customer-discovery

客户发现

通过扫描多个公开数据源，查找一家公司的所有客户。生成带有置信度评分的去重报告。

快速开始

Find all customers of Datadog

Who are Notion's customers? Use deep mode.

输入

输入	必填	默认值	描述
公司名称	是	—	要调研的公司
网站 URL	否	自动检测	公司的网站 URL
深度	否	standard	quick、standard 或 deep

流程

步骤 1：收集输入

向用户询问：

1. 公司名称（必填）
2. 公司网站 URL（可选；如果未提供，则使用 WebSearch 查找）
3. 深度级别——提供以下选项，默认选择 Standard：
   • Quick（约 2-3 分钟）：网站徽标、案例研究、G2 评论、新闻搜索
   • Standard（约 5-8 分钟）：Quick + 博客文章、Wayback Machine、LinkedIn、Twitter、Reddit、HN、招聘信息、YouTube
   • Deep（约 10-15 分钟）：Standard + SEC 文件、播客、GitHub、集成目录、BuiltWith、Crunchbase

步骤 2：创建输出目录

mkdir -p customer-discovery-[company-slug]

步骤 3：运行所选级别的数据源

将所有结果收集到一个持续更新的列表中。对于找到的每个客户，记录：

• name：公司名称
• confidence：high / medium / low
• source_type：例如，"logo_wall"、"case_study"、"g2_review"、"press"、"job_posting"
• evidence_url：找到证据的 URL
• notes：对证据的简要描述

Quick 数据源

1. 网站徽标墙

运行 scrape_website_logos.py 脚本：

python3 skills/capabilities/customer-discovery/scripts/scrape_website_logos.py \
  --url "[company-url]" --output json

解析 JSON 输出，并将每项结果添加到客户列表中。

2. 案例研究页面

对公司的案例研究页面使用 WebFetch（尝试 /case-studies、/customers、/resources/case-studies）。从页面标题和内容中提取客户名称。

3. G2/Capterra 评论

如果有 review-site-scraper 技能，请使用它查找评论者所属公司：

python3 skills/capabilities/review-site-scraper/scripts/scrape_reviews.py \
  --platform g2 --url "[g2-product-url]" --max-reviews 50 --output json

首先，使用 WebSearch 搜索公司的 G2 页面：site:g2.com "[company]"。从评论作者信息中提取评论者所属公司的名称。

4. 搜索新闻报道

使用 WebSearch 搜索以下内容，并从结果中提取客户相关提及：

• "[company]" customer OR "case study" OR partnership
• "[company]" "we use" OR "switched to" OR "chose"

Standard 数据源（在 Quick 的基础上增加）

5. 公司博客文章

使用 WebSearch 搜索：site:[company-domain] customer OR "case study" OR partnership OR "customer story"

6. Wayback Machine 徽标

运行 scrape_wayback_logos.py 脚本：

python3 skills/capabilities/customer-discovery/scripts/scrape_wayback_logos.py \
  --url "[company-url]" --output json

标记为 still_present: false 的徽标尤其值得关注——这表示这些公司曾是客户。

7. 创始人/高管的 LinkedIn 帖子

使用 WebSearch 搜索：site:linkedin.com "[company]" customer OR "excited to announce" OR "welcome"

8. Twitter/X 提及

使用 WebSearch 搜索：site:twitter.com "[company]" "we use" OR "just switched to" OR "loving"

9. Reddit/HN 提及

使用 WebSearch 搜索以下内容：

• site:reddit.com "we use [company]" OR "[company] customer"
• site:news.ycombinator.com "[company]" customer OR user

10. 招聘信息

使用 WebSearch 搜索："experience with [company]" site:linkedin.com/jobs OR site:greenhouse.io OR site:lever.co

要求具备该产品使用经验的公司很可能是客户。

11. YouTube 用户评价

使用 WebSearch 搜索：site:youtube.com "[company]" customer OR testimonial OR review

深度来源（除标准来源外）

12. SEC 文件

WebSearch：site:sec.gov "[company]" — 查找 10-K 和 10-Q 文件中的相关提及。

13. 播客文字稿

WebSearch："[company]" podcast customer OR transcript OR interview

14. GitHub 使用信号

WebSearch：site:github.com "[company-package-name]"，搜索依赖文件、package.json、requirements.txt 等。

