인바운드 잠재고객 적격 판정 — 모든 잠재고객을 자동 점수화 — Claude Skill

인바운드 잠재고객 적격 판정

인바운드 잠재고객 집합을 받아 전체 ICP 기준에 맞는지 검증합니다. 빠른 통과 분류(inbound-lead-triage)가 아니라, 잠재고객을 실제로 추적할 가치가 있는지 판단하는 철저한 적격 판정 단계이며 팀이 사용할 점수화 CSV를 생성합니다.

자동 로드 시점

다음 경우 이 복합 스킬을 로드하세요.

• 사용자가 "이 인바운드 잠재고객을 판정해 줘", "이 잠재고객이 ICP인지 확인해 줘", "내 인바운드를 점수화해 줘"라고 말함
• 상위 분류가 완료되었고 잠재고객에 더 깊은 적격 판정이 필요함
• 사용자가 잠재고객 배치를 갖고 있고 각 건에 대해 적격/부적격 판정을 원함

구조

[인바운드 잠재고객] → 1단계: ICP 및 구성 로드 → 2단계: CRM/파이프라인 확인 → 3단계: 회사 적격 판정 → 4단계: 인물 적격 판정 → 5단계: 사용 사례 적합도 → 6단계: 점수 및 판정 → 7단계: CSV 출력

---

0단계: 구성(클라이언트별 1회)

첫 실행 시 ICP 정의와 CRM 접근을 설정합니다. clients/<client-name>/config/lead-qualification.json에 저장합니다.

{
  "icp_definition": {
    "company_size": {
      "min_employees": null,
      "max_employees": null,
      "sweet_spot": "",
      "notes": ""
    },
    "industry": {
      "target_industries": [],
      "excluded_industries": [],
      "notes": ""
    },
    "use_case": {
      "primary_use_cases": [],
      "secondary_use_cases": [],
      "anti_use_cases": [],
      "notes": ""
    },
    "company_stage": {
      "target_stages": [],
      "excluded_stages": [],
      "notes": ""
    },
    "geography": {
      "target_regions": [],
      "excluded_regions": [],
      "notes": ""
    }
  },
  "buyer_personas": [
    {
      "name": "",
      "titles": [],
      "seniority_levels": [],
      "departments": [],
      "is_economic_buyer": false,
      "is_champion": false,
      "is_user": false
    }
  ],
  "hard_disqualifiers": [],
  "hard_qualifiers": [],
  "crm_access": {
    "tool": "Supabase | HubSpot | Salesforce | CSV export | none",
    "access_method": "",
    "tables_or_objects": []
  },
  "existing_customer_source": {
    "tool": "Supabase | CRM | CSV | none",
    "access_method": ""
  },
  "qualification_prompt_path": "path/to/lead-qualification/prompt.md or null"
}

lead-qualification 기능에 저장된 적격 판정 프롬프트가 이미 있으면: 직접 참조하세요. ICP 기준을 처음부터 다시 만들지 않습니다.

이후 실행: 구성을 조용히 불러옵니다.

---

1단계: ICP 기준 로드 및 잠재고객 파싱

프로세스

1. 클라이언트의 ICP 구성 또는 lead-qualification 기능의 적격 판정 프롬프트를 불러옵니다
2. 인바운드 잠재고객 목록을 파싱합니다. 어떤 형식이든 허용합니다.
   • inbound-lead-triage 출력(이미 정규화됨)
   • 어떤 열 구조든 가진 원시 CSV
   • 이름/이메일/회사 붙여넣기 목록
   • CRM 내보내기
3. 잠재고객별로 사용 가능한 데이터와 누락 데이터를 식별합니다.
   • 있음: 입력에 존재하는 필드
   • 필요: 적격 판정에 필요하지만 누락된 필드
   • 빈틈 보고: "X건은 회사명이 있고, Y건은 직함이 있고, Z건은 이메일만 있음"

출력

• 사용 가능한/누락된 필드 목록이 포함된 파싱된 잠재고객 목록
• 사용자용 빈틈 보고

사람 확인 지점

잠재고객의 50% 초과가 핵심 필드(회사명 또는 인물 직함)를 누락한 경우 먼저 inbound-lead-enrichment 실행을 권장합니다. 질문: "많은 잠재고객에 회사/직함 데이터가 없습니다. 먼저 보강할까요, 아니면 가능한 데이터로 판정할까요?"

