option
MaisonMaison Skill Autres lead-intelligence

lead-intelligence

affaan-m/ECC affaan-m/ECC

Identifie, évalue et établit le contact avec des prospects à forte valeur ajoutée grâce à l'analyse du réseau social et à la découverte de parcours de contact prometteurs, en générant des modèles de prise de contact personnalisés pour les e-mails, LinkedIn et X.

...Développer tout
9
Heure mise à jour 11 octobre 2026

Intelligence des prospects

Pipeline de veille des prospects alimenté par des agents, qui identifie, évalue et contacte des prospects à forte valeur ajoutée grâce à l'analyse des réseaux sociaux et à la découverte de parcours chauds.

Quand l'activer

  • L'utilisateur souhaite trouver des prospects dans un secteur d'activité spécifique
  • Constitution d’une liste de cibles pour des partenariats, des ventes ou une levée de fonds
  • Recherche des personnes à contacter et de la meilleure façon de les atteindre
  • L'utilisateur utilise des expressions telles que « trouver des prospects », « liste de prospection », « qui devrais-je contacter », « présentations privilégiées »
  • Besoin de noter ou de classer une liste de contacts par pertinence
  • Souhaite cartographier les relations communes afin de trouver des voies d’introduction privilégiées

Exigences relatives à l'outil

Obligatoire

  • Exa MCP — Recherche sur le Deep Web de personnes, d’entreprises et de signaux (web_search_exa)
  • API X — Graphique des abonnés/abonnements, analyse des relations communes, activité récente (X_BEARER_TOKEN, ainsi que des identifiants d’écriture contextuels tels que X_CONSUMER_KEY, X_CONSUMER_SECRET, X_ACCESS_TOKEN, X_ACCESS_TOKEN_SECRET)

Facultatif (pour améliorer les résultats)

  • LinkedIn — API directe si disponible, sinon contrôle via le navigateur pour la recherche, l’inspection des profils et la rédaction
  • API Apollo/Clay — Pour l’enrichissement par recoupement si l’utilisateur y a accès
  • GitHub MCP — Pour la qualification des prospects axée sur les développeurs
  • Apple Mail / Mail.app — Rédaction d’e-mails «à froid» ou «à tiède» sans envoi automatique
  • Contrôle du navigateur — Pour LinkedIn et X lorsque la couverture API fait défaut ou est limitée

Aperçu du pipeline

┌─────────────┐     ┌──────────────┐     ┌─────────────────┐     ┌──────────────┐     ┌─────────────────┐
│ 1. Signal   │────>│ 2. Mutual    │────>│ 3. Warm Path    │────>│ 4. Enrich    │────>│ 5. Outreach     │
│    Scoring  │     │    Ranking   │     │    Discovery    │     │              │     │    Draft        │
└─────────────┘     └──────────────┘     └─────────────────┘     └──────────────┘     └─────────────────┘

Appel vocal avant la prise de contact

Ne rédigez pas vos messages sortants à partir de modèles de vente génériques.

Lancez brand-voice en premier dès que le ton de l’utilisateur est important. Réutilisez ce VOICE PROFILE plutôt que de redéfinir le style au cas par cas au sein de cette compétence.

Si l’accès à X en direct est disponible, récupérez les publications originales récentes avant de rédiger. Sinon, utilisez les exemples fournis ou le meilleur contenu disponible sur le dépôt ou le site.

Étape 1 : Évaluation des signaux

Recherchez des personnes à fort signal dans les secteurs cibles. Attribuez une pondération à chacune d’entre elles en fonction de :

Signal Poids Source
Adéquation entre le poste et le titre 30 % Exa, LinkedIn
Adéquation avec le secteur d'activité 25 % Recherche d'entreprises sur Exa
Activité récente sur le sujet 20 % Recherche via l'API X, Exa
Nombre d'abonnés / influence 10 % API X
Proximité géographique 10 Exa, LinkedIn
Interaction avec votre contenu 5 % X Interactions API

Approche de recherche par signaux

# Step 1: Define target parameters
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"]

# Step 2: Exa deep search for people
for vertical in target_verticals:
    results = web_search_exa(
        query=f"{vertical} {role} founder CEO",
        category="company",
        numResults=20
    )
    # Score each result

# Step 3: X API search for active voices
x_search = search_recent_tweets(
    query="prediction markets OR AI tooling OR developer tools",
    max_results=100
)
# Extract and score unique authors

Étape 2 : Classement mutuel

Pour chaque cible notée, analyser le graphe social de l'utilisateur afin de trouver le chemin le plus pertinent.

