示範
產生約 10 筆包含豐富資訊的示範潛在客戶清單，並附上個人化訊息範例，透過 webhook 提示觸發。
在執行前，請先閱讀 ~/.claude/skills/gtm-pipeline/_shared/conventions.md。
使用時機
- Webhook 觸發：使用者提交免費示範表單，描述其目標受眾
- 目標：證明 AI 代理能使用真實的潛在客戶，寫出真實、非制式化的 outreach 訊息
- 範圍：約 10 位聯絡人，包含 LinkedIn 與電子郵件豐富化資訊，2–4 則訊息範例
示範限制
- 不進行電話號碼豐富化 — 僅限電子郵件
- 約 10 位聯絡人（要求 10–15 位，考量到豐富化過程中的資料耗損）
- 訊息產生為選用但建議
- 訊號搜尋為選擇性加入 — 預設關閉。可透過
--with-signals旗標或使用者明確要求啟用。請參閱步驟 5.5。 - 成本閘門： 在首次呼叫付費供應商前，說明預期花費（People-Source Cadence 中的 Finder 搜尋大多免費；約 10–15 個電子郵件豐富化點數；若啟用訊號搜尋則低於 $0.50 美元）。互動模式：先與使用者確認。無頭模式：將預估值記錄在
run_log.md中並繼續執行，切勿中斷。
步驟 1 — 解析提示並建立 ICP
Webhook 提示描述使用者的目標受眾。請提取以下資訊：
必須有：
- 您銷售 / 提供的產品或服務是什麼？
- 誰是您的理想客戶？（產業、職位、公司規模、地點）
- 您的價值主張是什麼？
- 語氣為何？（正式 vs. 休閒，若有範例更佳）
- 這是用於招募還是銷售給客戶？
若提示中未提供，請推斷（不要停滯）：
- 目標職稱、地點、公司規模 / 類型
在解讀受眾之前，先自動解析請求者（解決反覆出現的「他們到底賣什麼 / 為什麼想要這個受眾」的資訊缺口）：
- 解析請求者自己的網域（例如
[email protected]→acme.de），抓取 / 豐富其資訊，並確定他們 銷售 什麼。對於提供多種產品的公司：確認此次示範是針對 哪個產品線 — 提示中聲稱的產品可能與實際產品不符。 - 確定與目標受眾的關係 — 目標術語（例如「客服中心」）通常是他們 銷售 的對象，而非他們本身。分類：銷售給 / 從...購買 / 收購 / 合作 / 招募。人物誌關鍵字由此衍生，而非猜測。
互動模式 vs. 部署模式（無頭模式）：
- 互動模式： 如果在自動解析後，某個必須項目仍有模糊之處，請提出一個簡潔的釐清問題。否則繼續進行。
- 部署 / 無頭模式（透過 webhook 使用
claude -p調用 — 請參閱部署章節）：切勿因問題而停滯不前。 根據提示和請求者網域研究推斷每個欄位，將假設記錄在context/icp.md的「假設」標題下，並完整執行從頭到尾的流程。
在 ICP 足夠清晰以建立有意義的篩選條件之前，請勿繼續搜尋。
將 ICP 儲存至： {client-slug}-gtm/context/icp.md（包含提供的產品、關係分類以及任何無頭模式下的假設）。
步驟 2 — 建立工作目錄
依照 conventions.md 中的定義建立 {client-slug}-gtm/ 目錄結構。將 ICP 定義寫入 context/icp.md。
步驟 3 — 人員搜尋（10 位聯絡人）
使用 people-search 技能尋找約 10–15 位聯絡人。
示範用供應商選擇： 遵循 conventions.md 中的 Finder 節奏 → People-Source Cadence — FullEnrich Finder → BetterContact → Pipe0 → Amplemarket/Crustdata（最後手段），每個來源最多嘗試 2 次，中小企業 / 所有者領導 / 非英語市場優先使用 FE。FE 和 BC 都會直接回傳 LinkedIn 網址（電子郵件豐富化所需）。如果沒有公司清單（基於人物誌的提示），請使用 Parallel FindAll 或 BC Search。對於來自目錄 / 爬蟲的公司清單，請按公司 名稱 + 地點搜尋，切勿使用精確網域搜尋（慣例 #11）。
要收集的關鍵欄位：
full_name, first_name, last_name,
job_title, company_name, company_domain,
linkedin_profile_url, location
遵循人員搜尋的執行協議：沙盒 → 測試 → 審查 → 執行。
步驟 4 — 聯絡人篩選（ICP 排名）
對找到的 10–15 位聯絡人執行 contact-filter 操作。即使是小批量，ICP 排名也很有幫助 — 它能確保豐富化步驟專注於最符合條件的聯絡人。
- 套用職位層級、產業層級、地點層級和公司規模分類
- 拒絕明顯不符合 ICP 的聯絡人
- 根據優先級對通過的聯絡人進行排名
