leadership-change-outreach

领导层变动触达

检测目标公司新聘任的领导者，并评估新领导者是否与你的产品相关——他们可能是直接买家、内部支持者，或其职责与你的产品相契合。如果相关，则补充其个人资料信息，并起草个性化的触达内容，围绕其新岗位的优先事项展开。

**为什么领导层变动是良机：**新领导者在上任后的前 90 天会重新评估一切。他们接手的是自己没有选择的供应商组合、自己没有组建的团队，以及必须尽快达成的 KPI。他们是任何组织中最容易接受推介的买家，因为：

• 他们希望在部门留下自己的印记
• 他们肩负变革使命（而且通常拥有相应预算）
• 他们需要快速取得成效，以在新团队中建立公信力
• 他们尚未对现有供应商建立忠诚度

何时自动加载

在以下情况下加载此组合：

• 用户说“检查领导层变动”“新聘任的高管”或“领导层信号触达”
• 用户有一份公司名单，并希望找出其中有相关新领导者的公司
• 上游工作流（TAM Pulse、公司监控）触发领导层变动检查

检测方法：Apollo（免费搜索 + 信息补充）

此组合使用两阶段 Apollo 流程，取代较慢的网页搜索方式：

1. Apollo 免费搜索 — 使用带有 q_organization_domains + person_titles 筛选条件的 search_people。返回人员 ID、混淆后的姓名和职位。不消耗额度。约 30 秒内即可扫描数十家公司中的 100 多人。
2. 本地后置筛选 — 严格匹配职位，去除 Apollo 模糊匹配产生的噪声（区域职位、子职能负责人、非 GTM 职位）。结果通常会减少 50%–60%。
3. 按 ID 补充 Apollo 信息 — 使用免费搜索返回的人员 id 调用 people/match。返回完整任职历史，以及每个职位的 start_date/end_date、LinkedIn URL、已验证的电子邮箱和全名。每人消耗 1 个额度。
4. 变动检测 — 按补充信息中 current: true 的任职记录的 start_date 筛选，找出回溯时间范围内的结果。

**为什么这比网页搜索更好：**网页搜索依赖新闻稿和公告，而大多数低于 C-suite 的领导层变动从未公开宣布。Apollo 直接从 LinkedIn 个人资料数据中提取信息，可捕捉网页搜索遗漏的变动。速度：总计约 90 秒，而网页搜索需要 5 分钟以上。

**成本：**每补充一人的信息消耗 1 个 Apollo 额度。采用严格的后置筛选（仅限 VP 及以上级别的 GTM 职位）时，扫描 10–15 家公司通常消耗 30–50 个额度。

**重要提示：**Apollo 记录的入职日期精确到月份（例如 2026-02-01），而非具体日期。请据此设置回溯时间范围——使用完整月份，而不是精确的天数。

---

步骤 0：配置（一次性设置）

首次为客户/用户运行时，收集并保存以下偏好。后续运行时跳过。

领导者相关性映射

问题	用途	保存为
你的产品是做什么的？（1–2 句话）	与领导者的职责相匹配	company_description
哪些领导者职位是你产品的直接买家？	最高优先级——他们可以签字付款	buyer_leader_titles
哪些领导者职位可能会支持你的产品？	他们会在内部倡导产品，或成为切入点	champion_leader_titles
哪些领导者职位的职责与你的产品支持的目标相契合？	他们的目标与产品价值相一致	aligned_leader_titles
哪些部门与你的产品相关？	筛除无关的领导层变动	relevant_departments

销售 AI 产品示例：

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"]

信号检测配置

问题	选项	保存为
应回溯多长时间？	30 / 60 / 90 天（默认：90 天）	lookback_days
检测的最低资历级别？	VP 及以上（默认）/ Head 及以上 / Director 及以上	min_seniority

