cold-email

cold-email 技能總覽

cold-email 技能的用途

cold-email 技能可協助 agent 撰寫 B2B 開發信與後續跟進序列，讓內容讀起來更像真人所寫：自然、精簡，而且具備商業可信度。它特別適合用在 sales outreach、prospecting、SDR 工作流程，以及 founder-led outbound；這類情境的目標通常是拿到回覆、獲得引介，或促成會議邀約。

最適合哪些使用者

如果你已經知道自己的 offer 與目標受眾，但希望訊息品質比一般「幫我寫一封 sales email」提示詞更強，那就很適合使用這個 cold-email 技能。尤其適合：

• 負責 outbound 的 SDR 與 AE
• 親自做前期銷售開發的 founder
• 支援 sales outreach 的行銷人員
• 想替團隊建立可重複 cold-email 使用流程的營運人員

真正要完成的工作

大多數人其實不是只需要「一封 email」，而是需要一則短訊息，能做到：

• 連結到特定潛在客戶的實際問題
• 使用證據但不顯得像在硬推銷
• 提出低摩擦的下一步
• 並且能自然延伸成合理的 follow-up sequence

這也是這個技能比淺層模板更有價值的地方。

這個 cold-email 技能有何不同

這個 repository 在幾個會直接影響輸出品質的地方有明確取向：

• 它會要求 agent 先檢查是否已有既有的 product marketing context
• 它強調要寫得像同業對話，而不是供應商口吻
• 它採用 framework，而不是固定模板
• 它把 brevity 視為成效限制，而非單純風格偏好
• 它提供 subject lines、personalization、follow-ups 與 benchmarks 的參考資料

實務上，這代表它更適合拿來產出高品質訊息與以回覆為導向的 outreach，而不是大量生成制式模板。

什麼情況下不適合用這個技能

以下情境就不是這個技能的最佳選擇：

• warm nurture 或 lifecycle email 計畫
• 更廣泛的 sales collateral
• 法遵審查主導、合規要求很重的 enterprise 訊息
• 需要 deliverability setup、domain warming 或 sending infrastructure 指引的使用者

這個技能處理的是文案與序列品質，不是 outbound ops。

如何使用 cold-email 技能

在你的 skills 環境中安裝 cold-email

可用以下指令從 repo 安裝：

npx skills add https://github.com/coreyhaines31/marketingskills --skill cold-email

如果你的環境本來就支援本機或同步後的 skills，也可以依照既有流程加入，之後再確認該技能是否出現在 skills/cold-email。

先讀這些檔案

若想快速上手，建議先看：

• skills/cold-email/SKILL.md
• skills/cold-email/references/frameworks.md
• skills/cold-email/references/personalization.md
• skills/cold-email/references/subject-lines.md
• skills/cold-email/references/follow-up-sequences.md
• skills/cold-email/evals/evals.json

這個閱讀順序很重要：SKILL.md 定義行為規則，參考檔解釋背後原因，而 evals/evals.json 則能看出什麼樣的 invocation 才算是好的使用方式。

在下 prompt 前先檢查產品脈絡

這個技能明確預期 agent 先檢查：

• .agents/product-marketing-context.md
• .claude/product-marketing-context.md

如果其中任一檔案存在，就應先使用它，而不是先回頭問使用者一些基礎 positioning 問題。這樣可以減少重複來回，通常也能讓第一版草稿更好，因為 value proposition、proof points 與 audience assumptions 已經先有根據。

cold-email 技能需要哪些輸入

以下資訊越完整，這個技能的表現通常越好：

1. 目標受眾或精確職稱
2. 公司類型或市場區隔
3. 期望結果：reply、intro、call、demo、referral
4. offer 或 value proposition
5. proof point：成果、case study、客戶名稱、指標
6. research signals：招募、募資、新計畫、tech stack、change event
7. 任何限制條件：語氣、字數、禁用說法、CTA 限制

