बिक्री अनुसंधान कौशल: संभावित ग्राहक अनुसंधान पद्धति

--- name: sales-research description: यह स्किल सेल्स प्रॉस्पेक्ट्स पर शोध करने के लिए कार्यप्रणाली और सर्वोत्तम अभ्यास प्रदान करती है। --- # सेल्स रिसर्च ## अवलोकन यह स्किल सेल्स प्रॉस्पेक्ट्स पर शोध करने के लिए कार्यप्रणाली और सर्वोत्तम अभ्यास प्रदान करती है। इसमें कंपनी रिसर्च, कॉन्टैक्ट प्रोफाइलिंग, और सिग्नल डिटेक्शन शामिल है ताकि कार्रवाई योग्य जानकारी सामने आ सके। ## उपयोग कंपनी-रिसर्चर और कॉन्टैक्ट-रिसर्चर सब-एजेंट इस स्किल का संदर्भ लेते हैं जब: - नए प्रॉस्पेक्ट्स पर शोध कर रहे हों - कंपनी की जानकारी ढूंढ रहे हों - व्यक्तिगत कॉन्टैक्ट्स की प्रोफाइल बना रहे हों - खरीदारी के संकेतों का पता लगा रहे हों ## शोध कार्यप्रणाली ### कंपनी रिसर्च चेकलिस्ट 1. **बुनियादी प्रोफाइल** - कंपनी का नाम, उद्योग, आकार (कर्मचारी, राजस्व) - मुख्यालय और प्रमुख स्थान - स्थापना तिथि, विकास चरण 2. **हालिया घटनाक्रम** - फंडिंग घोषणाएं (पिछले 12 महीने) - M&A गतिविधि - नेतृत्व परिवर्तन - उत्पाद लॉन्च 3. **टेक स्टैक** - ज्ञात तकनीकें (BuiltWith, StackShare) - टूल्स का उल्लेख करने वाली नौकरी पोस्टिंग - एकीकरण साझेदारियां 4. **संकेत** - नौकरी पोस्टिंग (विस्तार = अवसर) - Glassdoor समीक्षाएं (पीड़ा बिंदु) - समाचार उल्लेख (संदर्भ) - सोशल मीडिया गतिविधि ### कॉन्टैक्ट रिसर्च चेकलिस्ट 1. **पेशेवर पृष्ठभूमि** - वर्तमान भूमिका और कार्यकाल - पिछली कंपनियां और भूमिकाएं - शिक्षा 2. **प्रभाव संकेतक** - रिपोर्टिंग संरचना - निर्णय लेने का अधिकार - बजट स्वामित्व 3. **जुड़ाव के बिंदु** - हालिया LinkedIn पोस्ट - प्रकाशित लेख - वक्तृत्व कार्यक्रम - आपसी संपर्क ## संसाधन - `resources/signal-indicators.md` - खरीदारी के संकेतों का वर्गीकरण - `resources/research-checklist.md` - पूर्ण शोध चेकलिस्ट ## स्क्रिप्ट्स - `scripts/company-enricher.py` - कई स्रोतों से कंपनी डेटा एकत्र करें - `scripts/linkedin-parser.py` - LinkedIn प्रोफाइल डेटा संरचित करें FILE:company-enricher.py #!/usr/bin/env python3 """ company-enricher.py - कई स्रोतों से कंपनी डेटा एकत्र करें इनपुट: - company_name: string - domain: string (वैकल्पिक) आउटपुट: - profile: name: string industry: string size: string funding: string tech_stack: [string] recent_news: [समाचार आइटम] निर्भरताएं: - requests, beautifulsoup4 """ # आवश्यकताएं: requests, beautifulsoup4 import json from typing import Any from dataclasses import dataclass, asdict from datetime import datetime @dataclass class NewsItem: title: str date: str source: str url: str summary: str @dataclass class CompanyProfile: name: str domain: str industry: str size: str location: str founded: str funding: str tech_stack: list[str] recent_news: list[dict] competitors: list[str] description: str def search_company_info(company_name: str, domain: str = None) -> dict: """ बुनियादी कंपनी जानकारी खोजें। उत्पादन में, यह Clearbit, Crunchbase, आदि जैसे APIs को कॉल करेगा। """ # TODO: वास्तविक API कॉल लागू करें # प्लेसहोल्डर रिटर्न संरचना return { "name": company_name, "domain": domain or f"{company_name.lower().replace(' ', '')}.com", "industry": "Technology", # API से आएगा "size": "Unknown", "location": "Unknown", "founded": "Unknown", "description": f"{company_name} के बारे में जानकारी" } def search_funding_info(company_name: str) -> dict: """ फंडिंग जानकारी खोजें। उत्पादन में, Crunchbase, PitchBook, आदि को कॉल