AI Pulse

用Claude Code搭建AI销售线索系统,10步从0到1

用Claude Code搭建AI销售线索系统,10步从0到1

你可以用AI搭建自己的销售线索引擎。它基于团队已有的知识,自动筛选出本周有购买意向的客户、该联系谁、以及什么时候触达。

大多数团队从Apollo拉取5000家符合筛选条件的公司就开始发邮件,但没人检查这些公司本周是否真的有购买理由。检查需要用到团队的知识:你卖什么、哪些客户是好的匹配、为什么匹配、以及哪些信号意味着公司准备购买。把这些知识放进一个文件夹,AI在每次决策前都会读取。

Frontal为300多家B2B科技公司做过GTM(Go-to-Market),联合创始人Kenny Damian把经验打包成了GTM OS。我给它10个潜在客户,它自动完成了:找出本周有购买意向的公司、选对联系人和切入角度、获取验证过的邮箱、写出邮件序列。

以下是搭建自己系统的完整步骤,在Claude Code或Codex中运行,使用你现有技术栈中的工具。

1. 保留你的数据库,只给它1个任务

Apollo在这个系统中作为数据源之一保留。给它擅长的任务:拉取5000家符合几个筛选条件的公司。你的团队决定联系哪些、对每家说什么。

举个例子,两家公司人数相同、行业相同、国家相同。第一家正在招聘销售团队,想搞清楚管道怎么建。第二家已经有团队和成熟流程。它们需要不同的方案,AI要为每家写不同的邮件。

这个决策需要3个数据库里没有的东西:
- 你能帮什么:用客户的语言描述你解决的问题
- 哪些客户是好匹配:以及为什么每个都合适
- 他们刚开始时需要什么:签约那一周的处境

这些知识存在于通话记录、团队脑子里、旧活动的笔记里。下面的步骤把它移到一个AI每次都读的地方,你边学边更新。

我们在客户那里看到了效果。Aircall同时付费使用ZoomInfo、Apollo、Lusha和Cognism,6个月后他们在1个Salesforce数据库里有3655个自动刷新的客户。Teikametrics的BDR(业务开发代表)之前在Apollo、HubSpot和SmartScout之间手动搬运工作,我们把手动建表降到0,团队每月多出100多小时。

你付费买的工具和你搭建的系统是两回事。

2. 把团队知识放进1个文件夹

我们的GTM OS是1个文件夹,包含ICP(理想客户画像)、定位、客户背景、工具、工作流和指令。按这个顺序搭建:

每个保留的工具都要通过1个测试:Claude能不能用1条指令运行它?Codex和Claude Code都行。我在Codex里跑了这个指南的演示,团队在Claude Code里跑同一个文件夹。

我们的GTM OS公开版在github.com/Frontal-so/gtm-os:1个仓库,14个技能,从Apollo搜索到活动交付。克隆它,写入你自己的背景,保留匹配你销售方式的技能。

3. 写清楚好客户长什么样

在这上面花的时间要比选工具多。模糊的定义意味着花几小时审核你本来就不想要的公司。写下3件事:你卖什么、对谁有用、什么公司是坏匹配。有例子就加上,以及为什么每个匹配。

分5步搭建:
1. 拉取你最近30到50个已成交的单子。它们是文件里其他所有内容的证据。
2. 把ICP写成5个可以从外部(网站、招聘板、LinkedIn页面)检查的部分:谁可能买、负责人、触发点、排除项、市场规模。
3. 在Apollo里拉取数量,写在市场规模下面。
4. 在文件里给你的来源排序,这样AI知道两个来源不一致时听谁的。
5. 文件存在GitHub里,这样输出变化那天你能看到改了什么。

4. 为每个信号写规则

每个信号都要有书面规则:什么样的事件算、为什么对你的方案重要。对于招聘,写下哪些岗位重要、每个和你卖的东西有什么关系。

然后把你知道的和你假设的分开。一家公司招销售给了你调查的理由,但不代表他们的外联做得差。把这句话写进指令。

对于招聘信号,打开招聘帖。检查它是否还相关,读职责,找一个你能帮忙的任务。光有BDR空缺不代表他们需要更好的客户研究,职责描述可能会。

按来源给每个信号分类:
- 已公开:公司自己公开的,比如融资、新销售负责人、招聘帖。可以写进邮件。
- 观察到的:你在自己工具里看到的,比如访问定价页。用来给客户排序,不写进邮件。

