粋な LLM 推論のため、特定のツールには依存しません。

入力仕様

leadership_changes: [...]            # From Step 1 output
your_company: {
  description: string
  pain_point: string
  proof_points: string[]
  quick_wins: string[]
  before_state: string
}
buyer_leader_titles: string[]
champion_leader_titles: string[]
aligned_leader_titles: string[]

プロセス

リーダーの交代ごとに、次の 3 つの観点から評価します。

A）職務との関連性

カテゴリー	一致条件	優先度
直接の購入決定者	肩書きが buyer_leader_titles に一致	最高 — 購入を決定できます
推進者	肩書きが champion_leader_titles に一致	高 — 購入決定者を支持し、影響を与えられます
目標が一致	肩書きが aligned_leader_titles に一致	中 — その目標の達成に自社製品が役立ちます
関連性なし	いずれのリストにも肩書きがない	対象外

B）着任後の期間

着任後の日数	期間	アウトリーチのトーン
0～30 日	慣らし期間	「ご着任おめでとうございます。早く成果を上げるために役立つ情報をご紹介します」
31～60 日	評価期間	「技術スタックを評価する期間を 1 か月ほど過ごされた今、同業他社の取り組みをご紹介します」
61～90 日	実行期間	「ロードマップを最終決定されている頃かと思います。検討いただきたい、手軽に実現できる成果をご紹介します」
90 日超	定着後	シグナルとしては弱まりますが、依然有効です — 「最近、[company] に入社されたのを拝見しました」

C）経歴のシグナル

新しいリーダーの前職の会社と役職は、背景情報になります。

経歴	シグナル	活用方法
自社の顧客から入社	可能な限り強いシグナル — すでに自社製品を知っています	「[previous company] で [product] をお使いでしたね。[new company] にも導入しませんか？」
競合他社の顧客から入社	そのカテゴリーでの経験があります	「[previous company] では [competitor] をお使いでしたが、[product] とどう違うかをご紹介します」
同じ業界から入社	課題を理解しています	その業界で経験した具体的な課題に触れます
異なる業界から入社	新しい視点を持ち、新たなアプローチを受け入れる可能性があります	「[old industry] でのやり方が [new industry] でも通用するとは限りません。[new industry] で効果のある方法をご紹介します」
社内昇進	既存の技術スタックとその課題を把握しています	「予算を管理する立場になられた今、チームが求めているものをご紹介します」

スコアリング

• ティア 1（本日対応）： 直接の購入決定者で、着任後 30 日未満の外部採用者。新しい視点を持ち、予算を決定する権限があり、あらゆることを評価しています。
• ティア 2（今週中に対応）： 直接の購入決定者で着任後 30～60 日、または着任後 30 日未満の推進者、または自社の顧客／競合他社の顧客から入社した人物。
• ティア 3（保留）： 目標が一致する役職、着任後 60～90 日、または推進者の肩書きを持つ社内昇進者。
• 対象外： 職務との関連性がない、または適合性が低く着任後 90 日を超えている。

条件を満たす各リーダーについて、次の情報を生成します。

• 関連性の理由： なぜこのリーダーが今、自社製品に関心を持つのか
• アウトリーチの切り口： 役職、着任後の期間、経歴に基づく具体的な訴求ポイント
• 重要な洞察： アウトリーチを個人に合わせるうえで、その人物の状況に関する重要な情報 1 つ

出力仕様

qualified_leaders: [
  {
    ...leadership_change_fields,
    role_relevance: "direct_buyer" | "champion" | "aligned_mandate"
    timing_window: "honeymoon" | "assessment" | "action" | "established"
    background_signal: string         # e.g. "Came from a competitor customer"
    priority_tier: "tier_1" | "tier_2" | "tier_3"
    relevance_reasoning: string
    outreach_angle: string
    key_insight: string
  }
]
dropped_leaders: [
  { name: string, company: string, drop_reason: string }
]

人による確認ポイント

## Relevance Evaluation

### Tier 1 — Act Today (X leaders)
| Leader | Company | Title | Days In | Type | Angle |
|--------|---------|-------|---------|------|-------|
| Jane Smith | Acme | VP Sales | 32 | Direct buyer, Assessment window | "Now that you've assessed the sales stack at Acme..." |

### Tier 2 — Act This Week (X leaders)
| ... |

### Tier 3 — Queue (X leaders)
| ... |

### Dropped (X leaders)
| Leader | Company | Reason |
|--------|---------|--------|
| ...    | ...     | ...    |

Approve before we draft outreach?

