Tra cứu một người liên hệ bằng dữ liệu Common Room
contact-research
Tra cứu một người theo tên hoặc email trong Common Room và cho biết có phải khách nóng không; chỉ nêu mục có dữ liệu thật, không đoán.
Tải miễn phí. Theo dõi Skilnexa một lần là mở khoá mọi lượt tải trên web.
Nó là gì
Tra cứu một người cụ thể trong Common Room bằng email, tài khoản mạng xã hội, hoặc tên kèm công ty, để biết người đó là ai và có đáng liên hệ không. Nếu không có hồ sơ, nó nói rõ và không bịa.
Hoạt động ra sao
AI tìm đúng hồ sơ người đó, lấy các trường thông tin, hoạt động, điểm và lượt truy cập website, rồi đánh giá bối cảnh công ty. Cuối cùng nó đề xuất các chủ đề nên nói chuyện. Nếu trùng tên nhiều người, nó đưa danh sách để bạn chọn.
Ví dụ ứng dụng
- Tình huống
- Trưởng nhóm kinh doanh nhận email của một giám đốc mua hàng và muốn biết người này đã từng tương tác với công ty chưa.
- Bạn đưa vào
- Địa chỉ email của người đó, hoặc tên kèm tên công ty.
- Bạn nhận được
- Hồ sơ tóm tắt gồm hoạt động gần đây, mức độ quan tâm và hai đến ba chủ đề nên nhắc khi gọi.
Ví dụ minh họa theo quy trình trong tài liệu gốc, chưa phải kết quả thử chạy.
Dùng khi nào
Khi nhận được một email lạ và muốn biết người đó là ai.
Các phần chính trong hướng dẫn
- Tìm người liên hệ
- Lấy các trường thông tin
- Làm giàu bằng Spark
- Đánh giá bối cảnh tài khoản
- Xác định hướng bắt chuyện
- Định dạng đầu ra
- Tiêu chuẩn chất lượng
Xem mô tả gốc của tác giả (tiếng Anh)
Research a specific person using Common Room data. Triggers on 'who is [name]', 'look up [email]', 'research [contact]', 'is [name] a warm lead', or any contact-level question.
Chi tiết tính năng
- Only include sections where data was actually returned. Omit sections with no data rather than filling them with guesses.
- When data is rich:
- When data is sparse (e.g., only name, title, email, tags returned; sparkSummary is null):
- Do not generate conversation starters, persona inferences, or engagement assessments from sparse data. These require real signals.
Cùng nhóm Nghiên cứu
- Kiểm tra và tối ưu trang ứng dụng trên App Store, Google PlayĐánh giá trang ứng dụng trên App Store hoặc Google Play: từ khóa, mức độ hiển thị, tỷ lệ tải, và so sánh với đối thủ từ đường dẫn bạn đưa.
- Nghiên cứu đối thủ và tạo thẻ so sánh tương tácNghiên cứu đối thủ rồi tạo một tệp HTML có thẻ đối thủ bấm được, bảng so sánh tính năng và giá.
- Theo dõi đối thủ và tổng hợp bản tóm tắt định kỳChọn nhóm đối thủ, thu thập website, blog, giá, mạng xã hội, thứ hạng tìm kiếm, so với lần chạy trước và viết bản tóm tắt, qua Hyper MCP.
- Soạn tin tiếp cận cá nhân hóa từ dữ liệu Common RoomViết email hoặc tin nhắn cho một người dựa trên tín hiệu thật từ Common Room, thiếu dữ liệu thì tìm web bổ sung và hỏi lại bạn, không bịa.
- Sửa bài viết máy móc cho giống người viếtChỉ ra các dấu hiệu văn do máy viết, chấm mức nghiêm trọng, rồi viết lại với nhịp câu đa dạng và chi tiết cụ thể hơn.
- Gom và phân tích đánh giá của khách hàngThu thập đánh giá từ G2, Capterra, Trustpilot, App Store, phân tích cảm xúc, điểm đau, góp ý tính năng, tạo câu quảng bá và so với đối thủ.
Phần giải thích do Skilnexa viết sau khi đọc toàn bộ tài liệu gốc của tác giả và đã đối chiếu lại với nội dung gốc. Chưa phải kết quả thử chạy, nên hãy thử bằng dữ liệu giả trước khi dùng cho việc thật.