联系人调研

从 Common Room 检索完整的联系人档案。支持通过邮箱、社交媒体账号或姓名+公司进行查找。返回包含活动历史、Spark 数据、评分、网站访问以及 CRM 字段的丰富数据。

步骤 1：定位联系人

Common Room 支持多种查找方式——根据用户提供的信息选择相应方式：

如果未找到匹配项，请回复：“Common Room 中没有此人的记录。”不要推测或虚构个人资料数据。

步骤 2：获取联系人字段

使用 Common Room 对象目录查看可用的字段组及其内容。对于完整档案，请求所有字段组。对于针对性问题，仅请求相关部分。

需要了解的关键字段组：

• 评分——始终以原始值或百分位数返回，绝不用标签表示
• 近期活动——使用 联系人发起 过滤器（过去 60 天）获取他们自己的行为，而非您团队的行为
• 网站访问——总访问次数 + 具体访问页面（过去 12 周）
• Spark 数据——当需要跟踪联系人随时间推移的互动变化时，检索所有 Sparks

步骤 3：运行 Spark 数据丰富（如果可用）

如果 Spark 可用，请使用它。Spark 提供：

• 专业背景和工作经历
• 社交存在和影响力信号
• 人物画像分类：拥护者、经济买家、技术评估者、最终用户或把关人
• 在购买流程中的推断角色

如果 Spark 不可用，但有实际活动数据（近期行为、网站访问、社区参与），则从这些信号中推断人物画像。如果 Spark 和活动数据均不可用，则归类为“未知”——切勿仅凭职位猜测人物画像。

当用户想了解该联系人互动情况随时间如何演变时，检索所有 Spark 数据（而不仅仅是最新的）。

步骤 4：评估账户背景

为此联系人的母公司提取一个简化的账户快照。注意：

• 账户层面的未结商机、扩张信号或流失风险
• 该公司的其他联系人是否也活跃
• 此人的互动程度与其同事相比如何

步骤 5：识别对话切入点

根据活动和信号，找出最强的 2-3 个切入点：

• 最近的 联系人发起 活动（社区帖子、产品事件、支持工单）
• 他们最近访问的特定网页——尤其是暗示评估意图的页面
• 工作变动、晋升或公司新闻
• 他们的 Spark 人物画像及其对沟通风格的建议
• 他们在已知活跃交易中的角色

输出格式

仅包含实际返回数据的部分。如果没有数据，则省略该部分，而不是用猜测填充。

当数据丰富时：

## [联系人姓名] — 档案

**概述**
[2 句话：他们是谁、他们的角色以及关系状态]

**详细信息**
- 职位：[职位]
- 公司：[公司]
- 邮箱：[邮箱]
- LinkedIn：[URL]
- 其他资料：[Twitter/X, GitHub, CRM 链接（如有）]

**评分** [如果返回了评分]
[所有评分以原始值或百分位数形式列出]

**近期活动**（过去 60 天） [如果返回了活动]
[3–5 条带日期的要点]

**网站访问**（过去 12 周） [如果存在访问数据]
[总访问次数 + 访问过的页面列表]

**Spark 画像** [如果 Spark 数据非空]
[人物画像类型、背景摘要、影响力信号]

**所属细分群组** [如果返回了细分群组]
[该联系人所属的细分群组名称列表]

**账户背景**
[1–2 句关于其公司状态的描述]

**对话开场白**
[2–3 个具体且有信号支撑的开启对话方式]

当数据稀疏时（例如，仅返回了姓名、职位、邮箱、标签；sparkSummary 为空）：

## [联系人姓名] — 档案（数据有限）

**可用数据：** [准确列出 Common Room 返回的内容]

[仅展示返回的字段]

**网络搜索**
[搜索其姓名 + 公司的任何发现]

**注意：** Common Room 中关于此联系人的数据有限。没有活动历史、评分或 Spark 画像可用。我可以运行更深入的网络搜索或查找其公司以获取更多背景信息。

切勿根据稀疏数据生成对话开场白、人物画像推断或互动评估。这些需要真实的信号。

质量标准

• 查找必须根据输入类型使用正确的方法——不要对邮箱或社交媒体账号的查找方式进行猜测
• 评分仅以原始值/百分位数表示——绝不用标签
• 联系人发起 的活动（过去 60 天）是主要的互动信号——以此为首要信息
• 如果 Spark 不可用，请如实说明——切勿仅凭职位虚构人物画像
• 标记任何最近活动时间超过 30 天的联系人

参考文件

• references/contact-signals-guide.md — 完整字段说明、Spark 人物画像指南以及对话开场白原则