高价值相似客户挖掘·简诗 AI

当「谁是理想客户」变成一个模糊问题

在 B2B 销售中，一个反复出现的困境是：手里有一批成交顺利的客户，却说不清他们为什么好。当获客团队试图扩展名单时，往往退回到行业、规模这类粗粒度标签，结果要么浪费大量时间跟进低质量线索，要么漏掉真正高价值的目标。

@user_fccf428b/lookalike-customer-finder 就是为解决这个问题设计的。

它如何工作

技能的核心是把「好客户」转化为可量化的 Ideal Customer Profile (ICP)，再按同一画像在全市场找相似公司。流程分几个关键步骤：

• 输入分析：如果没有提供种子客户，技能会主动索要 top 5-10 accounts，避免基于空数据猜测。
• 画像构建：从种子客户的共同特征中提炼五个维度的 profile，而非拍脑袋定义 ICP。
• 市场扫描：结合 references/data-sources.md 中的推荐工具采集 firmographics、tech stack、growth signals 和 contacts，不只靠单一数据源。
• 加权评分：每个候选公司按 references/scoring-model.md 的 0-100 加权模型打分，而非简单按数量排序。
• 分层输出：按 Tier 1 (top 10)、Tier 2 (next 40)、Tier 3 (next 50) 分桶，最终报告包含 market insights、targeting strategy 和 quick-start action plan。

贯穿全程的原则是 quality over quantity：宁可少输出一些候选，也不堆砌未经验证的名单。Growth signals 的权重高于静态属性，因为一家公司的潜力往往体现在其扩张迹象上。

适用边界与注意点

这个技能定位在策略输出层。它不会自动安装依赖、修改系统权限或创建持久化任务。当涉及发送、发布、删除、付款等外部写入操作时，会先展示目标与影响并等待确认。凭据仅用于用户指定的对应官方服务，不回显、不记录、不转发。

数据质量决定了输出质量。如果输入的种子客户样本过少或同质性太高，ICP 可能失真。建议提供有代表性且经过验证的优质客户数据，否则评分结果仅供参考。