lead-research-assistant
작성자 ComposioHQlead-research-assistant는 ICP, 시장, 영업 목표를 바탕으로 에이전트가 타깃 기업을 검증하고, 리드 적합도를 순위화하며, 아웃리치 관점을 제안하도록 돕습니다. 구조화된 Lead Research가 필요할 때 이 단일 파일 skill을 사용한 뒤, 기업 및 연락처 데이터는 반드시 수동으로 확인하세요.
이 skill은 70/100점으로, 목록에 올리기에는 무난하지만 완전한 도구형 리드 리서치 시스템이라기보다는 가벼운 프롬프트 기반 워크플로로 보는 것이 적절합니다. 디렉터리 사용자는 언제 호출해야 하는지와 어떤 결과물을 기대할 수 있는지 이해할 수 있지만, 실행에는 사용 가능한 웹/검색 기능이 필요하며 데이터 소스와 리드 검증에 대한 판단도 일부 요구된다는 점을 알아두어야 합니다.
- 영업, 사업개발, 마케팅, 타깃 계정 조사, 파트너십, ICP 매칭에 맞춘 frontmatter와 사용 트리거가 명확합니다.
- SKILL.md가 비즈니스 이해, 타깃 기업 식별, 리드 우선순위화, 접촉 전략 제시, 기업/의사결정자 맥락 보강으로 이어지는 실용적인 Lead Research 흐름을 제시합니다.
- 플레이스홀더나 데모 자료가 아니라, 여러 워크플로 중심 섹션과 예시형 사용 가이드를 갖춘 실질적인 콘텐츠로 보입니다.
- 지원 파일, 스크립트, 참고 자료, 데이터 소스 가이드가 없는 프롬프트 기반 skill입니다. 따라서 리드 품질은 에이전트가 사용할 수 있는 검색/도구와 사용자가 제공한 맥락에 크게 좌우됩니다.
- 이 skill 경로에는 설치 명령이나 repository 수준의 README/metadata가 없어, 디렉터리 사용자가 도입 방법을 파악하는 데 다소 불명확할 수 있습니다.
lead-research-assistant skill 개요
lead-research-assistant가 하는 일
lead-research-assistant skill은 제품 설명, 타깃 시장, 영업 목표를 바탕으로 AI agent가 구조화된 리드 리서치 워크플로를 만들도록 돕습니다. 타깃 기업 식별, 계정 적합도 판단, 기회 우선순위 지정, 개인화된 아웃리치 각도 제안처럼 Lead Research 업무에 맞춰 설계되어 있습니다.
영업 및 비즈니스 개발 사용자에게 잘 맞는 경우
세일즈, 파트너십, 에이전시 잠재고객 발굴, 창업자 주도 아웃리치, 마케팅 캠페인 기획을 위해 계정 발굴의 실용적인 1차 초안이 필요하다면 이 skill이 적합합니다. 제공하는 제품이나 서비스, 이상적인 고객 프로필, 지역, 회사 규모, 해결하는 비즈니스 문제를 명확히 설명할 수 있을수록 유용합니다.
이 skill이 유용한 이유
lead-research-assistant skill의 핵심 가치는 단순히 “회사를 찾아주는 것”에 있지 않습니다. 이 skill은 agent가 산업, 회사 규모, 위치, 기술 스택, 투자 단계, 예상되는 pain point, 의사결정자 맥락, 아웃리치 전략을 기준으로 적합도를 판단하게 돕습니다. 그래서 일반적인 잠재고객 목록보다 실제 실행에 옮기기 쉬운 결과를 얻을 수 있습니다.
설치 전에 알아둘 주요 한계
이 skill은 단일 SKILL.md 파일로 구성되어 있으며, 번들 스크립트, 데이터셋, enrichment API, 검증 도구는 포함되어 있지 않습니다. 리서치와 판단 구조를 잡는 데는 도움이 되지만, 결과 품질은 모델의 브라우징/도구 접근 권한, 사용자가 제공하는 입력의 구체성, 그리고 아웃리치 전에 회사 및 연락처 데이터를 직접 검증하려는 노력에 따라 달라집니다.
lead-research-assistant skill 사용 방법
lead-research-assistant 설치와 확인할 파일
ComposioHQ skill collection에서 다음 명령으로 설치합니다.
npx skills add ComposioHQ/awesome-claude-skills --skill lead-research-assistant
설치 후에는 먼저 lead-research-assistant/SKILL.md를 읽어보세요. repository preview 기준으로 추가 rules/, resources/, references/, scripts/ 폴더는 없으므로, skill 동작은 이 한 파일에 집중되어 있습니다. 설정은 간단하지만, 그만큼 시장 맥락, 데이터 소스, 자격 판단 기준은 사용자가 직접 제공해야 합니다.
더 나은 리드 리서치를 위해 필요한 입력
좋은 lead-research-assistant usage를 위해서는 단순히 “좋은 리드”를 찾아달라고만 요청하지 마세요. 다음 정보를 제공하는 것이 좋습니다.
- 제품 또는 서비스 요약
- 핵심 가치 제안과 해결하는 pain
- 이상적인 고객 프로필
- 제외해야 할 고객 유형
- 타깃 국가 또는 지역
- 선호하는 회사 규모 또는 매출 범위
- 관련 산업
- 구매자 직함 또는 부서
- proof point, case study, 차별점
- 데모 예약, 파트너십, 파일럿, 설문 등 아웃리치 목표
약한 프롬프트 예시는 다음과 같습니다. “Find SaaS leads for my product.”