---

2단계: CRM 및 파이프라인 확인

프로세스

각 잠재고객을 기존 데이터 출처와 비교해 중복을 식별합니다.

확인 1 — 기존 고객인가?

• 회사 도메인/이름으로 고객 데이터베이스 검색
• 일치가 있으면 고객 세부 정보(요금제, 계정 담당자, 계약 상태)와 함께 existing_customer로 표시
• 이는 부적격 사유가 아닙니다. 라우팅 플래그입니다(업셀 vs 신규 비즈니스)

확인 2 — 이미 파이프라인에 있는가?

• CRM/Supabase에서 활성 거래의 회사를 검색
• 일치가 있으면 거래 세부 정보(단계, 담당자, 마지막 활동)와 함께 in_pipeline으로 표시
• 중요: 영업 담당자는 연락하기 전에 동료가 이미 이 계정을 갖고 있다는 사실을 알아야 합니다

확인 3 — 이전 참여가 있었는가?

• 이메일/회사 기준으로 연락 로그 검색
• 일치가 있으면 이력 요약(언제, 어떤 채널, 결과)과 함께 previously_contacted로 표시

확인 4 — 신호 복합 스킬에서 알려진 회사인가?

• Supabase signals 테이블에서 회사 검색
• 일치가 있으면 신호 유형과 날짜를 포함해 signal_flagged로 표시

출력

각 잠재고객에 태그를 붙입니다.

• pipeline_status: new | existing_customer | in_pipeline | previously_contacted
• pipeline_detail: 중복을 설명하는 한 문장(또는 null)
• signal_flags: 신호 복합 스킬 일치 항목

중복 처리

• 기존 고객: 부적격 처리하지 않습니다. 별도로 표시합니다. 확장/업셀일 수 있습니다.
• 파이프라인 내: 부적격 처리하지 않습니다. 영업 담당자 조율용으로 표시하고 기존 거래 담당자를 기록합니다.
• 이전에 연락했지만 무응답: 계속 판정합니다. 인바운드 신호는 이제 더 따뜻해졌다는 뜻입니다.
• 이전에 연락했고 거절됨: 그래도 인바운드를 판정합니다. 사람은 마음을 바꿀 수 있습니다. 이전 맥락을 기록합니다.

---

3단계: 회사 적격 판정

프로세스

각 잠재고객 회사에 대해 모든 ICP 회사 차원을 평가합니다.

차원 1 — 회사 규모

• 직원 수를 ICP 범위와 비교
• 출처: 정보 보강 데이터, LinkedIn 회사 페이지, 웹 검색
• 점수: match | borderline | mismatch | unknown
• 참고: 잠재고객이 자회사 또는 사업부 소속이면 모회사가 아니라 관련 단위를 평가합니다

차원 2 — 산업

• 대상 및 제외 산업 목록과 비교
• 분류는 똑똑하게 처리합니다. "AI-powered HR platform"은 "AI/ML"과 "HR Tech" 모두에 해당합니다
• 점수: match | adjacent(관련은 있지만 핵심 대상은 아님) | mismatch | unknown

차원 3 — 회사 단계

• Seed, Series A, Series B+, Growth, Public, Bootstrapped
• 출처: Crunchbase, 뉴스, 정보 보강 데이터
• 점수: match | borderline | mismatch | unknown

