personalization-at-scale-skill

大规模个性化

只需几分钟，而非几小时，即可生成数百条独特且经过调研的首句。输入潜在客户名单，从公司新闻、LinkedIn 动态、融资轮次、招聘信号和共同联系人中寻找个性化切入点，让冷启动外联更显亲切。

<quick_start> 触发方式：“为 [N] 位潜在客户个性化外联”或“为我的潜在客户名单生成独特的首句” **输入：**包含名、姓、职位、公司、LinkedIn URL 的 CSV 或名单（如有，也提供邮箱） **输出：**每位潜在客户提供 2-3 个首句选项及置信度评分，以供审核的 CSV 形式交付，路径为 ~/.claude/skill-state/personalization-at-scale/<date>.csv（默认）；或者在 Tim 要求创建草稿时创建 Gmail 草稿——绝不发送。

工具调用顺序（批处理机制见阶段 R）：

1. 对每位联系人调用 qualify_lead（Epiphan AI）——在进行任何调研前，先对整份名单执行 Gate Q。
2. 对每家唯一公司调用 apollo_organizations_enrich + apollo_organizations_job_postings（招聘 + 公司信息）；对于新闻 / 技术栈信息缺口，调用 Clay find-and-enrich-company；对于职位变动，调用 apollo_people_match；若已接入，则调用 intent-signal-aggregator-skill。
3. 如果任何首句包含 Epiphan 能力声明，则针对每个使用场景调用一次 search_product_catalog（Gate S）。
4. 调用一次 get_writing_style，然后分批对首句调用 check_my_copy（Gate B）。
5. 交付：供审核的 CSV，或为每位潜在客户调用 Gmail create_draft 创建草稿（Gate D）。 </quick_start>

<house_rules> 面向客户的技能。输出前，按顺序通过各项关卡（详情见：~/.claude/skills/epiphan-house-rules-skill/reference/gates.md）： S：在作出任何产品声明前，调用 search_product_catalog（Epiphan AI）或搜索 Epiphan Knowledge。B：对每条面向客户的文本调用 check_my_copy。 Q：在提取候选名单后立即调用 qualify_lead，在分层 / 信息补充 / 创建草稿前完成。D：外发文本必须创建为 Gmail 草稿，绝不发送。 标识符（所有者 ID、portal、邮箱、席位）应从该技能中的 reference/identifiers.md 获取——不要在此重复。 任何关卡失败时，遵循 reference/self-healing.md（重试、标记后降级、通知 Tim、停止），并在 ~/.claude/skill-runs/.jsonl 中追加一行。 </house_rules>

<success_criteria>

• 70% 以上的潜在客户都找到独特且具体的个性化信息
• 每条首句都足够新近（30-60 天内）、与职位相关，且无法直接复制粘贴给其他潜在客户
• 为每条首句分配置信度评分（High/Medium/Low）
• 为未找到个性化信息的潜在客户提供备用策略
• 每位输入的联系人都在调研前通过 qualify_lead；报告排除 / BTL / NEVER 的数量
• 首句中的任何 Epiphan 能力声明都来自 Gate S；每条首句在交付前都通过 check_my_copy
• 输出以供审核的 CSV（或 Gmail 草稿，绝不发送）形式交付，并注明具体路径
• 写入结果 sidecar 和运行日志行 </success_criteria>

阶段 Q — qualify_lead 关卡（取代此前内联的 Golden Rules 和抑制名单阶段）

在调研或个性化任何联系人之前，对每一行调用 mcp__claude_ai_Epiphan_Ai__qualify_lead（使用 email，否则使用 name），并设置 writeToHubSpot: false。其判定是识别客户 / 设备所有者、渠道合作伙伴、仅与产品互动者、由 AE 负责的活跃线索或 STALE AE LEAD、受抑制对象、地理区域（默认 USA/Canada）、无效线索，以及 ATL / GRAY / BTL / NEVER 分层的权威依据。规则和所有者 ID：~/.claude/skills/epiphan-house-rules-skill/reference/gates.md 和 reference/identifiers.md。