Modèle de classement

  1. Récupérer la liste des abonnés X de l’utilisateur et ses relations LinkedIn
  2. Pour chaque cible à fort signal, vérifier s'il existe des connexions communes
  3. Appliquer le social-graph-ranker modèle pour évaluer la valeur de pont
  4. Classez les contacts communs selon :
Facteur Poids
Nombre de connexions avec les cibles 40 % — pondération maximale : plus il y a de connexions, plus le classement est élevé
Rôle actuel/entreprise de la personne en relation 20 % — décideur ou simple collaborateur
Lieu de résidence de la personne 15 % — même ville = présentation plus facile
Adéquation sectorielle 15 % — même secteur d’activité = prise de contact naturelle
Compte X / LinkedIn de la personne 10 % — identifiabilité pour la prise de contact

Règle canonique :

Use social-graph-ranker when the user wants the graph math itself,
the bridge ranking as a standalone report, or explicit decay-model tuning.

Dans cette compétence, utilisez le même modèle de passerelle pondérée :

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

Interprétation :

  • Niveau 1 : R(m) et des chemins de pont directs -> demandes d’introduction « à chaud »
  • Niveau 2 : moyen R(m) et des chemins de pont à un saut -> demandes d’introduction conditionnelles
  • Niveau 3 : pas de relais viable -> prise de contact à froid directe en utilisant la même fiche de prospect

Format de sortie


If the user explicitly wants the ranking engine broken out, the math visualized, or the network scored outside the full lead workflow, run `social-graph-ranker` as a standalone pass first and feed the result back into this pipeline.
MUTUAL RANKING REPORT
=====================

#1  @mutual_handle (Score: 92)
    Name: Jane Smith
    Role: Partner @ Acme Ventures
    Location: San Francisco
    Connections to targets: 7
    Connected to: @target1, @target2, @target3, @target4, @target5, @target6, @target7
    Best intro path: Jane invested in Target1's company

#2  @mutual_handle2 (Score: 85)
    ...

Étape 3 : Découverte des chemins « chauds »

Pour chaque cible, trouver la chaîne d’introduction la plus courte :

You ──[follows]──> Mutual A ──[invested in]──> Target Company
You ──[follows]──> Mutual B ──[co-founded with]──> Target Person
You ──[met at]──> Event ──[also attended]──> Target Person

Types de chemins (classés par degré de proximité)

  1. Lien direct — Vous suivez ou connaissez tous les deux la même personne
  2. Lien de portefeuille — Vous avez tous deux investi dans l’entreprise de la cible ou vous la conseillez
  3. Collègue/ancien élève — Vous avez tous deux travaillé dans la même entreprise ou fréquenté la même école
  4. Participation à un même événement — Vous avez tous deux assisté à la même conférence ou au même programme
  5. Interaction avec le contenu — La cible a interagi avec le contenu de la personne commune, ou inversement

Étape 4 : Enrichissement

Pour chaque prospect qualifié, récupérez :

  • Nom complet, fonction actuelle, entreprise
  • Taille de l’entreprise, stade de financement, actualités récentes
  • Derniers messages sur X (30 derniers jours) — sujets, ton, centres d’intérêt
  • Intérêts communs avec l’utilisateur (abonnements partagés, contenu similaire)
  • Événements récents au sein de l’entreprise (lancement de produit, levée de fonds, recrutement)

Sources d'enrichissement

  • Exemple : données sur l'entreprise, actualités, articles de blog
  • API X : tweets récents, biographie, abonnés
  • GitHub : contributions open source (pour les prospects ciblant les développeurs)
  • LinkedIn (via le navigateur) : profil complet, expérience, formation

Étape 5 : Ébauche de prise de contact

Générer une prise de contact personnalisée pour chaque prospect. Le brouillon doit correspondre au profil de ton défini à partir des sources et au canal cible.