- 輸出：
csv/intermediate/contacts_filtered.csv
對於示範：使用寬鬆的硬性拒絕門檻（允許層級 1–5 通過），優先考量排名而非篩選。
步驟 5 — 人員豐富化（僅限電子郵件）
對篩選後的聯絡人執行 people-enrichment 操作。示範模式：僅限電子郵件，不含電話。
建議流程：
- FullEnrich v2（電子郵件）— 所有聯絡人
- Pipe0 waterfall — 僅針對 FE 未找到的聯絡人
為訊息個人化而進行的額外豐富化（若可用）：
- LinkedIn 標題和摘要（透過 PhantomBuster 爬取 LinkedIn）
- 近期的 LinkedIn 貼文（每位聯絡人 2–3 篇）— 能顯著提升訊息品質
用於訊息產生的最低必要欄位：
name, job_title, company_name, linkedin_profile_url,
headline (optional), summary (optional), recent_posts (optional)
低產出率： 如果經過篩選和豐富化後，存活下來的聯絡人少於 8 位，請在繼續產生訊息前，再執行一次額外的 Finder 步驟（People-Source Cadence 中的下一個來源）。
步驟 5.5 — 訊號搜尋（選擇性）
預設：關閉。 在以下情況啟用：
- 使用者明確要求以訊號為依據的訊息
- Webhook 提示提及購買觸發因素（募資、招聘、轉型、近期新聞）
- 客戶提供的產品依賴於時機訊號才有意義（例如「我們幫助後 A 輪融資公司擴展營運規模」）
- 示範調用時傳遞了
--with-signals旗標
成本說明： 每家獨特公司約增加 $0.01–0.05 美元（網路搜尋 + 評分）。對於 10 位聯絡人的示範，通常是 5–10 家獨特公司，因此低於 $0.50 美元。
訊號搜尋的必要輸入
訊號搜尋需要三個上下文檔案：
context/icp.md— 已在步驟 1 中收集context/offering.md— 步驟 1 中的價值主張區塊（如果尚未儲存，現在就寫入）context/signal_criteria.md— 與提供的產品相關的訊號類型清單（條列式）
如果 signal_criteria.md 不存在，請詢問使用者：「什麼樣的公司活動可能暗示他們需要您提供的服務？」 — 收集 5–10 個要點並儲存。
執行
# 從豐富化後的聯絡人中建立獨特公司清單
python3 -c "
import csv, sys
seen = set()
with open('csv/output/contacts_enriched.csv') as f, open('csv/input/companies_raw.csv', 'w', newline='') as out:
reader = csv.DictReader(f)
writer = csv.DictWriter(out, fieldnames=['company_name', 'company_domain', 'company_website'])
writer.writeheader()
for row in reader:
c = row.get('company_name') or row.get('company') or ''
if c and c not in seen:
seen.add(c)
writer.writerow({
'company_name': c,
'company_domain': row.get('company_domain') or '',
'company_website': row.get('company_website') or row.get('website') or '',
})
"
# 對獨特公司執行訊號搜尋
source "$HOME/.claude/skills/gtm-pipeline/_shared/resolve_env.sh" && \
export $(grep -E '^(PARALLEL_API_KEY|OPENROUTER_API_KEY|FIRECRAWL_API_KEY|GEMINI_API_KEY)=' "$GTM_ENV_PATH" | xargs) && \
python3 ~/.claude/skills/gtm-signal-search/signal_search.py \
--client-dir {client-slug}-gtm
