news-signal-outreach

新闻信号拓展

通用信号复合流程。其他复合流程都针对特定信号类型（融资、招聘、领导层变动、拥护者跳槽）。这个流程处理其他所有情况——任何可能成为联系理由的新闻或公开事件。

法规变更。产品召回。竞争对手收购。市场扩张。裁员。业绩未达预期。新合作关系。行业报告。会议主题演讲。走红的 LinkedIn 帖子。任何会改变公司优先事项、带来紧迫感或为你的产品创造机会窗口的外部事件。

此复合流程存在的原因： 世界源源不断地产生潜在的拓展触发因素。四种结构化信号复合流程处理最常见的模式。这个流程则处理长尾事件——那些难以预测、可乘之机的时刻。它们往往能带来最好的拓展效果，因为其他人都不会针对这些事件发送模板化序列。

何时自动加载

出现以下任一情况时，加载此复合流程：

• 用户分享任何 URL（LinkedIn 帖子、文章、推文、博客、新闻），并询问其中提到的公司或人员
• 用户说“偶然看到”“看到这篇帖子”“发现这篇文章”“看看这个”“这相关吗”“这家公司合适吗”“我们应该联系对方吗”
• 用户提到从外部来源（社交媒体、新闻、会议、播客、新闻简报）发现的公司或人员，并询问相关性或匹配度
• 用户询问“我们能根据这个联系任何人吗？”
• 用户说“看看这条新闻是否与我们的潜在客户相关”“基于新闻的拓展”“基于触发因素的拓展”
• 用户有一份公司名单，并想查看近期新闻，寻找拓展切入点
• 新闻不属于融资、招聘、领导层变动或拥护者跳槽这几类
• 上游工作流发现了一条需要评估的新闻

关键原则： 如果用户分享了外部信号（URL、帖子、文章、提及），并就其中的公司／人员提出任何问题——加载此复合流程。不要等用户提到“拓展”。此复合流程既支持仅评估（步骤 1-3），也支持完整拓展（步骤 1-6）。

输入灵活性

此复合流程接受三种输入模式：

模式	输入	示例
新闻 → 公司	一条新闻。提取其中提到的公司／人员，并对其进行资格评估。	“这是一篇关于新的 FDA 远程医疗法规的文章”
公司 → 新闻	一份公司名单。查找这些公司的近期新闻，并评估相关性。	“看看这 50 家公司有没有可用作拓展切入点的新闻”
人员 → 新闻	一个人或一份人员名单。查找他们或其所在公司的近期新闻，并评估相关性。	“看看这些潜在客户中有没有人近期上过新闻”

---

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。之后运行时跳过。

ICP 定义

问题	用途	存储为
你的公司是做什么的？（1-2 句话）	匹配相关性	company_description
你解决什么问题？	确定关联切入点	pain_point
你向哪些行业销售？	ICP 筛选	target_industries
目标公司规模如何？	ICP 筛选	target_company_size
目标地理区域有哪些？	ICP 筛选（可选）	target_geographies
有哪些排除条件？	明确排除项	disqualifiers
谁是你的买家？（职务）	查找联系人	buyer_titles
谁是你的拥护者？（职务）	查找联系人	champion_titles
谁是你的用户？（职务）	查找联系人	user_titles

贵公司的上下文

问题	用途	存储为
您的产品能带来哪些具体成果？	构建相关性角度	product_outcomes
列举 2-3 个证明依据（客户、指标）	提升邮件可信度	proof_points
哪些类别的新闻与您的产品最相关？	帮助确定优先级	relevant_news_categories

relevant_news_categories 示例：

# For a cybersecurity product:
relevant_news_categories: ["data breach", "compliance regulation", "security incident",
  "digital transformation", "cloud migration", "IPO/going public"]

# For a sales AI product:
relevant_news_categories: ["sales team scaling", "market expansion", "new product launch",
  "competitor acquisition", "cost cutting", "revenue miss"]

# For an HR tech product:
relevant_news_categories: ["layoffs", "rapid hiring", "remote work policy",
  "DEI initiative", "union activity", "culture crisis"]