Règles relatives aux canaux

E-mail

  • À utiliser pour les prises de contact à froid les plus pertinentes, les présentations « chaudes », la prospection d’investisseurs et les demandes de partenariat
  • Par défaut, la rédaction s'effectue dans Apple Mail / Mail.app lorsque le contrôle local du bureau est disponible
  • Créez d'abord des brouillons ; n'envoyez pas automatiquement à moins que l'utilisateur ne le demande explicitement
  • L'objet doit être simple et précis, sans fioritures

LinkedIn

  • À utiliser lorsque la personne ciblée est active sur cette plateforme, lorsque le réseau commun est plus solide sur LinkedIn, ou lorsque le niveau de confiance par e-mail est faible
  • Privilégiez l'accès via l'API si celui-ci est disponible
  • Sinon, utilisez le contrôle du navigateur pour consulter les profils, l'activité récente et rédiger le message
  • Restez plus concis qu’un e-mail et évitez toute fausse cordialité professionnelle

X

  • À utiliser pour la prise de contact avec des opérateurs, des créateurs d’entreprise ou des investisseurs dans un contexte très spécifique, où le comportement de publication en ligne est déterminant
  • Privilégiez l'accès à l'API pour la recherche, le fil d'actualité et l'analyse de l'engagement
  • Recourez au contrôle du navigateur si nécessaire
  • Les messages privés et les réponses publiques doivent être beaucoup plus concis que les e-mails et faire référence à un élément concret issu du fil d’actualité de la personne ciblée

Heuristique de sélection des canaux

Choisissez un canal principal dans l’ordre suivant :

  1. présentation informelle par e-mail
  2. e-mail direct
  3. message privé sur LinkedIn
  4. Message privé sur X ou réponse

N'utilisez plusieurs canaux que s'il y a une bonne raison de le faire et si la fréquence ne donne pas l'impression d'être du spam.

Demande de présentation chaleureuse (à un contact commun)

Objectif :

  • une demande claire
  • une raison concrète justifiant cette prise de contact
  • un texte facile à transférer si nécessaire

À éviter :

  • de trop en dire sur votre entreprise
  • une accumulation de témoignages
  • donner l'impression d'utiliser un modèle de collecte de fonds

Démarchage à froid direct (ciblé)

Objectif :

  • commencer par un élément précis et récent
  • expliquer pourquoi l'adéquation est réelle
  • formuler une demande simple et directe

À éviter :

  • les compliments génériques
  • énumération de qualités
  • les demandes trop vagues telles que « j'aimerais beaucoup entrer en contact »
  • les questions rhétoriques forcées

Modèle de mise en œuvre

Pour chaque cible, produire :

  1. le canal recommandé
  2. la raison pour laquelle ce canal est le plus adapté
  3. un projet de message
  4. un brouillon de suivi (facultatif)
  5. si l'e-mail est le canal choisi et qu'Apple Mail est disponible, créez un brouillon au lieu de renvoyer uniquement du texte

Si le contrôle du navigateur est disponible :

  • LinkedIn : examinez le profil cible, l'activité récente et le contexte commun, puis rédigez ou préparez le message
  • X : examinez les publications ou réponses récentes, puis rédigez un brouillon de message privé ou de réponse publique

Si l'automatisation sur ordinateur de bureau est disponible :

  • Apple Mail : créez un brouillon d'e-mail avec un objet, un corps de message et un destinataire

N'envoyez pas de messages automatiquement sans l'accord explicite de l'utilisateur.

