Unternehmensrecherche

Entdecken und analysieren Sie Unternehmen, an die Sie verkaufen möchten. Nutzt die Browserbase Search API zur Erkennung und ein Muster aus den Schritten „Planen → Recherchieren → Zusammenfassen“ zur umfassenden Anreicherung der Daten – mit der Ausgabe eines bewerteten Forschungsberichts und einer CSV-Datei.

Erforderlich: BROWSERBASE_API_KEY Umgebungsvariable und browse installierte CLI.

Einrichtung bei der ersten Ausführung: Bei der ersten Ausführung werden Sie aufgefordert, browse cloud fetch, browse cloud search, cat, mkdir, sedusw. Wählen Sie jeweils „Ja, und nicht erneut fragen für: browse cloud fetch:*“ (oder eine entsprechende Option), um die Berechtigungen für diese Sitzung automatisch zu erteilen. Um die Berechtigungen dauerhaft zu erteilen, fügen Sie diese zu Ihrer ~/.claude/settings.json unter permissions.allow:

"Bash(browse:*)", "Bash(bunx:*)", "Bash(bun:*)", "Bash(node:*)",
"Bash(cat:*)", "Bash(mkdir:*)", "Bash(sed:*)", "Bash(head:*)", "Bash(tr:*)", "Bash(rm:*)"

Pfadregeln: Verwenden Sie in allen Bash-Befehlen stets den vollständigen absoluten Pfad – NICHT ~ oder $HOME (beides löst Bestätigungsaufforderungen für die „Shell-Erweiterungssyntax“ aus). Lösen Sie das Home-Verzeichnis einmal auf und verwenden Sie es überall. Ersetzen Sie beim Erstellen von Subagent-Eingabeaufforderungen {SKILL_DIR} durch den vollständigen literalen Pfad.

Ausgabeverzeichnis: Alle Forschungsergebnisse werden in ~/Desktop/{company_slug}_research_{YYYY-MM-DD}/. Dieses Verzeichnis enthält eine .md Datei pro untersuchtem Unternehmen sowie eine abschließende .csv. Der Benutzer erhält sowohl die ausgewertete Tabelle als auch die vollständigen Recherchedateien auf seinem Desktop.

WICHTIG – Einschränkungen des Tools (gilt für den Hauptagenten UND alle Unteragenten):

• Alle Websuchen: Verwenden Sie browse cloud search. Verwenden Sie NIEMALS WebSearch.
• Alle Extraktionen von Seiteninhalten: Verwenden Sie node {SKILL_DIR}/scripts/extract_page.mjs "". Dieses Skript ruft über browse cloud fetch --output, analysiert Titel, Meta-Tags und sichtbaren Body-Text und greift automatisch auf browse get markdown , wenn das Abrufen fehlschlägt oder nur spärliche, per JavaScript gerenderte Inhalte zurückgibt. Erstelle NIEMALS manuell eine browse cloud fetch | sed Pipeline – sie entfernt Meta-Tags und analysiert die JSON-Hülle der Standardausgabe nicht. Verwende NIEMALS WebFetch.
• Alle Forschungsergebnisse: Subagenten schreiben pro Unternehmen eine Markdown-Datei, {OUTPUT_DIR}/{company-slug}.md unter Verwendung von Bash-Heredoc. Verwende NIEMALS das Write-Tool oder python3 -c. Siehe references/example-research.md für das Dateiformat.
• Bericht + CSV-Zusammenstellung: Verwenden Sie node {SKILL_DIR}/scripts/compile_report.mjs {OUTPUT_DIR} --open — generiert HTML-Bericht und CSV in einem Schritt und öffnet die Übersicht im Browser.
• URL-Deduplizierung: Verwenden Sie node {SKILL_DIR}/scripts/list_urls.mjs /tmp nach der Erkennung.
• Unteragenten dürfen AUSSCHLIESSLICH das Bash-Tool verwenden. Andere Tools sind nicht zulässig.
• Der Hauptagent liest NIEMALS rohe JSON-Batch-Dateien aus der Erkennung. Verwenden Sie list_urls.mjs zur Deduplizierung.

