inbound-lead-qualification

Name: inbound-lead-qualification
Author: gooseworks-ai

github.com/gooseworks-ai营销与增长1.3k48 次安装3 天前更新

代码仓库

关于 inbound-lead-qualification

用于逐条评估入站线索与理想客户画像（ICP）匹配度的营销技能。它检查公司、联系人、需求和 CRM 重叠情况，并输出评分与判定 CSV。

主要功能

01解析多种格式的线索
02检查 CRM 与销售管道重叠
03评估公司及联系人匹配度
04分析需求与产品适配度
05计算综合分数并导出 CSV

适用场景

01筛选一批入站线索
02对线索进行 ICP 评分
03识别现有客户或在跟进账户
04为销售团队生成资格判定表

安装

复制下面的命令，在终端中运行。

$npx skills add https://github.com/gooseworks-ai/goose-skills --skill inbound-lead-qualification

安装后在 Claude Code 中输入/inbound-lead-qualification确认已加载。

附带文件skill.meta.json

详细介绍

入站潜在客户资格评估

接收一批入站潜在客户，并根据完整的 ICP 标准逐一进行验证。这不是快速筛选（那是 inbound-lead-triage 的工作）——这是深入资格评估步骤，用于确定哪些潜在客户确实值得跟进，并为团队生成一份评分 CSV。

自动加载时机

在以下情况下加载此组合：

用户说“评估这些入站潜在客户”“检查这些潜在客户是否符合 ICP”“为我的入站线索打分”
已完成上游筛选，潜在客户需要进一步评估
用户有一批潜在客户，并希望逐一给出符合/不符合资格的结论

架构

[Inbound Leads] → Step 1: Load ICP & Config → Step 2: CRM/Pipeline Check → Step 3: Company Qualification → Step 4: Person Qualification → Step 5: Use Case Fit → Step 6: Score & Verdict → Step 7: Output CSV

步骤 0：配置（每位客户仅需一次）

首次运行时，建立 ICP 定义并配置 CRM 访问权限。将其保存到当前工作目录，或用户指定的位置（例如 config/lead-qualification.json）。

{
  "icp_definition": {
    "company_size": {
      "min_employees": null,
      "max_employees": null,
      "sweet_spot": "",
      "notes": ""
    },
    "industry": {
      "target_industries": [],
      "excluded_industries": [],
      "notes": ""
    },
    "use_case": {
      "primary_use_cases": [],
      "secondary_use_cases": [],
      "anti_use_cases": [],
      "notes": ""
    },
    "company_stage": {
      "target_stages": [],
      "excluded_stages": [],
      "notes": ""
    },
    "geography": {
      "target_regions": [],
      "excluded_regions": [],
      "notes": ""
    }
  },
  "buyer_personas": [
    {
      "name": "",
      "titles": [],
      "seniority_levels": [],
      "departments": [],
      "is_economic_buyer": false,
      "is_champion": false,
      "is_user": false
    }
  ],
  "hard_disqualifiers": [],
  "hard_qualifiers": [],
  "crm_access": {
    "tool": "HubSpot | Salesforce | CSV export | none",
    "access_method": "",
    "tables_or_objects": []
  },
  "existing_customer_source": {
    "tool": "HubSpot | Salesforce | CSV | none",
    "access_method": ""
  },
  "qualification_prompt_path": "path/to/lead-qualification/prompt.md or null"
}

**如果 lead-qualification 能力已保存资格评估提示词：**直接引用，不要从头重建 ICP 标准。

**后续运行时：**静默加载配置。

步骤 1：加载 ICP 标准并解析潜在客户

流程

加载客户的 ICP 配置（或 lead-qualification 能力中的资格评估提示词）
解析入站潜在客户列表——接受任意格式：
- inbound-lead-triage 的输出（已规范化）
- 列结构不限的原始 CSV
- 粘贴的姓名/电子邮件/公司列表
- CRM 导出数据
确定每位潜在客户有哪些数据、缺少哪些数据：
- **已有：**输入中包含的字段
- **需要：**资格评估所需但缺失的字段
- 缺口报告：“X 位潜在客户有公司名称，Y 位有职位，Z 位只有电子邮件”

输出

已解析的潜在客户列表，以及现有/缺失字段清单
向用户提供的缺口报告

人工检查点

如果超过 50% 的潜在客户缺少关键字段（公司名称或个人职位），建议先运行 inbound-lead-enrichment。询问：“很多潜在客户缺少公司/职位信息。要我先补充这些信息，还是根据现有信息进行资格评估？”