Anti-modèles

  • modèles génériques sans personnalisation
  • longs paragraphes présentant l’ensemble de votre entreprise
  • plusieurs demandes dans un même message
  • fausse familiarité sans précisions
  • Messages envoyés en masse avec des champs de fusion visibles
  • des textes identiques réutilisés pour les e-mails, LinkedIn et X
  • un texte formaté par la plateforme au lieu de refléter la voix réelle de l’auteur

Configuration

Les utilisateurs doivent définir ces variables d’environnement :

# Required
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="..."

# Optional
export LINKEDIN_COOKIE="..." # For browser-use LinkedIn access
export APOLLO_API_KEY="..."  # For Apollo enrichment

Agents

Cette compétence inclut des agents spécialisés dans le agents/ sous-répertoire :

  • signal-scorer — Recherche et classe les prospects en fonction de signaux de pertinence
  • mutual-mapper — Cartographie les connexions du graphe social et identifie les chemins prometteurs
  • enrichment-agent — Extrait des données détaillées sur les profils et les entreprises
  • outreach-drafter — Génère des messages personnalisés

Exemple d'utilisation

User: find me the top 20 people in prediction markets I should reach out to

Agent workflow:
1. signal-scorer searches Exa and X for prediction market leaders
2. mutual-mapper checks user's X graph for shared connections
3. enrichment-agent pulls company data and recent activity
4. outreach-drafter generates personalized messages for top ranked leads

Output: Ranked list with warm paths, voice profile summary, and channel-specific outreach drafts or drafts-in-app

Compétences associées

  • brand-voice pour la capture canonique de la voix
  • connections-optimizer pour l'élagage et l'extension du réseau en privilégiant la vérification avant la prise de contact
Voir sur GitHub
---
name: lead-intelligence
description: Finds, scores, and reaches high-value contacts through social graph analysis and warm path discovery, generating personalized outreach drafts for email, LinkedIn, and X.
---

# Lead Intelligence

Agent-powered lead intelligence pipeline that finds, scores, and reaches high-value contacts through social graph analysis and warm path discovery.

## When to Activate

- User wants to find leads or prospects in a specific industry
- Building an outreach list for partnerships, sales, or fundraising
- Researching who to reach out to and the best path to reach them
- User says "find leads", "outreach list", "who should I reach out to", "warm intros"
- Needs to score or rank a list of contacts by relevance
- Wants to map mutual connections to find warm introduction paths

## Tool Requirements

### Required
- **Exa MCP** — Deep web search for people, companies, and signals (`web_search_exa`)
- **X API** — Follower/following graph, mutual analysis, recent activity (`X_BEARER_TOKEN`, plus write-context credentials such as `X_CONSUMER_KEY`, `X_CONSUMER_SECRET`, `X_ACCESS_TOKEN`, `X_ACCESS_TOKEN_SECRET`)

### Optional (enhance results)
- **LinkedIn** — Direct API if available, otherwise browser control for search, profile inspection, and drafting
- **Apollo/Clay API** — For enrichment cross-reference if user has access
- **GitHub MCP** — For developer-centric lead qualification
- **Apple Mail / Mail.app** — Draft cold or warm email without sending automatically
- **Browser control** — For LinkedIn and X when API coverage is missing or constrained

## Pipeline Overview

```
┌─────────────┐     ┌──────────────┐     ┌─────────────────┐     ┌──────────────┐     ┌─────────────────┐
│ 1. Signal   │────>│ 2. Mutual    │────>│ 3. Warm Path    │────>│ 4. Enrich    │────>│ 5. Outreach     │
│    Scoring  │     │    Ranking   │     │    Discovery    │     │              │     │    Draft        │
└─────────────┘     └──────────────┘     └─────────────────┘     └──────────────┘     └─────────────────┘
```

## Voice Before Outreach

Do not draft outbound from generic sales copy.

Run `brand-voice` first whenever the user's voice matters. Reuse its `VOICE PROFILE` instead of re-deriving style ad hoc inside this skill.

If live X access is available, pull recent original posts before drafting. If not, use supplied examples or the best repo/site material available.