信号检测配置

问题	选项	存储为
应如何查找新闻？	网页搜索 / Google News / RSS feeds / 社交媒体	news_tool
应回溯多长时间？（扫描公司新闻时）	7 / 14 / 30 / 60 天	lookback_days

联系人查找与外联配置

问题	选项	存储为
应如何查找联系人？	Apollo / LinkedIn / Clearbit / 网页搜索	contact_tool
您希望将外联发送到哪里？	Smartlead / Instantly / Outreach.io / CSV export	outreach_tool
仅用邮件还是多渠道？	仅邮件 / 邮件 + LinkedIn	outreach_channels

将配置存储在： clients/<client-name>/config/signal-outreach.json 或同等位置。

---

第 1 步：解析与提取

目的： 接收原始新闻输入（无论其形式如何），提取结构化实体（公司、人物）和核心事件。

输入约定

三种模式：

模式 A：新闻 → 公司/人物

news_input: {
  mode: "news_to_targets"
  items: [
    {
      type: "url" | "text" | "structured"
      content: string               # URL to article, raw text, or structured summary
      source: string | null          # "TechCrunch", "LinkedIn post", "user provided", etc.
    }
  ]
}

模式 B：公司 → 新闻

news_input: {
  mode: "targets_to_news"
  companies: [
    {
      name: string
      domain: string
      industry?: string
    }
  ]
  lookback_days: integer
}

模式 C：人物 → 新闻

news_input: {
  mode: "people_to_news"
  people: [
    {
      full_name: string
      company: string
      linkedin_url?: string
    }
  ]
  lookback_days: integer
}

处理流程

模式 A：新闻 → 公司/人物

1. 获取并解析新闻内容：

   • 如果是 URL → 获取页面并提取文章文本
   • 如果是原始文本 → 按原样使用
   • 如果是结构化内容 → 按原样使用

2. 提取实体：

   • 提及的公司（名称、在事件中的角色——主体、受影响方、合作伙伴、竞争对手）
   • 提及的人物（姓名、职衔、公司、在事件中的角色）
   • 核心事件（发生了什么，用一句话概括）
   • 事件类别（监管、收购、合作、产品发布、市场事件、危机、扩张、收缩等）
   • 事件日期
   • 受影响的行业

3. 必要时扩展： 如果新闻暗示受影响公司范围比文中提及的更广：

   • “FDA 对远程医疗出台新规” → 所有远程医疗公司，而不仅是文章中提到的公司
   • “[公司]发生重大数据泄露” → 泄露数据的公司及其竞争对手（可借此获益）
   • “行业报告显示 X 趋势” → 该行业的公司

模式 B：公司 → 新闻

1. 使用配置的 news_tool 搜索每家公司的近期新闻：

   • 网页搜索：在 lookback_days 时间范围内搜索 "{company_name}" AND (news OR announced OR launches OR raises OR expands OR partners)
   • 根据配置中的 relevant_news_categories 筛选结果
   • 对找到的每条新闻提取与模式 A 相同的字段

2. 对结果分组： 公司 → 新闻条目列表，并按与您产品的相关性排序

模式 C：人物 → 新闻

1. 搜索每个人近期的新闻/动态：

   • 网页搜索：在 lookback_days 时间范围内搜索 "{full_name}" AND "{company}"
   • LinkedIn 动态（如有）：近期帖子、分享、评论
   • 查找：晋升、演讲活动、发表的文章、被媒体引用、新项目

2. 对结果分组： 人物 → 新闻条目/动态列表

输出约定

extracted_signals: [
  {
    entity: {
      type: "company" | "person"
      name: string
      company: string               # Company name (same as name if type=company)
      domain: string | null
      role_in_news: string           # "subject", "affected", "partner", "competitor", "mentioned"
    }
    news: {
      headline: string              # One-line summary of what happened
      event_category: string        # "regulation", "acquisition", "expansion", "crisis", etc.
      event_date: string
      full_summary: string          # 2-3 sentence summary
      source_url: string | null
      affected_industries: string[]
    }
  }
]