차원 4 — 지역

• 본사 위치 및/또는 특정 인물의 위치 확인
• 원격 우선 회사의 경우 팀 대부분이 어디에 있는지 확인
• 점수: match | borderline | mismatch | unknown

차원 5 — 사용 사례 적합도

• 회사가 하는 일을 기준으로 제품을 그럴듯하게 사용할 수 있는가?
• 가장 미묘한 차원입니다. 제품과 회사 운영을 모두 이해해야 합니다
• 출처: 회사 웹사이트, 제품 설명, 채용 공고(내부 도구/프로세스 힌트)
• 점수: strong_fit | moderate_fit | weak_fit | no_fit | unknown

출력

각 잠재고객은 company_qualification 블록을 받습니다.

{
  "company_size": { "score": "", "value": "", "reasoning": "" },
  "industry": { "score": "", "value": "", "reasoning": "" },
  "stage": { "score": "", "value": "", "reasoning": "" },
  "geography": { "score": "", "value": "", "reasoning": "" },
  "use_case": { "score": "", "value": "", "reasoning": "" },
  "company_verdict": "qualified | borderline | disqualified | insufficient_data"
}

---

4단계: 인물 적격 판정

프로세스

각 잠재고객의 연락 인물을 구매자 페르소나 기준으로 평가합니다.

차원 1 — 직함/역할 일치

• 직함을 구매자 페르소나 직함 목록과 비교합니다
• 변형 처리: "VP of Marketing" = "Vice President, Marketing" = "VP Marketing"
• 작은 회사의 직함 부풀리기를 고려합니다(10명 스타트업의 "Director"는 10,000명 기업의 "Director"와 다름)
• 점수: exact_match | close_match | adjacent | mismatch | unknown

차원 2 — 직급 수준

• Individual Contributor, Manager, Director, VP, C-Level, Founder로 매핑
• ICP 직급 요구사항과 비교
• 점수: match | too_junior | too_senior | unknown

차원 3 — 부서

• Engineering, Product, Marketing, Sales, Operations, Finance, HR 등
• ICP 부서 대상과 비교
• 점수: match | adjacent | mismatch | unknown

차원 4 — 권한 유형

• 직함 + 직급을 기준으로 분류:
  • economic_buyer — 결제를 승인할 수 있음
  • champion — 원하고 의사결정에 영향을 줄 수 있음
  • user — 매일 사용할 사람이며 필요성을 검증할 수 있음
  • evaluator — 조사 담당, 제한된 의사결정 권한
  • gatekeeper — 막을 수는 있지만 승인할 수는 없음
  • unknown

차원 5 — 맞는 회사, 틀린 사람(또는 반대)

• 회사는 적격이지만 사람이 아니면 right_company_wrong_person으로 표시합니다. 추천 기회입니다.
• 사람은 적격이지만 회사가 아니면 right_person_wrong_company로 표시합니다. 인바운드에서는 드물지만 이직자에게 가능할 수 있습니다.

출력

각 잠재고객은 person_qualification 블록을 받습니다.

{
  "title_match": { "score": "", "value": "", "reasoning": "" },
  "seniority": { "score": "", "value": "", "reasoning": "" },
  "department": { "score": "", "value": "", "reasoning": "" },
  "authority_type": "",
  "person_verdict": "qualified | borderline | disqualified | insufficient_data",
  "mismatch_type": "null | right_company_wrong_person | right_person_wrong_company"
}

---

5단계: 사용 사례 적합도 평가

프로세스

이 단계는 회사의 가능한 필요와 제품의 실제 기능을 연결합니다. 3단계의 회사 수준 사용 사례 확인보다 더 깊게 들어갑니다.

1. 인바운드 행동에서 잠재고객 의도 추론:

   • 데모 요청 메시지 → 무엇이 필요하다고 말했는가?
   • 다운로드한 콘텐츠 → 어떤 주제를 조사했는가?
   • 참석한 웨비나 → 어떤 문제를 해결하려 했는가?
   • 무료 체험 가입 → 어떤 기능을 먼저 시도했는가?
   • 챗봇 대화 → 어떤 질문을 했는가?

