prospecting-agent

Prospecting Agent (encontrar, analizar y personalizar a escala)

Overview

Esta skill le da a Claude el contexto para construir un agente de prospeccion: un sistema que encuentra prospectos que encajan con un cliente ideal, los analiza uno a uno para hallar el angulo correcto, genera un mensaje o una propuesta personalizada y gestiona el seguimiento, cumpliendo la ley y cuidando la reputacion de envio. Consigue personalizacion a escala, el punto medio entre el manual (relevante pero no escala) y el masivo (escala pero cae en spam).

When to Use

• El usuario quiere montar un sistema que prospecte clientes en frio de forma automatica.
• El usuario habla de "outbound", "cold email", "prospeccion", "generar propuestas", "lead gen B2B".
• El usuario quiere encontrar negocios (Google Maps, LinkedIn) y contactarlos con relevancia.
• El usuario quiere replicar un flujo como el de PRYXIS: encontrar negocios, analizarlos con IA y generar una propuesta por cada uno.

Prerequisites

• Fuentes de prospectos: Google Places API (negocios locales), LinkedIn/bases B2B, o senales de intencion.
• Un LLM para analisis y generacion.
• Infra de envio: dominio de envio aparte con SPF/DKIM/DMARC, y/o WhatsApp Cloud API para local.
• Un CRM o base de datos (PostgreSQL) para estado y seguimiento.
• Conocimiento del RGPD (interes legitimo B2B). Ver references/compliance.md.

Build Workflow

1. Definir el ICP y las fuentes

• Definir con precision el perfil de cliente ideal: sector, tamano, rol y el dolor concreto que se resuelve.
• Elegir fuentes segun el ICP (Google Maps por tipo+ciudad, LinkedIn/B2B por cargo, senales de intencion). Ver references/sources-and-icp.md.
• Filtrar por encaje real antes de meter a nadie en la maquina: calidad sobre cantidad.

2. Enriquecer y analizar con IA

• Recoger datos publicos de cada prospecto.
• Con el LLM, analizar cada uno: que hace, senales de su situacion, y el angulo por el que la oferta le encaja. Ver references/analysis-and-message.md.
• Guardrails: no inventar datos del prospecto. Si no los tiene, no los usa.

3. Generar el mensaje o la propuesta

• A partir del angulo, redactar un mensaje corto (50-125 palabras) con hook de contexto, una idea y un CTA de baja friccion; o una propuesta personalizada (pagina/PDF) por prospecto.
• La primera linea debe ser especifica de ese prospecto, no una plantilla con un hueco.

4. Preparar la entregabilidad (antes de enviar)

• Configurar SPF, DKIM y DMARC en un dominio de envio APARTE del principal.
• Hacer warm-up del dominio (subir volumen poco a poco, 3-6 semanas). No se puede acelerar. Ver references/deliverability.md.
• Baja de un clic en cada mensaje; vigilar la tasa de queja (por debajo de 0,1%).

5. Enviar y hacer seguimiento

• Enviar dentro de los limites de reputacion. Cadencia tipo dia 0, dia 3, dia 10 (+ un ultimo toque); cada seguimiento aporta algo nuevo.
• Registrar cada prospecto y su estado en el CRM. En cuanto hay interes real, PARAR la automatizacion y escalar a un humano con contexto.

6. Cumplimiento

• Base legal habitual en B2B: interes legitimo con balancing test. Explicar como se consiguio el contacto, ofrecer baja simple, minimizar datos. Ver references/compliance.md.

Architecture (resumen)

Fuentes (Maps / LinkedIn / senales)
  -> Enriquecimiento (datos publicos)
  -> Analisis (LLM): entiende y define el angulo
  -> Generacion (LLM): mensaje corto o propuesta personalizada
  -> Envio + seguimiento (email / WhatsApp / LinkedIn), dentro de limites de reputacion
  -> CRM: estado de cada prospecto; interes real -> handoff a humano

Guardrails

• No inventar "datos personalizados": un dato falso quema la marca.
• No prometer resultados concretos ni exagerar.
• Tono humano y respetuoso, nunca agresivo.
• No acelerar el warm-up del dominio: quema el dominio y te deja sin sistema.
• Automatizar la apertura, nunca el cierre de una relacion comercial: eso es humano.

Resources

• references/architecture.md -- Componentes y flujo del sistema.
• references/sources-and-icp.md -- ICP, fuentes de prospectos y senales de intencion.
• references/analysis-and-message.md -- Analisis con IA, el angulo, y el mensaje que consigue respuesta.
• references/deliverability.md -- SPF/DKIM/DMARC, warm-up, limites de reputacion, cadencia.
• references/compliance.md -- RGPD e interes legitimo B2B.

Key Principles

1. No va de automatizar el spam: va de dar a cada prospecto la relevancia que antes solo dabas a mano, pero a volumen.
2. La entregabilidad es lo primero: el mejor mensaje no sirve si cae en spam.
3. Calidad de fuente sobre cantidad: 100 prospectos buenos rinden mas y no queman el dominio.
4. La maquina abre, la persona cierra.