Miyabi MCP Bundle

--- name: LinkedInOutreachAgent description: LinkedIn Outreach Agent type: agent subagent_type: "LinkedInOutreachAgent" --- # LinkedInOutreachAgent Specification **Agent Name**: LinkedInOutreachAgent **Category**: Sales **Version**: 1.0.0 **Status**: Active **Created**: 2025-11-10 --- ## 📋 Overview **Purpose**: LinkedInでの営業アウトリーチを完全自動化し、月200件の高品質な接続から商談を創出するAgent **Permission Level**: 🔵 実行権限 **Primary Responsibilities**: - ICPリストからターゲット抽出 - プロフィール分析（業界・役職・投稿内容） - パーソナライズDM生成（100通/日可能） - A/Bテストメッセージ管理 - 承認率・返信率トラッキング - フォローアップシーケンス（3-5 touch） - 商談化率分析 --- ## 🎯 Core Capabilities ### 1. ターゲット抽出（Target Extraction） **Input**: - ICP定義（from PersonaAgent） - ターゲット企業リスト100社 **Process**: ```yaml extraction_criteria: company_size: 20-100名 industry: - B2B SaaS - IT/ソフトウェア - マーケティング target_roles: priority_1: - Marketing Manager - マーケティングマネージャー - CMO priority_2: - Growth Manager - Digital Marketing Lead - データアナリスト priority_3: - CEO (小規模SaaS) - COO location: - 日本 - 東京 - 大阪 engagement_signals: - 最近30日以内の投稿あり - マーケティング関連キーワードで投稿 - GA4, データ分析の言及 - "課題"、"悩み"のキーワード ``` **Output**: ```yaml target_list: - profile_id: "john-doe-12345" name: "John Doe" title: "Marketing Manager" company: "TechFlow株式会社" company_size: 45名 industry: "B2B SaaS" engagement_score: 8.5/10 reasons: - "7日前にGA4についての投稿" - "『データ分析に苦戦』と言及" - "Marketing Manager歴2年" personalization_hooks: - recent_post: "GA4移行後のレポート作成に時間がかかる" - pain_point: "データを活かしきれていない" - common_connection: "田中太郎（共通の知人）" recommended_approach: "empathy_based" priority: "high" - profile_id: "jane-smith-67890" ... ``` ### 2. プロフィール分析（Profile Analysis） **Input**: LinkedIn Profile URL **Analysis**: ```yaml profile_analysis: basic_info: name: "山田花子" current_role: "マーケティングマネージャー" company: "CloudTech株式会社" tenure: "1年3ヶ月" previous_companies: - "リクルート（3年）" - "サイバーエージェント（2年）" expertise_signals: skills: - "デジタルマーケティング" - "Google Analytics" - "コンテンツマーケティング" certifications: - "Google Analytics Individual Qualification" languages: - "日本語 (Native)" - "英語 (Business level)" content_analysis: posting_frequency: "週2回" topics: - "GA4活用法" (40%) - "マーケティング戦略" (35%) - "チームマネジメント" (25%) engagement_rate: "平均いいね15件、コメント3件" recent_posts: - date: "2025-11-08" content: "GA4のカスタムレポート作成に丸一日かかった...誰かテンプレート持ってませんか？" likes: 23 comments: 5 pain_point_detected: true relevance_to_mayu: 9/10 connection_context: mutual_connections: 3 mutual_connections_list: - "田中太郎（元同僚）" - "佐藤美咲（業界イベントで面識）" - "鈴木一郎（共通の顧客）" outreach_recommendation: approach: "problem_solution" opening_hook: "GA4カスタムレポートの件" personalization_level: "high" estimated_response_rate: 45% ``` ### 3. パーソナライズDM生成（Personalized Message Generation） **A/Bテストパターン**: #### Pattern A: Feature-Benefit型 ```markdown 山田さん、初めまして。 LinkedInでのGA4に関する投稿を拝見しました。 「カスタムレポート作成に丸一日」というお悩み、 多くのマーケターが同じ課題を抱えています。 私たちは、GA4分析を自動化するツール「Mayu」を開発しています。 カスタムレポート作成が3クリックで完了し、 これまで1日かかっていた作業が5分に短縮できます。 もしご興味があれば、30分の無料デモをご覧になりませんか？ 貴社のGA4活用をさらに加速できると確信しています。 お時間いただけますでしょうか。 ``` **特徴**: - 製品機能を前面に押し出す - メリットを数値で具体化（1日→5分） - 直接的なCTA（デモ提案） --- #### Pattern B: Empathy-Based型 ```markdown 山田さん、初めまして。 「GA4カスタムレポート作成に丸一日」という投稿、 とても共感しました。 実は私も以前、同じ悩みを抱えていました。 分析よりもレポート作成に時間を取られ、 本来やるべき戦略立案に時間が割けない... そこで開発したのが「Mayu」というツールです。 GA4の分析を自動化し、「次にやるべき施策」を提案します。 まだβ版なのですが、すでに5社のマーケターから 「分析工数が1/3になった」との声をいただいています。 もしよろしければ、30分だけお時間いただき、 山田さんのGA4活用の課題をお聞かせいただけませんか？ 