人工检查点

## Extracted Signals

Source: [news source/input description]
Event: [one-line summary]
Category: [event category]

### Companies/People Extracted
| Entity | Type | Role in News | Industry |
|--------|------|-------------|----------|
| Acme Corp | Company | Subject | Healthcare |
| Jane Doe | Person | Quoted (CEO) | Healthcare |
| HealthTech sector | Industry | Affected | Healthcare |

Also evaluating: X companies in [affected industry] not directly mentioned

Proceed with ICP qualification? (Y/n)

---

第 2 步：根据 ICP 进行筛选

目的： 判断每个提取出的实体是否符合 ICP。剔除不匹配的公司/人物。完全依靠大模型推理——本质上与工具无关。

输入约定

extracted_signals: [...]              # From Step 1 output
icp_criteria: {
  target_industries: string[]
  target_company_size: string
  target_geographies: string[]
  disqualifiers: string[]
}
your_company: {
  description: string
  pain_point: string
}

流程

针对每个实体：

1. 如果实体是一家公司：

   • 根据 target_industries 检查所属行业
   • 估算公司规模（根据新闻背景或快速网络搜索）
   • 检查地理位置（如相关）
   • 根据 disqualifiers 进行检查
   • 结果：通过 / 不通过，并说明理由

2. 如果实体是个人：

   • 确认其所属公司
   • 使用上述相同的 ICP 检查对公司进行资格评估
   • 另外检查：此人的职位是否相关？（是否符合 buyer_titles、champion_titles 或 user_titles）
   • 结果：通过 / 不通过，并说明理由

3. 对于暗示但未明确提及的实体（例如，监管新闻中提到的“所有远程医疗公司”）：

   • 使用网络搜索或现有公司名单，找出受影响领域中的具体公司
   • 根据 ICP 对每家公司进行资格评估
   • 此步骤可能会发现现有线索列表中尚未包含的新公司

输出约定

icp_qualified: [
  {
    entity: { ... }                   # From Step 1
    news: { ... }                     # From Step 1
    icp_assessment: {
      fit: "strong" | "moderate"
      industry_match: boolean
      size_match: boolean | "unknown"
      reasoning: string               # Why they're a fit
    }
  }
]
icp_disqualified: [
  {
    entity_name: string
    reason: string
  }
]

人工检查点

## ICP Qualification

### Qualified (X entities)
| Entity | Type | Industry | Size | ICP Fit | Reasoning |
|--------|------|----------|------|---------|-----------|
| Acme Corp | Company | Healthcare SaaS | ~200 | Strong | Core ICP industry, right size |
| MedTech Inc | Company | HealthTech | ~500 | Moderate | Adjacent industry, large |

### Disqualified (X entities)
| Entity | Reason |
|--------|--------|
| BigPharma Co | Enterprise (50K+ employees) — above target size |

Approve qualified list?

---

第 3 步：确定关联角度

**目的：**这是关键的思考步骤。对于每个符合 ICP 的实体，确定新闻事件与产品之间的具体关联。为什么这条新闻会让他们现在就需要你的产品？仅依靠大模型推理——本质上与工具无关。

输入约定

icp_qualified: [...]                  # From Step 2 output
your_company: {
  description: string
  pain_point: string
  product_outcomes: string[]
  proof_points: string[]
  relevant_news_categories: string[]
}

流程

对于每个符合条件的实体，回答三个问题：

问题 1：“为什么这条新闻会让他们急需我们的产品？”