步骤 2：检查 CRM 和销售管道

流程

针对每位潜在客户，检查现有数据源，找出重合项：

检查 1——现有客户？

按公司域名/名称搜索客户数据库
如果找到匹配项：标记为 existing_customer，并附上客户详情（套餐、客户负责人、合同状态）
这不是取消资格——而是一个路由标记（增购还是新业务）

检查 2——已在销售管道中？

在 CRM（HubSpot、Salesforce、CSV）中搜索正在跟进的交易是否涉及该公司
如果找到匹配项：标记为 in_pipeline，并附上交易详情（阶段、负责人、最近活动）
重要：销售代表在联系之前，应了解同事是否已经在跟进该客户

检查 3——此前有过互动？

在外联记录中搜索电子邮件/公司
如果找到匹配项：标记为 previously_contacted，并附上历史记录摘要（时间、渠道、结果）

检查 4——是否在信号组合中出现过？

在 CRM 或信号跟踪系统中搜索该公司
如果找到匹配项：标记为 signal_flagged，并附上信号类型和日期

输出

为每位潜在客户添加以下标签：

pipeline_status：new | existing_customer | in_pipeline | previously_contacted
pipeline_detail：用一句话说明重合情况（如果没有则为 null）
signal_flags：匹配的任何信号组合

重合情况处理

**现有客户：**不要取消资格。单独标记。可能存在扩张/增购机会。
**已在销售管道中：**不要取消资格。标记出来，提醒销售代表协调。注明现有交易负责人。
**此前联系过但未回复：**仍进行资格评估。入站信号意味着他们现在的意向更强。
**此前联系过且被拒绝：**仍评估该入站线索。人们会改变主意。注明此前情况。

步骤 3：公司资格评估

流程

针对每位潜在客户所在的公司，逐项评估其是否符合 ICP 的公司维度：

维度 1 — 公司规模

根据员工人数检查是否符合 ICP 范围
信息来源：补充数据、LinkedIn 公司主页、网络搜索
评分：match | borderline | mismatch | unknown
注意：如果潜在客户来自子公司或事业部，应评估相关单位，而非母公司

维度 2 — 行业

根据目标行业和排除行业列表进行检查
灵活判断行业归属：“AI-powered HR platform” 同时符合 “AI/ML” 和 “HR Tech”
评分：match | adjacent（相关但并非核心目标）| mismatch | unknown

维度 3 — 公司阶段

种子轮、A 轮、B 轮及以上、成长阶段、上市、自筹资金
信息来源：SixtyFour 或 Orthogonal、新闻、补充数据
评分：match | borderline | mismatch | unknown

维度 4 — 地理位置

检查总部所在地和/或特定联系人的所在地
对于远程优先型公司，检查团队大多数成员所在的位置
评分：match | borderline | mismatch | unknown

维度 5 — 用例契合度

根据公司的业务，判断其是否可能会使用该产品
这是最需要综合判断的维度，需要了解产品和公司的运营情况
信息来源：公司网站、产品描述、招聘信息（可反映内部工具/流程）
评分：strong_fit | moderate_fit | weak_fit | no_fit | unknown

输出

每位潜在客户都会获得一个 company_qualification 区块：

{
  "company_size": { "score": "", "value": "", "reasoning": "" },
  "industry": { "score": "", "value": "", "reasoning": "" },
  "stage": { "score": "", "value": "", "reasoning": "" },
  "geography": { "score": "", "value": "", "reasoning": "" },
  "use_case": { "score": "", "value": "", "reasoning": "" },
  "company_verdict": "qualified | borderline | disqualified | insufficient_data"
}

第 4 步：人员资格评估

流程

针对每位潜在客户的联系人，根据买家角色标准进行评估：

维度 1 — 职称/角色匹配度

根据买家角色职称列表检查职称
处理不同写法：“VP of Marketing” = “Vice President, Marketing” = “VP Marketing”
灵活判断小公司的职称虚高情况（10 人初创公司的“Director” ≠ 拥有 10,000 名员工的企业中的“Director”）
评分：exact_match | close_match | adjacent | mismatch | unknown

维度 2 — 职级

映射为：个人贡献者、经理、总监、VP、高管、创始人
检查是否符合 ICP 的职级要求
评分：match | too_junior | too_senior | unknown

维度 3 — 部门

工程、产品、市场营销、销售、运营、财务、人力资源等
检查是否符合 ICP 的目标部门
评分：match | adjacent | mismatch | unknown

