lead-research-assistant
por ComposioHQlead-research-assistant ajuda agentes a qualificar empresas-alvo, ranquear o fit dos leads e sugerir ângulos de abordagem com base no seu ICP, mercado e metas de vendas. Use esta skill de arquivo único para um Lead Research estruturado e depois verifique manualmente os dados de empresas e contatos.
Esta skill recebe 70/100, o que significa que é aceitável para listagem, mas funciona melhor como um workflow leve baseado em prompt do que como um sistema completo de Lead Research com ferramentas dedicadas. Usuários do diretório conseguem entender quando acioná-la e que tipo de saída esperar, mas devem saber que a execução exigirá recursos disponíveis de web/busca e algum julgamento sobre fontes de dados e validação de leads.
- Frontmatter e gatilhos de uso claros para vendas, desenvolvimento de negócios, marketing, pesquisa de contas-alvo, parcerias e correspondência com ICP.
- O SKILL.md apresenta um fluxo prático de Lead Research: entender o negócio, identificar empresas-alvo, priorizar leads, propor estratégias de contato e enriquecer o contexto sobre empresas e decisores.
- O conteúdo parece substancial, não material placeholder/demo, com várias seções orientadas a workflow e orientações de uso em estilo de exemplo.
- Skill baseada apenas em prompt, sem arquivos de apoio, scripts, referências ou orientação sobre fontes de dados; por isso, a qualidade dos leads depende muito das buscas/ferramentas disponíveis ao agente e do contexto fornecido pelo usuário.
- Não há comando de instalação nem README/metadados em nível de repositório para este caminho da skill, o que reduz um pouco a clareza de adoção para usuários do diretório.
Visão geral do skill lead-research-assistant
O que o lead-research-assistant faz
O skill lead-research-assistant ajuda um agente de IA a transformar uma descrição de produto, mercado-alvo e objetivo de vendas em um fluxo estruturado de pesquisa de leads. Ele foi pensado para tarefas de Lead Research, como identificar empresas-alvo, qualificar o fit de contas, ranquear oportunidades e sugerir ângulos personalizados de abordagem comercial.
Melhor perfil de uso para vendas e desenvolvimento de negócios
Use este skill se você precisa de uma primeira análise prática para descoberta de contas em vendas, parcerias, prospecção para agências, abordagem liderada por fundadores ou planejamento de campanhas de marketing. Ele funciona melhor quando você consegue descrever sua oferta, perfil de cliente ideal, geografia, porte da empresa e o problema de negócio que resolve.
Por que o skill é útil
O principal valor do lead-research-assistant skill não é apenas “encontrar empresas”. Ele orienta o agente a raciocinar sobre fit: setor, porte da empresa, localização, stack tecnológica, estágio de captação, dores prováveis, contexto do decisor e estratégia de abordagem. Isso torna a saída mais acionável do que uma lista genérica de prospects.
Principais limitações antes da instalação
Este skill tem um único arquivo SKILL.md e não inclui scripts, bases de dados, APIs de enriquecimento nem ferramentas de verificação. Ele consegue estruturar a pesquisa e o raciocínio, mas a qualidade depende do acesso do modelo a navegação/ferramentas, do nível de detalhe do seu input e da sua disposição para verificar dados de empresas e contatos antes de fazer outreach.
Como usar o skill lead-research-assistant
Instalação do lead-research-assistant e arquivos para inspecionar
Instale a partir da coleção de skills da ComposioHQ com:
npx skills add ComposioHQ/awesome-claude-skills --skill lead-research-assistant
Depois da instalação, leia primeiro lead-research-assistant/SKILL.md. Na prévia do repositório, não há pastas extras como rules/, resources/, references/ ou scripts/, então o comportamento do skill fica concentrado nesse único arquivo. Isso simplifica a configuração, mas também significa que você deve fornecer seu próprio contexto de mercado, fontes de dados e regras de qualificação.
Inputs que o skill precisa para uma pesquisa de leads melhor
Para um bom lead-research-assistant usage, não peça apenas “bons leads”. Forneça:
- Resumo do produto ou serviço
- Proposta de valor principal e dor resolvida
- Perfil de cliente ideal
- Tipos de cliente a excluir
- Países ou regiões-alvo
- Porte de empresa ou faixa de receita preferida
- Setores relevantes
- Cargos ou departamentos compradores
- Provas, estudos de caso ou diferenciais
- Objetivo do outreach, como agendamento de demo, parceria, piloto ou pesquisa
Um prompt fraco seria: “Find SaaS leads for my product.”
Um prompt mais forte seria: “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.”