2. 의도를 제품 기능에 매핑:

   • 제품이 실제로 그들이 필요로 하는 것을 해결하는가?
   • 핵심 사용 사례인가, 무리한 확장인가?
   • 실망시킬 수 있는 알려진 제한이 있는가?

3. 구현 가능성 평가:

   • 회사 규모와 단계상 현실적으로 구현할 수 있는가?
   • 도입할 기술 리소스/팀이 있을 가능성이 있는가?
   • 이런 회사에 알려진 장애물이 있는가? (예: "은행은 SOC2가 필요한데 우리는 아직 없음")

출력

{
  "inferred_intent": "",
  "intent_source": "",
  "product_fit": "strong | moderate | weak | unknown",
  "product_fit_reasoning": "",
  "implementation_feasibility": "easy | moderate | complex | unlikely",
  "known_blockers": []
}

---

6단계: 점수 및 판정

점수화 로직

모든 차원을 결합해 최종 적격 판정을 만듭니다.

종합 점수 계산:

강제 덮어쓰기(점수 우회):

• 강제 부적격 조건이 하나라도 있으면 점수와 관계없이 disqualified
• 강제 적격 조건이 하나라도 있으면 점수와 관계없이 qualified(그래도 전체 분해는 표시)
• 기존 고객 → 별도 라우팅, 신규 잠재고객으로 점수화하지 않음

판정 기준:

• 점수 ≥ 75: qualified — 적극 추적
• 점수 50-74: borderline — 단서가 있는 적격, 수동 검토 필요 가능
• 점수 30-49: near_miss — 지금은 적격이 아니지만 고려할 만큼 가까움(추천 또는 육성)
• 점수 < 30: disqualified — ICP에 맞지 않음

라우팅용 하위 판정:

• qualified_hot — 점수 ≥ 75이고 분류에서 Tier 1/2 긴급도
• qualified_warm — 점수 ≥ 75이고 Tier 3/4 긴급도
• borderline_review — 점수 50-74, 사람 판단 필요
• near_miss_referral — 점수 30-49이고 right_company_wrong_person(추천 기회)
• near_miss_nurture — 점수 30-49, 향후 맞을 수 있음
• disqualified_polite — 점수 < 30, 정중한 거절 필요
• disqualified_competitor — 경쟁사 직원
• existing_customer_upsell — 확장 신호가 있는 기존 고객

출력

각 잠재고객은 다음을 받습니다.

{
  "composite_score": 0-100,
  "verdict": "",
  "sub_verdict": "",
  "top_qualification_reasons": [],
  "top_disqualification_reasons": [],
  "summary": "한 문장: 이 잠재고객이 맞거나 맞지 않는 이유"
}

---

7단계: CSV 출력

CSV 구조

모든 입력 필드를 보존하고 적격 판정 열을 덧붙인 CSV를 생성합니다.

핵심 적격 판정 열:

• qualification_verdict — qualified | borderline | near_miss | disqualified
• qualification_sub_verdict — qualified_hot | qualified_warm | borderline_review | near_miss_referral | near_miss_nurture | disqualified_polite | disqualified_competitor | existing_customer_upsell
• composite_score — 0-100
• summary — 한 문장 적격 판정 근거

파이프라인 확인 열:

• pipeline_status — new | existing_customer | in_pipeline | previously_contacted
• pipeline_detail — 중복에 대한 한 문장
• signal_flags — 신호 복합 스킬 일치 항목

회사 적격 판정 열:

• company_size_score — match | borderline | mismatch | unknown
• industry_score — match | adjacent | mismatch | unknown
• stage_score — match | borderline | mismatch | unknown
• geography_score — match | borderline | mismatch | unknown
• use_case_score — strong | moderate | weak | no_fit | unknown

인물 적격 판정 열:

