Lead Research & BANT Rating

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：

1. 公司情报收集：规模、行业、融资、技术栈、近期动态
2. 关键决策人识别：CEO、CTO、VP 级别联系人及其背景
3. 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
4. 线索评分：A/B/C/D 四级评分
5. 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

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

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：

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

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：

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

BANT 评级

💰 Budget — {分数}/5

{评级理由，2-3句话}

👤 Authority — {分数}/5

推荐联系人：

1. {姓名} — {职位} — {联系理由}
2. {姓名} — {职位} — {联系理由}

🎯 Need — {分数}/5

痛点假设：

1. {痛点} — 信心度：{高/中/低}
2. {痛点} — 信心度：{高/中/低}

⏰ Timeline — {分数}/5

{评级理由，2-3句话}

评分明细

🚀 行动建议

优先级：{高/中/低}

建议下一步：

1. {具体动作，如"联系CTO xxx，话题切入点是xxx"}
2. {具体动作}
3. {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：

1. 确认输入（Linear + 产品是AI助手）
2. 执行4次WebSearch收集情报
3. 进行BANT评级
4. 输出完整报告

示例 2：快速分析

用户输入：

/lead-research vercel.com

AI 行为：

1. 直接开始（无需追问产品信息）
2. 执行WebSearch
3. 基于通用痛点评估Need
4. 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：

1. 逐个执行完整工作流
2. 每个公司输出独立报告
3. 最后输出对比排名表

注意事项

1. 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
2. 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）
3. 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
4. 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
5. 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