维度 4 — 权限类型

根据职称和职级进行分类：
- economic_buyer — 可以签署付款支票
- champion — 有购买意愿，且能影响决策
- user — 日常使用产品，能验证需求
- evaluator — 负责调研，决策权有限
- gatekeeper — 可以阻止决策，但无权批准
- unknown

维度 5 — 合适的人，错误的公司（反之亦然）

如果公司符合条件但人员不符合：标记为 right_company_wrong_person — 这是一个转介绍机会
如果人员符合条件但公司不符合：标记为 right_person_wrong_company — 对于主动咨询的潜在客户而言较少见，但跳槽者可能出现这种情况

输出

每位潜在客户都会获得一个 person_qualification 区块：

{
  "title_match": { "score": "", "value": "", "reasoning": "" },
  "seniority": { "score": "", "value": "", "reasoning": "" },
  "department": { "score": "", "value": "", "reasoning": "" },
  "authority_type": "",
  "person_verdict": "qualified | borderline | disqualified | insufficient_data",
  "mismatch_type": "null | right_company_wrong_person | right_person_wrong_company"
}

第 5 步：用例契合度评估

流程

此步骤将公司的潜在需求与产品的实际能力对应起来。它比步骤 3 中对公司层面用例的检查更加深入。

根据潜在客户的主动行为推断其意图：
- 申请演示时的留言 → 他们说自己需要什么？
- 下载内容 → 他们在研究什么主题？
- 参加网络研讨会 → 他们想解决什么问题？
- 注册免费试用 → 他们首先尝试了什么功能？
- 聊天机器人对话 → 他们提出了什么问题？
将意图与产品能力对应起来：
- 产品是否确实能解决他们似乎需要解决的问题？
- 这是主要用例，还是勉强适用的用例？
- 是否存在会让他们失望的已知限制？
评估实施可行性：
- 根据公司的规模和发展阶段，他们能否切实完成实施？
- 他们可能具备采用产品所需的技术资源或团队吗？
- 这类公司是否存在已知障碍？（例如：“银行需要 SOC2，而我们目前还没有”）

输出

{
  "inferred_intent": "",
  "intent_source": "",
  "product_fit": "strong | moderate | weak | unknown",
  "product_fit_reasoning": "",
  "implementation_feasibility": "easy | moderate | complex | unlikely",
  "known_blockers": []
}

步骤 6：评分与判定

评分逻辑

综合所有维度，得出最终资格判定。

综合评分计算：

维度	权重	可能的取值
公司规模	15%	match=100、borderline=50、mismatch=0、unknown=30
行业	20%	match=100、adjacent=60、mismatch=0、unknown=30
公司发展阶段	10%	match=100、borderline=50、mismatch=0、unknown=30
地理位置	10%	match=100、borderline=50、mismatch=0、unknown=30
用例匹配度	25%	strong=100、moderate=60、weak=20、no_fit=0、unknown=30
职位／角色	15%	exact=100、close=75、adjacent=40、mismatch=0、unknown=30
职级	5%	match=100、too_junior=20、too_senior=60、unknown=30

硬性覆盖规则（优先于评分）：

存在任何硬性不合格条件 → 无论分数如何，均判定为 disqualified
存在任何硬性合格条件 → 无论分数如何，均判定为 qualified（但仍需显示完整明细）
现有客户 → 单独转交处理，不作为新潜在客户评分

判定阈值：

分数 ≥ 75： qualified — 积极跟进
分数 50–74： borderline — 符合资格但存在保留条件，可能需要人工审核
分数 30–49： near_miss — 当前不符合资格，但足够接近，可考虑推荐或培育
分数 < 30： disqualified — 不符合 ICP

用于路由的子判定：

qualified_hot — 分数 ≥ 75，且分流评估中的紧迫性为 Tier 1/2
qualified_warm — 分数 ≥ 75，且分流评估中的紧迫性为 Tier 3/4
borderline_review — 分数 50–74，需要人工判断
near_miss_referral — 分数 30–49，且公司合适但人员不合适（有推荐机会）
near_miss_nurture — 分数 30–49，未来可能符合条件
disqualified_polite — 分数 < 30，需要礼貌拒绝
disqualified_competitor — 竞争对手的员工
existing_customer_upsell — 有扩展信号的现有客户

