lead-research-assistant
作成者 ComposioHQlead-research-assistant は、ICP、市場、営業目標をもとに、エージェントがターゲット企業を評価し、リード適合度を順位付けし、アウトリーチの切り口を提案するのを支援します。構造化された Lead Research に使える単一ファイルのスキルですが、企業情報や連絡先データは必ず手動で確認してください。
このスキルのスコアは 70/100 で、掲載には問題ないものの、十分なツール群を備えた本格的なリードリサーチシステムというより、軽量なプロンプトベースのワークフローとして扱うのが適しています。ディレクトリ利用者は、どの場面で呼び出すべきか、どのような出力が期待できるかを把握できますが、実行には利用可能な Web／検索機能が必要であり、データソースの扱いやリード検証について一定の判断も求められます。
- 営業、事業開発、マーケティング、ターゲットアカウント調査、パートナーシップ、ICP マッチング向けの frontmatter と利用トリガーが明確です。
- SKILL.md では、事業理解、ターゲット企業の特定、リードの優先順位付け、コンタクト戦略の提示、企業・意思決定者コンテキストの補強まで、実務的なリードリサーチの流れが整理されています。
- 内容はプレースホルダーやデモではなく、複数のワークフロー指向セクションと、例に近い利用ガイダンスを備えた実用的な構成に見えます。
- サポートファイル、スクリプト、参考資料、データソースの指針がないプロンプトのみのスキルのため、リードの品質はエージェントが利用できる検索・ツール環境と、ユーザーから提供される文脈に大きく左右されます。
- このスキルパスにはインストールコマンドやリポジトリ単位の README／メタデータがないため、ディレクトリ利用者にとって導入手順の分かりやすさはやや弱くなっています。
lead-research-assistant skillの概要
lead-research-assistantでできること
lead-research-assistant skillは、製品説明、ターゲット市場、営業目標をもとに、AIエージェントが構造化されたリードリサーチのワークフローを組み立てられるようにするスキルです。ターゲット企業の特定、アカウント適合度の評価、商談機会の優先順位付け、パーソナライズしたアウトリーチ切り口の提案など、Lead Research向けの作業に適しています。
営業・事業開発ユーザーに向いているケース
営業、パートナー開拓、代理店や制作会社の新規開拓、創業者自身によるアウトリーチ、マーケティングキャンペーン設計などで、アカウント発掘の実用的な初期案が必要な場合に向いています。自社の提供価値、理想顧客像、対象地域、企業規模、解決するビジネス課題を具体的に説明できるほど、効果を発揮します。
このskillが役立つ理由
lead-research-assistant skillの価値は、単に「企業を見つける」ことではありません。業界、企業規模、所在地、技術スタック、資金調達フェーズ、想定される課題、意思決定者の文脈、アウトリーチ戦略まで含めて、適合度を考えるようにエージェントを導きます。そのため、一般的な見込み客リストよりも、次のアクションに移しやすい出力になります。
インストール前に知っておきたい主な制限
このskillは単一のSKILL.mdファイルで構成されており、同梱スクリプト、データセット、エンリッチメントAPI、検証ツールは含まれていません。リサーチの構造化や推論には役立ちますが、品質はモデルのブラウジング／ツール利用可否、入力情報の具体性、アウトリーチ前に企業情報や連絡先を検証する運用に左右されます。
lead-research-assistant skillの使い方
lead-research-assistantのインストールと確認すべきファイル
ComposioHQのskill collectionから、次のコマンドでインストールします。
npx skills add ComposioHQ/awesome-claude-skills --skill lead-research-assistant
インストール後は、まずlead-research-assistant/SKILL.mdを確認してください。リポジトリのプレビュー上では、追加のrules/、resources/、references/、scripts/フォルダはありません。そのため、skillの挙動はこの1ファイルに集約されています。セットアップは簡単ですが、その分、自社の市場背景、利用するデータソース、適格性判断のルールは自分で与える必要があります。
より精度の高いリードリサーチに必要な入力
質の高いlead-research-assistant usageにするには、「良いリードを探して」だけでは不十分です。次の情報を渡してください。
- 製品またはサービスの概要
- 主な価値提案と解決する課題
- 理想顧客像
- 除外したい顧客タイプ
- 対象国・地域
- 望ましい企業規模または売上レンジ
- 関連業界
- 購買担当者の役職・部門
- 実績、導入事例、差別化要素
- デモ獲得、パートナー提携、パイロット、アンケートなどのアウトリーチ目的
弱いプロンプトの例: 「自社プロダクト向けにSaaSリードを探して。」
より強いプロンプトの例: 「米国と英国の従業員50〜500名規模のfintech企業向けに、SOC 2の証跡収集を自動化するB2B SaaS productでlead-research-assistantを使ってください。セキュリティまたはコンプライアンス職を採用中で、クラウドインフラを利用しており、エンタープライズ営業に向けた準備をしていそうな企業を優先してください。コンサルティング会社、およびコンプライアンス自動化をすでに販売している企業は除外してください。適合理由、トリガーイベント、想定される購買担当者の役職、アウトリーチ角度、信頼度スコアを含めて25社を返してください。」
