Apollo Automation

Apollo Automation skillの概要

Apollo Automationでできること

Apollo Automationは、Composio MCP連携を通じてApollo.ioを利用するためのセールスインテリジェンス向けskillです。AIエージェントが自然言語の指示に沿って、企業検索、ターゲットアカウント内の人物特定、見込み客レコードのエンリッチメント、コンタクトステージ管理、リードリスト作成を行えるようにします。Apolloのフィルター画面を手作業で行き来する代わりに、検索条件から実用的なApolloレコードまで進められる点が特徴です。

Lead Researchワークフローに向いているケース

Apollo AutomationをLead Researchで使う価値が最も高いのは、理想顧客プロファイルがすでに明確で、実行スピードを上げたい場合です。たとえば「従業員50〜500名のテキサス州のSaaS企業を探す」「そのアカウントのVP Salesを見つける」「これらの見込み客に利用可能なメール・電話データを付与する」といった用途に適しています。営業開発、創業者主導の開拓営業、採用に近いソーシング、構造化された見込み客リストが必要なアカウント調査チームに向いています。

一般的なプロンプトとの違い

通常のプロンプトでも見込み客の条件を提案することはできますが、Apolloのデータに対して安定して操作を実行することはできません。Apollo Automation skillは、Composio経由での組織検索、人物発見、エンリッチメント、ステージ管理といったApollo toolkit actionsを前提に設計されています。実務上の価値は、文章表現を良くすることではありません。検索条件から使えるApolloレコードへ、ツールに裏付けられた手順で進められることにあります。

導入に必要なものと制約

このskillを使うには、MCPをサポートするクライアント、Composio/Rube MCP serverへのアクセス、API key authenticationで接続されたApollo.ioアカウントが必要です。出力品質は、Apollo側のデータ有無、Apolloプランの上限、ターゲティング条件の具体性にも左右されます。また、コンプライアンス確認、同意取得ルール、アウトリーチ対象として適切かどうかの人による判断を代替するものではありません。

Apollo Automation skillの使い方

Apollo Automationのインストール前提

Claude skillsとMCPを利用できる環境で、Composio skill repositoryからskillをインストールします。一般的なインストールコマンドは次のとおりです。

npx skills add ComposioHQ/awesome-claude-skills --skill "Apollo Automation"

次に、AIクライアントでComposio MCP serverを設定します。

https://rube.app/mcp

指示が表示されたら、API key authenticationを使ってApollo.ioを接続します。ワークフローを本格的に使う前に、composio-skills/apollo-automation/SKILL.mdを開き、セットアップ手順とサポートされているApollo actionsを確認してください。このskillは単一のソースファイルに収められており、追加のスクリプトや参照用フォルダはありません。

skillに渡すべき入力

Apollo Automationは、プロンプトに次の4点が含まれているほど使いやすくなります。対象企業の条件、対象ペルソナ、必要なデータ項目、次に行いたいアクションです。弱いプロンプトの例は「自社スタートアップ向けのリードを探して」です。強いプロンプトの例は「Use Apollo to find US B2B SaaS companies with 50-300 employees, exclude agencies, then identify VP Sales or Head of Revenue contacts. Return company name, website, LinkedIn URL if available, contact name, title, email availability, and confidence notes.」です。

有用なフィルターには、組織名、所在地、除外する所在地、従業員数レンジ、業界またはキーワードタグがあります。人物検索では、役職レベル、部門、タイトル、地域、指定した企業リスト内のコンタクトだけを対象にするかどうかを明示します。

より良い結果を得るためのワークフロー

まず組織検索から始め、企業を確認してから、適合度の高いアカウント内の人物を探します。その後、選定したコンタクトだけをエンリッチし、最後にステージ整理やアウトリーチ用リスト作成をエージェントに依頼します。この順序にすると、条件に合わない企業に対してエンリッチメントを無駄に使うリスクを抑えられます。

実務で使いやすいApollo Automation guideの流れは次のとおりです。

1. ICPフィルターを定義する：業界、所在地、従業員数、除外セグメント。
2. 組織検索を実行し、各企業について短い根拠を出してもらう。
3. コンタクト検索の前に、アカウントを選定または絞り込む。
4. タイトルと役職レベルに合うコンタクトだけをエンリッチする。
5. 見やすい表またはCSV化しやすい出力を依頼する。

Apollo Automation skillをうまく呼び出すプロンプト例

エージェントがブレインストーミングではなくApolloツールを呼び出すと分かるように、アクション指向の表現を使います。

“Use Apollo Automation to search Apollo.io for cybersecurity companies in Germany with 100-1000 employees. Exclude consulting firms. For the top 25 matches, find CISOs, Heads of Security, or VP IT contacts. Enrich available emails, mark missing fields, and return a table with company, domain, employee range, contact name, title, email status, and why the account fits.”

