account-research

Par anthropics · knowledge-work-plugins

Recherche d'une entreprise à l'aide des données Common Room. Se déclenche sur « research [company] », « tell me about [domain] », « pull up signals for [account] », « what's going on with [company] », ou toute question au niveau d'un compte.

npx skills add https://github.com/anthropics/knowledge-work-plugins --skill account-research

Recherche de Compte

Récupérer et synthétiser les informations de compte depuis Common Room. Gère quatre schémas d'interaction : aperçus complets, questions ciblées, situations de données éparses, et raisonnement combiné MCP + LLM.

Step 0 : Charger le Contexte Utilisateur (Me)

Avant de rechercher un compte, récupérez l'objet Me depuis Common Room. Cela fournit :

  • Le profil, titre, rôle et Persona de l'utilisateur dans CR
  • Les segments de l'utilisateur ("My Segments")

Limitez par défaut toutes les requêtes aux propres segments de l'utilisateur sauf si celui-ci demande explicitement une vue plus large. Cela maintient les résultats restreints à leur territoire.

Step 1 : Identifier le Schéma d'Interaction

Déterminez ce dont l'utilisateur a vraiment besoin avant de décider combien de données récupérer :

Schéma 1 — Aperçu Complet : "Parle-moi de Datadog" / "Résume cloudflare.com" → Récupérez l'ensemble complet des champs et produisez un briefing structuré.

Schéma 2 — Question Ciblée : "Qui est propriétaire du compte Snowflake ?" / "Y a-t-il des signaux d'achat sur acme.io ?" / "Quel est l'effectif pour notion.so ?" → Récupérez uniquement les champ(s) pertinent(s). Retournez une réponse directe et concise — ne produisez pas un briefing complet pour une simple question.

Schéma 3 — Données Éparses : "Parle-moi de tiny-startup.io" → Si Common Room possède peu de données pour un compte, dites-le honnêtement : "Les informations disponibles pour ce compte sont limitées." Ne spéculez jamais et ne comblez pas les lacunes par des énoncés génériques.

Schéma 4 — Raisonnement Combiné : Récupérez des données MCP structurées, puis ajoutez une analyse LLM — par ex., "Stripe compte 8 000 employés et recrute massivement pour les rôles IA. Au regard de votre ICP pour les entreprises fintech de 1k–10k, c'est un très bon fit."

Step 2 : Rechercher le Compte

Recherchez le compte dans Common Room par domaine ou nom d'entreprise. Correspondance exacte en premier ; si aucun résultat, essayez une correspondance partielle et confirmez auprès de l'utilisateur avant de poursuivre.

Step 3 : Récupérer les Champs Appropriés

Utilisez le catalogue d'objets Common Room pour voir les groupes de champs disponibles et leur contenu. Pour les aperçus complets, demandez tous les groupes de champs. Pour les questions ciblées, demandez uniquement ce qui est pertinent.

Groupes de champs clés à connaître :

  • Scores — toujours retourner comme valeurs brutes ou percentiles, jamais comme labels
  • Recherche résumée — sortie RoomieAI ; souvent le signal qualitatif le plus riche
  • Contacts principaux — triés par score desc ; utilisez communityMemberID pour les recherches complètes

Choisir ce qu'il faut récupérer :

Type de requête utilisateur Champs à demander
Aperçu complet du compte Tous les groupes de champs
"Qui est propriétaire de ce compte ?" Profils et liens d'entreprise, champs CRM
"Cette entreprise est-elle un bon fit ?" Champs clés, scores, about
"Quels signaux ce compte affiche-t-il ?" Scores, recherche résumée, champs CRM
"Qui sont les contacts principaux ?" Contacts principaux
"Que dit RoomieAI à leur sujet ?" Recherche résumée, toute la recherche
"Trouvez les ingénieurs de ce compte" Prospects (avec filtre titre)

Step 4 : Recherche Web (Données Éparses Uniquement)

Common Room est la source de données principale. N'exécutez pas de recherche web quand CR retourne des données riches.

Quand les données CR sont éparses (Schéma 3 — peu de champs retournés, pas d'activité, aucun score), exécutez une recherche web ciblée pour combler les lacunes :

  • "[nom entreprise]" actualités — limitée aux 30 derniers jours
  • Cherchez : tours de financement, acquisitions, lancements produits, changements exécutifs, couverture presse

Si l'utilisateur demande explicitement un contexte externe ou des actualités récentes, exécutez une recherche web quel que soit le niveau de richesse des données.

Step 5 : Appliquer le Raisonnement (Schéma 4)

Quand la question de l'utilisateur invite la synthèse — et non juste la récupération de données — ajoutez de l'analyse :

  • Comparez les données du compte aux critères ICP connus du contexte de session
  • Identifiez les signaux de fit (taille, industrie, tech stack, schémas de recrutement)
  • Notez les signaux temporels (financement, statut trial, pic d'activité récent)
  • Formulez les insights clairement comme dérivés des données, pas supposés

Quand le contexte de l'entreprise de l'utilisateur est disponible (voir references/my-company-context.md), positionnez les découvertes par rapport à la proposition de valeur et l'ICP de l'utilisateur.

Step 6 : Produire la Sortie

Incluez uniquement les sections où Common Room a retourné des données réelles. Omettez entièrement les sections plutôt que de les remplir avec des suppositions.

Aperçu complet (quand les données sont riches) :

## [Nom Entreprise] — Aperçu du Compte

**Snapshot**
[2–3 phrases : ce qu'ils font, plan/étape, statut relation]

**Détails Clés**
[Effectif, industrie, localisation, domaine, financement — depuis les champs clés]

**CRM & Propriété** [Si champs CRM retournés]
[Propriétaire, étape opp, ARR]

**Scores** [Si scores retournés]
[Tous les scores disponibles comme valeurs brutes ou percentiles]

**Points Forts des Signaux** [Si activité/signaux existent]
[3–5 signaux les plus importants avec dates]

**Contacts Principaux** [Si contacts retournés]
[Nom | Titre | Score — top 5 triés par score desc]

**Recherche RoomieAI** [Si recherche résumée non-nulle]
[Sortie recherche résumée ; lister tous les noms de sujets de recherche disponibles]

**Étapes Recommandées**
[2–3 actions spécifiques, soutenues par les signaux]

Question ciblée : réponse directe de 1–3 phrases. Aucun briefing complet nécessaire.

Données éparses (peu de champs retournés, la plupart des sections seraient vides) :

## [Nom Entreprise] — Aperçu du Compte (Données Limitées)

**Données disponibles :** [Lister exactement ce que Common Room a retourné]

[Présenter uniquement les champs retournés]

**Recherche Web**
[Découvertes de la recherche web — ou "Aucune actualité significative récente trouvée"]

**Note :** Common Room possède peu de données sur ce compte. Le compte peut nécessiter un enrichissement dans Common Room.

Normes de Qualité

  • Les scores doivent toujours être des valeurs brutes ou percentiles — jamais des labels catégoriques
  • Pour les questions ciblées, répondez précisément sans surlivrer
  • Soyez explicite quand les données manquent ou sont obsolètes — ne spéculez pas
  • Gardez les briefings complets lisibles en 2–3 minutes
  • Chaque fait doit être traçable jusqu'à un appel d'outil — n'incluez pas de données non retournées par Common Room

Fichiers de Référence

  • references/signals-guide.md — taxonomie des types de signaux et guide d'interprétation

Skills similaires