mcpField
O
outbound-prospecting-engine

outbound-prospecting-engine

github.com/gooseworks-ai营销与增长1.3k53 次安装3 天前更新
代码仓库

关于 outbound-prospecting-engine

面向营销团队的外呼拓客 Skill,将意向信号、线索筛选、联系人查找、个性化触达和活动监测串成流程,并设有人为审核节点。

主要功能

  1. 01选择信号来源
  2. 02线索筛选与评分
  3. 03查找决策者联系人
  4. 04联系人去重
  5. 05生成个性化邮件序列
  6. 06监测并迭代营销活动

适用场景

  1. 01根据购买信号建立潜在线索名单
  2. 02按 ICP 优先排序目标公司
  3. 03准备个性化冷邮件活动
  4. 04审核并优化持续进行的外联

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 outbound-prospecting-engine

安装后在 Claude Code 中输入/outbound-prospecting-engine确认已加载。

附带文件skill.meta.json

详细介绍

外向式客户开发引擎

构建并运行一套完整的外向式客户开发系统:信号检测 → 公司研究 → 联系人查找 → 个性化定制 → 发起营销活动。

适用场景

  • “为 [client] 设置外向式客户开发”
  • “构建一个面向 [ICP] 的潜在客户开发引擎”
  • “查找并联系需要 [solution] 的公司”

前提条件

  • 包含 ICP、价值主张和定位信息的客户 context.md
  • 信号关键词(要监测哪些意向)
  • 已批准的消息内容 / 电子邮件序列(或生成这些内容)

步骤

1. 定义信号来源

根据客户的 ICP 和开发方式,选择要监测的信号:

信号来源最适合的场景技能
招聘信息有已分配预算的公司job-posting-intent
融资公告获得新资金的公司funding-signal-monitor
LinkedIn 帖子/评论正在讨论相关问题的从业者linkedin-post-research + linkedin-commenter-extractor
会议参会者积极关注该领域的人士luma-event-attendees
竞争对手的客户已在购买类似解决方案的公司competitor-post-engagers
2. 运行信号检测

使用客户专属关键词执行所选的信号技能。并行运行。

输出:原始信号列表——公司 + 信号背景。

3. 筛选并评分

技能:lead-qualification

根据 ICP 标准筛选。为每条潜在客户线索评分:

  • 多信号线索 = 最高优先级
  • 招聘信息 + 融资 = 最强意向
  • 单次社交媒体提及 = 最低(仅表示认知)
4. 查找决策者联系人

技能:company-contact-finder

针对筛选出的顶级公司,查找具体的决策者:

  • 根据客户的 ICP 确定目标职位
  • 获取电子邮件地址和 LinkedIn 个人资料 URL
5. 去重

技能:contact-cache

将所有线索与联系人缓存进行比对。将新线索加入缓存。跳过此前已联系过的线索。

6. 个性化外联内容

针对每条线索,生成个性化电子邮件序列,使用以下信息:

  • 发现该线索的信号(“为什么是现在”)
  • 其公司背景(业务内容、痛点)
  • 客户的价值主张(如何解决其痛点)
7. 发起营销活动

技能:cold-email-outreach

在所选工具中设置外联营销活动:

  • 创建营销活动并设置名称和日程
  • 上传潜在客户名单
  • 配置包含 2-3 封邮件的序列(按线索或细分群体个性化)
  • 分配邮箱
  • 设置发送日程
8. 监控并迭代
  • 跟踪打开率、回复率和会议预约情况
  • 对邮件主题和消息内容进行 A/B 测试
  • 每周重新运行信号检测,添加新线索
  • 根据结果更新联系人缓存

持续执行频率

  • 每周:重新运行信号检测,筛选新线索,并将其加入营销活动
  • 每两周:查看营销活动指标,调整消息内容
  • 每月:查看整体销售管道贡献,调整信号来源

人工检查点

  • 步骤 3 之后:在查找联系人之前,检查筛选后的潜在客户名单
  • 步骤 6 之后:在发起营销活动之前,检查个性化电子邮件内容
  • 步骤 8 之后:检查营销活动效果指标

评论

支持 Markdown