将新闻事件类别与产品相关性模式对应起来：

事件类别	如何带来紧迫性	示例
法规变化	他们需要合规，而你的产品能帮助他们合规或更快适应	“新的数据隐私法 → 他们需要在执法日期前使用[你的合规工具]”
收购 / 合并	系统需要集成，流程需要标准化，新领导层会评估技术栈	“收购了一家公司 → 需要统一[你的产品所处理的职能]”
市场扩张	新市场意味着新挑战，需要可扩展的工具	“拓展至 EMEA → 需要[你的产品]来支持本地化的[职能]”
产品发布	扩大规模意味着扩大运营	“推出企业版 → 需要[你的产品]来处理企业级[职能]”
竞争压力	竞争对手采取了行动，他们需要应对	“竞争对手推出了[X] → 他们需要提升[你的产品所针对的领域]”
削减成本 / 裁员	以更少资源完成更多工作，自动化变得至关重要	“裁减了 15% 的员工 → 需要[你的产品]，以便用更小的团队维持产出”
危机 / 事故	应急采购——他们现在就需要解决方案	“数据泄露 → 急需[你的安全产品]”
合作伙伴关系	新合作伙伴意味着新工作流和新机遇	“与[公司]建立合作伙伴关系 → 需要[你的产品]来支持集成”
业绩 / 增长	业绩超预期会带来扩张挑战；业绩不佳则会带来效率压力	“收入增长了 3 倍 → [你的产品所处理的职能]无法再靠人工跟上”
行业趋势 / 报告	市场对该类别的关注度很高，他们正在考虑这个问题	“行业报告指出[趋势] → 他们很可能正在评估这一领域的解决方案”
个人层面的新闻	发布了文章、在会议上发言，或在 LinkedIn 上发布了与你能解决的问题相关的内容	“发布了关于[痛点]的内容 → 他们正在积极考虑这个问题”

问题 2：“具体的关联角度是什么？”

用一句话阐明关联：

"Because [news event], [company] now needs [specific outcome your product delivers]."

示例：

• “由于 Acme 刚收购了 BetaCo，他们需要统一两套独立的 CRM 系统——而这正是[产品]能在 30 天内完成的事。”
• “由于新的 HIPAA 修正案将在第 3 季度生效，[公司]需要审计其数据处理方式——[产品]可以自动完成这项工作。”
• “由于[个人]刚发布内容谈到自己在[痛点]上遇到的困难，他们正在积极寻找解决方案——[产品]正好能解决这个问题。”

问题 3：“这种关联有多强？”

强度	标准	示例
直接	新闻明确描述了你的产品可以解决的问题	你的产品所在部门裁员 → 他们需要自动化
相邻	新闻暗示了你的产品可以满足的后续需求	拓展市场 → 意味着需要扩大规模，进而意味着需要你的工具
主题相关	新闻与产品领域属于同一类别	关于你所在趋势的行业报告 → 提升认知

输出约定

connection_angles: [
  {
    entity: { ... }
    news: { ... }
    icp_assessment: { ... }
    connection: {
      urgency_reason: string          # Why this news creates urgency
      specific_angle: string          # One-sentence connection
      connection_strength: "direct" | "adjacent" | "thematic"
      timing_note: string             # How time-sensitive this outreach is
      recommended_framework: string   # Which email framework fits best
    }
  }
]

根据关联强度选择框架

关联强度	推荐框架	原因
直接	Signal-Proof-Ask	新闻本身就是切入点——直接提及新闻，展示证据并提出请求
相邻	PAS	问题（新闻暗示的问题）→ 激化（如果他们不采取行动会发生什么）→ 解决
主题相关	AIDA	注意（提及新闻）→ 兴趣（说明与对方的关联）→ 欲望（你的产品）→ 行动

人工检查点

## Connection Angles

### Direct Connections (X entities) — Act quickly
| Entity | News | Angle | Timing |
|--------|------|-------|--------|
| Acme Corp | Acquired BetaCo | "Need to unify CRM systems — [product] does this in 30 days" | This week (integration planning starts immediately) |

### Adjacent Connections (X entities)
| Entity | News | Angle | Timing |
|--------|------|-------|--------|
| MedTech Inc | Expanding to EMEA | "Localized [function] becomes a requirement — [product] supports 15 languages" | This month |

### Thematic Connections (X entities)
| Entity | News | Angle | Timing |
|--------|------|-------|--------|
| HealthCo | Industry report on [trend] | "They're likely evaluating [category] solutions" | Flexible |

Approve these angles before we find contacts?