KRITISCH – Regeln gegen Fehlinterpretationen (gilt für den Hauptagenten UND alle Unteragenten):

• NIEMALS product_description, industryoder target_audience aus den Schriftarten, dem Framework (Framer/Next.js/React), dem Designsystem oder der Typografie einer Website. Diese sind rein kosmetischer Natur und sagen nichts darüber aus, was das Unternehmen verkauft.
• Lassen Sie NIEMALS das eigene ICP des Nutzers in die Beschreibung eines Ziels einfließen. Wenn Sie nicht wissen, was das Ziel tut, schreiben Sie Unknown – passe es nicht an das ICP an.
• product_description DU MUSST einen konkreten Ausdruck aus extract_page.mjs Ausgabe (TITLE, META_DESCRIPTION, OG_DESCRIPTION, HEADINGS oder BODY) zitieren oder umschreiben. Wenn keines dieser Felder eine erkennbare Produktbeschreibung liefert, schreiben Sie Unknown — homepage content not accessible.
• Wenn product_description ist Unknown, setzen Sie icp_fit_score auf 3 und setze icp_fit_reasoning auf Insufficient evidence — homepage returned no readable content.

CRITICAL — Berechtigungsabfragen minimieren:

• Subagenten MÜSSEN ALLE Dateischreibvorgänge mithilfe verketteter Heredocs in einem EINZIGEN Bash-Aufruf bündeln. Ein Bash-Aufruf = eine Berechtigungsabfrage.
• Fassen Sie ALLE Suchvorgänge und ALLE Abrufe mithilfe von && Verkettung.

Pipeline-Übersicht

Befolgen Sie diese 5 Schritte der Reihe nach. Überspringen Sie keine Schritte und ändern Sie nicht die Reihenfolge.

1. Unternehmensrecherche – Verschaffen Sie sich ein tiefgreifendes Verständnis des Unternehmens des Nutzers, seines Produkts und seiner Kunden
2. Auswahl des Detailgrads – Wählen Sie den Recherche-Detailgrad je nach der gewünschten Anzahl an Zielunternehmen
3. Ermittlung — Finden Sie Zielunternehmen mithilfe verschiedener Suchanfragen
4. Eingehende Recherche und Bewertung — Recherchieren Sie jedes Unternehmen und bewerten Sie die Übereinstimmung mit dem ICP
5. Bericht & CSV — Präsentieren Sie die Ergebnisse und erstellen Sie eine CSV-Datei mit den Bewertungen

Schritt 0: Ausgabeverzeichnis einrichten

Erstellen Sie vor dem Start das Ausgabeverzeichnis auf dem Desktop des Benutzers:

OUTPUT_DIR=~/Desktop/{company_slug}_research_{YYYY-MM-DD}
mkdir -p "$OUTPUT_DIR"

Ersetzen Sie {company_slug} durch den Firmennamen des Benutzers (Kleinbuchstaben, mit Bindestrich) und {YYYY-MM-DD} durch das heutige Datum. Übergeben Sie {OUTPUT_DIR} (als vollständigen Pfad, nicht mit ~) an alle Subagent-Eingabeaufforderungen, damit diese die Suchdateien dort ablegen.

Bereinigen Sie außerdem die Discovery-Batch-Dateien aus früheren Durchläufen:

rm -f /tmp/company_discovery_batch_*.json

Schritt 1: Eingehende Unternehmensrecherche

Dies ist der wichtigste Schritt. Die Qualität aller nachfolgenden Schritte hängt von einem tiefgreifenden Verständnis des Unternehmens des Nutzers ab.

1. Fragen Sie den Nutzer nach seinem Firmennamen oder der URL

2. Prüfen Sie, ob bereits ein Profil vorhanden ist:

   • Dateien auflisten in {SKILL_DIR}/profiles/ (ignorieren example.json)
   • Wenn ein passendes Profil vorhanden ist → lade es und zeige dem Nutzer an: „Ich habe dein Profil von {researched_at}. Ist es noch korrekt?“ Wenn ja → fahre mit Schritt 2 fort.
   • Falls kein Profil vorhanden ist → mit der eingehenden Recherche unten fortfahren.

