competitor-post-engagers

竞争对手帖子互动者

通过抓取竞争对手表现最佳的 LinkedIn 帖子互动者，寻找符合 ICP 的潜在客户。提供一个或多个公司主页 URL 后，此技能会找出这些公司近期互动量最高的帖子，提取所有点赞或评论的用户，并判断他们是否符合 ICP。

**核心原则：**每家公司只需一次调用即可抓取所有帖子，然后在本地排序并选出前 N 条。这样既能最大限度降低 Apify 成本，又能提高潜在客户质量。

阶段 0：收集信息

向用户询问以下问题：

目标公司

1. 要抓取的 LinkedIn 公司主页 URL（例如：https://www.linkedin.com/company/11x-ai/）
2. 时间范围——向前查看多少天（默认：30）
3. 每家公司提取互动者的前 N 条帖子（默认：1）

ICP 标准

4. ICP 关键词——能表明潜在客户质量的职位名称／角色词语（例如：“销售”“SDR”“营收”）
5. 排除关键词——要过滤掉的职位（例如：“软件工程师”“设计师”）
6. 地理范围（可选，例如：“美国”）

将配置保存到当前工作目录（或用户指定的路径）：

competitor-post-engagers-config.json

配置 JSON 结构：

{
  "name": "<run-name>",
  "company_urls": ["https://www.linkedin.com/company/<competitor>/"],
  "days_back": 30,
  "max_posts": 50,
  "max_reactions": 500,
  "max_comments": 200,
  "top_n_posts": 1,
  "icp_keywords": ["sales", "revenue", "growth", "SDR", "BDR", "outbound"],
  "exclude_keywords": ["software engineer", "developer", "designer"],
  "enrich_companies": true,
  "competitor_company_names": ["<competitor-name>"],
  "industry_keywords": ["freight", "logistics", "trucking", "transportation", "3pl", "supply chain", "carrier", "brokerage", "shipping", "warehousing"],
  "output_dir": "output"
}

• enrich_companies — 启用 Apollo 公司信息补全（默认：true）。设为 false 或使用 --skip-company-enrich 可跳过。
• competitor_company_names — 要从信息补全中排除的公司名称（即竞争对手本身）。
• industry_keywords — 表示符合 ICP 的行业术语。与 Apollo 的行业字段进行匹配。

默认情况下，output_dir 相对于脚本目录。使用绝对路径可将输出写入指定位置。

阶段 1：运行工作流

python3 skills/competitor-post-engagers/scripts/competitor_post_engagers.py \
  --config competitor-post-engagers-config.json \
  [--test] [--yes] [--skip-company-enrich] [--top-n 3] [--max-runs 30]

标志：

• --config（必需）— 配置 JSON 的路径
• --test — 使用较小的数量限制（20 条帖子、50 个档案、1 条热门帖子）
• --yes — 跳过成本确认提示
• --skip-company-enrich — 跳过 Apollo 公司信息补全步骤（节省额度）
• --top-n — 覆盖配置中的 top_n_posts
• --max-runs — 覆盖 Apify 运行次数上限

工作流步骤

步骤 1：抓取公司帖子及互动者 — 对每个公司 URL，使用 harvestapi/linkedin-company-posts 调用一次 Apify，并设置 scrapeReactions: true, scrapeComments: true。在单个数据集中返回帖子、反应和评论。

步骤 2：排序并选出热门帖子 — 按时间范围（days_back）筛选帖子，按互动总数（反应 + 评论）排序，并为每家公司选出前 N 条。然后仅从选中的帖子中提取互动者（点赞者 + 评论者）。按姓名去重。根据职位为互动者评分：

• +3 评论者（意向更高）
• +2 职位符合 ICP 关键词
• -5 职位符合排除关键词

步骤 3：公司信息补全（Apollo） — 从互动者中提取不重复的公司名称，并对每家公司调用 apollo.enrich_organization(name=...)。返回行业、员工人数、描述和所在地。每家不重复的公司约消耗 1 个 Apollo 额度。将数据合并到该公司的所有互动者记录中。使用 --skip-company-enrich 或设置 "enrich_companies": false 可跳过。

步骤 4：判断 ICP 并导出 — 分类为“可能符合 ICP”“可能符合 ICP”“未知”或“技术供应商”。同时使用标题关键词匹配和公司行业数据（来自步骤 3）进行判断——如果互动者所在公司的行业符合 industry_keywords，无论其角色如何，都会被分类为“可能符合 ICP”。导出 CSV。

成本估算

参数	测试	标准
每家公司抓取的帖子数	20	50
最大反应数	50	500
最大评论数	50	200
预计 Apify 成本（1 家公司）	~$0.10	~$0.50-1
预计 Apollo 额度（公司信息补全）	~10-20	~30-80 家不重复的公司
预计 Apollo 成本	~$0.05-0.10	~$0.15-0.40

阶段 2：审核与优化

展示结果：

• 帖子选择 — 选中了哪些帖子以及原因（互动数量、预览）
• 按公司细分 — 来自每家竞争对手的潜在客户数量
• ICP 细分 — 各层级的数量
• 排名前 15 的潜在客户 — 姓名、职位、公司、互动类型

常见调整：

• 无关潜在客户过多 — 收紧 icp_keywords 或添加 exclude_keywords
• 遗漏 ICP 潜在客户 — 扩大 icp_keywords 范围
• 选错帖子 — 增加 top_n_posts 或调整 days_back
• 成本过高 — 使用 --test 模式或降低 max_reactions/max_comments

阶段 3：输出

CSV 导出至 {output_dir}/{name}-engagers-{date}.csv：

列	描述
姓名	全名
LinkedIn URL	个人资料链接
职位	从标题解析
公司	从标题解析
公司行业	来自 Apollo 丰富数据
公司规模	来自 Apollo 的预估员工人数
公司简介	来自 Apollo 的简短公司介绍
公司所在地	来自 Apollo 的城市、省份、国家
来源页面	对应的竞争对手页面
帖子 URL	指向具体帖子的链接
帖子预览	帖子内容的前 120 个字符
互动类型	评论或回应
评论文本	对方的评论（个性化推广的宝贵素材）
ICP 层级	可能符合 ICP / 可能符合 ICP / 未知 / 技术供应商
预筛选分数	预筛选的优先级分数

所需工具

• Apify API 令牌 — 在 .env 中设置为 APIFY_API_TOKEN
• Apollo API 密钥 — 在 .env 中设置为 APOLLO_API_KEY（用于公司信息丰富）
• 使用的 Apify actors：
  • harvestapi/linkedin-company-posts（帖子和互动者抓取）
• 使用的 Apollo 端点：
  • organizations/enrich（查询公司行业/规模，每家公司消耗 1 个点数）

使用示例

触发短语：

• “查找与[竞争对手]的 LinkedIn 帖子互动的潜在客户”
• “抓取与[公司]热门帖子互动的用户”
• “谁在与[竞争对手]的内容互动？”
• “针对[公司]运行 competitor-post-engagers”

测试模式：

python3 skills/competitor-post-engagers/scripts/competitor_post_engagers.py \
  --config competitor-post-engagers-config.json --test --yes

完整运行：

python3 skills/competitor-post-engagers/scripts/competitor_post_engagers.py \
  --config competitor-post-engagers-config.json --yes