cold-email-personalizer

name	cold-email-personalizer
description	冷邮件个性化：根据潜在客户信息生成定制主题行和邮件正文。

冷邮件个性化群发

根据潜在客户(Lead)的信息，自动生成高度个性化的冷邮件，包含引人注目的主题行和针对性的邮件正文。

触发条件

当用户说以下内容时启动此技能：

• "生成冷邮件"
• "个性化邮件"
• "cold email"
• "帮我写开发信"
• "群发邮件"
• "outreach email"

工作流程

┌─────────────────────┐
│  读取潜在客户数据     │
│  (CSV/JSON 文件)     │
└──────────┬──────────┘
           │
           ▼
┌─────────────────────┐
│  筛选未处理的客户     │
│  (status != "sent") │
└──────────┬──────────┘
           │
           ▼
    ┌──────┴──────┐
    │  遍历每位客户  │
    └──────┬──────┘
           │
           ▼
┌─────────────────────┐
│  收集客户背景信息     │
│  (公司/职位/行业)    │
└──────────┬──────────┘
           │
           ▼
┌─────────────────────┐
│  AI 生成个性化邮件   │
│  - 主题行            │
│  - 邮件正文          │
└──────────┬──────────┘
           │
           ▼
┌─────────────────────┐
│  输出结构化结果       │
│  保存到输出文件       │
└─────────────────────┘

数据格式

输入文件格式 (leads.csv 或 leads.json)

CSV 格式:

name,email,company,position,industry,status
张三,[e-mail],科技有限公司,产品经理,SaaS,pending
李四,[e-mail],电商平台,运营总监,电商,pending

JSON 格式:

{
  "leads": [
    {
      "name": "张三",
      "email": "[e-mail]",
      "company": "科技有限公司",
      "position": "产品经理",
      "industry": "SaaS",
      "linkedin": "https://linkedin.com/in/zhangsan",
      "status": "pending"
    }
  ]
}

输出格式

{
  "emails": [
    {
      "to": "[e-mail]",
      "name": "张三",
      "subject": "关于提升产品团队效率的一点想法",
      "body": "张三你好，\n\n我注意到科技有限公司最近在扩张产品线...",
      "generated_at": "2025-12-29T10:30:00Z"
    }
  ]
}

执行步骤

步骤 1：准备客户数据

检查用户是否提供了数据文件路径：

• 如果提供了文件路径，读取该文件
• 如果没有提供，询问用户：
  • 提供 CSV/JSON 文件路径
  • 或直接输入客户信息

步骤 2：读取并解析数据

使用 Read 工具读取客户数据文件：

读取文件 → 解析 CSV/JSON → 提取客户列表

验证必需字段：

• name (必需)
• email (必需)
• company (可选但推荐)
• position (可选)
• industry (可选)

步骤 3：筛选待处理客户

过滤条件：

• status 不是 "sent"
• status 不是 "replied"
• 或 status 为空/pending

步骤 4：收集客户背景（可选增强）

如果客户信息不够详细，可以选择性地补充信息：

使用 WebSearch 搜索:

"[客户姓名] [公司名] LinkedIn"
"[公司名] 最新动态 融资"

提取：

• 公司最近成就/新闻
• 客户的职业亮点
• 行业痛点

步骤 5：生成个性化邮件

对每个客户，使用以下提示词生成邮件：

---

邮件生成提示词:

你是一位专业的商务开发专家，擅长撰写高转化率的冷邮件。

请根据以下潜在客户信息，生成一封个性化的冷邮件：

【客户信息】
- 姓名: {name}
- 邮箱: {email}
- 公司: {company}
- 职位: {position}
- 行业: {industry}
- 其他信息: {additional_info}

【我们的产品/服务】
{product_description}

【邮件要求】
1. 主题行要简短有力，引起好奇心，避免垃圾邮件关键词
2. 开头要个性化，体现你了解对方
3. 痛点切入要精准，基于对方行业/职位
4. 价值主张要清晰，3秒内让对方明白能获得什么
5. CTA（行动号召）要具体，比如"15分钟快速交流"
6. 整体不超过150字（中文）/ 100词（英文）
7. 语气专业但不死板，像朋友推荐而非推销

【输出格式】
请严格按照以下 JSON 格式输出：
{
  "subject": "邮件主题行",
  "body": "邮件正文内容"
}

---

步骤 6：整理输出结果

将所有生成的邮件汇总为结构化输出：

{
  "generated_at": "2025-12-29T10:30:00Z",
  "total_leads": 10,
  "processed": 8,
  "skipped": 2,
  "emails": [
    {
      "to": "[e-mail]",
      "name": "张三",
      "subject": "...",
      "body": "...",
      "personalization_points": ["提到了公司最近融资", "针对产品经理痛点"]
    }
  ]
}

步骤 7：保存结果

输出文件保存到：~/.claude/cache/cold-emails/

文件命名：emails-{日期}-{时间}.json

同时生成预览文件（Markdown格式）便于人工审核：

# 冷邮件生成结果

**生成时间**: 2025-12-29 10:30
**处理数量**: 8/10

---

## 邮件 #1 - 张三

**收件人**: [e-mail]
**主题**: 关于提升产品团队效率的一点想法

**正文**:
张三你好，

我注意到科技有限公司最近在扩张产品线...

---

使用示例

示例 1：从文件批量生成

用户: 帮我根据 /path/to/leads.csv 生成冷邮件，我们的产品是一款 AI 客服工具

Claude:
1. 读取 leads.csv，发现 15 位潜在客户
2. 筛选出 12 位未处理客户
3. 逐一生成个性化邮件
4. 保存结果到 ~/.claude/cache/cold-emails/
5. 显示预览供用户审核

示例 2：单个客户即时生成

用户: 帮我给李总写一封冷邮件，他是 ABC公司 的 CEO，主要做跨境电商

Claude:
[直接根据提供的信息生成个性化邮件]

示例 3：批量生成并导出

用户: 生成冷邮件并导出为 CSV，方便导入邮件工具

Claude:
[生成邮件后，额外导出 CSV 格式]

邮件质量检查清单

生成邮件后，自动检查：

• 主题行长度 < 50 字符
• 主题行不含垃圾词（免费、促销、限时等）
• 正文有个性化元素（姓名、公司、行业）
• 有明确的价值主张
• 有清晰的 CTA
• 正文长度适中（100-200 字）

最佳实践

提高打开率

• 主题行使用小写开头（看起来更像私人邮件）
• 加入具体数字或时效性词汇
• A/B 测试：为同一客户生成 2-3 个主题行候选

提高回复率

• 开头展示你做过研究（提及公司最近动态）
• 痛点描述要具体，不要泛泛而谈
• CTA 门槛要低（15分钟聊聊 vs 购买产品）

避免进垃圾箱

• 避免全大写
• 避免过多感叹号
• 避免营销词汇（免费试用、限时优惠等）
• 第一封邮件不要放附件

数据存储

• 输出目录：~/.claude/cache/cold-emails/
• JSON 结果：emails-{YYYYMMDD}-{HHMMSS}.json
• Markdown 预览：emails-{YYYYMMDD}-{HHMMSS}.md
• CSV 导出（可选）：emails-{YYYYMMDD}-{HHMMSS}.csv

依赖工具

• Read: 读取客户数据文件
• WebSearch: (可选) 补充客户背景信息
• Write: 保存生成的邮件结果

限制说明

• 此技能生成邮件内容，不负责实际发送
• 建议人工审核后再发送
• 大批量发送请遵守邮件服务商的发送限制
• 请确保遵守当地反垃圾邮件法规（如 GDPR, CAN-SPAM）