15. 集成目录

WebFetch 公司列出集成服务的市场页面：

• Salesforce AppExchange
• Zapier integrations page
• Slack App Directory
• 任何与该公司相关的市场

16. BuiltWith 检测

python3 skills/capabilities/customer-discovery/scripts/search_builtwith.py \
  --technology "[company-slug]" --max-results 50 --output json

17. Crunchbase

WebSearch：site:crunchbase.com "[company]" customers OR partners

第 4 步：对结果去重

使用模糊匹配，按公司名称合并结果：

• 规范化：转为小写，去除后缀（Inc、Corp、LLC、Ltd、Co.、GmbH）
• 将 "Acme Inc"、"Acme"、"ACME Corp"、"acme.com" 视为同一家公司
• 合并时，保留最高置信度等级和所有证据 URL

第 5 步：指定置信度

应用以下规则：

高置信度：

• 当前网站上的徽标（来自 scrape_website_logos.py，置信度为 "high"）
• 已发布的案例研究或客户故事
• 公司网站上的直接引述或推荐语
• 列出合作关系的官方页面

中置信度：

• G2/Capterra 评论（评论者所属公司）
• 提及客户关系的新闻报道
• 要求具备该产品使用经验的招聘信息
• YouTube 推荐或视频评论
• 仅在 Wayback Machine 中发现的徽标（曾出现在网站上，现已移除）

低置信度：

• 单条社交媒体提及（推文、Reddit 帖子）
• 间接提及（“听说 X 不错”）
• 仅有 BuiltWith 检测结果（网站使用某项技术并不意味着对方是付费客户）
• HN 讨论中的提及

第 6 步：生成报告

创建两个输出文件：

customer-discovery-[company]/report.md：

# Customer Discovery: [Company Name]

**Date:** YYYY-MM-DD
**Depth:** quick | standard | deep
**Total customers found:** N

## High Confidence (N)

| Customer | Source | Evidence |
|----------|--------|----------|
| Shopify | Case study | [link] |
| ... | ... | ... |

## Medium Confidence (N)

| Customer | Source | Evidence |
|----------|--------|----------|
| ... | ... | ... |

## Low Confidence (N)

| Customer | Source | Evidence |
|----------|--------|----------|
| ... | ... | ... |

## Sources Scanned

- Website logo wall: [url] — N customers found
- G2 reviews: N reviews analyzed — N companies identified
- Wayback Machine: N snapshots checked — N logos found (N removed)
- Web search: N queries — N mentions
- ...

## Methodology

This report was generated using the customer-discovery skill, which scans
public data sources to identify companies that use [Company Name]. Confidence
levels reflect the strength and directness of the evidence found.

customer-discovery-[company]/customers.csv：

CSV 列：company_name,confidence,source_type,evidence_url,notes

使用代码块或 Python 脚本写入 CSV。

脚本参考

脚本	用途	主要标志
scrape_website_logos.py	从当前网站提取徽标	--url、--output json|summary
scrape_wayback_logos.py	通过 Wayback Machine 查找历史徽标	--url、--paths、--output json|summary
search_builtwith.py	BuiltWith 技术检测（深度模式）	--technology、--max-results、--output json|summary

所有脚本都需要 requests：pip3 install requests

外部技能脚本（如有，可使用）：

• skills/capabilities/review-site-scraper/scripts/scrape_reviews.py — G2/Capterra/Trustpilot 评论（需要 Apify 令牌）
• skills/capabilities/linkedin-post-research/scripts/search_posts.py — LinkedIn 帖子搜索（需要 Apify 令牌）

费用

• 快速 / 标准： 免费（使用 WebSearch 和 Wayback Machine CDX 等免费 API）
• 深度： 基本免费。BuiltWith 付费 API 为可选项（--api-key 标志）；默认使用免费抓取。
• 外部技能（review-site-scraper、linkedin-post-research）可能需要付费 API 令牌。