---

第 4 步：寻找相关人员

目的： 为每个已确认且具有关联切入点的实体，找到合适的联系人。

输入约定

connection_angles: [...]              # From Step 3 output
buyer_titles: string[]                # From config
champion_titles: string[]             # From config
user_titles: string[]                 # From config
max_contacts_per_company: integer     # Default: 3-5

流程

1. 如果实体本身就是一个人（模式 C 或新闻中提及的人）：

   • 此人是主要联系人。仍需在其公司中再寻找 1–2 位联系人（如果此人是支持者，则找买方；如果此人是买方，则找支持者），以便多线联系。

2. 如果实体是一家公司：

   • 使用配置的 contact_tool 查找符合 buyer_titles、champion_titles、user_titles 的人员
   • 优先联系职位与新闻事件最相关的人员：

   新闻类别	优先联系这些人员
   监管 / 合规	法务、合规、运营管理层
   收购 / 合并	COO、CTO、运营副总裁、整合负责人
   市场拓展	销售副总裁、营销副总裁、国家 / 区域负责人
   削减成本 / 裁员	COO、CFO、运营副总裁
   产品发布	CTO、产品副总裁、工程副总裁
   危机 / 事件	CISO、工程副总裁、CTO（负责安全）、CEO / COO（负责运营）
   整体增长	默认使用配置中的 buyer_titles

3. 记录每位联系人与新闻的相关性：

   • 他们是否直接受到新闻影响？（所在部门、职能）
   • 他们是否是针对这则新闻采取应对措施的决策者？
   • 这则新闻引发的影响是否会由他们切身感受到？

输出约定

contacts: [
  {
    person: {
      full_name: string
      first_name: string
      last_name: string
      title: string
      email: string | null
      linkedin_url: string | null
      role_type: "buyer" | "champion" | "user"
      news_relevance: string         # Why THIS person for THIS news
    }
    company: {
      name: string
      domain: string
    }
    connection: {
      specific_angle: string
      connection_strength: string
      urgency_reason: string
    }
    news: {
      headline: string
      event_category: string
      source_url: string | null
    }
  }
]

人工检查点

## Contacts Found

### Acme Corp — "Acquired BetaCo" (Direct connection)
| Name | Title | Role | Why This Person |
|------|-------|------|----------------|
| Sarah Kim | COO | Buyer | Owns post-acquisition integration |
| David Park | VP Operations | Champion | Will manage unified workflows |
| Amy Chen | Director of Sales Ops | User | Directly affected by CRM unification |

### MedTech Inc — "Expanding to EMEA" (Adjacent connection)
| ... |

Total: X contacts across Y companies

Approve before we draft emails?

---

第 5 步：撰写个性化外联内容

目的： 撰写外联内容，以新闻事件为切入点、以你的产品为解决方案，并在邮件中展现你了解对方的具体情况。纯大模型推理，不依赖特定工具。

输入约定

contacts: [...]                       # From Step 4 output
your_company: {
  description: string
  pain_point: string
  product_outcomes: string[]
  proof_points: string[]
}
sequence_config: {
  touches: integer                    # Default: 3
  timing: integer[]                   # Default varies by connection strength (see below)
  tone: string                       # Default: "casual-direct"
  cta: string                       # Default: "15-min call"
}

流程

1. 根据关联强度调整序列时间安排：

   强度	时间安排	原因
   Direct	第 1 / 3 / 7 天	紧迫性确实存在——他们正在积极处理此事
   Adjacent	第 1 / 5 / 12 天	标准安排——紧迫性是隐含的，并非迫在眉睫
   Thematic	第 1 / 7 / 14 天	节奏较慢——这是提高认知，而不是应对危机

