lead-intelligence

name	lead-intelligence
description	AI 네이티브 리드 인텔리전스 및 아웃리치 파이프라인입니다. 에이전트 기반 신호 점수화, 상호 연결 순위화, 웜패스 탐색, 소스 기반 보이스 모델링, 이메일·LinkedIn·X별 아웃리치로 Apollo, Clay, ZoomInfo를 대체합니다. 고가치 연락처를 찾고, 선별하고, 접촉하고 싶을 때 사용합니다.
origin	ECC

리드 인텔리전스

소셜 그래프 분석과 웜패스 탐색을 통해 고가치 연락처를 찾고, 점수화하고, 접촉하는 에이전트 기반 리드 인텔리전스 파이프라인입니다.

사용 시점

• 사용자가 특정 산업의 리드 또는 잠재 고객을 찾고 싶어할 때
• 파트너십, 영업 또는 자금 조달을 위한 아웃리치 리스트를 구축할 때
• 누구에게 연락해야 할지, 그리고 그들에게 도달하는 최선의 경로가 무엇인지 조사할 때
• 사용자가 "리드 찾기", "아웃리치 리스트", "누구에게 연락해야 하나", "웜 인트로(warm intros)"라고 말할 때
• 관련성에 따라 연락처 리스트를 점수화하거나 순위를 매겨야 할 때
• 웜 인트로 경로를 찾기 위해 상호 연결된 인맥을 매핑하고 싶을 때

도구 요구사항

필수

• Exa MCP — 인물, 회사 및 신호에 대한 딥 웹 검색 (web_search_exa)
• X API — 팔로워/팔로잉 그래프, 상호 분석, 최근 활동 (X_BEARER_TOKEN, 그리고 X_CONSUMER_KEY, X_CONSUMER_SECRET, X_ACCESS_TOKEN, X_ACCESS_TOKEN_SECRET와 같은 쓰기 컨텍스트 자격 증명)

선택 사항(결과 강화)

• LinkedIn — 가능한 경우 직접 API 사용, 그렇지 않으면 검색, 프로필 조사 및 초안 작성을 위한 브라우저 제어
• Apollo/Clay API — 사용자가 액세스 권한이 있는 경우 보강 교차 참조용
• GitHub MCP — 개발자 중심의 리드 자격 검증용
• Apple Mail / Mail.app — 자동으로 보내지 않고 콜드 또는 웜 이메일 초안 작성
• 브라우저 제어 — API 범위가 부족하거나 제한적인 경우 LinkedIn 및 X용

파이프라인 개요

┌─────────────┐     ┌──────────────┐     ┌─────────────────┐     ┌──────────────┐     ┌─────────────────┐
│ 1. 신호      │────>│ 2. 상호 연결  │────>│ 3. 웜패스        │────>│ 4. 정보       │────>│ 5. 아웃리치     │
│    점수화    │     │    순위화     │     │    탐색          │     │    보강       │     │    초안         │
└─────────────┘     └──────────────┘     └─────────────────┘     └──────────────┘     └─────────────────┘

아웃리치 전 보이스 확보

일반적인 영업 문구로 아웃바운드 초안을 만들지 않습니다.

사용자의 보이스(목소리)가 중요한 경우 brand-voice를 먼저 실행하세요. 이 스킬 내부에서 임시로 스타일을 도출하는 대신 해당 스킬의 VOICE PROFILE을 재사용하세요.

라이브 X 액세스가 가능하다면 초안 작성 전에 최근 오리지널 포스트를 가져오세요. 불가능하다면 제공된 예시나 사용 가능한 최선의 레포/사이트 자료를 사용하세요.

1단계: 신호 점수화

목표 버티컬에서 신호가 강한 인물을 찾고 다음 기준으로 가중치를 부여합니다.

