关于 lead-research-assistant
lead-research-assistant 是用于系统研究和筛选潜在客户的技能,面向需要建立目标客户名单并规划触达方式的团队。它涵盖客户画像定义、线索评分、联系人信息收集和个性化外联建议。
主要功能
- 01分析产品价值与目标客户画像
- 02按行业、规模等条件筛选
- 03按契合度和意向为线索评分
- 04收集公司与决策者信息
- 05制定个性化触达建议
适用场景
- 01建立细分市场潜在客户名单
- 02寻找决策者及其联系方式
- 03筛选早期用户或测试用户
- 04为销售外联准备个性化切入点
安装
复制下面的命令,在终端中运行。
$
npx skills add https:/ / github.com/ breverdbidder/ life-os --skill lead-research-assistant安装后在 Claude Code 中输入/lead-research-assistant确认已加载。
详细介绍
潜在客户研究助手
此技能通过系统的研究与分析,帮助你为产品或服务寻找并筛选潜在客户。
何时使用此技能
在以下情况下使用此技能:
- 寻找能够从你的产品中获益的公司
- 识别决策者及其联系信息
- 研究特定细分市场或行业
- 构建有针对性的潜在客户名单
- 制定外联策略
- 根据标准筛选潜在客户
- 研究竞争对手的客户
- 寻找早期采用者或 Beta 用户
研究工作流
1. 了解产品
首先,分析你要销售的产品:
- 阅读产品说明/代码仓库
- 了解核心价值主张
- 识别关键功能和优势
- 确定理想客户画像(ICP)
- 记录技术要求或集成需求
2. 定义目标标准
确定搜索参数:
- 行业:哪些领域最能从中受益?
- 公司规模:初创公司、中小企业还是大型企业?
- 地理位置:有哪些地点要求?
- 技术特征:他们使用什么技术栈?
- 预算指标:融资、收入、发展阶段?
- 痛点:他们面临哪些问题?
3. 研究策略
采用多种研究方法:
公司发现:
- 按行业搜索
- 按技术栈搜索(例如,“使用 Cursor AI 的公司”)
- 查看近期融资公告(Crunchbase、TechCrunch)
- 在 LinkedIn 搜索公司
- 查询 Y Combinator 各期入选项目
- 查看 Product Hunt 上线的产品
- 查询会议参会者名单
- 查看行业协会
决策者识别:
- 搜索 LinkedIn 个人资料
- 查看公司组织架构图
- 使用 Apollo.io 或类似数据库
- 搜索 GitHub 贡献者(适用于开发者工具)
- 在 Twitter/X 上寻找行业意见领袖
- 查找行业论坛版主
4. 潜在客户筛选评分
为每个潜在客户评分:
- 匹配度(1-10):与 ICP 的匹配程度如何?
- 购买意向(1-10):他们购买的可能性有多大?
- 优先级(高/中/低):综合排序
匹配标准:
- 使用互补工具(+2)
- 属于目标行业(+2)
- 公司规模合适(+2)
- 地理位置匹配(+1)
- 有近期增长迹象(+2)
- 有预算信号(+1)
意向标准:
- 近期获得融资(+3)
- 正在招聘相关岗位(+2)
- 发布过与相关问题有关的内容(+3)
- 积极参与社区(+1)
- 近期调整技术栈(+1)
5. 信息收集
对每个符合条件的潜在客户,收集以下信息:
公司信息:
- 公司名称和网站
- 行业和领域
- 员工人数
- 所在地(总部和办事处)
- 融资状态和金额
- 技术栈
- 最新新闻或重要进展
决策者详情:
- 姓名和职位
- LinkedIn 个人资料 URL
- 电子邮件(如有)
- Twitter/X 用户名
- 近期动态或帖子
- 共同联系人
背景与见解:
- 他们为何适合
- 你的产品能解决的具体痛点
- 公司近期变化或需求
- 共同联系人或引荐途径
- 他们分享过的相关内容
6. 外联策略
针对每个潜在客户,提出建议:
沟通方式:
- 个性化切入点(近期帖子、公司新闻)
- 针对其具体情况的价值主张
- 相关案例研究或社会认同
- 行动号召(演示、试用、交流)
对话开场方式:
- 提及具体痛点
- 提及共同联系人
- 评论他们近期的工作
- 分享相关见解
- 提供即时价值
时机考量:
- 最佳联系时间
- 季节性因素
- 公司财年日历
- 产品发布周期
输出格式
按以下格式组织潜在客户研究:
# Lead Research Results
## Overview
- Total leads found: [X]
- High priority: [Y]
- Medium priority: [Z]
- Industries covered: [list]
## High Priority Leads
### 1. [Company Name]
**Fit Score**: 9/10 | **Intent Score**: 8/10 | **Priority**: HIGH
**Company Details**:
- Industry: [industry]
- Size: [employees]
- Location: [city, country]
- Funding: [amount/stage]
- Website: [url]
**Why Good Fit**:
- [Specific reason 1]
- [Specific reason 2]
- [Specific reason 3]
**Decision Maker**:
- Name: [Full Name]
- Title: [Job Title]
- LinkedIn: [URL]
- Email: [if found]
**Outreach Strategy**:
- **Hook**: [Personalization element]
- **Value Prop**: [Specific benefit for them]
- **CTA**: [Suggested ask]
**Conversation Starter**:
"Hi [Name], noticed [specific observation]. We help companies like [theirs] [specific value]. Would [specific outcome] be valuable for your team?"