## Stage 1: Signal Scoring

Search for high-signal people in target verticals. Assign a weight to each based on:

| Signal | Weight | Source |
|--------|--------|--------|
| Role/title alignment | 30% | Exa, LinkedIn |
| Industry match | 25% | Exa company search |
| Recent activity on topic | 20% | X API search, Exa |
| Follower count / influence | 10% | X API |
| Location proximity | 10% | Exa, LinkedIn |
| Engagement with your content | 5% | X API interactions |

### Signal Search Approach

```python
# Step 1: Define target parameters
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"]

# Step 2: Exa deep search for people
for vertical in target_verticals:
    results = web_search_exa(
        query=f"{vertical} {role} founder CEO",
        category="company",
        numResults=20
    )
    # Score each result

# Step 3: X API search for active voices
x_search = search_recent_tweets(
    query="prediction markets OR AI tooling OR developer tools",
    max_results=100
)
# Extract and score unique authors
```

## Stage 2: Mutual Ranking

For each scored target, analyze the user's social graph to find the warmest path.

### Ranking Model

1. Pull user's X following list and LinkedIn connections
2. For each high-signal target, check for shared connections
3. Apply the `social-graph-ranker` model to score bridge value
4. Rank mutuals by:

| Factor | Weight |
|--------|--------|
| Number of connections to targets | 40% — highest weight, most connections = highest rank |
| Mutual's current role/company | 20% — decision maker vs individual contributor |
| Mutual's location | 15% — same city = easier intro |
| Industry alignment | 15% — same vertical = natural intro |
| Mutual's X handle / LinkedIn | 10% — identifiability for outreach |

Canonical rule:

```text
Use social-graph-ranker when the user wants the graph math itself,
the bridge ranking as a standalone report, or explicit decay-model tuning.
```

Inside this skill, use the same weighted bridge model:

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

Interpretation:
- Tier 1: high `R(m)` and direct bridge paths -> warm intro asks
- Tier 2: medium `R(m)` and one-hop bridge paths -> conditional intro asks
- Tier 3: no viable bridge -> direct cold outreach using the same lead record

### Output Format

```

If the user explicitly wants the ranking engine broken out, the math visualized, or the network scored outside the full lead workflow, run `social-graph-ranker` as a standalone pass first and feed the result back into this pipeline.
MUTUAL RANKING REPORT
=====================

#1  @mutual_handle (Score: 92)
    Name: Jane Smith
    Role: Partner @ Acme Ventures
    Location: San Francisco
    Connections to targets: 7
    Connected to: @target1, @target2, @target3, @target4, @target5, @target6, @target7
    Best intro path: Jane invested in Target1's company

#2  @mutual_handle2 (Score: 85)
    ...
```

## Stage 3: Warm Path Discovery

For each target, find the shortest introduction chain:

```
You ──[follows]──> Mutual A ──[invested in]──> Target Company
You ──[follows]──> Mutual B ──[co-founded with]──> Target Person
You ──[met at]──> Event ──[also attended]──> Target Person
```

### Path Types (ordered by warmth)
1. **Direct mutual** — You both follow/know the same person
2. **Portfolio connection** — Mutual invested in or advises target's company
3. **Co-worker/alumni** — Mutual worked at same company or attended same school
4. **Event overlap** — Both attended same conference/program
5. **Content engagement** — Target engaged with mutual's content or vice versa

## Stage 4: Enrichment

For each qualified lead, pull:

- Full name, current title, company
- Company size, funding stage, recent news
- Recent X posts (last 30 days) — topics, tone, interests
- Mutual interests with user (shared follows, similar content)
- Recent company events (product launch, funding round, hiring)

### Enrichment Sources
- Exa: company data, news, blog posts
- X API: recent tweets, bio, followers
- GitHub: open source contributions (for developer-centric leads)
- LinkedIn (via browser-use): full profile, experience, education

## Stage 5: Outreach Draft

Generate personalized outreach for each lead. The draft should match the source-derived voice profile and the target channel.