このプロンプトが強いのは、対象範囲を絞り、データソースを明示し、含める条件と除外条件を示し、ペルソナを定義し、出力形式まで指定しているためです。

Apollo Automation skillのFAQ

Apollo Automationは初心者にも向いていますか？

はい。ただし、自分のターゲット市場をある程度理解していることが前提です。このskillはApollo.io検索の操作負荷を減らしますが、営業戦略そのものを代わりに決めてくれるわけではありません。初心者は狭いセグメントから始め、最初の10〜25件を確認し、大量リストを依頼する前にフィルターを調整するのがよいでしょう。

このskillを使わないほうがよい場面は？

一般的な市場アイデアだけが欲しい場合、Apolloへのアクセスがない場合、またはリアルタイムで検証済みのアウトリーチコンプライアンス判断が必要な場合は、Apollo Automationを使うべきではありません。また、「考えられる買い手をすべて探して」のような非常に広い依頼にも向きません。曖昧なICPはノイズの多いリードリストを生み、エンリッチメントクレジットを無駄にしやすいためです。

Apollo.ioを直接使う場合との違いは？

Apollo.ioはインターフェースとデータベースを提供します。Apollo Automation skillは、エージェントが自然言語を通じてApolloを構造的に操作するための手段を提供します。リード調査の手順を繰り返し実行したい場合、整形された出力が必要な場合、各画面を手動でクリックせずにフィルターを素早く調整したい場合に特に向いています。

インストール前に確認すべきことは？

AIクライアントがMCPをサポートしていること、https://rube.app/mcpへ接続できること、Apolloアカウントに検索やエンリッチメントに必要な権限またはクレジットがあることを確認してください。さらに、現在のツール名と例を確認するためにSKILL.mdを点検しましょう。そのファイル以外に挙動を補足する個別のヘルパースクリプトはありません。

Apollo Automation skillを改善する方法

より鋭いICPでApollo Automationの結果を改善する

品質を最も大きく左右するのは具体性です。「tech companies」ではなく、「財務部門向けに販売しているB2B SaaS企業、従業員50〜500名、北米本社、代理店とITサービス企業を除外」のように指定します。可能な限りネガティブフィルターも追加してください。多くの場合、除外条件はポジティブなキーワードを増やすよりもリード品質の向上に効きます。

よくある失敗を防ぐ

よくある問題には、検索範囲が広すぎる、役職レベルが合わないコンタクトが混ざる、エンリッチメント項目が欠ける、異なるセグメントの企業が同じリストに混在する、といったものがあります。防ぐには、最大件数を設定し、根拠列を必須にし、不確かな一致をフラグ付けさせ、「Apolloで見つかったもの」と「アウトリーチ推奨」を分けて扱うよう指示します。

最初の出力後に反復する

最初の実行結果を完成版として扱わないでください。「従業員100名未満の企業を除外して」「Revenue leadershipのタイトルを持つコンタクトだけ残して」「業界キーワード別にグループ化して」「最も有望な15アカウントだけをエンリッチして」といったフォローアップを行います。これにより、Apollo Automationを効率よく使い、適合度の低いレコードに時間を使わずに済みます。

プロンプトにレビュー基準を追加する

より強いリード調査にするには、スコアリングルールを含めます。たとえば、適合スコア、除外理由、欠損データ、次に推奨されるアクションです。例：“Score each account from 1-5 based on ICP fit, explain any uncertainty in one sentence, and mark whether to enrich now, review manually, or discard.” これにより、Apollo Automationは単なるリード抽出ではなく、判断に使えるプロスペクティングワークフローになります。