Fluxo de trabalho recomendado para usar o lead-research-assistant
Comece pedindo ao skill para esclarecer seu ICP antes de gerar leads. Em seguida, rode a descoberta de leads em lotes, revise os critérios de fit e só depois peça mensagens de outreach. Uma sequência prática é:
- Definir ICP e critérios de desqualificação.
- Pedir categorias de leads e critérios de busca.
- Gerar uma lista ranqueada de contas.
- Solicitar evidências do fit de cada conta.
- Adicionar estratégia de contato e personas compradoras prováveis.
- Exportar em uma tabela compatível com CRM.
- Verificar manualmente fatos sobre empresas e contatos.
Esse fluxo em etapas reduz listas de prospects alucinadas e torna a pesquisa mais fácil de auditar.
Formato de saída que melhora a tomada de decisão
Peça colunas que forcem julgamentos úteis, não apenas nomes. Bons campos incluem company, website, industry, location, employee range, fit score, why it fits, pain point, trigger signal, recommended buyer, outreach angle, data to verify e priority. A coluna data to verify é especialmente importante porque este skill não inclui um pipeline automático de validação de dados.
FAQ do skill lead-research-assistant
O lead-research-assistant é melhor do que um prompt comum?
Sim, se você quer uma estrutura repetível para pesquisa de leads. Um prompt genérico pode produzir uma lista solta de empresas. O skill lead-research-assistant dá ao agente uma tarefa mais clara: entender o negócio, identificar contas compatíveis, priorizar fit, enriquecer o contexto e sugerir uma estratégia de contato.
Ele encontra emails ou telefones verificados?
Não por conta própria. As evidências do repositório mostram que não há scripts de enriquecimento incluídos nem integração com banco de contatos. Se o seu ambiente tiver navegação, CRM, Apollo, Clay, Clearbit, LinkedIn ou outras ferramentas, você pode combiná-las com o skill. Caso contrário, trate os dados de contato como sugestões que precisam ser verificadas manualmente.
Quem não deve usar este skill?
Não dependa dele como uma base de prospecção segura para compliance, um localizador garantido de emails ou um substituto para revisão humana. Ele também não é uma boa opção se você não consegue explicar sua oferta ou seu ICP. Sem restrições claras, a saída pode ficar ampla, genérica ou difícil de priorizar.
Ele é amigável para iniciantes?
Sim. O skill é simples de instalar e fica concentrado em SKILL.md, então iniciantes conseguem adotá-lo rapidamente. A principal curva de aprendizado está na qualidade do prompt: quanto mais precisamente você descreve seu mercado, exclusões e motion de vendas, melhores serão a lista de leads e a estratégia de outreach.
Como melhorar o skill lead-research-assistant
Melhore os prompts do lead-research-assistant com ICPs mais precisos
A forma mais rápida de melhorar os resultados do lead-research-assistant é fornecer regras rígidas de qualificação. Substitua características vagas como “empresas em crescimento” por sinais observáveis, como “levantou Series A ou B nos últimos 24 meses”, “está contratando para revenue operations”, “usa Salesforce” ou “tem várias vagas abertas de compliance”. Sinais observáveis tornam a pesquisa de leads mais fácil de validar.
Reduza modos de falha comuns
Problemas comuns incluem setores amplos demais, detalhes inventados sobre empresas, priorização fraca e ângulos de outreach com cara de mensagem genérica. Para evitar isso, peça ao agente que separe fatos confirmados de suposições, indique o que deve ser verificado e explique por que cada conta tem fit. Se a primeira lista vier ruidosa, revise os critérios de desqualificação antes de pedir mais leads.
Adicione suas próprias fontes de pesquisa e modelo de pontuação
Como o skill não traz fontes de dados incluídas, melhore o uso nomeando as fontes em que sua equipe confia: sites das empresas, portais de vagas, bases de funding, marketplaces de apps, sites de reviews, exports do CRM, listas de patrocinadores de conferências ou diretórios de tecnologia. Você também pode definir um modelo de pontuação, por exemplo: 40% fit da dor, 25% porte da empresa, 20% gatilho de compra, 15% facilidade de contato.
Itere da lista de contas para o outreach
Depois da primeira saída, não envie emails imediatamente. Peça uma segunda rodada: “Remove weak-fit accounts, group the rest by pain point, and write one personalized outreach hypothesis per segment.” Em seguida, solicite rascunhos de mensagens apenas para as contas de maior prioridade. Isso mantém o fluxo de lead-research-assistant for Lead Research focado em oportunidades qualificadas, em vez de volume.