3. Führen Sie eine umfassende Recherche zum Unternehmen des Benutzers durch, indem Sie das Muster „Planen → Recherchieren → Zusammenfassen“ anwenden. Siehe references/research-patterns.md für Vorlagen für Teilfragen und die Recherchemethodik.

   Wichtige Recherche-Schritte:

   • Suche: browse cloud search "{company name}" --num-results 10
   • Homepage abrufen: node {SKILL_DIR}/scripts/extract_page.mjs "{company website}"
   • Seiten der Website über die Sitemap ermitteln (Pfade wie /about oder /customers):
     1. browse cloud fetch --allow-redirects "{company website}/sitemap.xml" — die Sitemap ist klein, eine rohe browse cloud fetch ist in Ordnung
     2. Nach URLs mit Schlüsselwörtern suchen: customer, case-stud, pricing, about, use-case, industry, solution
     3. Optional auch /llms.txt Seitenbeschreibungen abrufen
     4. Wähle die 3–5 relevantesten URLs aus und extrahiere sie mit extract_page.mjs (NICHT im Rohformat browse cloud fetch)
   • Suche nach externem Kontext und Wettbewerbern
   • Ergebnisse mit Konfidenzniveaus zusammenfassen

   Zu einem Profil zusammenfassen: Unternehmen, Produkt, bestehende Kunden, Wettbewerber, Anwendungsfälle. Fügen Sie KEINE ICPs oder Teilbranchen hinzu – diese Entscheidungen werden pro Durchlauf getroffen.

4. Legen Sie das Profil dem Nutzer zur Bestätigung vor. Fahren Sie erst nach der Bestätigung fort.

5. Speichern Sie das bestätigte Profil unter {SKILL_DIR}/profiles/{company-slug}.json

6. Stellen Sie klärende Fragen mithilfe AskUserQuestion mit Auswahlfeldern:

   • „Welche Segmente sprechen Sie an?“ mit Optionen, die aus der Unternehmensrecherche abgeleitet wurden
   • „Unternehmensphase?“ – Start-ups, Mittelstand, Großunternehmen, Alle
   • „Wie viele Unternehmen / Tiefe?“ – Schnell (100), Tiefgehend (50), Tiefer (~25)
   • Dies ist die EINZIGE Benutzerinteraktion. Danach im Hintergrund ausführen, bis die Ergebnisse vorliegen.

Schritt 2: Auswahl des Detailmodus

Schritt 3: Erkundung

Formel: ceil(requested_companies / 35) erforderliche Suchanfragen. Etwa das 2- bis 3-Fache an Ergebnissen ermitteln, da durch die Filterung in der Regel 50–70 % aussortiert werden.

Erstellen Sie Suchanfragen nach folgenden Mustern:

• Branche + Unternehmensphase + Region („Fintech-Start-ups Serie A Bay Area“)
• Technologie-Stack + Anwendungsfall („Unternehmen, die Selenium für Web-Scraping nutzen“)
• Nähe zu Wettbewerbern („Alternativen zu {bekanntes Unternehmen im ICP}“)
• Käuferprofil + Problemfeld („Entwicklungsteams, die mit der Browser-Automatisierung zu kämpfen haben“)

Vorgehensweise:

1. Starten Sie ALLE Discovery-Subagenten gleichzeitig (bis zu ~6 pro Nachricht). Jeder führt seine Abfragen in einem EINZIGEN Bash-Aufruf aus:

   browse cloud search "{query}" --num-results 25 --output /tmp/company_discovery_batch_{N}.json
   

2. Nachdem alle Durchläufe abgeschlossen sind, deduplizieren: node {SKILL_DIR}/scripts/list_urls.mjs /tmp
3. Die URL-Liste filtern – entfernen:
   • Blogbeiträge, Nachrichtenartikel (globenewswire.com, techcrunch.com usw.)
   • Verzeichnisse/Aggregatoren (tracxn.com, crunchbase.com, g2.com)
   • Die eigenen Wettbewerber und bestehenden Kunden des Nutzers (aus dem Profil) Behalten Sie nur Unternehmenshomepages bei.

