用途：把已经跑过的外联活动转化为可验证的理想客户画像（ICP），识别哪些职位、资历、行业、公司规模和国家的客户真正回复、接受并表现出兴趣，哪些触达被浪费，并据此寻找更多优质客户。
主要能力：按细分维度计算回复率与正向回复率、95% Wilson 置信区间、相对基线的提升；检测活动混杂（某细分是否只因单一活动而显得好）；对低于最小样本量的细分做合并；输出 2–3 个命名 ICP 原型和一份「停止联系」清单。
使用方式：准备每行一个被联系客户的数据，含标识、属性（至少职位）、结果（是否回复、是否接受、回复标签）和所属活动。数据来源有三条路径：La Growth Machine MCP（有约 100 次工具调用预算，先探测属性覆盖率再分页拉取）、任意外联工具的 CSV 导出、或其他已连接工具的 MCP。若数据有回复文本但无标签，需按 POSITIVE、NOT_NOW、NEGATIVE、OOO、OTHER 五类标注。随后运行引擎：python3 scripts/analyze.py /tmp/outreach.csv，可用 --min-cell 30、--min-contacted 100、--min-outcomes 20、--today YYYY-MM-DD 等参数。
适用场景：冷邮件、LinkedIn 外联、销售序列等已积累回复数据的团队，用于优化目标人群与减少无效触达。
限制：引擎在少于 100 个被联系客户、少于 20 条回复、缺少结果列或属性列时会拒绝运行；分析期间不得用 enrich_lead 或其他 MCP 补全属性；ICP 仅限已触达人群，未触达细分无法出现；公司规模字段在 La Growth Machine 中不存在；回复文本需逐条读取，只能抽样标注。具体收费、价格与效果暂未提供。