lead-research-assistant usageのおすすめワークフロー
いきなりリードを生成するのではなく、まずICPを明確化するようskillに依頼します。その後、リード発掘をバッチ単位で実行し、適合条件を見直してから、アウトリーチ文面の作成に進むのが効果的です。実用的な流れは次のとおりです。
- ICPと除外条件を定義する。
- リードのカテゴリと検索条件を依頼する。
- 優先順位付きのアカウントリストを生成する。
- 各アカウントが適合する根拠を求める。
- 接触戦略と想定される購買ペルソナを追加する。
- CRMに取り込みやすい表形式で出力する。
- 企業情報と連絡先を手動で検証する。
この段階的なワークフローにより、幻覚的な見込み客リストを減らし、リサーチ結果を監査しやすくできます。
意思決定に役立つ出力形式
単なる企業名ではなく、有用な判断を引き出せるカラムを指定してください。おすすめの項目は、company、website、industry、location、employee range、fit score、why it fits、pain point、trigger signal、recommended buyer、outreach angle、data to verify、priorityです。特にdata to verifyカラムは重要です。このskillには自動データ検証パイプラインが含まれていないためです。
lead-research-assistant skill FAQ
lead-research-assistantは通常のプロンプトより優れていますか？
はい。再現性のあるリードリサーチ構造が必要なら有用です。汎用的なプロンプトでは、企業名のゆるいリストが返ってくるだけになりがちです。lead-research-assistant skillは、ビジネスを理解し、条件に合うアカウントを特定し、適合度を優先順位付けし、文脈を補強し、接触戦略を提案するという、より明確な役割をエージェントに与えます。
検証済みのメールアドレスや電話番号も見つけられますか？
単体ではできません。リポジトリから確認できる範囲では、エンリッチメント用スクリプトや連絡先データベース連携は同梱されていません。利用環境にブラウジング、CRM、Apollo、Clay、Clearbit、LinkedIn、その他のツールがある場合は、それらと組み合わせて使えます。そうでない場合、連絡先情報は手動で検証すべき候補として扱ってください。
このskillを使うべきではない人は？
コンプライアンス面で安全性が保証された見込み客データベース、確実なメール発見ツール、人によるレビューの代替として依存するべきではありません。また、自社の提供価値やICPを説明できない場合にも向いていません。制約条件が明確でないと、出力は広すぎる、一般的すぎる、または優先順位を付けにくいものになりやすいです。
初心者にも使いやすいですか？
はい。インストールは簡単で、中心となる内容はSKILL.mdにまとまっているため、初心者でもすぐに導入できます。主な学習ポイントはプロンプトの質です。市場、除外条件、営業の進め方を具体的に説明するほど、リードリストとアウトリーチ戦略の質が上がります。
lead-research-assistant skillを改善する方法
より明確なICPでlead-research-assistantプロンプトを改善する
lead-research-assistantの結果を最も早く改善する方法は、明確な適格条件を与えることです。「成長中の企業」のような曖昧な表現ではなく、「過去24か月以内にSeries AまたはBを調達した」「revenue operations職を採用中」「Salesforceを利用している」「コンプライアンス関連の求人が複数ある」といった観測可能なシグナルに置き換えてください。観測できるシグナルがあるほど、リードリサーチの検証がしやすくなります。
よくある失敗を減らす
よくある問題には、対象業界が広すぎる、企業情報が作られてしまう、優先順位付けが弱い、アウトリーチ角度がありきたりになる、といったものがあります。これを防ぐには、確認済みの事実と仮説を分けること、何を検証すべきかを明記すること、各アカウントがなぜ適合するのかを説明することをエージェントに求めてください。最初のリストにノイズが多い場合は、追加のリードを依頼する前に除外条件を見直します。
自社のリサーチソースとスコアリングモデルを追加する
このskillにはデータソースが同梱されていないため、チームが信頼する情報源を明示すると改善できます。たとえば、企業サイト、求人サイト、資金調達データベース、アプリマーケットプレイス、レビューサイト、CRM export、カンファレンススポンサー一覧、技術ディレクトリなどです。スコアリングモデルを定義することもできます。例として、40% pain fit、25% company size、20% buying trigger、15% reachabilityのように重み付けします。
アカウントリストからアウトリーチへ反復する
最初の出力を得ても、すぐにメールを送らないでください。次のような2回目の見直しを依頼します。「適合度の低いアカウントを除外し、残りを課題別にグループ化し、セグメントごとにパーソナライズしたアウトリーチ仮説を1つずつ作成してください。」そのうえで、最優先アカウントに限定してメッセージ案を依頼します。これにより、lead-research-assistant for Lead Researchのワークフローを件数重視ではなく、質の高い商談機会に集中させられます。