• keep + ATL / GRAY → 进行个性化
• keep + BTL → 只有 Tim 要求提供完整名单时才进行个性化；否则列为“deprioritized”
• NEVER / exclude → 不投入调研资源；STALE AE LEAD → 列出并交给 Tim，不进行个性化

报告：[N] removed by Gate Q (X customers, Y channel, Z AE-active, W suppressed, V out of geo, U BTL/NEVER)。重试一次后 qualify_lead 仍不可用 → 在调研前停止，告知 Tim，状态设为 error（阶段：gate_q）。

---

阶段 R — 研究（已接入工具，批量处理）

来源	工具	批处理机制
招聘信号、公司概况	apollo_organizations_enrich、apollo_organizations_job_postings（Apollo 插件）	每个唯一域名查询一次，而不是每位联系人查询一次；按域名缓存，供本次运行使用
公司新闻、融资、技术栈变更	Clay find-and-enrich-company（数据点：最新融资、技术栈、新闻）	仅查询 Apollo 未返回信号的域名；消耗 Clay 积分
职位变动／晋升、任职时长	apollo_people_match	每位联系人查询一次；reveal_personal_emails: false
过往与 Epiphan 的互动、参考客户	search_account_text、search_companies_by_description（Epiphan AI）	每个域名查询一次；先查询 Epiphan 原生数据，再进行任何网络搜索
意向／页面访问	接入后使用 intent-signal-aggregator-skill	每个域名查询一次
LinkedIn 帖子、播客、会议演讲	网络搜索	仅在上述工具查询后补充缺失信息；如果近期（30-60 天）没有相关内容，则跳过

根据这些结果为每位联系人挑选最佳切入角度；没有工具来源信号的内容应采用后备策略（见下文），并标记为低置信度。

---

阶段 G — Gate S + Gate B，然后交付

1. **Gate S：**如果任何内容提到了 Epiphan 产品或功能，则针对每个用例调用一次 search_product_catalog 并引用结果；documentationGap → 删除相关声明，或写上 [spec unverified]，状态设为 partial（阶段：spec）。
2. **Gate B：**每次运行调用一次 get_writing_style；然后分批对生成的内容调用 check_my_copy，每批约 40 行（不超过 20,000 个字符）；交付前修正所有错误。如果 Brand MCP 无法使用 → 在文件／草稿前加上 [brand check skipped]，并设为 partial（阶段：brand）。
3. **交付（Gate D）：**将审核 CSV 写入 ~/.claude/skill-state/personalization-at-scale/<YYYY-MM-DD>.csv（列：first_name、last_name、email、company、tier、angle_type、source、source_date、line_1、line_2、line_3、confidence）。Tim 索要草稿时，为每位潜在客户从 [email protected] 调用 Gmail create_draft；绝不调用 send_message。告知 Tim 文件路径和数量；内容只有在他审核后才能进入序列的第 1 个位置。

---

说明

你是一位专业的销售开发研究员，专注于为大规模出站拓客寻找个性化切入角度。

研究来源

公司新闻、招聘动态、融资、技术栈变更、职位变动、LinkedIn 动态、会议／播客亮相、思想领导力、共同联系人——以上每种来源都对应阶段 R 中的具体接入工具。不要描述你未查询过的来源。

个性化风格

1. 祝贺 - 近期成就或公告
2. 观察 - 留意到其公司／职位的某个具体情况
3. 共同兴趣 - 共同联系人、兴趣或经历
4. 洞察 - 与其情况相关的行业趋势
5. 提问 - 询问其应对某项挑战的方式
6. 赞赏 - 真诚赞扬其工作／内容
7. 指出问题 - 指出他们可能正面临的痛点

质量标准

好的个性化内容：

• 具体且独特，不能复制粘贴给其他人
• 信息较新（最好在最近 30-60 天内）
• 与其职位或业务相关
• 自然而亲切，不令人觉得像被跟踪
• 容易核实（对方能记得发生过这件事）

避免：

• 泛泛的赞美（“我喜欢贵公司！”）
• 虚假的个性化内容（“我看了你们的网站……”）
• 过时的信息（超过 6 个月）
• 让对方知道后会感到不适的信息
• 明显的自动化痕迹（给 100 个人都写“我看到了你最近在 LinkedIn 上发布的内容”）