Siehe references/workflow.md für Vorlagen für Subagent-Aufforderungen und Wellenmanagement.

Schritt 4: Eingehende Recherche und Bewertung

Starten Sie Subagenten, um Unternehmen parallel zu recherchieren. Siehe references/workflow.md für die Prompt-Vorlage des Subagenten zur Datenanreicherung. Siehe references/research-patterns.md für die vollständige Recherchemethodik.

Ablauf:

1. Geteilte gefilterte URLs in Gruppen pro Subagent auf (schnell: ~10, gründlich: ~5, sehr gründlich: ~2–3)

2. Starte ALLE Subagenten zur Datenanreicherung gleichzeitig (bis zu ~6 pro Nachricht)

3. Jeder Subagent verwendet AUSSCHLIESSLICH Bash – für jedes Unternehmen:

   Phase A – Planung (im Schnellmodus überspringen): Aufteilung in 2–5 Teilfragen basierend auf ICP und Anreicherungsfeldern.

   Phase B – Recherche-Schleife: Seiten suchen und abrufen, Erkenntnisse extrahieren. Schrittbudget einhalten (schnell: 2–3, tiefgehend: 5–8, noch tiefgehender: 10–15).

   Phase C – Zusammenfassung: Bewertung der ICP-Übereinstimmung auf einer Skala von 1–10 anhand von Belegen. Ausfüllen der Anreicherungsfelder anhand der Erkenntnisse.

4. Subagenten schreiben ALLE Markdown-Dateien in einem EINZIGEN Bash-Aufruf unter Verwendung verketteter Heredocs, um {OUTPUT_DIR}/

5. Nachdem ALLE Unteragenten fertig sind, fahren Sie mit Schritt 5 fort

Wichtig: Fügen Sie die bestätigte ICP-Beschreibung wörtlich in jede Subagent-Eingabeaufforderung ein. Übergeben Sie den vollständigen literalen {OUTPUT_DIR} Pfad an jeden Subagenten weiter.

Schritt 5: Bericht & CSV

1. HTML-Bericht + CSV generieren (öffnet automatisch die Übersicht im Browser):

   node {SKILL_DIR}/scripts/compile_report.mjs {OUTPUT_DIR} --open
   

   Dadurch wird Folgendes generiert:

   • {OUTPUT_DIR}/index.html — Übersichtsseite mit bewerteter Tabelle (wird im Browser geöffnet)
   • {OUTPUT_DIR}/companies/*.html — einzelne Unternehmensseiten (verlinkt von der Übersicht)
   • {OUTPUT_DIR}/results.csv — bewertete Tabelle zum Import in Google Sheets/CRM

2. Zusammenfassung auch im Chat anzeigen:

## Company Research Complete

- **Total companies researched**: {count}
- **Depth mode**: {mode}
- **Score distribution**:
  - Strong fit (8-10): {count}
  - Partial fit (5-7): {count}
  - Weak fit (1-4): {count}
- **Report opened in browser**: ~/Desktop/{company_slug}_research_{date}/index.html

3. Zeige die Top-Unternehmen, sortiert nach ICP-Bewertung, in einer Tabelle an:

| Company | Score | Product | Industry | Fit Reasoning |
|---------|-------|---------|----------|---------------|
| Acme | 9 | AI inventory management | E-commerce SaaS | Series A, uses Selenium, expanding to EU |

4. Zeige für die 3–5 besten Unternehmen eine kurze Zusammenfassung der Recherche an – wichtigste Erkenntnisse, warum sie gut passen und mit welchem konkreten Ansatz man auf sie zugehen sollte.

Bieten Sie an, bestimmte Unternehmen genauer zu untersuchen, die Bewertungskriterien anzupassen oder die Recherche mit anderen Suchanfragen erneut durchzuführen.