Apollo 职衔列表

免费搜索使用 person_titles 进行筛选。根据客户的买家、倡导者和目标职衔定义这些值。默认的 VP 级及以上 GTM 职衔：

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：**切勿使用 Apollo 的 person_seniority 筛选条件（例如 ['vp', 'c_suite']）——范围太广，会返回区域经理、职衔虚高的个人贡献者等。请使用明确的 person_titles，然后在本地进行后置筛选。

后置筛选规则

Apollo 会进行模糊职衔匹配，因此结果中会包含噪声。请应用严格的本地后置筛选，执行以下操作：

1. **排除非 GTM 职能：**工程、人才、法务、隐私、数据科学、分析、产品营销、现场营销、合作伙伴营销、客户营销、内容、传播、社区、解决方案营销、赋能、营销运营
2. **排除区域性／细分领域职务：**区域副总裁、AVP、区域主管、特定于 EMEA／APAC／美洲的职务、按区域划分的企业销售（西部／东部／中部等）、渠道销售、快速销售、销售开发、销售财务、销售战略
3. **排除 Apollo 垃圾结果：**任何包含“related to search terms”的职衔
4. **要求有效前缀：**职衔必须以 VP／Vice President／SVP／Head of／Chief／CRO／CMO／CCO／President 开头

这通常会将结果减少 50-60%（例如，原始结果 100 条 → 筛选后 40 条）。

外联配置

问题	选项	存储为
你希望将外联发送到哪里？	Smartlead / Instantly / Outreach.io / CSV 导出	outreach_tool
仅邮件还是多渠道？	仅邮件 / 邮件 + LinkedIn	outreach_channels

你的公司背景

问题	用途	存储为
你解决什么问题？	邮件切入点	pain_point
列出 2-3 个证明材料（客户、指标、成果）	邮件可信度	proof_points
新任领导者使用你的产品可以快速取得哪些成果？	入职前 90 天的切入点	quick_wins
不使用你的产品时，“之前”的状态是什么样的？	描述痛点	before_state

将配置存储在： clients/<client-name>/config/signal-outreach.json 或等效位置。

---

步骤 1：检测领导层变动（Apollo 流程）

**目的：**对于输入列表中的每家公司，查找 VP 级及以上的 GTM 领导者，并检测其近期入职情况。

输入约定

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)

流程

阶段 1：Apollo 免费搜索（约 30 秒）

使用 apollo_client.search_people()，并传入：

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
}

关键信息：

• 使用 q_organization_domains（而不是 organization_domains）——域名筛选必须使用 q_ 前缀
• 所有公司域名都可以在单个查询中传入（以换行符分隔）
• 免费套餐返回：id、first_name、last_name（模糊处理为“?”）、title、organization.name、last_refreshed_at
• 免费套餐不会返回：完整姓氏、LinkedIn URL、电子邮件或任职历史
• 如果 total_entries > 100，请使用 page: 2 等进行分页

阶段 2：本地后置筛选（即时）

应用步骤 0 中的严格后置筛选规则以去除噪声。这一点至关重要——Apollo 的模糊职衔匹配会返回区域经理、细分职能主管以及非 GTM 职务。

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)

阶段 3：按 ID 进行 Apollo 数据补全（每人约 1 秒）

对于通过后置筛选的每个人，使用免费搜索中的 id 进行数据补全：

# 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}

数据补全返回内容（每人 1 个额度）：

• name — 全名（不再进行模糊处理）
• employment_history — 包含所有职务的数组，字段包括 start_date、end_date、title、organization_name、current（布尔值）
• linkedin_url — 完整的 LinkedIn 个人资料 URL
• email + email_status — 已验证的工作邮箱
• city、state、country — 地点

