线索研究 & BANT 评级
这个技能做什么
当你拿到一个目标公司名称或域名时，这个技能会指导 AI Agent 完成以下工作：
- 公司情报收集：规模、行业、融资、技术栈、近期动态
- 关键决策人识别：CEO、CTO、VP 级别联系人及其背景
- BANT 评级：
- Budget（预算）— 基于公司规模和融资推断可用预算
- Authority（决策权）— 识别谁有采购决策权
- Need（需求）— 基于业务特征推断潜在痛点
- Timeline（时间线）— 基于公司动态推断购买窗口
- 线索评分：A/B/C/D 四级评分
- 行动建议：下一步该怎么跟进、用什么话术、找谁聊
触发条件
当用户提到以下任何一种情况时，激活此技能：
- 直接提及公司名并要求"研究""分析""评级""评估"
- 使用
/lead-research或/bant命令 - 提到"线索"" prospect ""客户研究"" BANT ""资格判定"
- 给出一个域名并要求了解该公司
示例触发语句：
- "研究一下 Stripe 这家公司"
- "帮我评估 notion.ai 这个线索"
- "做一下 Vercel 的 BANT 分析"
- "/lead-research linear.app"
工作流
步骤 1：确认输入
向用户确认：
- 目标公司名称或域名（必需）
- 你自己的产品/服务是什么（用于需求匹配，可选但有则更精准）
- 重点关注哪个维度（可选，默认全面分析）
如果用户只给了公司名，不要追问，直接用已有信息开始。
步骤 2：公司情报收集
使用 WebSearch 工具搜索以下信息（分多次搜索，不要一次搜完）：
搜索 1 — 公司基础信息
查询: "{公司名} company size funding revenue 2026"
目标: 员工规模、年收入估计、融资轮次和金额、估值
搜索 2 — 技术栈和产品
查询: "{公司名} tech stack engineering blog architecture"
目标: 使用什么技术、工程团队规模、技术决策偏好
搜索 3 — 近期动态
查询: "{公司名} news announcement 2026"
目标: 近3-6个月的重要动态（融资、产品发布、高管变动、扩张）
搜索 4 — 决策人信息
查询: "{公司名} CEO CTO VP engineering leadership team"
目标: 关键决策人姓名、职位、背景、LinkedIn 活跃度
信息不足时的处理：
- 搜索不到的信息，标注"未公开获取"
- 不要编造数据
- 可以基于行业均值做合理推断，但必须标注"推断"
步骤 3：BANT 评级
基于收集到的信息，对四个维度逐一评级：
Budget（预算）— 1-5 分
| 分数 | 标准 | 判断依据 |
|---|---|---|
| 5 | 预算充裕 | B轮+融资 / 年收入>$50M / 员工>500 |
| 4 | 预算较充裕 | A轮融资 / 年收入$10-50M / 员工100-500 |
| 3 | 预算有限 | 天使/种子轮 / 年收入$1-10M / 员工20-100 |
| 2 | 预算紧张 | 早期创业 / 员工<20 / 无明确收入 |
| 1 | 无预算 | 个人项目 / 无融资无收入 |
加分项（每项+0.5，最高+1）：
- 近期刚完成融资（6个月内）
- 有明确的IT/工具采购预算迹象
- 正在扩张团队
Authority（决策权）— 1-5 分
| 分数 | 标准 | 判断依据 |
|---|---|---|
| 5 | 决策链极短 | C-level 直接决策，<3人决策链 |
| 4 | 决策链较短 | VP 级决策，C-level审批 |
| 3 | 决策链中等 | 需要多部门评审 |
| 2 | 决策链较长 | 需要委员会/董事会审批 |
| 1 | 决策链不明 | 无法识别决策人 |
关键产出：列出1-3个最应该联系的人，包含姓名、职位、为什么找ta。
Need（需求）— 1-5 分
基于你的产品/服务与该公司的匹配度评估：
| 分数 | 标准 | 判断依据 |
|---|---|---|
| 5 | 强需求 | 有明确的公开痛点信号 + 行业匹配 |
| 4 | 较强需求 | 行业匹配 + 业务场景吻合 |
| 3 | 中等需求 | 部分场景吻合 |
| 2 | 弱需求 | 场景不太吻合 |
| 1 | 无需求 | 完全不相关 |
如果用户没有提供自己的产品信息，基于以下通用痛点评估：
- 该公司是否在扩张（扩张=更多工具需求）
- 该公司技术栈是否有明显短板
- 该公司是否处于转型期
关键产出：列出2-3个最可能的痛点假设，每个标注信心度（高/中/低）。
Timeline（时间线）— 1-5 分
| 分数 | 标准 | 判断依据 |
|---|---|---|
| 5 | 立即需求 | 有明确的采购信号 / 刚融资 / 正在扩张 |