---

ステップ 3：リーダーのプロフィールを充実させる

目的： 条件を満たした各リーダーについて、パーソナライズに役立つ追加情報を収集します。ステップ 1 の Apollo による情報拡充では、すでにメールアドレス、LinkedIn URL、すべての職歴が得られています。このステップでは、Apollo からは得られない情報を追加します。

入力仕様

qualified_leaders: [...]              # From Step 2 output (already has email, linkedin, emp history from Apollo)

プロセス

ステップ 1 の Apollo による情報拡充では、すでに次の情報が得られています。

• 氏名、確認済みのメールアドレス、LinkedIn URL
• 完全な職歴（過去のすべての役職と開始日・終了日）
• 所在地（市、州、国）

条件を満たした各リーダーについて、Apollo からは得られない情報を追加します。

1. LinkedIn での活動（任意ですが、非常に有用です。利用可能な場合は linkedin-profile-post-scraper を使用します）：

   • 最近の投稿やシェア：どのような話題を取り上げていますか？
   • 新しい役職への就任について投稿していますか？優先事項についてどのように述べていますか？

2. 前職の会社に関する情報（職歴から判断します）：

   • 前職の会社は何をしている会社ですか？
   • そこで自社製品（または競合製品）を使用していましたか？
   • 在職期間はどのくらいですか？（長い在職期間は深い専門知識を示します。短い在職期間は、転職を繰り返す人である可能性を示します。）

3. 新しい会社に関する情報：

   • 新しい会社は何をしている会社ですか？
   • リーダーシップの交代以外に、最近の会社関連ニュースはありますか？

出力仕様

enriched_leaders: [
  {
    ...qualified_leader_fields,
    email: string | null               # Already from Apollo
    linkedin_url: string               # Already from Apollo
    linkedin_activity: {
      recent_posts: string[]           # 2-3 most relevant post summaries
      new_role_post: string | null     # What they said about starting this role
    } | null
    previous_company_context: string   # 1-2 sentences about their old company
    new_company_context: string        # 1-2 sentences about what this company does
    personalization_hooks: string[]    # 3-5 things to reference in the email
  }
]

人による確認ポイント

## Enriched Leader Profiles

### Jane Smith — VP Sales @ Acme Corp (Tier 1)
- Email: [email protected] (verified)
- LinkedIn: linkedin.com/in/janesmith
- Previously: Director of Sales @ Competitor Inc (3 years)
- New role post: "Excited to join Acme Corp as VP Sales..."
- Personalization hooks:
  1. Posted about "scaling outbound without scaling headcount" 2 weeks ago
  2. Previous company used [competitor product]
  3. Acme recently raised Series B ($40M)

### Tom Brown — CRO @ Beta Inc (Tier 2)
| ... |

Approve before we draft outreach?

---

ステップ 4：パーソナライズしたアウトリーチを作成する

目的： 新しい役職、新たな優先事項、限られた時間といった相手の状況を理解していることが伝わるよう、新任リーダー一人ひとりへのアウトリーチを作成します。LLM による推論のみを使用するため、本質的にツールに依存しません。

入力仕様

enriched_leaders: [...]               # From Step 3 output
your_company: {
  description: string
  pain_point: string
  proof_points: string[]
  quick_wins: string[]
  before_state: string
}
sequence_config: {
  touches: integer                    # Default: 3
  timing: integer[]                   # Default: [1, 5, 12]
  tone: string                       # Default: "professional-sharp" (executives expect this)
  cta: string                        # Default: "15-min intro call"
}

プロセス

1. 役職との関連性に基づいてフレームワークを選択します。

   • 直接の購入決定者 → Signal-Proof-Ask（役職の変更に触れ、根拠を示し、時間をいただけるよう尋ねます）
   • 社内推進者 → BAB（Before：引き継いだ現状／After：自社製品を導入した場合の姿／Bridge：30 日以内に実現できる短期的な成果）
   • 使命との整合性が高い相手 → PAS（Problem：使命から想定される課題／Agitate：現在のツールでは不十分な理由／Solve：自社製品による解決策）

