signal-outbound

Signal Outbound — 总控

经典外向式拓客会寻找与客户相似的公司，并向它们介绍一项服务。而这里的做法正好相反：找出那些已经在公开场合描述了自身问题的公司，并用它们自己的话开场。

这类话语最丰富的来源是招聘信息。一家公司写下“我们的应用程序是一个宏伟的单体架构”，说明它花钱发布了这句话，也不会再收回。这不是对痛点的猜测，而是有招聘预算佐证的痛点。

后续一切都取决于一个区分：事件告诉你何时写，数据点告诉你说什么。

确定当前环节

最多问三个问题，一旦确定答案就停止。

1. 你手头已有哪种材料？ 什么都没有 / ICP / 公司名单 / 已评分名单 / 序列 / 正在运行的营销活动 / 已收到回复。
2. 之前是否向这些域名发送过邮件？ 从未发送 / 已预热但未发送 / 正在发送。
3. 实际问题是什么？ 仅当已有流程正在运行时才问：没有打开邮件、没有回复、回复没有进展，还是不错的回复后来不了了之。

不要索要策略方案或预算。如果他们有这些，就不会来问从哪里开始。

各道关卡，一览

下面的每一步都取决于一个条件。未通过关卡却继续往下做，只会让后续工作白费，所以要明确说出关卡，并说明跳过它的代价。

关卡	条件	未通过时
G1 — 基础设施	域名已验证，邮箱已预热，发送上限已设置	deliverability-audit。发送配置有问题时，你无法区分文案薄弱还是域名遭到拦截，因此之后所有测量结果都无法解读。
G2 — 已有假设	你能说清目标对象、触发因素和提供的方案	hypothesis-builder。没有明确假设的营销活动，事后无法评估，只能争论。
G3 — 数量	每个事件信号假设需 300 个账户，每个数据点假设需 500 个账户	将相关信号打包，或扩大类别范围。报告数量缺口，不要运行一个无法得出清晰结果的测试。
G4 — 名单确实符合 ICP	抽查通过率达到 90%	返回 account-sourcing。原始结果中有三分之二是代理机构、政府部门和大学。
G5 — 有当下联系的理由	每行都有注明日期的信号，或带来源的数据点	signal-research。没有这些信息，无信号队列就没有开场理由，营销活动也只不过是套上名字的群发邮件。
G6 — 可联系	地址已验证，或已确认 LinkedIn 联系路径	waterfall-enrichment。只对已通过前面关卡的对象做信息补充——这是成本最高的一步。
G7 — 不要求开会	每次触达都以询问对方是否感兴趣收尾	返回 sequence-writer。
G8 — 文件干净	最终 CSV 通过七层检查：没有已抑制的联系人、没有无效地址、每个变量都已填充	pre-launch-data-check。误把一位现有客户加入上传名单，或有一处损坏的 {{first_line}}，代价都比延迟一天更高。

路径

十个步骤。每一步都会产出一个交付物，其中四步以会停止执行的关卡结束。

#	步骤	路由至	产出
1	ICP 和层级	gtm-market-icp-persona ⧉	层级矩阵 + 用户画像 + 反向 ICP
2	产品方案和入门阶梯	offer-factory ⧉	5–6 个评分后的方案，选定入门阶梯
3	信号目录	signal-catalog	50 个触发信号，已评分并打包
4	假设	hypothesis-builder	10 个已评分，选出 3 个 · 关卡：规模
5	账户列表	account-sourcing，然后对其运行 signal-research	附有日期证据的评分 CSV · 关卡：90% ICP 抽查
6	联系人和邮箱	waterfall-enrichment	已验证邮箱地址的联系人
7	序列	sequence-writer	8 次触达，涵盖两类用户画像 · 关卡：不得提出会议邀约
8	个性化	personalization-pipeline	两个生成字段 + 置信度关卡
9	基础检查	pre-launch-data-check	GO 结论 + 待修复行文件 · 关卡：文件无误
10	启动	deliverability-audit	SPF/DKIM/DMARC、预热、发送上限

后续运行：每周阅读报告用 weekly-outreach-report，积累回复后用 reply-audit，测试切入角度用 ab-test-analyzer。

⧉ = 位于不同的插件中。gtm-market-icp-persona 位于 gtm-strategy-skills，offer-factory 位于 gtm-skills。如果未安装这些插件，手动执行步骤 1–2 即可——路径仍然有效，只是这两个交付物缺少了脚手架支持。

贯穿始终的四条规则

状态信号不能单独发挥作用。“你的框架已停止支持”只会换来“我们知道了，谢谢。”把它与事件配对——“你们在 3 月完成融资，而那个框架也在 3 月停止支持”——就能开启对话。步骤 3 会强制区分这两者；不要让它们混为一谈。