신호	가중치	소스
역할/직함 일치	30%	Exa, LinkedIn
산업 일치	25%	Exa 회사 검색
주제에 대한 최근 활동	20%	X API 검색, Exa
팔로워 수 / 영향력	10%	X API
위치 근접성	10%	Exa, LinkedIn
사용자의 콘텐츠와 소통	5%	X API 상호작용

신호 검색 접근 방식

# 1단계: 타깃 파라미터 정의
target_verticals = ["prediction markets", "AI tooling", "developer tools"]
target_roles = ["founder", "CEO", "CTO", "VP Engineering", "investor", "partner"]
target_locations = ["San Francisco", "New York", "London", "remote"]

# 2단계: Exa를 이용한 인물 딥 검색
for vertical in target_verticals:
    results = web_search_exa(
        query=f"{vertical} {role} founder CEO",
        category="company",
        numResults=20
    )
    # 각 결과 점수화

# 3단계: X API를 이용한 활발한 활동가 검색
x_search = search_recent_tweets(
    query="prediction markets OR AI tooling OR developer tools",
    max_results=100
)
# 고유 작성자 추출 및 점수화

2단계: 상호 연결 순위화

점수가 매겨진 각 타깃에 대해 사용자의 소셜 그래프를 분석해 가장 따뜻한 경로를 찾습니다.

순위 모델

1. 사용자의 X 팔로잉 리스트와 LinkedIn 연결을 가져옵니다.
2. 각 고신호 타깃에 대해 공유된 연결이 있는지 확인합니다.
3. 브리지 가치를 점수화하기 위해 social-graph-ranker 모델을 적용합니다.
4. 다음 기준에 따라 상호 연결된 인물(mutuals)의 순위를 매깁니다.

요소	가중치
타깃과의 연결 수	40% — 가장 높은 가중치, 연결이 많을수록 높은 순위
상호 인물의 현재 역할/회사	20% — 의사 결정권자 vs 개별 기여자
상호 인물의 위치	15% — 같은 도시 = 소개받기 쉬움
산업 일치	15% — 같은 버티컬 = 자연스러운 소개
상호 인물의 X 핸들 / LinkedIn	10% — 아웃리치를 위한 식별 가능성

기본 규칙:

사용자가 그래프 수학 자체, 독립적인 보고서로서의 브리지 순위, 또는 명시적인 감쇠 모델 튜닝을 원할 때 social-graph-ranker를 사용하십시오.

이 스킬 내에서는 동일한 가중치 브리지 모델을 사용합니다:

B(m) = Σ_{t ∈ T} w(t) · λ^(d(m,t) - 1)
R(m) = B_ext(m) · (1 + β · engagement(m))

해석:

• 티어 1: 높은 R(m) 및 직접적인 브리지 경로 -> 웜 인트로 요청
• 티어 2: 중간 R(m) 및 1단계 브리지 경로 -> 조건부 인트로 요청
• 티어 3: 실행 가능한 브리지가 없음 -> 동일한 리드 기록을 사용하여 직접 콜드 아웃리치

출력 형식

사용자가 순위 엔진을 분리해 보고 싶거나, 수식을 시각화하고 싶거나, 전체 리드 워크플로 바깥에서 네트워크 점수화를 원한다면 먼저 social-graph-ranker를 독립적으로 실행하고 그 결과를 이 파이프라인에 다시 넣습니다.

상호 연결 순위 보고서 (MUTUAL RANKING REPORT)
========================================

#1  @mutual_handle (점수: 92)
    이름: Jane Smith
    역할: Acme Ventures 파트너
    위치: San Francisco
    타깃과의 연결: 7
    연결 대상: @target1, @target2, @target3, @target4, @target5, @target6, @target7
    최선의 소개 경로: Jane은 Target1의 회사에 투자함

#2  @mutual_handle2 (점수: 85)
    ...