2. 围绕新闻撰写邮件，而非围绕产品：

   新闻是主题。你的产品是点睛之笔。切勿以产品开头。

   要素	来源	使用方式
   新闻切入点	第 1 步 news.headline	以事件开头——表明你了解情况
   对他们的影响	第 3 步 connection.urgency_reason	解释这对他们的具体角色意味着什么
   你的切入角度	第 3 步 connection.specific_angle	自然地将话题引向你的产品
   佐证	配置 proof_points	展示一位遇到类似情况的同行
   行动号召	配置	低门槛的请求

3. 根据关联强度选择邮件结构：

   直接关联（Signal-Proof-Ask）：

   Hook: Reference the specific news event
   Impact: What this means for them (1 sentence)
   Proof: A peer who faced the same situation and used your product
   Ask: Soft CTA
   

   间接关联（PAS）：

   Problem: The downstream challenge the news creates
   Agitate: What happens if they don't address it (1 sentence)
   Solve: How your product helps, with a proof point
   Ask: Soft CTA
   

   主题关联（AIDA）：

   Attention: Reference the news/trend
   Interest: How it relates to their company specifically
   Desire: What your product does in this context
   Action: Soft CTA
   

4. 个性化层次：

   层次	个性化内容	来源
   新闻提及	具体事件及其相关性	第 1 步新闻数据
   公司背景	他们公司的业务、所属行业及其处境	第 2 步 ICP 研究
   职位背景	为什么此人会关注这条新闻	第 4 步 news_relevance
   你的公司契合度	你的产品如何针对这一情境提供帮助	第 3 步关联角度

5. 严格遵守 email-drafting 技能的规则。 此外：

   • 切勿渲染负面新闻。 如果信号涉及裁员、数据泄露或危机，应表达同理心，而不是趁机推销。说“我知道这段时间并不容易”，而不是“你们裁员了，所以需要我们的工具！”
   • 不要假装自己只是偶然看到这条新闻。 直接说：“看到有关 [event] 的消息”，不要说“我偶然读到一篇有趣的文章。”
   • 如果新闻涉及危机，联系前请等待 48-72 小时。 危机期间立即联系会显得趁火打劫。

输出约定

email_sequences: [
  {
    contact: { full_name, email, title, company_name, role_type, news_relevance }
    news_context: { headline, event_category, source_url }
    connection: { specific_angle, connection_strength }
    sequence: [
      {
        touch_number: integer
        send_day: integer
        subject: string
        body: string
        framework: string
        personalization_elements: {
          news_reference: string       # How the news was referenced
          company_context: string      # How their company situation was used
          role_context: string         # How their specific role was leveraged
          product_connection: string   # How the product was positioned
        }
        word_count: integer
      }
    ]
  }
]

人工检查点

按关联强度分组展示示例：

## Sample Outreach for Review

### Direct Connection: Sarah Kim, COO @ Acme Corp
News: Acme acquired BetaCo | Angle: CRM unification | Framework: Signal-Proof-Ask

**Touch 1 — Day 1**
Subject: Unifying Acme + BetaCo systems
> Hi Sarah — saw the BetaCo acquisition. Congrats. The integration
> sprint typically surfaces a CRM unification challenge fast —
> two systems, overlapping data, different workflows.
>
> [Peer company] faced the same thing after their acquisition last year.
> [Product] had both systems unified in 30 days. Happy to share how.
>
> Worth a 15-minute call?

**Touch 2 — Day 3**
> [New angle — data migration complexity, with a specific metric]

**Touch 3 — Day 7**
> [Breakup with offer to share the integration playbook]

---

### Adjacent Connection: Dr. Lee, VP Product @ MedTech Inc
News: EMEA expansion | Angle: Localization needs | Framework: PAS

**Touch 1 — Day 1**
Subject: EMEA expansion + [function] localization
> [full email]

---

Approve these samples? I'll generate the rest in the same style.

---

第 6 步：移交给外联

与其他信号组合流程相同。将联系人和邮件序列打包，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
}

人工检查点

## Campaign Ready

Tool: [configured tool]
Signal type: News-triggered
News event: [headline]
Connection strengths: X direct, Y adjacent, Z thematic
Contacts: N people across M companies
Sequence: 3 touches (timing varies by connection strength)

Ready to launch?