**规模关卡：每个事件信号假设需要 300 个账户，每个数据点假设需要 500 个账户。**低于这个数量，测试就无法得出清晰可读的结果。将相关信号打包到同一个邮件主题下，否则就暂时搁置。如果没有任何组合达到关卡要求，说明细分市场划得太窄了——把垂直行业从定位筛选条件改为案例证明的选择依据，并扩大范围。

**任何地方都不得提出会议邀约。**第一封邮件里不行，结束跟进的邮件里不行，LinkedIn 上也不行。冷触达唯一的目标是获得回复。

**生成两个字段，绝不生成整封邮件。**整封邮件由模型生成，会趋于平庸：正确、流畅，却毫无个性。固定框架能保持语气，同时让模型完成模板做不到的那件事——阅读他人的文档，并据此形成见解。

执行过程中实际会失败的地方

**本应作为证明的垂直行业，却被当成了筛选条件。**如果某个细分市场有很强的案例研究，但只有几百家公司，它适合作为 ABM 目标，而不是营销活动目标。应在更广泛的类别中识别信号，再展示与读者所属垂直行业相匹配的案例研究。要在步骤 4 发现这个问题，而不是等到账户列表为空才发现。

原始搜寻结果中有三分之二是噪声——代理机构、政府承包商、大学。没有任何供应商标记能识别它们。要为步骤 5 的明确排除环节预留时间，并对比被剔除的内容：过滤过严会悄无声息地删掉真正的目标账户。

**从未有人读过那段引文。**大约每七条关键词匹配中就有一条是假阳性——“打造传奇传承”并不是现代化信号。每个账户在信息补全前都花十秒钟检查。

**试图在序列工具中完成个性化。**那里做不到。如果步骤 7 产出的首句带有见解，那么步骤 8 就是必做项，而非可选项。

**列表还没过滤就先做了信息补全。**信息补全是昂贵的一步。只对已经通过筛选的账户投入资源。

当正在运行的营销活动表现不佳时，按症状分流

问题指向某个阶段。不要从第 1 步重新开始。

症状	最可能的阶段	路由
几乎没人打开	基础设施，而非文案	deliverability-audit
打开率不错，但没有回复	开场白没有存在的理由	signal-research，然后根据数据点重写无信号队列
有回复，但全是“现在不行”	目标定位正确，时机不对	reply-audit，然后在第 3 步重新审视信号
有回复，但全是“多说点”然后就没下文	文案太含糊——他们对你感兴趣，而非对自己的问题感兴趣	reply-objection-handler（查看意向等级分布），然后调整序列
有不错的回复，但之后没有进展	回复后的交接环节	lead-scoring，然后 reply-objection-handler
数据看起来不错，却没有成交	问题在产品方案，而非主动触达	直接说明这一点并停止分流——这个工具包无法解决产品方案的问题

最后一行很重要。如果分流器总能找到主动触达方面的答案，那它就毫无用处，因为有时诚实的答案就是：主动触达并不是出问题的环节。

解读结果

状态	条件	操作
停止	回复率低于 1.5%，或意向率低于 17%	更改信号或切入角度，而非文案
优化	意向率为 17–30%	尝试新角度、收紧筛选条件
扩大规模	意向率高于 30%	增加渠道、提高发送量

按假设衡量，绝不按营销活动衡量。 混合两种信号的营销活动只会报告一个毫无意义的平均值。

信号型营销活动的正向回复率上限约为 10%。供应商公布的 35–40% 是营销宣传。

成本，避免让任何人猜测

每个可直接发送的潜在客户大约需要 2.5 个点数，另加扫描帖子所需的几分钱。一个包含 300 个潜在客户的批次约需 750 个点数，加上几美元的抓取费用。尽早说明这一点——团队经常误以为成本高出一个数量级，毫无理由地缩小项目范围。

每年起价 30,000 美元的企业级意向平台，在这个规模下无法收回成本。说出它们的名字，报出价格，然后继续。

永远不要交给机器处理的对象

按评分排名前 20–30 的客户。由人工撰写。自动化处理的是中间部分，而非顶尖对象。

有人中途加入时

询问他们已经持有哪些产出物，然后从下一步开始。不要为了显得周全而从第 1 步重新开始——根据产出物对应的关卡检查它，然后继续推进。缺少证据引用的名单退回第 5 步；带有日历链接的序列退回第 7 步。

妥善交接

每次运行结束时只给出三行，不多不少：

Where you are: [step]
Gate: [met / failed — which one, and what skipping it costs]
Next: run `[skill]` — [one line on what it produces]

然后停止。不要抢先回答技能本身的问题，也不要概述它将要说什么。如果有人带着同一个问题第二次回来，不要再次把他们分流到同一个技能——指出可能出错的假设即可。