• title_match_score — exact_match | close_match | adjacent | mismatch | unknown
• seniority_score — match | too_junior | too_senior | unknown
• authority_type — economic_buyer | champion | user | evaluator | gatekeeper | unknown
• mismatch_type — null | right_company_wrong_person | right_person_wrong_company

사용 사례 열:

• inferred_intent — 필요한 것으로 보이는 것
• product_fit — strong | moderate | weak | unknown
• implementation_feasibility — easy | moderate | complex | unlikely

저장 위치

clients/<client-name>/leads/inbound-qualified-[date].csv

요약 보고서

CSV를 만든 뒤 요약을 제시합니다.

## 인바운드 잠재고객 적격 판정: [Period]

**처리한 전체 잠재고객:** X
**적격:** X (Y%) — 핫 X건, 웜 X건
**경계선(수동 검토):** X (Y%)
**근접 부적격:** X (Y%) — 추천 기회 X건, 육성 X건
**부적격:** X (Y%)

**파이프라인 중복:**
- 기존 고객: X(CS로 라우팅)
- 이미 파이프라인에 있음: X(거래 담당자와 조율)
- 이전 연락 이력 있음: X(이제 더 따뜻함 — 재접촉)

**주요 적격 사유:**
1. [이유] — X건
2. [이유] — X건

**주요 부적격 사유:**
1. [이유] — X건
2. [이유] — X건

**데이터 품질:**
- 전체 데이터가 있는 잠재고객: X
- 일부 데이터가 있는 잠재고객(일부 차원이 'unknown'으로 점수화): X
- 정보 보강이 필요한 잠재고객: X

**CSV 저장 위치:** [path]

---

예외 상황 처리

이메일만 있는 잠재고객(이름 없음, 회사 없음):

• 이메일에서 회사 도메인 추출
• 기업 도메인이면 회사를 조회하고 회사 적격 판정을 진행합니다(인물 판정은 대부분 "unknown")
• 개인 이메일(gmail, yahoo)이면 insufficient_data로 점수화하고 정보 보강 또는 수동 검토를 권장합니다

같은 회사, 여러 잠재고객:

• 회사를 한 번 판정하고 해당 회사의 모든 잠재고객에 적용합니다
• 인물 판정은 각각 개별 실행합니다
• 다중 연락 기회를 표시합니다. "[Company]에서 3명이 인바운드로 들어옴 — 잠재 구매 위원회?"

모순된 신호:

• 회사는 강한 적합이지만 사람은 완전히 맞지 않음(예: 완벽한 회사의 인턴)
• 정직하게 점수화합니다. 하위 판정 right_company_wrong_person은 이를 disqualification-handling의 추천 처리로 라우팅합니다

경계선 판단:

• 점수가 50-74이고 양쪽으로 갈 수 있으면 인바운드 잠재고객은 적격 쪽으로 기울입니다
• 이유: 그들이 우리에게 왔습니다. 의도 신호가 경계선 사례를 "대화할 가치 있음" 쪽으로 기울입니다
• 근거에 이 기울임을 기록합니다. "[dimension]에서는 경계선이지만, 인바운드 의도가 추적을 시사함"

누락 데이터로 점수화:

• 알 수 없는 차원은 30점으로 점수화합니다(0도 50도 아님). 데이터 부재는 약한 부정 신호지만 부적격은 아닙니다
• 3개 초과 차원이 "unknown"이면 점수와 관계없이 insufficient_data입니다. 먼저 정보 보강을 권장합니다

---

필요한 도구

• CRM 접근 — 파이프라인, 기존 고객, 연락 이력 확인
• Supabase client — 파이프라인/신호 조회
• 웹 검색 — 정보 보강 데이터가 부족할 때 회사 조사
• 정보 보강 도구 — Apollo, LinkedIn scraper 또는 유사 도구(선택, 정확도 향상)
• Read/Write — CSV 입출력과 구성 관리