**重要：**不要使用 bulk_enrich_people 搭配 first_name + organization_name——免费搜索会将姓氏模糊处理，缺少姓氏时 Apollo 无法匹配。始终按 id 进行数据补全。

**速率限制：**每 5 次请求后稍作延迟（0.5 秒），以避免触发 429 错误。如果受到速率限制，请遵循 Retry-After 标头。

阶段 4：变更检测

对于每位信息已补充完整的人，提取 current: true 的任职记录并检查其 start_date：

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

确定变更类型：

• new_hire：此前的职位属于另一家公司
• internal_promotion：此前的职位属于同一家公司

输出约定

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
    }
  }
]

输出文件

保存两个文件：

1. CSV（leadership-change-scan.csv）— 按 start_date 降序排列的所有信息已补充完整人员，列包括：姓名、职位、公司、域名、开始日期、变更类型、此前职位、此前公司、此前结束日期、电子邮件、电子邮件状态、LinkedIn URL、城市、州、国家
2. Markdown（leadership-change-outreach.md）— 格式化报告，包含信号摘要、资格评估和邮件草稿

人工检查点

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)

---

第 2 步：评估相关性并确定优先级

目的： 针对每次领导层变动，评估新任领导是否与你的产品相关，并确定最佳外联方式。完全由大模型推理完成——本质上与工具无关。

输入约定

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[]

流程

针对每次领导层变动，从以下三个维度进行评估：

A）职位相关性

类别	匹配标准	优先级
直接买家	职位匹配 buyer_leader_titles	最高——他们可以做出采购决策
内部倡导者	职位匹配 champion_leader_titles	高——他们可以支持并影响买家
目标一致	职位匹配 aligned_leader_titles	中——他们的目标会因你的产品而受益
不相关	职位与任何列表都不匹配	排除

B）时机窗口

任职天数	窗口	外联语气
0-30 天	蜜月期	“欢迎加入——这里有些内容能帮你快速上手。”
31-60 天	评估期	“你现在应该已经花了一个月评估技术栈，来看看同行正在做什么。”
61-90 天	行动期	“你可能正在敲定路线图——这里有个值得考虑的快速见效方案。”
90 天以上	稳定期	信号较弱，但仍然有效——“看到你最近加入了 [company]。”

C）背景信号

新任领导此前的公司和职位能提供更多背景信息：

背景	信号	用法
来自你的客户	可能最强的信号——他们已经了解你的产品	“你在 [previous company] 使用过 [product]——想把它带到 [new company] 吗？”
来自竞争对手的客户	他们了解该品类	“你在 [previous company] 使用过 [competitor]——看看 [product] 与它相比如何。”
来自同一行业	他们了解痛点	提及他们曾遇到的行业特有问题
来自不同行业	视角新颖，可能愿意尝试新方法	“[old industry] 的成功经验未必适用于 [new industry]——来看看在 [new industry] 中行之有效的方法。”
内部晋升	他们了解现有技术栈及其不足	“现在预算由你负责了，来看看团队一直希望得到什么。”

评分

• 第 1 级（今天行动）： 直接买家 + 任职不足 30 天 + 外部招聘。视角新、拥有预算决策权，且正在评估一切。
• 第 2 级（本周行动）： 任职 30-60 天的直接买家，或任职不足 30 天的内部倡导者，或来自客户/竞争对手客户。
• 第 3 级（排队处理）： 目标一致，或任职 60-90 天，或拥有内部倡导者头衔的内部晋升者。
• 排除： 职位不相关，或任职超过 90 天且匹配度低。

对于每位符合条件的领导，生成：

• 相关性理由： 为什么这位领导现在会关注你的产品
• 外联切入点： 根据其职位、时机和背景设计的具体切入点
• 关键信息： 一条能让外联内容更具个性化的情况信息

输出约定

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 }
]

人工检查点

## 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?

---

步骤 3：丰富领导者档案

目的： 为每位符合条件的领导者收集更多背景信息，以便实现个性化。Apollo 在步骤 1 中提供的丰富信息已包含电子邮件、LinkedIn URL 和完整的任职经历。本步骤补充 Apollo 未提供的背景信息。

