mcpField
S
signal-detection

signal-detection

github.com/cold-iq营销与增长348 次安装2 周前更新
代码仓库

关于 signal-detection

用于销售研究的技能,将 30 种购买信号按可靠性分级,并把可检测信号关联到 ColdIQ 市场端点。它提供信号组合、基于时效的联系时机和文案相关性指引。

主要功能

  1. 01整理六类共 30 种信号
  2. 02按可靠性和紧迫度分级
  3. 03将可检测信号映射到 ColdIQ 端点
  4. 04指导多信号优先级与联系时机
  5. 05用相关性标准检查外联文案

适用场景

  1. 01根据融资或招聘事件确定潜在客户优先级
  2. 02高投入外联前组合独立信号
  3. 03依据时效安排后续联系

安装

复制下面的命令,在终端中运行。

$npx skills add https://github.com/cold-iq/coldiq-marketplace-skills --skill signal-detection

安装后在 Claude Code 中输入/signal-detection确认已加载。

详细介绍

信号检测

覆盖 6 个类别的 30 个销售触发信号,按可靠性分级,并分别对应可检测到这些信号的 ColdIQ 端点。开展高投入的销售行动前,至少结合 ≥2 个相互独立的信号。

对于可检测到的信号,此技能会将其路由至 ColdIQ 市场端点;其余信号则作为研究指南。

ColdIQ 市场端点

信号方法路径积分端点 ID备注
融资事件GET/v1/signalbase/funding-signalsunknownsignalbase.funding_signalsA 轮及后续轮次
收购 / 并购GET/v1/signalbase/acquisition-signalsunknownsignalbase.acquisition_signals
职位变动(关键人物跳槽)GET/v1/signalbase/job-change-signalsunknownsignalbase.job_change_signals按角色筛选
招聘激增GET/v1/signalbase/hiring-signalsunknownsignalbase.hiring_signals招聘职位
公司招聘职位(单家公司)POST/v1/limadata/jobs2limadata.jobs某个主页的 LinkedIn 职位
融资事件(备用来源)GET/v1/predictleads/discover/financing_events0.18predictleads.discover.financing_events
招聘职位(备用来源)GET/v1/predictleads/discover/job_openings0.18predictleads.discover.job_openings按 O*NET / 地点筛选
新闻事件GET/v1/predictleads/discover/news_events0.18predictleads.discover.news_events
技术采用 / 移除GET/v1/predictleads/companies/{companyIdOrDomain}/technology_detections0.18predictleads.company.technology_detections
购买意向(职位 + 技术)POST/v1/theirstack/companies/buying_intents3theirstack.companies.buying_intents
LinkedIn 帖子互动POST/v1/limadata/posts/reactions2limadata.posts.reactions高意向互动者名单
新闻 / 广告(通用)POST/v1/serper/newsunknownserper.news低成本的兜底选项

可靠性分级

  • 第 1 级 — 意向最高(当天): A 轮及后续融资、拓展新市场、买方部门领导层变动。预算已获批或即将获批。 → GET /v1/signalbase/funding-signals · ? cr · signalbase.funding_signals(未经验证)
  • 第 2 级 — 较强(30–90 天): 采用竞品技术、建立合作关系 / 收购、招聘激增(5 个及以上职位)。 → GET /v1/signalbase/hiring-signals · ? cr · signalbase.hiring_signals(未经验证)
  • 第 3 级 — 中等(持续培育): 1–3 个招聘职位、获奖 / 获认可、产品发布。 → GET /v1/predictleads/discover/job_openings · 0.18 cr · predictleads.discover.job_openings
  • 第 4 级 — 较弱(仅作背景信息): 社交媒体活动、流量激增、一般新闻。 → POST /v1/serper/news · ? cr · serper.news(未经验证)

30 个触发信号 → 数据来源

  • 融资与财务: A 轮及后续融资(signalbase.funding_signals)、并购 (signalbase.acquisition_signals)、融资事件(predictleads.discover.financing_events)。
  • 招聘与团队: 新任高管 / 关键人物跳槽(signalbase.job_change_signals)、招聘激增 (signalbase.hiring_signals)、SDR/BDR 或部门扩张(limadata.jobs、predictleads.discover.job_openings)。
  • 技术与数字化: 采用新技术 / 移除技术栈(predictleads.company.technology_detections)、 购买意向(theirstack.companies.buying_intents)、投放广告 / 发布产品(serper.news)。
  • 竞争与供应商: 竞品评价 / 合同到期 / 比较选购——没有原生端点;可用 serper.news / predictleads.discover.news_events 作为替代数据源。
  • 产品与业务事件: 地域扩张、新设办公室、合作关系、监管变化 (predictleads.discover.news_events、serper.news)。
  • 营销与声誉: LinkedIn 帖子互动(limadata.posts.reactions)、公关 / 媒体提及 (serper.news)。

新鲜度窗口(外联时机)

融资 90d(第 2–8 周)· C 轮部署 180d(第 5–12 周)· LinkedIn 帖子 30d(0–7d)· 招聘 60d(14–30d)· 新高管 90d(第 14–30 天)· 技术变更 60d(0–30d)· 冠军客户跳槽 30d(0–14d,衰减最快)· 活动出席 21d(±7d)。

多信号叠加

  • T1 + T1 = 白手套服务(立即): 融资 + 招聘激增;新高管 + 移除技术; 冠军客户跳槽 + ICP 匹配。
  • T2 + T2 = 优先跟进序列: 招聘(1–3)+ LinkedIn 互动;竞品评价 + 访问你的 定价页面;行业新闻影响 + 地理扩张。
  • T3 = 模板化培育。

文案的“所以呢?”测试

你提及的每个信号都必须满足以下条件:足够新,与你的产品相关,对方会在意你注意到了这一点,并且关联到具体痛点。不要停留在显而易见的层面——“正在招聘 SDR,但还没有营收运营负责人”胜过“你们正在招聘 SDR”。实际开场白请交给 crawford-method。

提示

  • 使用当天触发器(/v1/limadata/watch)自动化 Tier 1;每周批量处理 Tier 3–4。
  • 先用最便宜的数据源:在进行 3 积分的意图调用前,先用 serper.news / predictleads.*(0.18)。
  • 跟踪信号到会议的转化率,而非检测量。

评论

支持 Markdown