即使沒有這些資訊，模型仍然能產出草稿，但內容會更容易滑向泛用型 outbound 語言。

把模糊需求變成強而有力的 prompt

較弱的需求：

• 「Write a cold email for my SaaS.」

更強的 cold-email 使用 prompt：

• 「Write 3 cold email variations for VPs of Marketing at mid-market B2B SaaS companies. We help teams measure which content drives pipeline. Proof: customers see 3x content-attributed revenue in 90 days. Use a peer-to-peer tone, keep each email under 90 words, give 3 subject lines per version, and end with a low-friction CTA. If product context files exist, use them first.」

為什麼這樣比較好：

• 有明確 segment、痛點範圍與 proof
• 設定了 brevity 限制
• 要求產出多個變體
• 指定要使用這個技能偏好的 CTA 風格

用 framework，不要直接套模板

這個 cold-email 技能的一大實用優勢，是它內建的 framework library。參考資料中包含了這些結構：

• PAS
• BAB
• QVC

建議有意識地選用：

• 對象是忙碌高階主管、需要極致精簡時，用 QVC
• 痛點非常明確而且代價高時，用 PAS
• 成效轉變容易被想像時，用 BAB

如果你沒有指定 framework，可以要求 agent 自行選擇，並說明為什麼適合這個 prospect。

要求它寫出這個技能擅長的 subject lines

這個 repository 對 subject line 的指引相當實用：短、小寫、看起來像內部信件的 subject lines，通常比精雕細琢的行銷標題更有效。

不錯的請求寫法：

• 「Give me 5 subject lines, 2–4 words each, all lowercase, tied to the prospect’s problem rather than their first name.」

這樣的要求與 repo 參考資料一致，也能避開一個常見失敗模式：AI 生成看起來像大量群發的 subject lines。

做出更有用的 personalization

cold-email 技能的最佳使用方式，不是只要求「提一下對方 LinkedIn 上的內容」。參考資料主張，personalization 應該連回你要解決的問題，而不只是證明你有做過研究。

實用的 prompt 寫法：

• 「Use this research signal: they are hiring 3 SDRs. Tie that to likely outbound ramp and follow-up problems, not generic congratulations.」

這樣產出的文案，會比只停留在表層 personalization（例如提到對方最近一則貼文）更銳利、更像真的理解對方情境。

生成完整 sequence，不只第一封 email

這個 repo 提供了具體的 follow-up 指引，包括 cadence 與 angle rotation。較強的使用方式會是：

• 「Write the initial email plus 4 follow-ups. Each follow-up should add a new angle or value, not just bump the thread. Use day 0, day 3, day 7, day 14, and day 21 timing.」

這點很重要，因為不少回覆其實來自 follow-ups，而這個技能本來就是照這種工作流程來設計的。

在送出前要求做一次自我檢查

一個很實用的 invocation 方式，是要求 agent 依照技能自己的標準檢查草稿：

• 像同業交流的語氣
• 精簡句子
• 用 proof 建立可信度，而不是製造 hype
• 低摩擦 CTA
• personalization 有連到相關痛點
• 沒有任何一句話讀起來像模板或過度膨脹

這是最容易把 cold-email 技能從一次性產生器，變成可重複使用的審稿流程的方法之一。

團隊實務工作流程

一個好用的團隊流程通常像這樣：

1. 載入 product context
2. 定義 segment 與目標結果
3. 提供一個 proof point 與一個 research signal
4. 生成 2–3 個變體
5. 選定一個 framework
6. 擴展成簡短的 follow-up sequence
7. 執行品質檢查
8. 先依 segment 調整，而不是一開始就逐一針對個別 prospect 微調

這樣能讓 cold-email 技能維持高效率，同時保住訊息品質。

cold-email 技能 FAQ

這個 cold-email 技能比一般 prompt 更好嗎？

通常是，前提是你的問題在於訊息品質與一致性。它的價值不只是「AI 可以幫你寫 email」，而是它會把 agent 推向更精簡的結構、與痛點相連的 personalization、以 proof 為核心的訊息設計，以及更合理的 follow-up strategy。

cold-email 只適用於 Sales Outreach 嗎？

它最適合 B2B sales outreach。這包含 SDR outbound、founder outbound、agency prospecting，以及目標明確的 account outreach。不過它就沒那麼適合 newsletter 文案、warm nurture，或 customer lifecycle messaging。

