lead-research-assistant
作者 ComposioHQlead-research-assistant 可協助代理根據你的 ICP、市場與銷售目標，評估目標公司資格、排序潛在客戶契合度，並建議聯繫切入角度。這個單檔技能適合用於結構化的 Lead Research；完成後仍應手動查核公司與聯絡人資料。
此技能評分為 70/100，代表可接受列入目錄，但較適合視為輕量、以 prompt 驅動的工作流程，而不是功能完整的 lead research 系統。目錄使用者能理解何時啟用它，以及可期待的輸出；但也應注意，實際執行需要可用的網頁／搜尋能力，並且仍需對資料來源與潛在客戶驗證做出判斷。
- 具備清楚的 frontmatter 與使用觸發情境，涵蓋銷售、業務開發、行銷、目標客戶研究、合作夥伴開發與 ICP 匹配。
- SKILL.md 規劃了實用的 lead research 流程：理解業務、辨識目標公司、排列潛在客戶優先順序、提供聯繫策略，並補充公司與決策者脈絡。
- 內容看起來具備實質用途，而非佔位或示範素材；包含多個以工作流程為導向的段落，以及近似範例的使用指引。
- 僅為 prompt 型技能，沒有支援檔案、腳本、參考資料或資料來源指引，因此名單品質高度取決於代理可用的搜尋／工具能力，以及使用者提供的背景資訊。
- 此技能路徑沒有提供安裝指令，也缺少 repository 層級的 README／metadata，對目錄使用者來說，採用方式的清楚度稍弱。
lead-research-assistant skill 概覽
lead-research-assistant 的用途
lead-research-assistant skill 可協助 AI agent 把產品描述、目標市場與銷售目標，轉換成有結構的 lead research 工作流程。它適合用於 Lead Research 任務，例如找出目標公司、判斷帳戶適配度、排序商機優先順序，以及提出個人化的開發切角。
最適合銷售與商務開發使用者
如果你需要為銷售、合作夥伴開發、代理商陌生開發、創辦人親自開發，或行銷活動規劃，快速完成一輪實用的目標帳戶探索，這個 skill 會很有幫助。當你能清楚描述你的產品方案、理想客戶輪廓、地理區域、公司規模，以及你解決的商業問題時，它的效果最好。
這個 skill 的實用價值
lead-research-assistant skill 的主要價值不只是「找公司」。它會引導 agent 針對適配度進行推理：產業、公司規模、所在地、tech stack、募資階段、可能的痛點、決策者情境，以及開發策略。這會讓產出比一般潛在客戶名單更能直接拿來行動。
安裝前需要知道的主要限制
這個 skill 只有一個 SKILL.md 檔案，沒有內建 scripts、datasets、enrichment APIs 或驗證工具。它能協助整理研究流程與推理，但品質取決於模型是否具備瀏覽／工具存取能力、你提供的輸入細節，以及你是否願意在開發前自行驗證公司與聯絡人資料。
如何使用 lead-research-assistant skill
lead-research-assistant 安裝方式與應檢查的檔案
從 ComposioHQ skill collection 安裝：
npx skills add ComposioHQ/awesome-claude-skills --skill lead-research-assistant
安裝後，請先閱讀 lead-research-assistant/SKILL.md。在 repository preview 中看不到額外的 rules/、resources/、references/ 或 scripts/ 資料夾，因此 skill 的行為主要集中在這一個檔案裡。這讓設定變得簡單，但也代表你應該自行提供市場脈絡、資料來源與資格判斷規則。
更好的 lead research 需要提供哪些輸入
若要讓 lead-research-assistant usage 產出更好，不要只要求「好的 leads」。請提供：
- 產品或服務摘要
- 主要價值主張與解決的痛點
- 理想客戶輪廓
- 排除的客戶類型
- 目標國家或地區
- 偏好的公司規模或營收範圍
- 相關產業
- 買方職稱或部門
- 佐證資料、案例研究或差異化優勢
- 開發目標，例如預約 demo、合作、pilot 或問卷調查
較弱的 prompt 是：「Find SaaS leads for my product。」
較好的 prompt 是：「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 usage 的建議工作流程
