Data Research 是一个用于将原始公司列表转化为规范潜在客户列表的技能。它并不主要做列表构建，而是对客户已有的 CRM 导出、抓取表格或旧活动文件进行评分和丰富。每行需回答三个问题：这个账户是否属于我们、为什么现在写、第一行写什么。
核心概念是区分“信号”和“数据点”。信号是带日期的事件，任意时刻约 3-5% 的冷基会出现；数据点是永久事实，如技术栈、行业、员工数、是否内部拥有能力。一个信号作为写信理由，一个数据点塑造信息。没有信号，信息就像群发邮件。
硬性规则：无 URL 和日期不算信号；信号来源必须解析到公司域名而非名称；信号日期是事件日期；不得编造员工数、交易规模、技术栈或职位；失败行保留并注明原因；按人去重，每公司 2-3 个联系人是正常的；只取最高单个信号，不求和；反信号单独文件并检查所有账户。
执行顺序按成本从低到高：Pass 0 审计给定数据，检查邮箱域名等；Pass 1 停止筛选，反 ICP 和硬性门槛；Pass 2 公司概况，每公司一次 SERP 查询，成本约 $0.0025/公司；Pass 3 员工数，仅对通过概况筛选的行，来源为公司社交页面，成本约 $0.004-0.006/公司；Pass 4 和 5 信号与数据点，交给 signal-research 处理，需返回信号块和数据点块；Pass 6 邮箱，仅对存活行，参考 waterfall-enrichment 技能；Pass 7 第二联系人。每步后记录覆盖行数、产出、花费和时间。
评分注意事项：仅在验证数字上设置层级；当整个类别为空时进行归一化；安全阀确保关键类别达标才能进入顶级；开放 45 天以上的职位是更强信号。
细分：campaign = queue × persona × tier。Queue A 有日期事件，优先；Queue B 弱信号；Queue D 无信号，开场白基于数据点。不要混合 A 和 D。决策者和拥护者分开活动。
输出为扁平 CSV，两个文件相同列：完整基含过滤原因，和可工作选择。列块固定顺序：公司、停止筛选、员工数、匹配度、信号、数据点、当前工作证据、来源控制、站点、联系人、文案、细分。第 7 和第 9 块因客户而异。signal_summary 应可直接用作第一行，含具体对象、地点、日期。text_gate 仅在真实证据支持下为 ok；hook_source 必填。
数量门槛：信号主导活动需 300+ 行，数据点主导需 500+ 行。低于此应报告。
常见陷阱：文本日期列两种格式导致排序错误；成本列存为文本；占位日期；并行线程导致 DNS 错误；爬虫无页面上限；同一数字两个来源需分列。
该技能不写序列、不发送、不评分人员、不因账户重要而编造信号、不删除失败行。