mcpField
P
prospect-panel-simulator

prospect-panel-simulator

github.com/onewave-ai营销与增长393146 次安装1 周前更新
代码仓库

关于 prospect-panel-simulator

模拟潜在客户审阅销售与营销材料的技能，通过不同角色的反应发现异议和可能行动。适用于外联或发布前的内容测试，可基于可用交易数据构建角色，并保持连接只读。

主要功能

  1. 01测试邮件、演示文稿、页面和提案
  2. 02模拟持怀疑态度的采购角色
  3. 03评估浏览、异议与信任感
  4. 04估计潜在客户行动和回应信号
  5. 05保持连接数据只读

适用场景

  1. 01发送前检查冷邮件
  2. 02发现定价页面的阻碍点
  3. 03按采购角色测试演示文稿
  4. 04依据角色异议修改文案

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 prospect-panel-simulator

安装后在 Claude Code 中输入/prospect-panel-simulator确认已加载。

详细介绍

潜在客户小组模拟器

发送邮件、演示幻灯片或发布定价页面之前，先让真正会收到它的人过目。这项技能会模拟一组真实的潜在客户，并以市场的方式作出反应：心存怀疑、忙于别的事、只读一半，还会拿你和其他三个选项比较。

customer-panel-of-experts 会让现有客户围绕一项业务决策展开讨论，而这项技能则会让并不认识你、也没有义务回复你的人，对一份销售或营销材料进行压力测试。

压力测试内容

  • 冷邮件和完整邮件序列（能收到回复，还是会被删除？）
  • 销售演示文稿和单页资料（他们会在哪儿失去兴趣？）
  • 落地页和定价页面（什么会让他们离开？）
  • 演示脚本和需求沟通电话的开场白
  • 提案和工作说明书（哪些内容会遭到质疑？）

步骤 0 — 组建潜在客户小组

  1. 优先选择： 从 icp-deep-scanner 的输出（personas/、icp-profile.md）加载角色画像，并邀请购买委员会成员——经济决策者、拥护者、阻碍者和最终用户——因为一份陌生材料对他们各自的影响都不一样。
  2. 如果没有角色画像库，且已连接工具，则运行 icp-deep-scanner（只读），依据真实的成单/丢单数据和真实的异议表述来构建小组。
  3. 仅在万不得已时，才仅根据用户描述进行初步构建，并标注为 PROVISIONAL。

关键是，要模拟初次接触状态下的潜在客户：他们了解很少、信任度低，而且已经在使用其他替代方案。模拟出来的潜在客户如果总是善意解读，那就毫无用处。

安全

只读连接。不得向任何工具发送信息或写入数据。输出中不得包含真实潜在客户的姓名/电子邮件——这些都是典型角色。机密信息保留在环境变量中。

步骤 1 — 获取材料

准确读取即将发送或发布的内容（粘贴文本、文件，或通过 WebFetch 获取的 URL）。注意渠道和时机：早上 7 点收到陌生发件人的冷邮件，与看完演示后访问定价页面，受到的评判并不一样。确认：目标受众是谁、希望对方采取的唯一行动是什么，以及潜在客户在此之前刚刚看到了什么？

步骤 2 — 模拟反应

小组中的每位成员都要结合自身角色，按照忙碌的买家真实经历的顺序作出反应：

  1. 前 3 秒——只看主题行 / 标题 / 第一张幻灯片。打开还是删除？继续浏览还是直接离开？请直言不讳；大多数内容都在这一关被淘汰。
  2. 快速浏览——他们快速阅读时实际看到了什么、跳过了什么、视线停留在哪儿。
  3. 异议——该角色犹豫的具体原因，用他们自己的话表述（“我们已经在用 X 了”“这个季度没有预算”“你们是谁？”“感觉很泛泛”）。
  4. 信任检查——有没有内容看起来像垃圾信息、由 AI 生成、夸大承诺或不太对劲（拥护者和经济决策者会指出不同的问题）。
  5. 结论 + 后续行动——回复 / 预约 / 转发给 {persona} / 忽略 / 退订，以及诚实估算的可能性。

允许角色之间意见不一：让最终用户兴奋的价值主张，也可能因价格让经济决策者感到不安。

步骤 3 — 报告

# Prospect Panel — {Artifact}
Generated: {timestamp} · Panel: {personas} · Channel: {cold email / LP / deck} · Grounding: {data / PROVISIONAL}

## Predicted outcome: {STRONG / MIXED / WEAK} — est. reply/convert signal
One-line read on whether to send as-is.

## Reaction by persona
| Persona | Opens? | Gets it? | Top objection | Action |

## Where it loses people (ranked, with the exact line)
1. "{quoted line}" — {persona} → {reaction} → {fix}

## AI-tell / trust flags
- Phrases or patterns that read as generic, automated, or over-promised.

## Rewrite the weak points
- Before → After on the 2–3 highest-leverage lines.

## A/B worth running
- The one variable most worth testing live.

步骤 4 — 迭代

提出可以应用修改并对 v2 重新运行小组模拟，或者将效果最好的角度交给 cold-email-sequence-generator / landing-page-copywriter 扩展应用。

防护措施回顾

模拟冷淡、怀疑、时间紧张的潜在客户，而不是友好的读者 · 有真实成单/丢单数据时以其为依据，否则标注 PROVISIONAL · 只读，不发送 · 引用未通过的原文 · 不包含真实潜在客户的个人身份信息（PII）。

评论

支持 Markdown