---

执行摘要

步骤	工具依赖	人工检查点	典型耗时
0. 配置	无	仅首次运行	5 分钟（一次性）
1. 解析并提取	网页抓取（针对 URL）或无（针对文本）	审核提取出的实体	2-3 分钟
2. 筛选 ICP	网页搜索（用于公司研究）	批准合格名单	2-3 分钟
3. 关联角度	无（大模型推理）	批准角度和强度评级	3-5 分钟
4. 查找联系人	可配置（Apollo、LinkedIn 等）	批准联系人名单	2-3 分钟
5. 起草邮件	无（大模型推理）	审阅示例并迭代	5-10 分钟
6. 移交	可配置（Smartlead、CSV 等）	最终启动审批	1 分钟

人工审核总耗时：约 15-25 分钟

---

与其他信号组合的主要区别

维度	结构化信号（融资、招聘等）	新闻信号
信号类型	预定义、范围狭窄	任意、范围广泛——任何事件都可能成为触发因素
检测方式	定向搜索（招聘网站、融资数据库）	开放式搜索（任何新闻来源）
额外步骤	—	步骤 3：识别关联切入点。其他组合的关联显而易见（融资 = 有钱可花）。新闻则需要明确推理，说明这一事件为何与您的产品相关。
输入模式	输入公司 → 输出信号	三种模式：新闻→公司、公司→新闻、人物→新闻
时机	时间窗口可预测（融资后、招聘前）	因事件类型而异——危机事件 = 延迟 48 小时，趋势事件 = 时间灵活
敏感度	通常为正面（融资、招聘、增长）	可能为负面（裁员、危机、失败）。需要把握共情尺度。

---

敏感度指南

某些新闻事件需要谨慎把握语气：

事件类型	语气	切勿这样做
裁员	表达同理心。“我知道这段时间很艰难。”	别说“你们裁员了，所以需要我们！”
数据泄露／安全事件	提供帮助，而非推销。“如果你需要 [具体事项] 方面的帮助……”	别落井下石或归咎于对方。当天不要联系。
业绩未达预期／收入下降	聚焦效率。“用现有资源做更多的事。”	别在主题行中直接提及业绩未达预期。
高管离职／CEO 被解雇	完全避开风波。聚焦新领导者或公司的发展方向。	除非离职消息已公开且双方友好，否则不要提及。
诉讼／法律纠纷	通常应避免，除非你的产品能直接帮助处理合规或法律事务。	别提及诉讼。这会显得像是在趁火打劫。
产品故障／召回	只有在你能提供直接解决方案时才联系。	别幸灾乐祸或拿来比较。

经验法则： 如果你不会在会议上面对面提起某件事，就不要把它写进冷邮件。

---

提示

• 直接关联少见，但效果显著。 大多数新闻产生的是相邻或主题关联。找到直接关联时，优先处理——这类关联的转化率是其他关联的 2–3 倍。
• 直接关联讲究速度。 第一个提及相关新闻事件的供应商会显得消息灵通。第五个则会让人觉得他们在照搬同一套话术。
• 不要强行建立薄弱关联。 如果你无法用一句话说清切入点，说明关联太弱。放弃它。
• 竞争对手的新闻价值很高。 如果竞争对手获得融资、被收购、遭遇安全漏洞或推出产品，他们的客户和潜在客户就会突然更愿意展开交流。
• 负面新闻需要冷静期，等待 48–72 小时。 在裁员或数据泄露当天联系对方，会显得像是在趁人之危。稍作等待，再以共情开场。
• 行业报告和趋势文章是很好的主题触发因素。 “Gartner 刚发布了关于 [类别] 的报告——以下是这对 [公司] 的意义”会让你显得深思熟虑，而非临时应对。
• 与其他信号组合搭配使用。 新闻中常包含其他信号：收购报道提到收购方正在招聘 50 人（招聘信号）、任命了新 CEO（领导层变动信号），或公司刚获得融资（融资信号）。将这些信号转交给相应的专业组合，以开展更有效的外联。