每个发现都要带引用、日期和链接。我的Haiku信号机器人为每个找到的信号保存这3样,仍然有人检查它的工作。第一天它对Apollo的"客户经理"岗位是否算销售岗位只有中等把握,因为这个头衔不在我的销售头衔列表里。

5. 把每个重复决策变成技能

技能是AI每次都按同样方式执行的保存好的指令。它包含4样东西:任务、需要的信息、使用的工具、返回的输出。

Claude技能就像新员工的入职文档。为团队重复的每个决策写1个。在我们团队,12个Claude Code技能每月跑20多万美元的客户广告支出。

让每个技能给出推理和缺口。我给它一家公司,得到3个答案:
- 有没有相关的理由联系他们?
- 为什么这么认为?
- 缺什么信息,这样我的团队知道手动检查什么?

保持1个文件1个任务。每个流程写一次,在一个地方修。按这个顺序写你的入门技能:客户匹配、信号检查、联系人选择、切入角度和打法、文案。

先写任务再选工具。固定步骤交给自动化,每家公司都不一样的步骤交给带技能的agent。我们的n8n账单是每月384美元,同样的工作负载在Claude上要6万美元。

每个技能按10/80/10运行:人决定任务,技能做80%的工作,人检查最后10%。

6. 接入你的数据提供商

Apollo保留,作为你通过API调用的1个提供商。你可以为流程的不同部分用不同的提供商。搭建自己的工作流不需要自己建联系人数据库。

围绕它接入3个任务:
- 信号读取器:读招聘帖、新闻、公司页面。我的Haiku信号机器人是开源的,适合做第一个。
- 联系人步骤:推荐联系谁、怎么接近。
- 邮件补充工具:按瀑布流运行。

通过MCP或API连接。从你每天打开的工具开始:Apollo、HubSpot、Instantly和Slack,加上Clay、Prospeo和lemlist。

邮件方面,Prospeo第一,LeadMagic第二,FullEnrich第三,每次失败转到下一个。在1000多个列表中,它能找到85%到90%的邮箱。给每个人自己的API密钥,带支出提醒。

7. 在1个客户上运行

我在一家叫Lob的公司上跑了它。我已经做过研究,所以视频里我们过了保存的结果。它返回5个信号和6个联系人。证据包括业务发展招聘和收入运营招聘。这些岗位和我们做的事相关,所以这个客户值得细看。

然后检查证据。有些信号可能重叠,"第一个BDR"标签不代表公司从没做过外联。我想让团队看到每个建议基于什么,这样没人发基于猜测的邮件。

第一次运行前,把你的引流磁铁和GTM打法模板放进context/。提示3和4从中选。提示1、2和7读你的日志。等第9步的共享记录存了几周结果后,它们会更准。

你会得到这家公司的GTM打法和3个人的文案,每封邮件都跑过瀑布流。同样的信息也适用于LinkedIn外联。3个人就是多线程。每周我们筛选大约20个信号叠加的客户,每个手动联系3到5个人。其他好匹配先联系1个人。

在之前10个潜在客户的运行中,1家公司正在招第一个BDR,所以它给CRO写了这个:

"第一个BDR岗位往往第一个月都耗在域名预热和没人信任的列表上。我们用信号引擎跑了[公司]的市场,拉出本月显示购买信号的50个客户,每个都带理由。要我发过去让他们第一天就开始吗?"