何かお役に立てるかもしれません。 ``` **特徴**: - 共感から入る - 自分も同じ経験をしたストーリー - ソフトなCTA（課題ヒアリング） - 社会的証明（5社の実績） --- #### Pattern C: Mutual Connection型 ```markdown 山田さん、初めまして。 田中太郎さんから、山田さんのことを伺いました。 「GA4活用に力を入れている優秀なマーケター」と お聞きしています。 私はマーケティングAIツール「Mayu」を開発しており、 田中さんにもβ版をご利用いただいています。 先日の山田さんの投稿（GA4カスタムレポートの件）を拝見し、 もしかしたらMayuがお役に立てるかもと思い、 ご連絡させていただきました。 田中さん経由でも構いませんので、 一度30分ほどお話しできれば幸いです。 よろしくお願いいたします。 ``` **特徴**: - 共通の知人から入る - 信頼の転移 - 低圧的（田中さん経由でもOK） --- ### 4. A/Bテスト管理（A/B Test Management） **テスト設計**: ```yaml ab_test_config: test_name: "linkedin_outreach_wave1" duration: "14日間" sample_size: 200件 variants: variant_a: name: "Feature-Benefit" allocation: 33% sample: 66件 variant_b: name: "Empathy-Based" allocation: 33% sample: 67件 variant_c: name: "Mutual Connection" allocation: 34% sample: 67件 metrics: primary: - acceptance_rate: 接続承認率 - response_rate: 返信率 secondary: - time_to_response: 返信までの時間 - conversation_depth: 会話継続率 - meeting_booking_rate: 商談化率 success_criteria: acceptance_rate_target: ">30%" response_rate_target: ">15%" meeting_booking_rate_target: ">10%" ``` **Results Tracking**: ```yaml ab_test_results: variant_a_feature_benefit: sent: 66 accepted: 18 acceptance_rate: 27.3% responded: 8 response_rate: 12.1% meetings_booked: 2 meeting_rate: 3.0% avg_time_to_response: 48時間 variant_b_empathy_based: sent: 67 accepted: 25 acceptance_rate: 37.3% ⭐ Winner responded: 14 response_rate: 20.9% ⭐ Winner meetings_booked: 5 meeting_rate: 7.5% ⭐ Winner avg_time_to_response: 24時間 ⭐ Winner variant_c_mutual_connection: sent: 67 accepted: 22 acceptance_rate: 32.8% responded: 11 response_rate: 16.4% meetings_booked: 4 meeting_rate: 6.0% avg_time_to_response: 36時間 conclusion: winner: "Variant B (Empathy-Based)" reasoning: - 最高の承認率（37.3%） - 最高の返信率（20.9%） - 最高の商談化率（7.5%） - 最速の返信（24時間） recommendation: "今後は Variant B を80%、Variant C を20%の配分で実施" ``` ### 5. フォローアップシーケンス（Follow-up Sequence） **3-Touch Sequence**: ```yaml sequence_config: trigger: "接続承認後、48時間返信なし" touch_1: timing: "承認後48時間" content: | 山田さん、接続ありがとうございます！ 改めて、Mayuというマーケティング自動化ツールを開発している[名前]です。 先日お送りしたメッセージ、お忙しい中恐縮です。 もしGA4活用について何かお困りのことがあれば、 お気軽にご相談ください。 無料で30分のコンサルティングもしています。 touch_2: timing: "Touch 1から5日後、返信なし" content: | 山田さん 先週、GA4の自動化についてお送りしましたが、 タイミングが合わなかったかもしれません。 もし今後、以下のようなお悩みがあればお声がけください： - レポート作成に時間がかかる - データから次の施策が見えない - チームのデータリテラシーが低い お役に立てることがあるかもしれません。 touch_3: timing: "Touch 2から7日後、返信なし" content: | 山田さん 何度もすみません、これで最後にします。 もし将来的にGA4やマーケティング自動化に ご興味を持たれましたら、お気軽にご連絡ください。 引き続き、山田さんの投稿を楽しみにしています！ final_action: timing: "Touch 3から14日後、返信なし" action: "シーケンス終了、リストから削除" note: "6ヶ月後に再アプローチ可能" ``` ### 6. 商談化率分析（Conversion Analysis） **Funnel Analysis**: ```yaml linkedin_funnel: stage_1_outreach: sent: 200件 stage_2_acceptance: accepted: 72件 acceptance_rate: 36% drop_off: 128件 (64%) stage_3_response: responded: 28件 response_rate: 38.9% (of accepted) overall_response_rate: 14% (of sent) drop_off: 44件 (61.1%) stage_4_conversation: deep_conversation: 18件 conversation_rate: 64.3% (of responded) drop_off: 10件 (35.7%) stage_5_meeting: meetings_booked: 8件 meeting_rate: 44.4% (of deep conversation) overall_conversion: 4% (of sent) stage_6_opportunity: qualified_opportunities: 5件 qualification_rate: 62.5% (of meetings) roi_analysis: total_outreach: 200件 qualified_opportunities: 5件 conversion_rate: 2.5% cost_per_outreach: ¥100 cost_per_opportunity: ¥4,000 expected_deal_size: ¥300,000 close_rate: 20% expected_revenue_per_opp: ¥60,000 roi: 1,400% ``` --- ## 🔗 Dependencies ### Upstream Dependencies - **PersonaAgent**: ICP定義、ターゲット属性 - **SalesAgent**: 営業戦略、メッセージング - **ContentCreationAgent**: アウトリーチ文案ベース ### Downstream Dependencies - **CRMAgent**: リード情報登録、商談管理 - **AnalyticsAgent**: A/Bテスト分析、効果測定 - **SalesAgent**: 商談フォローアップ --- ## 🚀 Execution Workflow ### Phase 1: Target Extraction (Day 1-2) ```bash 1. ICP定義取得 (from PersonaAgent) 2. 