新手也能用這個 cold-email 技能嗎？

可以，但新手需要提供更多上下文。如果你還不清楚受眾痛點、proof，或 CTA 目標，輸出雖然可能看起來合格，卻很容易流於普通。這個技能最能發揮效果的前提，是你至少已經有基本的 offer 與 target 定義。

這個技能有幫助寫 follow-ups 嗎？

有，而且這正是值得安裝它的強項之一。repository 裡對 follow-up sequence、angle rotation 與 cadence 都有專門指引，不是把 follow-ups 當成事後補上的東西。

它有涵蓋 deliverability 或 sending tools 嗎？

不太有。cold-email 技能聚焦在文案、訊息邏輯與 sequence 建構。它不能取代 inbox setup、名單建立、驗證或 sending infrastructure 相關工具。

什麼情況下不該用這個技能？

以下情況建議跳過：

• 你需要的是 warm email nurture
• 你的 offer 缺乏任何可信 proof
• 你的受眾太廣，無法做出有意義的 personalization
• 你想做的是高量、偏垃圾式的 spammy outreach，而不是有針對性的訊息

這個技能是為有思考、有目標的 outbound 最佳化，不是為了 brute-force volume。

如何提升 cold-email 技能的效果

提供更好的 proof，不是更多功能描述

想快速提升 cold-email 輸出品質，最快的方法就是提供真實的 proof point，例如：

• 可量化成果
• 具名客戶
• time-to-value
• before/after outcome

「Teams improved reply rates by 32% in 6 weeks」會比「we use AI to optimize outreach」強很多。

提供有關聯性的 research signals

較好的輸入：

• 「They just raised Series B and are hiring outbound reps.」

較差的輸入：

• 「They posted on LinkedIn about leadership.」

前者很自然就能連到銷售流程可能承受的壓力；後者則常常導向聽起來很假的 personalization。當 research signal 能指向你可處理的商業問題時，cold-email 技能的表現會明顯更好。

收緊 CTA

常見失敗模式之一，就是太早要求對方投入太多。這個 repo 的整體取向是低摩擦請求。你可以用這類 CTA 來改善輸出：

• 「open to a quick take?」
• 「worth sending a short example?」
• 「should I share how others handle this?」

這些通常比「book a demo」更符合 cold-email 的使用情境。

大幅縮短篇幅

參考資料明確把短 email 視為影響成效的重要槓桿。如果第一版草稿看起來很完整，但太長，可以要求 agent：

• 壓到 75 字以下
• 刪掉鋪陳性廢話
• 用一個 proof point 取代功能堆疊
• 每句只保留一個意思

這通常會同時提升真實感與回覆機率。

讓 framework 與受眾匹配

如果結果不理想，先換 framework，不要一開始就逐句重寫：

• 高階主管需要簡潔時，用 QVC
• 痛點清楚而且成本高時，用 PAS
• 轉變效果直覺易懂時，用 BAB

相較於反覆改形容詞或一直重寫開頭，這通常是更高槓桿的調整。

改善 follow-up 的切角

如果整個 sequence 讀起來很重複，請替每封 email 指定一個任務：

• initial：客製化觀察
• follow-up 1：更銳利的問題框定
• follow-up 2：proof 或 benchmark
• follow-up 3：新的價值素材或新角度
• follow-up 4：有禮貌地收尾 break-up

這樣的安排呼應了 repository 的 follow-up 邏輯，也能避免最常見的「just checking in」陷阱。

用 evals 校準輸出品質

打開 skills/cold-email/evals/evals.json，把你的 prompts 與預期行為對照。這些 evals 能清楚看出這個技能認定的好輸出包含哪些特徵：

• 先檢查 context files
• 語氣像同業對話
• 會選 framework
• subject lines 保持簡短
• 提供多個變體
• 採用低摩擦 asks

如果你的流程沒有產出這些特徵，先修正 prompt，再來懷疑技能本身。

依 segment 迭代，不要只改 wording

如果成效不佳，不要只重寫文案，也要重切 segment：

• 更窄的公司規模
• 更清楚的角色職責
• 更強的 trigger event
• 更具體的痛點

這個技能會隨著 targeting 更精準而變得更好用。在 Sales Outreach 的 cold-email 場景裡，list quality 與 context quality 往往比多做一次文案修飾更重要。