resolve_env.sh 的來源行確保即使在全新的 Shell 中也能設定 $GTM_ENV_PATH（請參閱 signal-search SKILL.md / 慣例）。對於示範，請將 Firecrawl 和 Parallel 豐富化功能保持 關閉 — 對於約 10 位聯絡人的潛在客戶清單，網路搜尋 + 評分已足夠。僅在網站內容（徵才頁面、部落格）是主要訊號來源時啟用 Firecrawl；如果此機器僅透過 MCP 使用 Firecrawl（沒有 FIRECRAWL_API_KEY），請使用 signal-search 技能文件中記載的 --firecrawl-pages-dir 路徑。
將訊號合併回聯絡人資料
import csv, json
signals = {}
with open('csv/intermediate/signals.csv') as f:
for row in csv.DictReader(f):
signals[row['company_name']] = {
'overall_score': row.get('overallScore', ''),
'scored_signals': row.get('scoredSignals', ''),
'overall_summary': row.get('overallSummary', ''),
}
rows_out = []
with open('csv/output/contacts_enriched.csv') as f:
for row in csv.DictReader(f):
s = signals.get(row.get('company_name') or row.get('company') or '', {})
row['company_overall_score'] = s.get('overall_score', '')
row['company_scored_signals'] = s.get('scored_signals', '')
row['company_overall_summary'] = s.get('overall_summary', '')
rows_out.append(row)
with open('csv/output/contacts_enriched.csv', 'w', newline='') as f:
w = csv.DictWriter(f, fieldnames=list(rows_out[0].keys()))
w.writeheader()
w.writerows(rows_out)
步驟 6 的訊息產生步驟將為每位聯絡人提供 company_overall_summary 和 company_scored_signals — 使用得分最高的訊號作為訊息鉤子。
步驟 6 — 產生訊息範例
在開始大量產生之前，先產生 2–4 則樣本訊息。
訊息結構
每則訊息必須遵循：鉤子 → 橋樑 → 提案 → 軟性行動呼籲
| 部分 | 目的 | 長度 |
|---|---|---|
| 鉤子 | 提及與此人相關的具體內容（貼文、職涯變動、公司訊號） | 1 句 |
| 橋樑 | 將他們的處境與您的提案連結起來 | 1 句 |
| 提案 | 清楚說明您能提供什麼 | 1 句 |
| CTA | 軟性請求 — 不要用「我們來約個時間通話吧」 | 1 句 |
總計：320–450 個字元。 稱呼後不要空行。段落之間用單行分隔。
品質規則
必須有：
- 具體的鉤子（引用貼文、職涯洞察或評分過的購買訊號 — 不得是泛泛之談）
- 清晰的價值主張
- 自然、對話式的語氣
- 軟性行動呼籲
必須避免：
- 重複他們已知的個人檔案資訊（「您在 X 公司擔任 Y 職位」）
- 泛泛的觀察（「令人印象深刻背景」、「我注意到您在 [產業]」）
- 企業行話或流行詞
- 強迫式的行動呼籲（「我們這週約個時間通話吧」）
如果步驟 5.5 已執行： 對於每位聯絡人，優先使用 company_scored_signals 中得分最高的訊號作為鉤子，而非一般的 LinkedIn 貼文引用。得分 >= 70 且基於近期真實新聞的訊號，是此示範能產生的最強鉤子。
產生流程
- 撰寫客戶專屬的系統提示（儲存至
prompts/message_prompt.md） - 產生 2–4 則樣本 — 應包含有 LinkedIn 貼文和沒有 LinkedIn 貼文的聯絡人
- 根據上述品質檢查清單進行審查
- 若發現問題，修正系統提示並重新產生
- 僅在品質通過後才進行批次產生
系統提示範本（關鍵部分）
- 客戶背景：他們銷售什麼、目標對象、價值主張、語氣
- 禁止規則：不得重複個人檔案資訊、不得使用泛泛的奉承
- 訊息結構：鉤子 → 橋樑 → 提案 → CTA
- 鉤子範例：有貼文 / 無貼文
- 字元限制：320–450
步驟 7 — 清理與輸出
步驟 7a — 清理（強制性、確定性、無需 LLM）。 csv/intermediate/ 保留所有欄位。
在建立任何面向潛在客戶的內容之前，先執行共享的清理程式，以便處理重複出現的手動清理工作
（供應商標籤、空白欄位、無效電子郵件、過時訊號）。