2. 情報を充実させたプロフィールをもとに、パーソナライズします。

   パーソナライズ要素	情報源	例
   役職変更への言及	ステップ 1	「Acme の営業担当 VP への就任、おめでとうございます」
   就任時期を踏まえた表現	ステップ 2 timing_window	「状況を評価するための時間を1か月ほど確保された今……」
   経歴との関連付け	ステップ 2 background_signal	「Competitor Inc では、[同様のツール]をお使いでしたね……」
   LinkedIn での活動への言及	ステップ 3 linkedin_activity	「アウトバウンドの拡大についての投稿に共感しました……」
   会社に関する情報	ステップ 3 new_company_context	「Acme のシリーズ B 資金調達と成長計画を踏まえると……」
   短期的な成果の提案	設定 quick_wins	「多くの VP は、当社と取り組むことで最初の 30 日以内に[成果]を実現しています」

3. 就任時期に合わせてメールの切り口を調整します。

   期間	1 通目のアプローチ	件名のパターン
   慣らし期間（0～30 日）	歓迎の言葉と短期的な成果の提案。まだオンボーディング中なので、控えめにします。	「{company} での最初の 90 日に向けた短期的な成果」
   評価期間（31～60 日）	評価を進めてきたことに触れ、同業者との比較を提案します。	「他社の {title} が取り組んでいる違い」
   実行期間（61～90 日）	まさに決断を下す時期です。価値を率直に伝えます。	「{company} の {goal} に向けた {Product}」

4. email-drafting スキルのルールに従います。

   • 1 通目：50～90 語。役職の変更に触れ、パーソナライズの要素を 1 つ盛り込み、控えめな CTA を添えます。
   • 2 通目：30～50 語。新たな導入実績または短期的な成果の提案を加えます。
   • 3 通目：20～40 語。同業者の導入実績を示すか、丁寧にやり取りを締めくくります。
   • トーン：特に指定がなければ、プロフェッショナルかつ切れ味のある表現にします。 経営幹部には、くだけた表現よりも簡潔さと具体性が響きます。

出力仕様

email_sequences: [
  {
    leader: { full_name, email, title, company_name, role_relevance, timing_window }
    sequence: [
      {
        touch_number: integer
        send_day: integer
        subject: string
        body: string
        framework: string
        personalization_elements: {
          role_change: string          # How the role change was referenced
          timing: string              # How the timing window was used
          background: string          # How their background was leveraged
          company_context: string     # How their company context was used
          linkedin_reference: string | null  # Any LinkedIn activity referenced
        }
        word_count: integer
      }
    ]
  }
]

人による確認ポイント

就任時期や役職のタイプが異なるサンプルを提示します。

## Sample Outreach for Review

### Jane Smith, VP Sales @ Acme Corp
Tier 1 | Direct buyer | Assessment window (32 days) | Previously at Competitor Inc

**Touch 1 — Day 1**
Subject: What other new VPs of Sales are changing first
> Hi Jane — congrats on the move to Acme. A month in, you've probably
> identified what's working and what isn't in the sales stack.
>
> [Product] is what [peer company] brought in during a similar transition —
> [specific result] within 30 days. [Your post about scaling outbound
> without scaling headcount] is exactly the problem we solve.
>
> Worth a 15-minute intro?

**Touch 2 — Day 5**
Subject: The playbook from [previous company] → Acme
> [full email referencing their background]

**Touch 3 — Day 12**
Subject: One last thought
> [breakup email]

---

Approve these samples? I'll generate the rest in the same style.

---

ステップ 5：アウトリーチに引き継ぐ

funding-signal-outreach のステップ 5 と同じです。連絡先とメールシーケンスを、設定済みのアウトリーチツール向けにまとめます。

出力仕様

campaign_package: {
  tool: string
  file_path: string
  contact_count: integer
  sequence_touches: integer
  estimated_send_days: integer
  next_action: string
}

人間による確認

## Campaign Ready

Tool: [configured tool]
Signal type: Leadership change
Contacts: X new leaders across Y companies
Sequence: 3 touches over 12 days

Ready to launch?