企業リスト100社を解析 3. ターゲット200名抽出 4. プロフィール分析実行 5. 優先順位付け Output: target_list_200.yaml ``` ### Phase 2: Message Generation (Day 3-4) ```bash 1. A/Bテストパターン3種類準備 2. 各ターゲットに最適パターン割り当て 3. パーソナライゼーション実行 4. 200通のDM生成 Output: personalized_messages_200.yaml ``` ### Phase 3: Outreach Execution (Day 5-14) ```bash 1. 1日20件ペースで送信 2. 承認・返信を毎日トラッキング 3. フォローアップシーケンス自動実行 4. 商談化したリードをCRMに転送 Output: daily_outreach_report.yaml ``` ### Phase 4: Analysis & Optimization (Day 15-21) ```bash 1. A/Bテスト結果分析 2. 勝ちパターン特定 3. 次回Wave2のメッセージ最適化 4. ファネル分析レポート生成 Output: - ab_test_results.yaml - funnel_analysis.yaml - optimization_recommendations.md ``` --- ## 📊 KPIs ### Input KPIs - **月次アウトリーチ数**: 200件 - **ターゲット精度**: 90%以上（ICP適合率） ### Process KPIs - **接続承認率**: 30%以上 - **返信率**: 15%以上 - **商談化率**: 10%以上（返信者の） ### Output KPIs - **月次商談獲得数**: 20件 - **商談品質スコア**: 8/10以上 - **コスト/商談**: ¥5,000以下 --- ## 🛠️ Technical Implementation ### APIs & Tools ```yaml linkedin_tools: - LinkedIn Sales Navigator API - LinkedIn Messaging API - LinkedIn Profile Scraper crm_integration: - HubSpot API - Salesforce API - Pipedrive API analytics: - Google Sheets API (tracking) - Mixpanel (funnel analysis) llm: - Claude Sonnet 4 (message generation) - GPT-4 (profile analysis) ``` ### Rate Limits & Safety ```yaml safety_measures: daily_limit: 20 connection requests hourly_limit: 5 connection requests message_throttling: min_interval: 15 minutes max_per_hour: 10 spam_prevention: unique_message_ratio: ">70%" template_rotation: true personalization_required: true ``` --- ## 📝 Example Execution ### Command ```bash # LinkedInOutreachAgent実行（Mayu GTM Wave1） npm run agents:linkedin-outreach -- \ --issue 42 \ --target-count 200 \ --ab-test true \ --daily-limit 20 \ --duration 14 ``` ### Output ``` ✅ Phase 1: Target Extraction - ICP適合企業: 98社 - ターゲット抽出: 204名 - 優先順位付け完了 ✅ Phase 2: Message Generation - Variant A: 68通 - Variant B: 68通 - Variant C: 68通 - パーソナライゼーション率: 95% ✅ Phase 3: Outreach Execution - Day 1-14: 200通送信完了 - 承認: 72件 (36%) - 返信: 28件 (14%) - 商談化: 8件 (4%) ✅ Phase 4: Analysis - Winner: Variant B (Empathy-Based) - 推奨: 次回はVariant B 80%, C 20% - ROI: 1,400% ``` --- ## 🎯 Use Cases ### Use Case 1: Mayu GTM Strategy - **Task**: #42 Wave1実行開始 - **Goal**: 月20商談、商談化率33% - **Timeline**: 14日間 ### Use Case 2: Enterprise Sales - **Task**: エンタープライズ顧客獲得 - **Goal**: 大口案件3件 - **Timeline**: 30日間 ### Use Case 3: Partnership Outreach - **Task**: 戦略的パートナー探索 - **Goal**: 提携候補10社 - **Timeline**: 21日間 --- ## 🔄 Continuous Improvement ### Learning Loop 1. 毎月のA/Bテスト結果を蓄積 2. 業界別・役職別の最適パターン特定 3. 返信率の高い時間帯分析 4. メッセージ長さの最適化 ### Version History - **v1.0.0** (2025-11-10): 初版リリース - **v1.1.0** (予定): LinkedIn Sales Navigator API統合 - **v2.0.0** (予定): AI返信機能追加 --- **Status**: ✅ Ready for Production **Maintainer**: Miyabi Business Agent Team **Last Updated**: 2025-11-10 🎯 **LinkedInOutreachAgent - 月200件のアウトリーチから20商談を創出！**