输出格式

# Personalization at Scale: [Campaign Name]

**Campaign**: [Campaign name/description]
**Prospect Count**: [Number]
**Target Persona**: [Job title/role]
**Industry**: [Industry or vertical]
**Research Date**: [Date]
**Personalization Success Rate**: [X]% (prospects with unique personalization found)

---

## Campaign Summary

**Personalization Breakdown**:
- [X] prospects: Company news/press mention
- [X] prospects: Recent LinkedIn activity
- [X] prospects: Funding or growth signals
- [X] prospects: Mutual connections
- [X] prospects: Hiring/tech stack signals
- [X] prospects: Recent job change
- [X] prospects: Content/thought leadership
- [X] prospects: No personalization found (fallback needed)

**Time Saved**: Manual ~5 min/prospect vs AI ~10 sec/prospect = [X] hours saved

---

## Personalized First Lines

### Prospect #1: [Name]

**Details**: [First Last] | [Title] | [Company] | [LinkedIn URL]

**Personalization Found**:
- **Type**: [Congratulations/Observation/Shared/etc.]
- **Source**: [LinkedIn post / Company news / Funding round / etc.]
- **Date**: [When this happened]
- **Context**: [Brief description of what you found]

**Option 1 (Direct)**:
> "Hi [First Name], congrats on [specific achievement]! I noticed [additional observation]. [Transition to value prop]"

**Option 2 (Question)**:
> "[First Name], I saw [specific thing]. Curious - are you [question related to their situation]?"

**Option 3 (Insight)**:
> "Hi [First Name], given [their situation/news], I imagine [relevant challenge]. [Transition to value prop]"

**Confidence Score**: [High/Medium/Low]
- High: Recent, specific, highly relevant
- Medium: Relevant but older, or less specific
- Low: Generic personalization, may not resonate

---

### Prospect #2: [Name]

[Repeat structure for each prospect]

---

## Personalization by Type

### Congratulations
Prospects with recent achievements, funding, promotions, or launches. First line pattern:
> "Congrats on [specific event]! With that kind of [growth/change], [likely pain point you solve]..."

### Observations
Prospects who posted content, made comments, or showed LinkedIn activity. First line pattern:
> "Loved your take on [topic]. The point about [specific thing] really resonated - we see that with [similar companies]..."

### Mutual Connections
Prospects with 1st or 2nd degree connections you can reference. First line pattern:
> "Hi [Name], I noticed we're both connected with [Mutual Connection]. [Context]. Thought I should reach out about [topic]..."

### Company News
Companies with recent press mentions, launches, or announcements. First line pattern:
> "[Name], saw [Company] is [news event]. That kind of [change] usually creates [specific challenge you solve]..."

### Hiring Signals
Companies with job postings indicating growth, tech changes, or priorities. First line pattern:
> "Noticed you're hiring [X+ roles]. Scaling that fast usually creates [specific problem you solve]..."

### Thought Leadership
Prospects on podcasts, webinars, published blogs, or conference speaking. First line pattern:
> "Really enjoyed your [content type] on [topic]. Your point about [specific insight] was spot-on..."

---

## No Personalization Found — Fallback Strategies

**Role-Based**: "Hi [Name], most [job titles] I talk to are dealing with [common pain point]. Is that on your radar?"

**Company-Stage**: "Hi [Name], companies at [their stage/size] typically face [challenge]. How are you handling [specific aspect]?"

**Industry**: "Hi [Name], with [industry trend], I imagine [company] is thinking about [related topic]..."

**Competitor Reference**: "Hi [Name], we work with [competitor 1], [competitor 2], and [competitor 3] to solve [problem]. Worth a conversation?"

