response-confidence-scoring
面向销售机器人开发的响应置信度评分技能，帮助机器人判断自身何时不确定，按置信度选择直接回答、模糊措辞、先澄清或转人工，并给出评分实现、升级逻辑与校准指标。
Skill 广场
找到适合任务的 Agent Skill，阅读介绍并复制安装命令。
更新于 10-18 00:12
营销与增长
9,230 个结果
linkfox-junglescout-keyword-share-of-voice
该技能通过 Jungle Scout 数据源查询亚马逊关键词的 Share of Voice（品牌声量占比）数据，分析搜索结果前 3 页中各品牌的曝光分布，返回自然、广告及综合三个维度的声量占比（含基础与加权两种算法）、30 天精确搜索量、PPC 竞价中位数，以及点击量 TOP3 ASIN 的点击与转化数据，覆盖美国、英国、德国、印度、加拿大、法国、意大利、西班牙、墨西哥、日本共 10 个站点。适用于品牌市场份额分析、关键词竞争格局评估、广告位归属判断、PPC 出价估算等场景。
ab-test-setup
该技能用于设计和执行销售实验，通过严谨的数据驱动测试来优化销售方法、外联序列和话术变体。它帮助用户构建假设、确定样本量、设计A/B测试、分析结果并沉淀销售手册，适用于冷邮件、冷电话、发现电话和跟进序列等销售场景的测试与优化。
conversation-ab-testing
Conversation A/B Testing 是一个面向销售机器人的消息级 A/B 测试构建技能，来源为 louisblythe/sales-skills。它帮助开发者针对会话中的单条消息（而非整个序列）做变体测试，从而更快达到统计显著性，并明确知道是哪条消息带来了改善。该技能覆盖主题行测试、开场白测试、CTA 测试、语气/风格测试等测试类型，并提供变体选择逻辑、结果追踪、样本量计算、显著性检验（卡方检验）、多臂老虎机（汤普森采样）以及测试生命周期管理、并发测试冲突检测、仪表盘与自动化洞察等实现要点。资料同时给出最佳实践与常见陷阱，例如一次只测一个变量、样本量提前计算、避免提前查看并停止等。
custom-field-population
面向销售机器人开发的技能，用于从自然语言对话中自动提取联系人、BANT资格、商机与互动偏好等数据，并按置信度写入CRM字段，减少手动录入。
duplicate-conversation-prevention
重复对话预防（Duplicate Conversation Prevention）是一套面向销售机器人的技术方案与实现指南，旨在解决同一潜在客户在多个渠道（如邮件、短信、电话、LinkedIn）被同时触达所带来的骚扰问题。它通过身份解析、渠道协调、序列感知三层检测机制，结合渠道锁定、主渠道分配和对话状态机等策略，确保跨渠道触达的协调一致。该技能还提供集中队列、分布式锁、事件驱动协调等实现模式，以及联系人归一化、合并策略、冲突解决等去重规则，并配套碰撞率、退订归因等指标来优化规则。适用于需要为销售自动化系统构建智能触达协调能力的开发场景。
emotional-arc-management
面向销售机器人的情绪弧线管理技能，用于让对话按好奇心、认同、痛点、希望、欲望、信心、承诺等阶段推进，提升参与度和转化。
multi-turn-context-retention
用于构建销售机器人多轮上下文保持能力的技能，帮助机器人在数十次消息往返、跨天跨周会话中维持连贯对话，涉及短期/中期/长期记忆分层、话题线程、实体记忆、状态管理与跨会话续接等设计。
out-of-scope-request-handling
该技能用于帮助开发者构建销售机器人对超范围请求的优雅处理与转接能力，涵盖支持问题、无关产品、不当请求、竞品信息、非销售类请求等场景，并给出 REDIRECT 响应框架、路由映射与边界配置建议。
prospect-fatigue-detection
面向销售机器人开发的“潜在客户疲劳检测”技能：识别过度触达信号并自动退让，提供疲劳评分、阈值、退让规则与挽回策略，用于在损害关系前降低打扰。
timing-optimization
该技能用于帮助设计或改进销售机器人在潜在客户最可能参与互动的时机发送消息或拨打电话，涉及邮件、短信、电话与聊天等渠道的出站时机优化、时区管理、基于数据的个性化以及合规边界。
voicemail-drop-optimization
Voicemail Drop Optimization 是一套面向销售自动化的语音留言策略技能，帮助开发者构建能在最佳时机留下有说服力预录语音留言的系统，以提升客户回拨率。内容涵盖语音留言类型（无振铃语音留言 RVM、传统语音留言、混合方式）、合规要求（TCPA、州法律、Do Not Call、时间限制）、最佳投放时机（按星期与时段分析、基于触发事件的时机、序列节奏）、留言脚本结构（20 秒规则、开场/身份/价值/行动号召模板及多场景示例）、规模化个性化（动态变量、三种录制策略）、音质标准、回拨优化与追踪、回拨处理、A/B 测试、效果衡量指标、多渠道整合以及合规与最佳实践（退订处理、频率限制、质量保证）。
lead-research-assistant