输入约定

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

流程

步骤 1 中的 Apollo 信息丰富已提供：

• 全名、已验证的电子邮件、LinkedIn URL
• 完整的任职经历（所有过往职位及起止日期）
• 所在地（城市、州、国家）

为每位符合条件的领导者补充 Apollo 未提供的背景信息：

1. LinkedIn 动态（可选，但价值很高——如有，请使用 linkedin-profile-post-scraper）：

   • 最近发布或分享了什么内容？他们在谈论什么？
   • 是否发布过关于开始新职位的内容？他们提到了哪些优先事项？

2. 前公司背景（根据任职经历推断）：

   • 他们的前公司从事什么业务？
   • 他们在那里使用过你的产品（或竞争对手的产品）吗？
   • 他们的任职时间有多长？（任职时间长＝专业经验深厚。任职时间短＝可能是职业转型者。）

3. 新公司背景：

   • 新公司从事什么业务？
   • 除领导层变动外，公司近期还有什么新闻吗？

输出约定

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
  }
]

人工检查点

## 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?

---

步骤 4：起草个性化外联内容

目的： 为每位新领导者起草外联内容，展现你了解他们的处境——新职位、新优先事项、紧迫时间安排。纯粹通过 LLM 推理实现——天然与工具无关。

输入约定

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"
}

流程

1. 根据职位相关性选择框架：

   • 直接买家 → Signal-Proof-Ask（提及职位变动、展示证明、争取沟通时间）
   • 内部倡导者 → BAB（之前：他们接手时的现状／之后：使用你的产品后的情况／桥梁：30 天内即可实现的快速成果）
   • 目标一致 → PAS（问题：他们的职责意味着什么／激化：为什么现有工具无法满足需求／解决：你的产品）

2. 根据丰富后的档案构建个性化内容：

   个性化要素	来源	示例
   职位变动相关内容	步骤 1	“恭喜你出任 Acme 的 VP Sales”
   考虑时机的表述	步骤 2 timing_window	“现在你已经有一个月时间进行评估……”
   背景关联	步骤 2 background_signal	“你在 Competitor Inc 使用过 [类似工具]……”
   LinkedIn 动态相关内容	步骤 3 linkedin_activity	“你关于扩大外呼规模的帖子很有启发……”
   公司背景	步骤 3 new_company_context	“鉴于 Acme 完成了 B 轮融资并制定了增长计划……”
   快速成果提议	配置项 quick_wins	“大多数 VP 在与我们合作的前 30 天内就能取得 [结果]”

3. 根据时间窗口调整邮件角度：

   时间窗口	首次触达方式	主题行模式
   蜜月期（0-30 天）	欢迎 + 快速成果提议。语气轻松——他们还在熟悉新岗位。	“助你在 {company} 任职的前 90 天快速取得成果”
   评估期（31-60 天）	表示理解他们已经进行过评估。提供同行对比。	“其他 {title} 正在采取哪些不同做法”
   行动期（61-90 天）	他们现在正在做决策。直接说明价值。	“为 {company} 的 {goal} 提供 {Product}”

4. 遵循 email-drafting 技能规则：

   • 首次触达：50-90 个单词。提及职位变动 + 一个个性化切入点 + 轻柔的行动号召。
   • 第二次触达：30-50 个单词。提供新的证明依据或快速成果提议。
   • 第三次触达：20-40 个单词。提供同行的社会认同，或礼貌地结束联系。
   • 默认语气：专业、犀利。 高管看重简洁和具体，而不是闲聊。

输出约定

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
      }
    ]
  }
]