一開始先請 skill 釐清你的 ICP，再開始產生 leads。接著分批進行 lead discovery，檢視適配條件，最後才要求撰寫開發訊息。實務上可以採用以下順序：
- 定義 ICP 與不合格條件。
- 要求提供 lead 類別與搜尋條件。
- 產生排序後的 account list。
- 要求為每個 account 提供適配證據。
- 加入聯絡策略與可能的 buyer personas。
- 匯出成方便匯入 CRM 的表格。
- 人工驗證公司事實與聯絡人資訊。
這種分階段工作流程可以降低憑空生成潛在客戶名單的風險，也讓研究結果更容易稽核。
能幫助決策的輸出格式
請要求欄位能迫使模型做出有用判斷，而不只是列出名稱。好的欄位包括 company、website、industry、location、employee range、fit score、why it fits、pain point、trigger signal、recommended buyer、outreach angle、data to verify 與 priority。其中 data to verify 欄位特別重要，因為這個 skill 並未包含自動資料驗證 pipeline。
lead-research-assistant skill 常見問題
lead-research-assistant 會比一般 prompt 好嗎？
會，如果你需要可重複使用的 lead research 結構。一般 prompt 可能只產出鬆散的公司清單。lead-research-assistant skill 會給 agent 更明確的任務：理解業務、找出匹配的帳戶、排序適配度、補充脈絡，並建議聯絡策略。
它會找到已驗證的 email 或電話嗎？
不會自動做到。從 repository 證據來看，沒有內建 enrichment scripts 或聯絡人資料庫整合。如果你的環境具備瀏覽、CRM、Apollo、Clay、Clearbit、LinkedIn 或其他工具，可以搭配這個 skill 使用。否則，請把聯絡資訊視為需要人工驗證的建議。
誰不適合使用這個 skill？
不要把它當成符合合規要求的開發名單資料庫、保證可找到 email 的工具，或取代人工審查的方案。如果你無法清楚說明自己的產品方案或 ICP，也不適合使用。缺乏明確限制時，輸出可能會過於寬泛、籠統，或難以排序優先順序。
這個 skill 適合新手嗎？
適合。這個 skill 安裝簡單，核心集中在 SKILL.md，因此新手可以很快上手。主要學習門檻在於 prompt 品質：你越精準描述市場、排除條件與 sales motion，lead list 與開發策略就會越好。
如何改善 lead-research-assistant skill
用更精準的 ICP 改善 lead-research-assistant prompts
改善 lead-research-assistant 結果最快的方法，是提供明確的資格判斷規則。不要使用「成長中的公司」這類模糊特徵，改用可觀察的訊號，例如「過去 24 個月內完成 Series A 或 B 募資」、「正在招募 revenue operations 職缺」、「使用 Salesforce」，或「有多個 compliance 相關職缺」。可觀察訊號會讓 lead research 更容易驗證。
降低常見失敗情況
常見問題包括產業範圍過寬、編造公司細節、優先排序薄弱，以及開發切角聽起來很制式。你可以要求 agent 區分已確認事實與推測、列出應該驗證的資訊，並說明每個 account 為什麼適合。若第一份名單雜訊太多，先修正不合格條件，再要求產生更多 leads。
加入自己的研究來源與評分模型
由於這個 skill 沒有內建資料來源，你可以指定團隊信任的來源來改善結果：公司網站、徵才網站、募資資料庫、app marketplaces、評論網站、CRM exports、conference sponsor lists，或 technology directories。你也可以定義評分模型，例如：40% pain fit、25% company size、20% buying trigger、15% reachability。
從 account list 迭代到 outreach
第一次產出後，不要立刻寄信。請要求進行第二輪：「Remove weak-fit accounts, group the rest by pain point, and write one personalized outreach hypothesis per segment.」接著只針對最高優先順序的 accounts 要求訊息草稿。這能讓 lead-research-assistant for Lead Research 工作流程聚焦在合格商機，而不是單純追求數量。