3단계: 웜패스 탐색

각 타깃에 대해 가장 짧은 소개 체인을 찾습니다:

사용자 ──[팔로우]──> 상호 인물 A ──[투자함]──> 타깃 회사
사용자 ──[팔로우]──> 상호 인물 B ──[공동 창업]──> 타깃 인물
사용자 ──[행사에서 만남]──> 행사 ──[참석함]──> 타깃 인물

경로 유형 (따뜻함 순)

1. 직접적인 상호 인물 — 두 사람 모두 같은 사람을 팔로우하거나 알고 있음
2. 포트폴리오 연결 — 상호 인물이 타깃의 회사에 투자했거나 자문을 제공함
3. 직장 동료/동문 — 상호 인물이 같은 회사에서 근무했거나 같은 학교를 다님
4. 행사 겹침 — 두 사람 모두 같은 컨퍼런스/프로그램에 참석함
5. 콘텐츠 소통 — 타깃이 상호 인물의 콘텐츠와 소통했거나 그 반대

4단계: 보강 정보 수집

각 자격이 검증된 리드에 대해 다음 정보를 가져옵니다:

• 전체 이름, 현재 직함, 회사
• 회사 규모, 펀딩 단계, 최근 뉴스
• 최근 X 포스트(지난 30일) — 주제, 톤, 관심사
• 사용자와의 공통 관심사(공유 팔로우, 유사한 콘텐츠)
• 최근 회사 이벤트(제품 출시, 펀딩 라운드, 채용)

보강 정보 소스

• Exa: 회사 데이터, 뉴스, 블로그 포스트
• X API: 최근 트윗, 바이오, 팔로워
• GitHub: 오픈 소스 기여도 (개발자 중심 리드용)
• LinkedIn (브라우저 사용 시): 전체 프로필, 경력, 학력

5단계: 아웃리치 초안

각 리드에 대해 개인화된 아웃리치를 생성합니다. 초안은 소스에서 도출된 보이스 프로필 및 타깃 채널과 일치해야 합니다.

채널 규칙

이메일

• 가치가 가장 높은 콜드 아웃리치, 웜 인트로, 투자자 아웃리치 및 파트너십 요청에 사용합니다.
• 로컬 데스크톱 제어가 가능한 경우 Apple Mail / Mail.app에서 초안 작성을 기본으로 합니다.
• 초안을 먼저 생성하고, 사용자가 명시적으로 요청하지 않는 한 자동으로 보내지 않습니다.
• 제목은 기교를 부리지 않고 평범하고 구체적이어야 합니다.

LinkedIn

• 타깃이 LinkedIn에서 활발히 활동할 때, 상호 연결 그래프 컨텍스트가 LinkedIn에서 더 강력할 때, 또는 이메일 신뢰도가 낮을 때 사용합니다.
• 가능한 경우 API 액세스를 우선합니다.
• 그렇지 않으면 브라우저 제어를 사용하여 프로필, 최근 활동을 조사하고 메시지 초안을 작성합니다.
• 이메일보다 짧게 유지하고 가짜 전문적인 따뜻함은 피하세요.

X

• 공개적인 포스팅 활동이 중요한 고컨텍스트 운영자, 빌더 또는 투자자 아웃리치에 사용합니다.
• 검색, 타임라인 및 참여 분석을 위해 API 액세스를 우선합니다.
• 필요한 경우 브라우저 제어로 대체합니다.
• DM 및 공개 답변은 이메일보다 훨씬 간결해야 하며 타깃의 타임라인에 있는 실제 내용을 참조해야 합니다.

채널 선택 휴리스틱

다음 순서대로 하나의 기본 채널을 선택합니다:

1. 이메일을 통한 웜 인트로
2. 직접 이메일
3. LinkedIn DM
4. X DM 또는 답변

멀티 채널은 강력한 이유가 있고 빈도가 스팸처럼 느껴지지 않을 때만 사용하세요.