人工检查点

展示涵盖不同时间窗口和职位类型的示例：

## 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.

---

步骤 5：移交给外联流程

与 funding-signal-outreach 的步骤 5 相同。将联系人 + 邮件序列打包，交给配置的外联工具。

输出约定

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

人工审核点

## 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?

---

执行摘要

步骤	工具依赖	人工审核点	通常耗时
0. 配置	无	仅首次运行	5 分钟（一次性）
1. 检测	Apollo Free Search + Enrichment by ID	审核领导层变动 + 使用的积分	~90 秒（机器）
2. 评估	无（大模型推理）	批准相关性 + 等级排名	2-3 分钟
3. 丰富信息	LinkedIn 帖子抓取器（可选）	审核补充后的个人资料	1-2 分钟
4. 起草	无（大模型推理）	审核样例并迭代	5-10 分钟
5. 交接	可配置（Smartlead、CSV 等）	最终启动审批	1 分钟

机器总耗时：~90 秒（步骤 1 耗时最长——免费搜索约 30 秒 + 为约 40 人补充信息约 60 秒） 人工审核总耗时：约 15-20 分钟 Apollo 典型积分成本：30-50 个积分（筛选后，每补充 1 人的信息消耗 1 个积分）

---

与其他信号组合的主要区别

在融资和招聘组合中，信号与公司有关，然后你再寻找要联系的人。在领导层变动场景中，**信号就是这个人。**新领导既是信号，也是主要联系人。这会改变工作流程：

• **融资/招聘：**检测信号 → 确认公司资格 → 寻找联系人 → 起草邮件
• **领导层变动：**检测信号（人物）→ 评估相关性（人物与产品的契合度）→ 补充人物信息 → 起草邮件

步骤 3 是“补充信息”而不是“寻找联系人”，因为你已经知道要联系谁。补充信息是为了收集足够的背景资料，以便撰写高度个性化的邮件。

---

提示

• **外部招聘比内部晋升更能发出强烈信号。**外部新员工更可能重新评估供应商组合，因为他们对现有工具没有忠诚度。
• **30-60 天是最佳时间窗口。**太早（第一周）时，他们还在适应新岗位。太晚（90 天以上）时，他们已经做出决定。
• **如果对方发布了 LinkedIn“新职位”帖子，请引用其中的内容。**这能表明你做了功课，而且往往能透露他们公开表达的优先事项。
• **不要提及前任。**说“接替 John”可能会让人尴尬。只需提及职位和公司。
• **快速成果胜过重大变革。**新领导需要尽早建立公信力。把你的产品定位为“你第一个季度就能取得的成果”，而不是“为期 6 个月的实施项目”。
• **如果对方曾在你的客户公司任职，这是最有力的切入点。**以此作为开场。“你以前在 [old company] 使用过 [product]——想把它带到 [new company] 吗？”

Apollo 专属提示

• **域名筛选始终使用 q_organization_domains（带 q_ 前缀）。**不带前缀的 organization_domains 会返回随机公司。
• 不要使用 person_seniority 筛选条件（例如 ['vp', 'c_suite']）。Apollo 会将太多职位归到这些级别，因此你会得到客户代表、招聘人员和个人贡献者。请改用明确的 person_titles + 本地后筛选。
• **按 id 而非姓名补充信息。**免费搜索会对姓氏进行模糊处理。免费搜索返回的 id 字段是唯一可靠的方式，可在没有完整姓名的情况下关联到补充信息。
• **bulk_enrich_people 在这里无法使用。**它需要 first_name + last_name + organization_name 才能匹配，但免费搜索会隐藏姓氏。请改用单独的 people/match 调用，并传入 {"id": person_id}。
• Apollo 的入职日期精确到月份（例如 2026-02-01，而非 2026-02-14）。设置回溯时间窗口时，请按整月取整。“最近 15 天”的扫描应检查当月和上个月。
• **只有成功匹配并补充信息后才会消耗积分。**如果 Apollo 无法匹配某个人（返回 None），则不会扣除积分。
• **速率限制处理：**每调用 5 次补充信息后延迟 0.5 秒。遇到 429 时，请遵循 Retry-After 标头（通常为 60 秒）。