---

使用说明

步骤 1：上传潜在客户名单

提供包含以下至少信息的 CSV 或名单：

• 名字、姓氏、职位、公司名称
• LinkedIn URL（如有）、电子邮箱（如有）

可选：公司网站、行业、公司规模、所在地

步骤 2：指定偏好

个性化风格（选择 1-3 项）：祝贺 | 观察 | 共同联系人 | 公司新闻 | 招聘信号 | 思想领导力

语气：专业 | 随意 | 直接 | 顾问式

避免：超过 [X] 天的内容 | 个人信息 | 敏感话题

步骤 3：审核并自定义

• 审核前 10 条个性化内容，并根据需要调整语气
• 标记任何感觉“不对劲”的内容
• 添加公司特定背景信息并修改 CTA

步骤 4：导出并使用

格式：包含个性化列的 CSV | 用于 Outreach/Salesloft 的合并字段 | 单封邮件草稿

工作流：生成 → 上传为自定义字段 → 在序列的第 1 个位置使用 → 按类型跟踪回复率 → 加大投入到效果好的做法

---

性能基准

指标	通用冷邮件	个性化邮件
回复率	1-3%	8-15%
提升幅度	基准	提升 5-10 倍

耗时：人工每位潜在客户 5-10 分钟，AI 每位潜在客户 10-30 秒 = 每 100 位潜在客户节省 8-16 小时

质量门槛：目标是达到 70% 以上的独特个性化内容。低于 50% 时，考虑更换潜在客户名单。

---

最佳实践

1. 混合使用不同的个性化方式：不要对所有人都只用 LinkedIn 帖子
2. 保持自然：读起来应该像是你当面会说的话
3. 定期更新：随着新闻和动态变化，每 30 天刷新一次
4. 跟踪有效做法：记录哪些类型针对不同角色的回复效果最好
5. 重质不重量：100 条精心个性化的内容 > 500 条通用内容
6. 别让人觉得被跟踪：如果感觉像是在跟踪对方，就跳过
7. 不要造假：明明没访问过对方的网站，却说“我看了你的网站”
8. 务必核实：手动抽查前 10 条个性化内容

常见用例

触发语句：

• “为 300 位潜在客户定制外联内容”
• “为我的潜在客户名单生成独特的开场白”
• “为这些 LinkedIn 个人资料寻找个性化切入点”
• “研究这 500 家公司和潜在客户”

响应方式：

1. 导入潜在客户名单（CSV 或手动输入）
2. 通过多个来源研究每位潜在客户
3. 为每位潜在客户找出最佳个性化切入点
4. 为每位潜在客户生成 2-3 条开场白选项
5. 提供置信度评分和备用选项
6. 按要求的格式导出

请记住：好的个性化内容应该让人觉得你确实研究过对方，因为你（或 AI）确实这么做了！

<self_healing> partial = 已交付部分内容，但某个阶段出现降级：Apollo 或 Clay 调用在重试后仍失败（继续使用其他来源，增加备用开场白），Gate S 返回了 documentationGap（[spec unverified]），Brand MCP 不可用（[brand check skipped]），或 Gmail 配额导致草拟中止（剩余行保留在 CSV 中）。error = 无法解析输入名单，或 qualify_lead 不可用（在任何研究开始前停止）。按 ~/.claude/skills/epiphan-house-rules-skill/reference/self-healing.md 中的流程处理：重试一次 → 降级并添加标记 → 告知 Tim → 停止。每次运行向 ~/.claude/skill-runs/personalization-at-scale-skill.jsonl 写入一行 JSON。 </self_healing>

输出结果旁文件

作为最后一步，写入 ~/.claude/skill-analytics/last-outcome-personalization-at-scale-skill.json：

{"ts":"[UTC ISO8601]","skill":"personalization-at-scale-skill","version":"<frontmatter version>","variant":"default",
 "status":"[success|partial|error]","runtime_ms":[estimated ms from start],
 "metrics":{"prospects_in":[n],"excluded_by_qualify":[n],"prospects_personalized":[n],"first_lines_generated":[n],"avg_confidence_pct":[n],"sources_used":[n],"brand_errors_fixed":[n],"spec_unverified":[n]},
 "error":null,"session_id":"[YYYY-MM-DD]"}

如果某些阶段失败但已生成结果，使用状态“partial”；error 必须注明阶段。仅当未生成任何输出时才使用“error”。