---
[Repeat for each high-priority lead]
研究来源
免费来源
- LinkedIn(公司页面、人员搜索)
- GitHub(贡献者动态、组织代码仓库)
- Twitter/X(公司相关提及、决策者帖子)
- Crunchbase(基础融资数据)
- Product Hunt(新产品发布)
- HackerNews(招聘信息、Show HN)
- 公司博客和新闻页面
- 行业刊物
付费来源(如有)
- Apollo.io(B2B 联系人数据库)
- ZoomInfo(公司和联系人数据)
- LinkedIn Sales Navigator
- Crunchbase Pro
- BuiltWith(技术栈数据)
- SimilarWeb(流量数据)
特定领域策略
开发者工具
目标对象:
- LinkedIn 上的工程经理
- 相关生态系统中的 GitHub 用户
- Stack Overflow 贡献者
- DevTool Twitter 社区
- 工程博客
- 技术会议演讲者
B2B SaaS
目标对象:
- 部门负责人(销售副总裁、工程副总裁等)
- 处于增长阶段的公司
- 近期宣布融资的公司
- 表明正在扩张的招聘信息
- 行业相关的 LinkedIn 群组
房地产科技
目标对象:
- 房地产投资者和基金经理
- 物业管理公司
- 房地产经纪公司
- REIT 和机构投资者
- 房地产科技的采用者
- 行业会议参会者
AI/ML 工具
目标对象:
- 正在招聘 ML 工程师的公司
- Y Combinator 的 AI 公司
- 互补型 AI 工具的用户
- AI 研究实验室
- 招聘信息中提及 AI 的公司
- AI Twitter/X 社区
质量标准
确保每条潜在客户记录:
- ✅ 包含可核实的公司信息
- ✅ 包含决策者姓名和职位
- ✅ 说明其为何适合
- ✅ 提供具体的拓展策略
- ✅ 至少包含一种联系方式
- ✅ 拥有准确的匹配度/意向度评分
- ✅ 包含可执行的后续步骤
避免:
- ❌ 泛泛的“广撒网”名单
- ❌ 过时的联系信息
- ❌ 不明确的价值主张
- ❌ 缺少决策者详情
- ❌ 没有个性化切入点
示例
示例 1:开发者工具
产品:AI 驱动的止赎拍卖分析平台
研究策略:
- 搜索:“real estate investment companies Brevard County”
- 搜索:“property investors Florida foreclosures”
- LinkedIn:佛罗里达州的房地产基金经理
- 搜索:“real estate wholesalers central Florida”
潜在客户示例:
- 公司:Sunshine State Capital
- 决策者:John Smith,管理合伙人
- 匹配度:9/10——活跃的止赎房产投资者,持有 50 多处房产
- 切入点:近期在 LinkedIn 发帖谈及交易分析方面的挑战
- 价值主张:自动发现留置权,每场拍卖可节省 5–10 小时
示例 2:SaaS 工具
产品:面向 AI 开发者的项目管理工具
研究策略:
- Y Combinator W25 AI 公司
- 使用 Cursor AI 的公司(通过招聘信息查找)
- 搜索“AI startup” + “hiring”
- 拥有 AI 仓库的 GitHub 组织
潜在客户示例:
- 公司:VectorAI Labs
- 决策者:Sarah Chen,CTO
- 匹配度:8/10——15 名工程师、AI 优先型公司、使用 Cursor
- 切入点:刚完成 A 轮融资,正在招聘 10 名工程师
- 价值主张:专为 AI 开发工作流打造
成功提示
- 先广撒网,再缩小范围:一开始广泛搜寻,然后严格筛选
- 核实信息:再次确认联系信息和职位
- 寻找熟人引荐渠道:留意共同联系人或共同参与的社区
- 及时开展研究:优先关注近期出现触发事件的潜在客户
- 批量处理相似潜在客户:按行业或用例分组,提高拓展效率
- 跟踪结果:记录哪些研究方法带来了最优质的潜在客户
- 定期更新:随着情况变化更新潜在客户名单
- 尊重隐私:以合乎道德的方式使用公开信息
评论
支持 Markdown