lead-research-assistant
por ComposioHQlead-research-assistant ayuda a los agentes a calificar empresas objetivo, clasificar el encaje de los leads y sugerir ángulos de outreach a partir de tu ICP, mercado y objetivos de ventas. Usa este skill de un solo archivo para realizar lead research estructurado y luego verifica manualmente los datos de empresas y contactos.
Este skill obtiene 70/100, lo que significa que es aceptable para aparecer en el directorio, aunque conviene tratarlo como un flujo de trabajo ligero basado en prompts y no como un sistema completo de lead research con herramientas integradas. Los usuarios del directorio pueden entender cuándo invocarlo y qué resultados esperar, pero deben tener presente que su ejecución requerirá capacidades web/de búsqueda disponibles y cierto criterio para evaluar fuentes de datos y validar leads.
- Frontmatter claro y activadores de uso para ventas, desarrollo de negocio, marketing, investigación de cuentas objetivo, alianzas y matching con el ICP.
- El SKILL.md plantea un flujo práctico de lead research: entender el negocio, identificar empresas objetivo, priorizar leads, proponer estrategias de contacto y enriquecer el contexto de la empresa y de los responsables de decisión.
- El contenido parece sustancial, no material de relleno o demostración, con varias secciones orientadas al flujo de trabajo y guía de uso con estilo de ejemplos.
- Skill basado solo en prompts, sin archivos de apoyo, scripts, referencias ni orientación sobre fuentes de datos; por eso, la calidad de los leads depende en gran medida de las búsquedas/herramientas disponibles para el agente y del contexto aportado por el usuario.
- No hay comando de instalación ni README/metadatos a nivel de repositorio para esta ruta del skill, lo que reduce ligeramente la claridad de adopción para los usuarios del directorio.
Descripción general de lead-research-assistant skill
Qué hace lead-research-assistant
La skill lead-research-assistant ayuda a un agente de IA a convertir una descripción de producto, un mercado objetivo y una meta comercial en un flujo de trabajo estructurado para investigación de leads. Está diseñada para tareas de Lead Research, como identificar empresas objetivo, calificar el encaje de cuentas, priorizar oportunidades y sugerir ángulos de contacto personalizados.
Mejor encaje para equipos de ventas y desarrollo de negocio
Usa esta skill si necesitas una primera exploración práctica de cuentas para ventas, alianzas, prospección de agencia, outreach liderado por founders o planificación de campañas de marketing. Resulta más útil cuando puedes describir tu oferta, tu perfil de cliente ideal, la geografía, el tamaño de empresa y el problema de negocio que resuelves.
Qué hace útil a esta skill
El valor principal de lead-research-assistant skill no es simplemente “encontrar empresas”. La skill guía al agente para razonar sobre el encaje: industria, tamaño de empresa, ubicación, stack tecnológico, etapa de financiación, posibles puntos de dolor, contexto del decisor y estrategia de outreach. Eso hace que el resultado sea más accionable que una lista genérica de prospectos.
Limitaciones clave antes de instalar
Esta skill tiene un único archivo SKILL.md y no incluye scripts, datasets, APIs de enriquecimiento ni herramientas de verificación. Puede estructurar la investigación y el razonamiento, pero la calidad dependerá del acceso del modelo a navegación/herramientas, del nivel de detalle de tu input y de tu disposición a verificar datos de empresas y contactos antes de hacer outreach.
Cómo usar lead-research-assistant skill
Instalación de lead-research-assistant y archivos que conviene revisar
Instala desde la colección de skills de ComposioHQ con:
npx skills add ComposioHQ/awesome-claude-skills --skill lead-research-assistant
Después de instalar, lee primero lead-research-assistant/SKILL.md. En la vista previa del repositorio no aparecen carpetas adicionales rules/, resources/, references/ ni scripts/, así que el comportamiento de la skill está concentrado en ese único archivo. Esto simplifica la configuración, pero también significa que debes aportar tu propio contexto de mercado, fuentes de datos y reglas de calificación.
Inputs que la skill necesita para una mejor investigación de leads
Para un buen lead-research-assistant usage, no pidas solo “buenos leads”. Proporciona:
- Resumen del producto o servicio
- Propuesta de valor principal y dolor que resuelve
- Perfil de cliente ideal
- Tipos de clientes excluidos
- Países o regiones objetivo
- Tamaño de empresa o rango de ingresos preferido
- Industrias relevantes
- Cargos o departamentos compradores
- Pruebas de valor, casos de éxito o diferenciadores
- Objetivo del outreach, como agendar una demo, alianza, piloto o encuesta
Un prompt débil sería: “Find SaaS leads for my product.”
Un prompt más sólido sería: “Use lead-research-assistant for a B2B SaaS product that automates SOC 2 evidence collection for 50–500 person fintech companies in the US and UK. Prioritize companies hiring security or compliance roles, using cloud infrastructure, and likely preparing for enterprise sales. Exclude consultancies and companies already selling compliance automation. Return 25 accounts with fit rationale, trigger event, likely buyer title, outreach angle, and confidence score.”
