yangliu2060 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,zhang@example.com,科技有限公司,产品经理,SaaS,pending
李四,li@example.com,电商平台,运营总监,电商,pending
JSON 格式:
{
"leads": [
{
"name": "张三",
"email": "zhang@example.com",
"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": "zhang@example.com",
"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": "zhang@example.com",
"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**: zhang@example.com
**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）