---

実行の概要

ステップ	ツールの依存関係	人間による確認	目安時間
0. 設定	なし	初回実行時のみ	5 分（初回のみ）
1. 検出	Apollo Free Search + Enrichment by ID	リーダーシップの変更と使用クレジット数を確認	約 90 秒（マシン処理）
2. 評価	なし（LLM による推論）	関連性とティアの順位付けを承認	2～3 分
3. 情報拡充	LinkedIn 投稿スクレーパー（任意）	情報を拡充したプロフィールを確認	1～2 分
4. 下書き作成	なし（LLM による推論）	サンプルを確認して反復	5～10 分
5. 引き継ぎ	設定可能（Smartlead、CSV など）	最終的な開始を承認	1 分

マシン処理の合計時間：約 90 秒（ステップ 1 が大半を占めます。無料検索に約 30 秒、約 40 人の情報拡充に約 60 秒） 人間による確認の合計時間：約 15～20 分 Apollo クレジットの一般的な使用量：30～50 クレジット（事後フィルター後、情報を拡充した人 1 人につき 1 クレジット）

---

他のシグナル複合フローとの主な違い

資金調達や採用の複合フローでは、シグナルは企業に関するもので、その後、連絡する相手を探します。リーダーシップの変更では、シグナルそのものが人物です。 新しいリーダーはシグナルであると同時に、主な連絡先でもあります。そのため、フローが変わります。

• 資金調達／採用： シグナルを検出 → 企業を評価 → 人物を探す → メールの下書きを作成
• リーダーシップの変更： シグナル（人物）を検出 → 関連性を評価（人物と製品の適合性） → 人物の情報を拡充 → メールの下書きを作成

ステップ 3 が「人物を探す」ではなく「情報拡充」なのは、すでに連絡相手が分かっているためです。情報拡充では、深くパーソナライズしたメールを書くために十分なコンテキストを集めます。

---

ヒント

• 社外からの採用は、社内昇進より強いシグナルです。 社外から採用された人は、既存のツールへの愛着がないため、ベンダースタックを見直す可能性が高くなります。
• 30～60 日の期間が最適です。 早すぎると（最初の週）、まだオンボーディング中です。遅すぎると（90 日以上）、すでに決定を下しています。
• 本人が投稿していれば、LinkedIn の「新しい役職」に関する投稿に触れてください。 事前に調べていることが伝わり、本人が明示した優先事項が分かることもよくあります。
• 前任者には触れないでください。 「John の後任として」と言うと気まずくなることがあります。役職と会社に触れるだけにしましょう。
• 大規模な変革より、すぐに得られる成果が効果的です。 新しいリーダーには早期に信頼を得る必要があります。製品を「6 か月の導入」ではなく、「最初の四半期で成果を出す方法」として提案しましょう。
• 相手が自社の顧客から転職してきた場合、これ以上ない強力なきっかけになります。 まずその点に触れましょう。「以前の会社で[product]をお使いでしたね。[new company]にも導入しませんか？」

Apollo 固有のヒント

• ドメインで絞り込む場合は、必ずq_organization_domains（q_プレフィックス付き）を使用してください。 プレフィックスのないorganization_domainsを使うと、無関係な企業が返されます。
• person_seniorityフィルター（例：['vp', 'c_suite']）は使用しないでください。 Apollo は多くの役職をこれらのレベルに分類するため、AE、リクルーター、IC まで結果に含まれます。明示的なperson_titlesを使用し、ローカルで事後フィルターをかけてください。
• 名前ではなく、idで情報を拡充してください。 無料検索では姓が伏せられます。氏名なしで情報拡充の対象と確実に紐付けるには、無料検索のidフィールドを使うのが唯一の方法です。
• ここではbulk_enrich_peopleは使えません。 照合にはfirst_name + last_name + organization_nameが必要ですが、無料検索では姓が伏せられます。代わりに、{"id": person_id}を指定したpeople/matchの呼び出しを個別に行ってください。
• Apollo の開始日は月単位の精度です（例：2026-02-14ではなく2026-02-01）。遡及期間を設定する際は、月単位に丸めてください。「過去 15 日間」をスキャンする場合は、当月と前月を確認します。
• クレジットが消費されるのは、情報拡充の照合に成功した場合のみです。 Apollo が人物を照合できず（Noneを返した場合）、クレジットは消費されません。
• レート制限への対応： 情報拡充の呼び出しを 5 回行うごとに、0.5 秒の遅延を追加してください。429 が返された場合は、Retry-Afterヘッダーに従ってください（通常は 60 秒）。