करेगा। """ # TODO: वास्तविक API कॉल लागू करें return { "total_funding": "Unknown", "last_round": "Unknown", "last_round_date": "Unknown", "investors": [] } def search_tech_stack(domain: str) -> list[str]: """ तकनीकी स्टैक का पता लगाएं। उत्पादन में, BuiltWith, Wappalyzer, आदि को कॉल करेगा। """ # TODO: वास्तविक API कॉल लागू करें return [] def search_recent_news(company_name: str, days: int = 90) -> list[dict]: """ कंपनी के बारे में हालिया समाचार खोजें। उत्पादन में, समाचार APIs को कॉल करेगा। """ # TODO: वास्तविक API कॉल लागू करें return [] def main( company_name: str, domain: str = None ) -> dict[str, Any]: """ कई स्रोतों से कंपनी डेटा एकत्र करें। Args: company_name: शोध के लिए कंपनी का नाम domain: कंपनी का डोमेन (वैकल्पिक, अनुमान लगाया जाएगा) Returns: कंपनी प्रोफाइल वाला dict जिसमें उद्योग, आकार, फंडिंग, टेक स्टैक, समाचार शामिल हैं """ # बुनियादी कंपनी जानकारी प्राप्त करें basic_info = search_company_info(company_name, domain) # फंडिंग जानकारी प्राप्त करें funding_info = search_funding_info(company_name) # टेक स्टैक का पता लगाएं company_domain = basic_info.get("domain", domain) tech_stack = search_tech_stack(company_domain) if company_domain else [] # हालिया समाचार प्राप्त करें news = search_recent_news(company_name) # प्रोफाइल संकलित करें profile = CompanyProfile( name=basic_info["name"], domain=basic_info["domain"], industry=basic_info["industry"], size=basic_info["size"], location=basic_info["location"], founded=basic_info["founded"], funding=funding_info.get("total_funding", "Unknown"), tech_stack=tech_stack, recent_news=news, competitors=[], # उद्योग विश्लेषण से समृद्ध किया जाएगा description=basic_info["description"] ) return { "profile": asdict(profile), "funding_details": funding_info, "enriched_at": datetime.now().isoformat(), "sources_checked": ["company_info", "funding", "tech_stack", "news"] } if __name__ == "__main__": import sys # उदाहरण उपयोग result = main( company_name="DataFlow Systems", domain="dataflow.io" ) print(json.dumps(result, indent=2)) FILE:linkedin-parser.py #!/usr/bin/env python3 """ linkedin-parser.py - LinkedIn प्रोफाइल डेटा संरचित करें इनपुट: - profile_url: string - या name + company: strings आउटपुट: - contact: name: string title: string tenure: string previous_roles: [भूमिका ऑब्जेक्ट] mutual_connections: [string] recent_activity: [पोस्ट सारांश] निर्भरताएं: - requests """ # आवश्यकताएं: requests import json from typing import Any from dataclasses import dataclass, asdict from datetime import datetime @dataclass class PreviousRole: title: str company: str duration: str description: str @dataclass class RecentPost: date: str content_preview: str engagement: int topic: str @dataclass class ContactProfile: name: str title: str company: str location: str tenure: str previous_roles: list[dict] education: list[str] mutual_connections: list[str] recent_activity: list[dict] profile_url: str headline: str def search_linkedin_profile(name: str = None, company: str = None, profile_url: str = None) -> dict: """ LinkedIn प्रोफाइल जानकारी खोजें। उत्पादन में, LinkedIn API या Sales Navigator का उपयोग करेगा। """ # TODO: वास्तविक LinkedIn API एकीकरण लागू करें # नोट: LinkedIn के API के सख्त सेवा शर्तें हैं return { "found": False, "name": name or "Unknown", "title": "Unknown", "company": company or "Unknown", "location": "Unknown", "headline": "", "tenure": "Unknown", "profile_url": profile_url or "" } def get_career_history(profile_data: dict) -> list[dict]: """ प्रोफाइल से करियर इतिहास निकालें। """ # TODO: करियर निष्कर्षण लागू करें return [] def get_mutual_connections(profile_data: dict, user_network: list = None) -> list[str]: """ आपसी संपर्क खोजें। """ # TODO: आपसी संपर्क पहचान लागू करें return [] def get_recent_activity(profile_data: dict, days: int = 30) -> list[dict]: """ हालिया पोस्ट और गतिविधि प्राप्त करें। """ # TODO: गतिविधि निष्कर्षण लागू करें return [] def main( name: str = None, company: str = None, profile_url: str = None ) -> dict[str, Any]: """ सेल्स तैयारी के लिए LinkedIn प्रोफाइल डेटा संरचित करें। Args: name: व्यक्ति का नाम company: जिस कंपनी में वे काम करते हैं profile_url: सीधा LinkedIn प्रोफाइल URL Returns: संरचित कॉन्टैक्ट प्रोफाइल वाला dict """ if not profile_url and not (name and company): return {"error": "profile_url या name + company प्रदान करें"} # प्रोफाइल खोजें profile_data = search_linkedin_profile( name=name, company=company, profile_url=profile_url ) if not profile_data.get("found"): return { "found": False, "name": name or "Unknown", "company": company or "Unknown", "message": "प्रोफाइल नहीं मिली या सीमित पहुंच", "suggestions": [ "सीधे LinkedIn पर खोजने का प्रयास करें", "वैकल्पिक वर्तनी जांचें", "सत्यापित करें कि व्यक्ति अभी भी इस कंपनी में काम करता है" ] } # करियर इतिहास प्राप्त करें previous_roles = get_career_history(profile_data) # आपसी संपर्क खोजें mutual_connections = get_mutual_connections(profile_data) # हालिया गतिविधि प्राप्त करें recent_activity = get_recent_activity(profile_data) # कॉन्टैक्ट प्रोफाइल संकलित करें contact = ContactProfile( name=profile_data["name"], title=profile_data["title"], company=profile_data["company"], location=profile_data["location"], tenure=profile_data["tenure"], previous_roles=previous_roles, education=[], # प्रोफाइल से निकाला जाएगा mutual_connections=mutual_connections, recent_activity=recent_activity, profile_url=profile_data["profile_url"], headline=profile_data["headline"] ) return { "found": True, "contact": asdict(contact), "research_date": datetime.now().isoformat(), "data_completeness": calculate_completeness(contact) } def calculate_completeness(contact: ContactProfile) -> dict: """गणना करें कि प्रोफाइल डेटा कितना पूर्ण है।""" fields = { "basic_info": bool(contact.name and contact.title and contact.company), "career_history": len(contact.previous_roles) > 0, "mutual_connections": len(contact.mutual_connections) > 0, "recent_activity": len(contact.recent_activity) > 0, "education": len(contact.education) > 0 } complete_count = sum(fields.values()) return { "fields": fields, "score": f"{complete_count}/{len(fields)}", "percentage": int((complete_count / len(fields)) * 100) } if __name__ == "__main__": import sys # उदाहरण उपयोग result = main( name="Sarah Chen", company="DataFlow Systems" ) print(json.dumps(result, indent=2)) FILE:priority-scorer.py #!