웜 소개 요청(상호 연결 대상에게)

목표:

• 하나의 명확한 요청
• 이 소개가 타당한 하나의 구체적인 이유
• 필요한 경우 전달하기 쉬운 짤막한 소개글

피해야 할 사항:

• 회사에 대한 과도한 설명
• 사회적 증거 쌓기
• 모금 템플릿처럼 들리는 것

직접 콜드 아웃리치(타깃에게)

목표:

• 구체적이고 최근의 무언가로 시작
• 적합성이 실제인 이유 설명
• 하나의 낮은 마찰 요청 수행

피해야 할 사항:

• 일반적인 찬사
• 기능 나열
• "연결하고 싶다"와 같은 광범위한 요청
• 강요된 수사적 질문

실행 패턴

각 타깃에 대해 다음을 생성합니다:

1. 권장 채널
2. 해당 채널이 최선인 이유
3. 메시지 초안
4. 선택적인 후속 메시지 초안
5. 이메일이 선택된 채널이고 Apple Mail을 사용할 수 있는 경우, 텍스트만 반환하는 대신 초안 메일을 생성합니다.

브라우저 제어가 가능한 경우:

• LinkedIn: 타깃 프로필, 최근 활동 및 상호 컨텍스트를 조사한 다음 메시지를 초안 작성하거나 준비합니다.
• X: 최근 포스트나 답변을 조사한 다음 DM 또는 공개 답변 문구를 초안 작성합니다.

데스크톱 자동화가 가능한 경우:

• Apple Mail: 제목, 본문 및 수신자가 포함된 초안 이메일을 생성합니다.

사용자의 명시적 승인 없이 메시지를 자동 전송하지 않습니다.

안티패턴

• 개인화가 없는 일반적인 템플릿
• 회사 전체를 설명하는 긴 단락
• 한 메시지에 여러 요청
• 구체적인 내용 없는 가짜 친근함
• 병합 필드가 보이는 대량 전송 메시지
• 이메일, LinkedIn, X에 재사용된 동일한 문구
• 작성자의 실제 목소리가 아닌 플랫폼 형태의 슬롭(slop)

설정

사용자는 다음 환경 변수를 설정해야 합니다.

# 필수
export X_BEARER_TOKEN="..."
export X_ACCESS_TOKEN="..."
export X_ACCESS_TOKEN_SECRET="..."
export X_CONSUMER_KEY="..."
export X_CONSUMER_SECRET="..."
export EXA_API_KEY="..."

# 선택 사항
export LINKEDIN_COOKIE="..." # 브라우저 사용 LinkedIn 액세스용
export APOLLO_API_KEY="..."  # Apollo 보강용

에이전트

이 스킬은 agents/ 하위 디렉터리에 특화 에이전트를 포함합니다.

• signal-scorer — 관련성 신호에 따라 잠재 고객을 검색하고 순위를 매깁니다.
• mutual-mapper — 소셜 그래프 연결을 매핑하고 웜패스를 찾습니다.
• enrichment-agent — 상세 프로필 및 회사 데이터를 가져옵니다.
• outreach-drafter — 개인화된 메시지를 생성합니다.

사용 예시

사용자: 예측 시장에서 내가 연락해야 할 상위 20명을 찾아줘

에이전트 워크플로:
1. signal-scorer가 Exa와 X에서 예측 시장 리더를 검색합니다.
2. mutual-mapper가 사용자의 X 그래프에서 공유된 연결을 확인합니다.
3. enrichment-agent가 회사 데이터와 최근 활동을 가져옵니다.
4. outreach-drafter가 상위 순위 리드에 대해 개인화된 메시지를 생성합니다.

출력: 웜패스가 포함된 순위 리스트, 보이스 프로필 요약, 채널별 아웃리치 초안 또는 앱 내 초안

관련 스킬

• 표준 보이스 캡처를 위한 brand-voice
• 아웃리치 전 네트워크 정리 및 확장을 위한 connections-optimizer