lead-intelligence
作成者 affaan-mlead-intelligence は、リード調査のための AI リードインテリジェンスワークフローです。見込み客のスコアリング、有望な接点の発見、アウトリーチ文面の下書きまでを支援します。lead-intelligence スキルを使えば、優先順位付きのリード一覧を作成し、適合度を見極め、調査結果を email、LinkedIn、または X 向けのアウトリーチに変換できます。
このスキルは 82/100 の評価で、単なるアウトリーチ用プロンプトではなく、実用的な lead-intelligence ワークフローを求めるディレクトリ利用者にとって有力な掲載候補です。リポジトリには、スキルの起動方法、パイプラインの流れ、そしてスコアリング、相互関係のマッピング、エンリッチメント、アウトリーチにシグナルをどう使うかを把握できる程度の運用情報が揃っています。一方で、外部ツールへのアクセスに依存しており、インストール時の案内はやや不足しています。
- リード発見、アウトリーチ一覧、温度感の高い紹介経路、見込み客の優先順位付けに向けた明確な起動条件があり、ユーザー例の表現も含まれています。
- マルチステージのワークフローが明確で、シグナルスコアリング、エンリッチメント、相互関係のマッピング、アウトリーチ下書きが専用の agent ファイルに分かれています。
- 具体的なスコアリング基準と出力要件があるため、エージェントの試行錯誤を減らし、再利用しやすいワークフローになっています。
- Exa MCP や X API の認証情報など外部サービスが必要なため、すぐに使えるとは限りません。
- install コマンド、scripts、support ファイルがないため、セットアップと統合は手作業で解釈する必要があります。
lead-intelligence スキルの概要
lead-intelligence でできること
lead-intelligence は、見込み客を見つけ、スコアリングし、優先順位を付け、その調査結果を実際のアプローチ経路に落とし込むための AI リードインテリジェンスワークフローです。特に Lead Research 向けの lead-intelligence を求める人、つまりターゲットリストを作り、誰を重視すべきかを見極め、勘に頼らずに温かい接点を見つけたい人に向いています。
どんな人に向いているか
営業開拓、パートナー提案、資金調達のリサーチ、クリエイター／インフルエンサーのソーシング、創業者同士のネットワーキングを行うなら、lead-intelligence skill を使う価値があります。単に「名前を集める」だけでなく、「文脈つきで本当に重要な名前を見つけ、まず誰に連絡すべきかを判断する」ことが仕事の中心なら、相性が良いスキルです。
何が違うのか
このスキルは、シグナルのスコアリング、相互関係のランキング、温かい導線の発見、チャネル別のアウトリーチを組み合わせています。静的な名寄せリスト以上のものが必要な場合に効きます。生の検索結果を、優先順位のついた実行可能なショートリストへと変え、より良いタイミングと入口を見つける助けになります。
lead-intelligence スキルの使い方
インストールして有効化する
lead-intelligence install では、まずスキルを Claude Code 環境に追加し、その後は repo 内の skill files を起点に作業します。ソースに示されている基本コマンドは次のとおりです。
npx skills add affaan-m/everything-claude-code --skill lead-intelligence
インストール後は、環境から必要なツールにアクセスできることを確認してください。特に Exa search と X API の認証情報が必要です。これがないと、ワークフローの一部が止まります。
まずは適切な入力から始める
lead-intelligence usage のパターンは、ターゲットを絞って入力したときに最も力を発揮します。たとえば次のような情報が有効です。
- 対象業界やニッチ
- 購買担当者のペルソナや役職
- 地域やタイムゾーン
- 有望なリードとみなす条件
- 使いたいチャネル: email、LinkedIn、または X
- 温かい導線、スコアリング、アウトリーチ下書きのどれが欲しいか
「自社の見込み客を探して」といった弱い依頼では、未定義のまま残る部分が多すぎます。より強いプロンプトの例は、「北米の SaaS ops リーダーを 25 人見つけ、関連性と最近の活動でスコアリングし、温かい紹介経路を特定して、冷たいメールを 5 通下書きしてほしい」です。
先に読むべきファイル
最短で実装するなら、まず次を確認してください。
SKILL.md— 起動条件と必須ツールagents/signal-scorer.md— ランキングのロジックagents/mutual-mapper.md— 温かい導線の分析agents/enrichment-agent.md— プロフィールと企業の文脈agents/outreach-drafter.md— メッセージ長とパーソナライズのルール
これが最適な lead-intelligence guide の読み方です。実行する前に、この workflow に何が必要かが分かります。
より良い結果を出すワークフロー
実践的な流れは次のとおりです。
- 対象市場と ICP を定義する。
- シグナルスコアリングで優先順位付きの見込み客リストを作る。
- 上位候補に現在の役職、会社情報、活動状況、文脈を付与する。
- 相互関係やその他の温かい導線をマッピングする。
- 各相手に連絡する妥当な理由ができてから、アウトリーチを作成する。
スコアリングや enrichment を飛ばすと、アウトリーチは一般論になりがちです。このスキルは、各段階が次の段階の不確実性を減らすときに最もよく機能します。
lead-intelligence スキル FAQ
lead-intelligence は営業チーム専用ですか？
いいえ。lead-intelligence skill は、パートナー提案、資金調達、採用、専門家のソーシングにも役立ちます。関連性と接触可能性で人を優先順位付けしたいなら、有効です。
lead-intelligence には特別な API が必要ですか？
はい。中核となる workflow は Exa と X API へのアクセスに依存します。LinkedIn、Apollo、Clay、GitHub のような任意のソースを使うとカバレッジを広げられますが、このスキルは単なるプロンプトテンプレートではなく、実際の検索データとグラフデータを前提にしています。
これは普通のプロンプトより優れていますか？
たいていは、再現性のある prospecting が必要なら優れています。汎用プロンプトでも数件のリードは作れますが、lead-intelligence はスコアリング、相互分析、アウトリーチの順序付けを行う構造化された手法を加えるため、迷いが減り、結果の一貫性が上がります。
どんなときに使わないべきですか？
会社名の一覧を一度だけ欲しい場合や、必要なデータソースにアクセスできない場合は使わないでください。また、対象が広すぎる場合も不向きです。ランキングロジックは明確なターゲティングを前提にしているからです。
lead-intelligence スキルの改善方法
スコアリングモデルにより良い入力を与える
品質を最も大きく上げるのは、基準を明確にすることです。理想の役職、会社のステージ、地域、商談規模、トピックの関連性、そして「今この人に連絡すべき理由」をはっきりさせてください。フィルターが明確であるほど、lead-intelligence workflow が推測で補う必要が減ります。
名前だけでなく証拠も求める
出力を依頼するときは、各リードの根拠も一緒に求めてください。最近の投稿、役職変更、資金調達イベント、共通のつながり、トピックの重なりなどです。そうすることで、表面的な一致を避けやすくなり、ショートリストを社内で説明しやすくなります。
リサーチとアウトリーチを分ける
よくある失敗は、リード一覧と最終メッセージを一度に依頼してしまうことです。より良い結果は、2 段階で回すと得られます。まず特定して順位付けし、次に enrich して下書きする、という流れです。最初のパスに違和感があるなら、メッセージ生成の前にターゲットを絞り直してください。
一番弱い部分を反復改善する
結果が惜しいけれど実用に足りないなら、失敗した箇所を直してください。ペルソナ定義を改善する、除外条件を追加する、チャネルを絞る、といった調整です。lead-intelligence for Lead Research では、リード数を「もっと増やす」より、ICP やソース要件を少し変えるほうが出力改善につながることがよくあります。