### Channel Rules

#### Email

- Use for the highest-value cold outreach, warm intros, investor outreach, and partnership asks
- Default to drafting in Apple Mail / Mail.app when local desktop control is available
- Create drafts first, do not send automatically unless the user explicitly asks
- Subject line should be plain and specific, not clever

#### LinkedIn

- Use when the target is active there, when mutual graph context is stronger on LinkedIn, or when email confidence is low
- Prefer API access if available
- Otherwise use browser control to inspect profiles, recent activity, and draft the message
- Keep it shorter than email and avoid fake professional warmth

#### X

- Use for high-context operator, builder, or investor outreach where public posting behavior matters
- Prefer API access for search, timeline, and engagement analysis
- Fall back to browser control when needed
- DMs and public replies should be much tighter than email and should reference something real from the target's timeline

#### Channel Selection Heuristic

Pick one primary channel in this order:

1. warm intro by email
2. direct email
3. LinkedIn DM
4. X DM or reply

Use multi-channel only when there is a strong reason and the cadence will not feel spammy.

### Warm Intro Request (to mutual)

Goal:

- one clear ask
- one concrete reason this intro makes sense
- easy-to-forward blurb if needed

Avoid:

- overexplaining your company
- social-proof stacking
- sounding like a fundraiser template

### Direct Cold Outreach (to target)

Goal:

- open from something specific and recent
- explain why the fit is real
- make one low-friction ask

Avoid:

- generic admiration
- feature dumping
- broad asks like "would love to connect"
- forced rhetorical questions

### Execution Pattern

For each target, produce:

1. the recommended channel
2. the reason that channel is best
3. the message draft
4. optional follow-up draft
5. if email is the chosen channel and Apple Mail is available, create a draft instead of only returning text

If browser control is available:

- LinkedIn: inspect target profile, recent activity, and mutual context, then draft or prepare the message
- X: inspect recent posts or replies, then draft DM or public reply language

If desktop automation is available:

- Apple Mail: create draft email with subject, body, and recipient

Do not send messages automatically without explicit user approval.

### Anti-Patterns

- generic templates with no personalization
- long paragraphs explaining your whole company
- multiple asks in one message
- fake familiarity without specifics
- bulk-sent messages with visible merge fields
- identical copy reused for email, LinkedIn, and X
- platform-shaped slop instead of the author's actual voice

## Configuration

Users should set these environment variables:

```bash
# Required
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="..."

# Optional
export LINKEDIN_COOKIE="..." # For browser-use LinkedIn access
export APOLLO_API_KEY="..."  # For Apollo enrichment
```

## Agents

This skill includes specialized agents in the `agents/` subdirectory:

- **signal-scorer** — Searches and ranks prospects by relevance signals
- **mutual-mapper** — Maps social graph connections and finds warm paths
- **enrichment-agent** — Pulls detailed profile and company data
- **outreach-drafter** — Generates personalized messages

## Example Usage

```
User: find me the top 20 people in prediction markets I should reach out to

Agent workflow:
1. signal-scorer searches Exa and X for prediction market leaders
2. mutual-mapper checks user's X graph for shared connections
3. enrichment-agent pulls company data and recent activity
4. outreach-drafter generates personalized messages for top ranked leads

Output: Ranked list with warm paths, voice profile summary, and channel-specific outreach drafts or drafts-in-app
```

## Related Skills

- `brand-voice` for canonical voice capture
- `connections-optimizer` for review-first network pruning and expansion before outreach

Installer lead-intelligence

Téléchargez et décompressez les fichiers de compétences dans votre répertoire .claude/skills/.

Télécharger le ZIP

Clonez le dépôt et copiez les fichiers de compétence dans votre projet.

git clone https://github.com/affaan-m/ECC/tree/main/skills/lead-intelligence # Copy SKILL.md to your .claude/skills/ directory

Copier Copier
Configuration rapide: Copiez le dossier de la compétence dans .claude/skills/ Claude détectera automatiquement la compétence et l'utilisera
Dépôt affaan-m/ECC

Compétences similaires

v4-new-features
Heure mise à jour 4 août 2026
multica-creating-agents
Heure mise à jour 12 août 2026
pixijs-application
Heure mise à jour 4 août 2026
tilemaps
Heure mise à jour 4 août 2026
OR