| 4 | 短期需求（1-3月） | 有业务驱动因素 / 预算周期匹配 |
| 3 | 中期需求（3-6月） | 行业趋势驱动 / 可能的需求 |
| 2 | 长期需求（6-12月） | 早期阶段 / 需要培育 |
| 1 | 无明确时间线 | 无法判断 |
步骤 4：线索评分
综合评分公式：
总分 = Budget × 0.25 + Authority × 0.20 + Need × 0.35 + Timeline × 0.20
Need 权重最高，因为即使预算充足，如果没有需求也不值得投入。
线索等级：
| 等级 | 总分 | 含义 | 建议动作 |
|---|---|---|---|
| A | ≥4.0 | 优质线索 | 48小时内联系，优先级最高 |
| B | 3.0-3.9 | 培育线索 | 1周内联系，持续跟进 |
| C | 2.0-2.9 | 长期线索 | 加入邮件列表，月度触达 |
| D | <2.0 | 暂不跟进 | 3个月后重新评估 |
步骤 5：输出报告
按照以下模板输出报告：
📊 线索研究报告：{公司名}
生成时间：{日期} 线索等级：{A/B/C/D} — {评分}/5.0
公司概况
| 维度 | 信息 |
|---|---|
| 公司全称 | {名称} |
| 行业 | {行业} |
| 员工规模 | {人数} |
| 融资阶段 | {轮次/金额} |
| 年收入估计 | {范围} |
| 技术栈 | {关键技术} |
| 近期动态 | {1-2条} |
BANT 评级
💰 Budget — {分数}/5
{评级理由，2-3句话}
👤 Authority — {分数}/5
推荐联系人：
- {姓名} — {职位} — {联系理由}
- {姓名} — {职位} — {联系理由}
🎯 Need — {分数}/5
痛点假设：
- {痛点} — 信心度：{高/中/低}
- {痛点} — 信心度：{高/中/低}
⏰ Timeline — {分数}/5
{评级理由，2-3句话}
评分明细
| 维度 | 分数 | 权重 | 加权 |
|---|---|---|---|
| Budget | {x} | 25% | {x×0.25} |
| Authority | {x} | 20% | {x×0.20} |
| Need | {x} | 35% | {x×0.35} |
| Timeline | {x} | 20% | {x×0.20} |
| 总分 | {总和} |
🚀 行动建议
优先级：{高/中/低}
建议下一步：
- {具体动作，如"联系CTO xxx，话题切入点是xxx"}
- {具体动作}
- {具体动作}
推荐话术方向：
{一段话术方向建议，不是完整文案，是切入点}
风险提示：
- {可能的风险因素}
步骤 6：质量自检
输出报告前，AI 需自检以下事项：
- 公司基础信息至少覆盖4个维度（规模/行业/融资/技术栈）
- BANT 四个维度都有分数和理由
- Authority 部分至少列出1个推荐联系人
- Need 部分至少列出2个痛点假设
- [ 行动建议至少3条具体动作
- 没有编造的数据（无法获取的标注"未公开"）
- 线索等级与总分一致
如果自检不通过，补充信息后重新输出。
使用示例
示例 1：完整分析
用户输入：
研究一下 Linear 这家公司，我们做的是项目管理工具的AI助手
AI 行为：
- 确认输入（Linear + 产品是AI助手）
- 执行4次WebSearch收集情报
- 进行BANT评级
- 输出完整报告
示例 2：快速分析
用户输入：
/lead-research vercel.com
AI 行为：
- 直接开始（无需追问产品信息）
- 执行WebSearch
- 基于通用痛点评估Need
- 输出报告
示例 3：批量分析
用户输入：
帮我评估这5个公司：Stripe, Notion, Figma, Vercel, Supabase
AI 行为：
- 逐个执行完整工作流
- 每个公司输出独立报告
- 最后输出对比排名表
注意事项
- 数据时效性：优先搜索2026年的信息，超过12个月的数据标注日期
- 隐私合规：只收集公开信息，不搜索个人隐私数据（如私人邮箱、电话）
- 客观性：不要为了让线索看起来好而虚高评分，Need低就如实评低
- 可操作性：行动建议必须具体到"找谁、说什么、什么时间"，不能是"加强沟通"这种废话
- 诚实标注：推断的数据标注"推断"，搜索不到的标注"未公开"，绝不编造
技能边界
这个技能不做以下事情：
- 不发送邮件或消息（只生成报告）
- 不爬取非公开数据
- 不做财务预测或投资建议
- 不替代人工最终判断（报告是辅助决策，不是自动决策）
AgentSkills Factory 出品 | 版本 1.0.0 | 适用于 Claude Code / Cursor / Codex CLI / OpenClaw