Flujo de trabajo sugerido para usar lead-research-assistant
Empieza pidiendo a la skill que aclare tu ICP antes de generar leads. Luego ejecuta la búsqueda de leads por lotes, revisa los criterios de encaje y solo después pide mensajes de outreach. Una secuencia práctica sería:
- Definir el ICP y los criterios de descalificación.
- Pedir categorías de leads y criterios de búsqueda.
- Generar una lista de cuentas priorizada.
- Solicitar evidencia del encaje de cada cuenta.
- Añadir estrategia de contacto y buyer personas probables.
- Exportar en una tabla compatible con CRM.
- Verificar manualmente datos de empresa y contactos.
Este flujo por etapas reduce las listas de prospectos alucinadas y facilita auditar la investigación.
Formato de salida que mejora la toma de decisiones
Pide columnas que obliguen a emitir juicios útiles, no solo nombres. Algunos campos recomendables son company, website, industry, location, employee range, fit score, why it fits, pain point, trigger signal, recommended buyer, outreach angle, data to verify y priority. La columna data to verify es especialmente importante porque esta skill no incluye un pipeline automático de validación de datos.
Preguntas frecuentes sobre lead-research-assistant skill
¿lead-research-assistant es mejor que un prompt normal?
Sí, si quieres una estructura repetible para investigación de leads. Un prompt genérico puede producir una lista poco ordenada de empresas. La skill lead-research-assistant le da al agente una tarea más clara: entender el negocio, identificar cuentas que encajen, priorizar el fit, enriquecer el contexto y sugerir una estrategia de contacto.
¿Encuentra emails o números de teléfono verificados?
No por sí sola. La evidencia del repositorio muestra que no incluye scripts de enriquecimiento ni integración con bases de datos de contactos. Si tu entorno tiene navegación, CRM, Apollo, Clay, Clearbit, LinkedIn u otras herramientas, puedes combinarlas con la skill. Si no, trata los datos de contacto como sugerencias que debes verificar manualmente.
¿Quién no debería usar esta skill?
No dependas de ella como una base de datos de prospección segura desde el punto de vista de compliance, como un buscador garantizado de emails ni como sustituto de la revisión humana. Tampoco encaja bien si no puedes explicar tu oferta o tu ICP. Sin restricciones claras, el resultado puede ser demasiado amplio, genérico o difícil de priorizar.
¿Es apta para principiantes?
Sí. La skill es fácil de instalar y está centrada en SKILL.md, por lo que los principiantes pueden adoptarla rápidamente. La principal curva de aprendizaje está en la calidad del prompt: cuanto más precisamente describas tu mercado, exclusiones y dinámica de ventas, mejor será la lista de leads y la estrategia de outreach.
Cómo mejorar lead-research-assistant skill
Mejora los prompts de lead-research-assistant con ICPs más precisos
La forma más rápida de mejorar los resultados de lead-research-assistant es aportar reglas de calificación estrictas. Sustituye rasgos vagos como “empresas en crecimiento” por señales observables, por ejemplo “levantaron Series A o B en los últimos 24 meses”, “están contratando roles de revenue operations”, “usan Salesforce” o “tienen varias ofertas de empleo relacionadas con compliance”. Las señales observables hacen que la investigación de leads sea más fácil de validar.
Reduce los fallos más comunes
Los problemas habituales incluyen industrias demasiado amplias, detalles de empresa inventados, priorización débil y ángulos de outreach que suenan genéricos. Para contrarrestarlos, pide al agente que separe los hechos confirmados de las suposiciones, indique qué debería verificarse y explique por qué cada cuenta encaja. Si la primera lista tiene demasiado ruido, ajusta los criterios de descalificación antes de pedir más leads.
Añade tus propias fuentes de investigación y modelo de scoring
Como la skill no incluye fuentes de datos integradas, mejórala indicando las fuentes en las que confía tu equipo: sitios web de empresas, bolsas de empleo, bases de datos de financiación, marketplaces de apps, sitios de reseñas, exports del CRM, listas de sponsors de conferencias o directorios tecnológicos. También puedes definir un modelo de scoring, por ejemplo: 40% encaje del dolor, 25% tamaño de empresa, 20% señal de compra, 15% facilidad de contacto.
Itera desde la lista de cuentas hasta el outreach
Después del primer resultado, no envíes emails de inmediato. Pide una segunda pasada: “Remove weak-fit accounts, group the rest by pain point, and write one personalized outreach hypothesis per segment.” Luego solicita borradores de mensajes solo para las cuentas de mayor prioridad. Así el flujo de trabajo de lead-research-assistant for Lead Research se mantiene enfocado en oportunidades calificadas, no en volumen.