더 강한 프롬프트는 다음과 같습니다. “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.”
lead-research-assistant 사용을 위한 권장 워크플로
리드를 바로 생성하기 전에, 먼저 이 skill에게 ICP를 명확히 다듬어 달라고 요청하세요. 그다음 리드 발굴을 배치 단위로 진행하고, 적합도 기준을 검토한 뒤, 마지막에 아웃리치 메시지를 요청하는 흐름이 좋습니다. 실무적으로는 다음 순서가 효과적입니다.
- ICP와 제외 조건을 정의합니다.
- 리드 카테고리와 검색 기준을 요청합니다.
- 우선순위가 매겨진 계정 목록을 생성합니다.
- 각 계정의 적합도 근거를 요청합니다.
- 연락 전략과 예상 buyer persona를 추가합니다.
- CRM에 넣기 쉬운 표 형식으로 내보냅니다.
- 회사 정보와 연락처를 수동으로 검증합니다.
이처럼 단계적으로 진행하면 환각으로 만들어진 잠재고객 목록을 줄이고, 리서치 결과를 더 쉽게 감사하고 검토할 수 있습니다.
의사결정에 도움이 되는 출력 형식
단순히 회사명만 나열하지 말고, 판단을 강제하는 열을 요청하세요. 좋은 필드에는 company, website, industry, location, employee range, fit score, why it fits, pain point, trigger signal, recommended buyer, outreach angle, data to verify, priority 등이 있습니다. 특히 data to verify 열은 중요합니다. 이 skill에는 자동 데이터 검증 파이프라인이 포함되어 있지 않기 때문입니다.
lead-research-assistant skill FAQ
lead-research-assistant는 일반 프롬프트보다 나은가요?
반복 가능한 리드 리서치 구조가 필요하다면 그렇습니다. 일반 프롬프트는 느슨한 회사 목록을 생성하는 데 그칠 수 있습니다. lead-research-assistant skill은 agent에게 더 명확한 역할을 부여합니다. 비즈니스를 이해하고, 맞는 계정을 찾고, 적합도를 우선순위화하고, 맥락을 보강하며, 연락 전략을 제안하도록 안내합니다.
검증된 이메일 주소나 전화번호도 찾아주나요?
그 자체만으로는 아닙니다. repository에서 확인되는 근거상, 번들 enrichment script나 연락처 데이터베이스 연동은 없습니다. 사용 환경에 browsing, CRM, Apollo, Clay, Clearbit, LinkedIn 또는 기타 도구가 있다면 이 skill과 함께 사용할 수 있습니다. 그렇지 않다면 연락처 정보는 수동 검증이 필요한 제안으로 다루어야 합니다.
이 skill을 사용하지 않는 것이 좋은 사람은 누구인가요?
이 skill을 규정 준수에 안전한 잠재고객 데이터베이스, 보장된 이메일 탐색기, 또는 사람의 검토를 대체하는 도구로 의존해서는 안 됩니다. 또한 제품이나 ICP를 설명할 수 없다면 적합하지 않습니다. 제약 조건이 명확하지 않으면 결과가 너무 넓거나, 일반적이거나, 우선순위를 정하기 어려울 수 있습니다.
초보자도 사용하기 쉬운가요?
네. 이 skill은 설치가 간단하고 SKILL.md 중심으로 구성되어 있어 초보자도 빠르게 적용할 수 있습니다. 다만 핵심 학습 곡선은 프롬프트 품질에 있습니다. 시장, 제외 조건, 영업 방식에 대해 더 정확히 설명할수록 리드 목록과 아웃리치 전략의 품질도 좋아집니다.
lead-research-assistant skill 개선 방법
더 선명한 ICP로 lead-research-assistant 프롬프트 개선하기
lead-research-assistant 결과를 가장 빠르게 개선하는 방법은 엄격한 자격 판단 기준을 제공하는 것입니다. “성장 중인 회사”처럼 모호한 특성 대신 “최근 24개월 내 Series A 또는 B 투자 유치,” “revenue operations 직무 채용 중,” “Salesforce 사용,” “compliance 관련 채용 공고가 여러 개 있음”처럼 관찰 가능한 신호로 바꾸세요. 관찰 가능한 신호가 있어야 리드 리서치를 검증하기 쉬워집니다.
흔한 실패 유형 줄이기
흔한 문제로는 너무 넓은 산업 범위, 지어낸 회사 세부 정보, 약한 우선순위화, 일반적으로 들리는 아웃리치 각도가 있습니다. 이를 줄이려면 agent에게 확인된 사실과 가정을 분리하게 하고, 무엇을 검증해야 하는지 명시하게 하며, 각 계정이 왜 적합한지 설명하도록 요청하세요. 첫 목록에 노이즈가 많다면 더 많은 리드를 요청하기 전에 제외 조건부터 수정하는 편이 좋습니다.
자체 리서치 소스와 scoring model 추가하기
이 skill에는 번들 데이터 소스가 없으므로, 팀이 신뢰하는 소스를 직접 지정하면 개선 효과가 큽니다. 예를 들어 회사 웹사이트, 채용 게시판, 투자 데이터베이스, app marketplace, 리뷰 사이트, CRM export, 컨퍼런스 스폰서 목록, 기술 디렉터리 등을 명시할 수 있습니다. scoring model도 정의할 수 있습니다. 예를 들어 pain fit 40%, company size 25%, buying trigger 20%, reachability 15%처럼 가중치를 둘 수 있습니다.
계정 목록에서 아웃리치까지 반복 개선하기
첫 결과가 나왔다고 바로 이메일을 보내지 마세요. 두 번째 검토를 요청하세요. “Remove weak-fit accounts, group the rest by pain point, and write one personalized outreach hypothesis per segment.” 그런 다음 최우선순위 계정에 대해서만 메시지 초안을 요청하세요. 이렇게 하면 lead-research-assistant for Lead Research 워크플로가 단순 물량보다 검증된 기회에 집중하게 됩니다.