mcpField
L
lookalike-customer-finder

lookalike-customer-finder

github.com/onewave-ai营销与增长393329 次安装1 周前更新
代码仓库

关于 lookalike-customer-finder

这项营销技能会分析公司的优质客户，并生成相似目标公司的排名清单。它构建理想客户画像、为候选公司评分，并整理市场洞察与行动计划。

主要功能

  1. 01分析客户共同特征
  2. 02构建理想客户画像
  3. 03按 0–100 分评估候选公司
  4. 04分层排列目标公司
  5. 05制定定位与行动计划

适用场景

  1. 01寻找与优质客户相似的潜在客户
  2. 02确定外联目标公司的优先级
  3. 03制定分层客户定位计划

安装

复制下面的命令，在终端中运行。

$npx skills add https://github.com/onewave-ai/claude-skills --skill lookalike-customer-finder

安装后在 Claude Code 中输入/lookalike-customer-finder确认已加载。

包含的文件

除 SKILL.md 外，安装时一起下载的参考资料和脚本。

references/
data-sources.md
examples.md
output-template.md
scoring-model.md

详细介绍

相似客户查找器

分析公司的优质客户，寻找符合相同特征的相似公司，并生成高质量、按排名排序的目标账户列表。

目录

  • references/scoring-model.md - 客户画像维度、加权评分模型和分数区间。
  • references/output-template.md - 完整的 Markdown 报告结构（ICP、相似公司排名、市场洞察、目标定位策略、行动计划）。
  • references/data-sources.md - 推荐的增强工具和需收集的数据点。
  • references/examples.md - 最佳实践、触发短语和示例请求。

工作流

  1. 收集提供的优质客户。如果未提供，请询问排名前 5-10 的客户账户。
  2. 分析这些客户的共同特征。五个客户画像维度请参阅 references/scoring-model.md。
  3. 根据这些共同特征构建理想客户画像（ICP）。
  4. 搜索市场，寻找符合 ICP 的公司。从 references/data-sources.md 中的工具获取公司统计信息、技术栈、增长信号和联系人。
  5. 使用 references/scoring-model.md 中的加权评分模型，为每个候选对象打 0-100 分。
  6. 按分数为公司排名并分级（Tier 1：前 10 家，Tier 2：接下来 40 家，Tier 3：再接下来 50 家）。
  7. 按照 references/output-template.md 生成报告，包括市场洞察、分级目标定位策略和快速启动行动计划。
  8. 全程遵循 references/examples.md 中的最佳实践：重质量而非数量、提高增长信号的权重，并在建议外联前补全联系人信息。

评论

支持 Markdown