这封邮件在发列表前先问了。在Lob的运行中,我走了另一条路,第一封邮件里就放了引流磁铁链接。

8. 发送前检查每个打法

在任何东西发出去之前,我检查打法对每个人是否合理。每个客户检查5样:
- [ ] 证据:每个信号链接到来源,来源仍然相关
- [ ] 已知vs假设:邮件只陈述来源说的内容
- [ ] 人:你能说为什么他们负责这个问题
- [ ] 角度:匹配那个人的信号
- [ ] 邮件:从瀑布流返回验证过的

先手动证明。25家公司手动跑过再上5000。4个任务不要交给agent:
- 你的API密钥
- 第一次调试
- 决定哪些客户不值得发
- 通话本身

9. 把学到的一切放进1个共享记录

第二个搭建是1个共享地方,存放你对一个客户的所有了解:公司做什么、你和谁谈过、他们说了什么、你提供了什么、之后发生了什么。销售、市场和交付都应该读写同一个记录。这是我们还在往GTM OS里建的东西。

销售用它准备对话。市场用它决定内容说什么。交付把了解到的客户情况写回去,这样下一个客户从它开始。

给每个客户1个记录,5个字段:
- 公司做什么
- 你和谁谈过
- 他们说了什么
- 你提供了什么
- 之后发生了什么

每个人在下次接触前读这个记录。下面放1个数据库。我们用Supabase。设一个定时任务每天写入,这样没人需要拉报告。

按细分在logs/里记录:有效的角度、回复的画像、没结果的。在CLAUDE.md里加1行:写任何新东西前读logs/。然后把每个回复、每个通话、每个赢的单子喂回去。

10. 给整个团队同一个系统

Frontal每个新GTM工程师入职时都拿到我们的GTM OS。分享它先需要1条规则。我这么说:

"你需要有明确的负责人,否则每个人都会自己改,这会是个大问题!"

Kenny用1个私有仓库这么跑:
- 1个团队仓库,每个销售都从这里拉,这样你最好的销售和新员工跑同一个版本
- 每个技能1个负责人,测试对它的每个改动
- 每个改动合并前审核
- 编辑仓库里的源文件,每个副本从它更新
- API密钥留在每个人自己的环境里,不进仓库

11. 现在打开整个系统

Palantir开创了前置部署工程师模式:工程师在客户旁边工作,围绕他们的真实运营搭建。我喜欢这个模式,因为你在决定建什么之前先理解业务,而AI让围绕客户已有工具搭建工作流变得更容易。这是我想带Frontal去的方向。

按这个顺序把系统上线:
1. 克隆GTM OS,把CLAUDE.md精简到200行以内,或者自己建1个文件夹
2. 用你最近30到50个已成交单子写context.md
3. 为你已经用的每个信号写规则
4. 写5个入门技能:客户匹配、信号检查、联系人选择、切入角度和打法、文案
5. 通过API连接Apollo和你的邮件瀑布流,每人1个密钥
6. 在1个你熟悉的客户上跑8个提示
7. 对照5格检查每个信号、联系人和邮件
8. 手动跑25家公司再上5000
9. 把每个结果写回共享记录
10. 把仓库给团队,每个技能1个负责人

旧方式靠筛选跑:筛选→5000家公司→猜联系谁→给每个人发同样的邮件。新方式靠团队知识跑:背景文件→信号规则→技能→提供商→1个客户运行→检查→共享记录→整个团队。

我的判断是,在1个工具或1个CRM里跑整个流程、点它的界面,正在走向终结。搭建你团队需要的工作流,在后面用不同的提供商,给人们一个适合他们工作方式的界面。

运行这个需要什么

- AI编码工具:Claude Code或Codex,指向1个文件夹
- 客户和联系人:通过API用Apollo,然后Prospeo、LeadMagic和FullEnrich找邮箱
- 连接:MCP或API连HubSpot、Instantly、Slack、Clay和lemlist
- 共享记录:Supabase,带每天写入的定时任务
- 团队副本:1个GitHub仓库,每个技能1个负责人

你的团队还有哪个决策每次都靠记忆做?想围绕你自己的工具搭建这个?在frontal.so预约通话,我会带你看它对你的团队是什么样。关注我@itsalexvacca获取更多这样的系统。

阅读原文
📚 相关主题 销售实操指南

订阅 AI Pulse

每天 08:00 · 12:30 · 18:30 · 23:50 更新