输出

每个潜在客户都会获得：

{
  "composite_score": 0-100,
  "verdict": "",
  "sub_verdict": "",
  "top_qualification_reasons": [],
  "top_disqualification_reasons": [],
  "summary": "One sentence: why this lead is/isn't a fit"
}

步骤 7：输出 CSV

CSV 结构

生成一个 CSV，保留所有输入字段，并追加资格评估列：

核心资格评估列：

qualification_verdict — qualified | borderline | near_miss | disqualified
qualification_sub_verdict — qualified_hot | qualified_warm | borderline_review | near_miss_referral | near_miss_nurture | disqualified_polite | disqualified_competitor | existing_customer_upsell
composite_score — 0-100
summary — 用一句话说明资格评估理由

销售流程检查列：

pipeline_status — new | existing_customer | in_pipeline | previously_contacted
pipeline_detail — 用一句话说明重合情况
signal_flags — 任何符合条件的信号组合

公司资格评估列：

company_size_score — match | borderline | mismatch | unknown
industry_score — match | adjacent | mismatch | unknown
stage_score — match | borderline | mismatch | unknown
geography_score — match | borderline | mismatch | unknown
use_case_score — strong | moderate | weak | no_fit | unknown

联系人资格评估列：

title_match_score — exact_match | close_match | adjacent | mismatch | unknown
seniority_score — match | too_junior | too_senior | unknown
authority_type — economic_buyer | champion | user | evaluator | gatekeeper | unknown
mismatch_type — null | right_company_wrong_person | right_person_wrong_company

使用场景列：

inferred_intent — 推断对方的需求
product_fit — strong | moderate | weak | unknown
implementation_feasibility — easy | moderate | complex | unlikely

保存位置

当前工作目录，或用户指定的位置（例如，leads/inbound-qualified-[date].csv）。

总结报告

生成 CSV 后，提供一份总结：

## Inbound Lead Qualification: [Period]

**Total leads processed:** X
**Qualified:** X (Y%) — X hot, X warm
**Borderline (manual review):** X (Y%)
**Near miss:** X (Y%) — X referral opportunities, X nurture
**Disqualified:** X (Y%)

**Pipeline overlaps:**
- Existing customers: X (route to CS)
- Already in pipeline: X (coordinate with deal owner)
- Previously contacted: X (now warmer — re-engage)

**Top qualification reasons:**
1. [reason] — X leads
2. [reason] — X leads

**Top disqualification reasons:**
1. [reason] — X leads
2. [reason] — X leads

**Data quality:**
- Leads with full data: X
- Leads with partial data (some dimensions scored as 'unknown'): X
- Leads needing enrichment: X

**CSV saved to:** [path]

边缘情况处理

线索只有邮箱（没有姓名、公司）：

从邮箱中提取公司域名
如果是企业域名：查询公司信息，继续进行公司资格评估（联系人资格评估大多会标为“unknown”）
如果是个人邮箱（gmail、yahoo）：评分为 insufficient_data，建议补充信息或人工审核

同一家公司有多个线索：

对公司进行一次资格评估，并将结果应用于该公司的所有线索
分别对每位联系人进行资格评估
标记多联系人机会：“来自 [Company] 的 3 人提交了入站请求——可能是委员会式采购”

信号相互矛盾：

公司高度匹配，但联系人完全不合适（例如，完美匹配的公司中的实习生）
如实评分。子判定 right_company_wrong_person 会将其转交给 disqualification-handling 中的推荐处理流程

边缘判定：

当分数为 50-74 且结果难以判断时，对入站线索倾向于判为合格
理由：是他们主动联系了你。意向信号会让边缘案例更倾向于“值得沟通”
在理由中注明这一倾向：“[dimension] 方面处于边缘，但入站意向表明值得跟进”

数据缺失时的评分：

未知维度的分数为 30（不是 0，也不是 50）——缺少数据略微不利，但不构成淘汰理由
如果有超过 3 个维度为“unknown”，则无论分数如何，该线索都应标记为 insufficient_data——建议先补充信息

所需工具

CRM 访问权限——检查销售流程、现有客户和联系记录
网页搜索——在补充数据不足时调查公司信息
数据补充工具——SixtyFour 或 Orthogonal、LinkedIn 抓取工具或类似工具（可选，可提高准确性）
读写权限——用于 CSV 输入/输出和配置管理

支持 Markdown

登录后评论

基本信息

作者: gooseworks-ai
仓库: gooseworks-ai/goose-skills
分类: 营销与增长
安装次数: 48
GitHub Stars: 1,271

报告问题