Lead Research Assistant 是一款用于识别和筛选潜在客户的技能，可根据你的产品或服务，分析目标客户画像，搜索匹配的企业线索，并给出可执行的接触策略。它适用于寻找潜在客户、构建外联名单、识别销售目标客户、研究符合理想客户画像的公司以及准备业务拓展活动。该技能会理解业务、依据行业、规模、地区、技术栈、增长阶段、融资和痛点识别目标公司，对线索进行优先级评分，并为每条线索提供企业名称、网站、适配原因、优先级、决策者角色、接触策略、价值主张、话题切入点及 LinkedIn 链接。
conversation-pause-intelligence
为销售机器人设计“停顿智能”的技能：帮助开发者判断潜在客户沉默代表在思考还是已流失，并据此选择等待、跟进或挽回策略。含参与度评分、按时长与渠道的判断阈值、多渠道路径解读和跟进节奏建议。
multi-stakeholder-thread-management
面向销售机器人开发者的技能，用于在涉及多位决策者的 B2B 销售对话中做多方线程管理，包括干系人映射、单人对话跟踪、跨干系人视图与共识度评估。
question-disambiguation
该技能用于帮助开发者构建或改进销售机器人的问题澄清能力，使其在继续对话前能够优雅地澄清模糊或含糊的用户回复。技能内容涵盖歧义类型（指代歧义、范围歧义、时间歧义、意图歧义）、澄清框架（何时澄清、如何澄清）、澄清模式（软澄清、假设测试、复述确认、上下文桥接）、处理模糊数字（预算、团队规模、时间线）以及避免澄清疲劳和误解恢复等实践方法。
referral-request-timing
一个面向销售机器人的技能指南，说明如何在合适时机请求客户转介绍，涵盖准备度信号、触发条件、评分模型、话术模板、渠道时机、应答处理与频率限制等。
warm-transfer-execution
Warm Transfer Execution 是一套用于构建销售机器人“暖转接”能力的技能指南，帮助开发者实现将潜在客户无缝转接给真人销售代表，并完整传递对话上下文。该技能强调转接前应准备客户、检查代表可用性、执行转接并确认交接，同时提供转接触发条件、时机判断、上下文数据包格式、多种转接场景（即时、排队、异步、失败恢复）以及代表赋能和质量保障方法。适用于需要提升销售机器人转接体验、减少客户重复描述、保持对话势能的场景。
channel-preference-detection
面向销售机器人开发者的渠道偏好检测技能，帮助系统学习并适应潜在客户在短信、邮件、电话和聊天中的沟通偏好，涵盖显式与隐式信号识别、偏好评分、渠道切换、多渠道路由与合规注意事项。
persona-classification
Persona Classification 是一个面向销售机器人开发者的技能，用于让销售机器人识别买家的性格类型，并据此调整沟通方式。它基于 DISC 框架和简化模型，将买家分为分析型（Analytical）、驱动型（Driver）和关系型（Relationship）三类，通过消息风格、长度、响应时间、团队提及等信号进行实时分类，并给出置信度。分类完成后，系统可自适应调整消息内容、语气、节奏和行动号召，例如对分析型提供数据和文档，对驱动型强调结果和效率，对关系型强调团队影响和信任。该技能提供 Python 代码示例，包括信号分析、置信度评分、消息适配、响应模板、节奏适配和渐进式分类器，适用于构建能根据买家个性动态调整沟通的销售对话系统。
indie-monetization-strategist
面向独立开发者、单干创业者和小团队的变现策略技能。内容涵盖免费增值模式、SaaS 定价、赞助、捐赠、邮件列表等，提供变现模式决策树、定价心理学、赞助定价公式、捐赠平台对比、10 个常见反模式以及独立规模的收入基准，并附 Stripe 支付集成、赞助按钮和邮件序列等快速实现素材。
competitor-mention-handling
一套用于构建销售机器人「竞品提及处理」能力的技能指南，帮助开发者在潜在客户提到竞品时给出专业、有效的回应，涵盖竞品提及类型、PACE回应框架、具体场景话术、语气准则与竞品情报整合。
propensity-scoring-realtime
面向销售机器人的实时线索评分技能，帮助在对话过程中动态更新潜客评分，综合公司画像、互动行为与对话信号，按分数分层调整跟进策略。
sentiment-trend-tracking
sentiment-trend-tracking 是一套关于在销售机器人中构建情绪趋势监控能力的技能资料，用于帮助开发者跟踪会话整体情绪随时间的变化，判断营销活动语气是在改善还是在恶化。资料围绕“缓慢下滑问题”展开：单条会话看起来正常，但聚合数据可能显示一周到四周平均情绪从 0.65 降至 0.45，趋势跟踪可以提前发出预警。内容涵盖按消息、按会话的情绪测量（含置信度与方面情绪），基于时间分桶的序列趋势计算（上升、下降、稳定与强度），按细分群体（SMB、中端市场、企业、inbound、outbound）的对比，基于滚动统计与 Z 分数的异常检测，连续下降、突降、波动飙升等模式识别，模板、主题、细分、销售代表等驱动因素的相关性分析，情绪告警配置，趋势仪表盘，以及 7 天/30 天情绪指标与阈值。文档以 Python 代码片段说明实现思路，包含情感分值区间、线性回归方向判断、告警条件等具体逻辑。该技能适合开发销售机器人、对话系统或营销自动化的工程与数据团队使用。