Nye leads ankommer som en bar e-mailadresse, og nogen skal bruge ti minutter på at grave gennem LinkedIn og virksomhedens site, før nogen ved, om leadet er værd at svare på. Det arbejde hober sig op og forsinker hver første kontakt.
Nye leads ankommer som en bar e-mailadresse, og nogen skal bruge ti minutter på at grave gennem LinkedIn og virksomhedens site, før nogen ved, om leadet er værd at svare på. Det arbejde hober sig op og forsinker hver første kontakt.
Den her agent beriger adressen til en fuld profil, scorer den mod din ideale kundeprofil og poster et handlingsklart kort i Slack inden for sekunder. De samme felter lander i dit CRM, så den næste, der åbner posten, allerede ser, hvem det er, og hvorfor de er relevante.
Sådan kører den
Used at step 01 to kick off the pipeline.
Write
Used at step 01 to kick off the pipeline.
WebFetch
Used at step 01 to kick off the pipeline.
WebSearch
Used at step 01 to kick off the pipeline.
Opret en profil med rolle, senioritet, virksomhedsstørrelse, branche og signaler om ny finansiering eller ansættelser.
pending
Score fitet mod din ideal customer profile og tag lead'en som hot, warm eller out of scope.
pending
Indsend den scored profil til en Slack-kanal og skriv de samme felter tilbage til HubSpot-kontakten.
pending
Eksempel på output
json
// Sample output
// (generated when the pipeline finishes)
Score this profile against the ICP rules below. Return {score, top_match_reasons[], objections[], next_step}.
Unlock the rest
The full agent definition, install snippet, and starter task are gated for community members.
Members get the full `.md` agent file, the npm / pnpm install one-liners, a starter prompt that we've tuned against real runs, and the open-source repo when this automation ships there. One email, magic link, done.