/usr/bin/env python3 """ priority-scorer.py - प्रॉस्पेक्ट प्राथमिकताओं की गणना और रैंकिंग करें इनपुट: - prospects: [संकेतों वाले प्रॉस्पेक्ट ऑब्जेक्ट] - weights: {deal_size, timing, warmth, signals} आउटपुट: - ranked: [स्कोर और तर्क वाले प्रॉस्पेक्ट] निर्भरताएं: - (कोई नहीं - शुद्ध Python) """ import json from typing import Any from dataclasses import dataclass # डिफ़ॉल्ट स्कोरिंग वेट DEFAULT_WEIGHTS = { "deal_size": 0.25, "timing": 0.30, "warmth": 0.20, "signals": 0.25 } # सिग्नल स्कोर मैपिंग SIGNAL_SCORES = { # उच्च-इरादे वाले संकेत "recent_funding": 10, "leadership_change": 8, "job_postings_relevant": 9, "expansion_news": 7, "competitor_mention": 6, # मध्यम-इरादे वाले संकेत "general_hiring": 4, "industry_event": 3, "content_engagement": 3, # संबंध संकेत "mutual_connection": 5, "previous_contact": 6, "referred_lead": 8, # नकारात्मक संकेत "recent_layoffs": -3, "budget_freeze_mentioned": -5, "competitor_selected": -7, } @dataclass class ScoredProspect: company: str contact: str call_time: str raw_score: float normalized_score: int priority_rank: int score_breakdown: dict reasoning: str is_followup: bool def score_deal_size(prospect: dict) -> tuple[float, str]: """अनुमानित डील आकार के आधार पर स्कोर करें।""" size_indicators = prospect.get("size_indicators", {}) employee_count = size_indicators.get("employees", 0) revenue_estimate = size_indicators.get("revenue", 0) # कंपनी के आकार के आधार पर सरल स्कोरिंग if employee_count > 1000 or revenue_estimate > 100_000_000: return 10.0, "एंटरप्राइज़-स्तर का अवसर" elif employee_count > 200 or revenue_estimate > 20_000_000: return 7.0, "मिड-मार्केट अवसर" elif employee_count > 50: return 5.0, "SMB अवसर" else: return 3.0, "छोटा व्यवसाय" def score_timing(prospect: dict) -> tuple[float, str]: """समय संकेतों के आधार पर स्कोर करें।""" timing_signals = prospect.get("timing_signals", []) score = 5.0 # आधार स्कोर reasons = [] for signal in timing_signals: if signal == "budget_cycle_q4": score += 3 reasons.append("Q4 बजट योजना") elif signal == "contract_expiring": score += 4 reasons.append("अनुबंध जल्द समाप्त हो रहा है") elif signal == "active_evaluation": score += 5 reasons.append("सक्रिय रूप से मूल्यांकन कर रहे हैं") elif signal == "just_funded": score += 3 reasons.append("हाल ही में फंडेड") return min(score, 10.0), "; ".join(reasons) if reasons else "मानक समय" def score_warmth(prospect: dict) -> tuple[float, str]: """संबंध की गर्मजोशी के आधार पर स्कोर करें।""" relationship = prospect.get("relationship", {}) if relationship.get("is_followup"): last_outcome = relationship.get("last_outcome", "neutral") if last_outcome == "positive": return 9.0, "गर्म फॉलो-अप (पिछला संपर्क सकारात्मक)" elif last_outcome == "neutral": return 7.0, "फॉलो-अप (पिछला संपर्क तटस्थ)" else: return 5.0, "फॉलो-अप (पुनः जुड़ाव की आवश्यकता)" if relationship.get("referred"): return 8.0, "रेफर किया गया लीड" if relationship.get("mutual_connections", 0) > 0: return 6.0, f"{relationship['mutual_connections']} आपसी संपर्क" if relationship.get("inbound"): return 7.0, "इनबाउंड रुचि" return 4.0, "कोल्ड आउटरीच" def score_signals(prospect: dict) -> tuple[float, str]: """पता लगाए गए खरीदारी संकेतों के आधार पर स्कोर करें।""" signals = prospect.get("signals", []) total_score = 0 signal_reasons = [] for signal in signals: signal_score = SIGNAL_SCORES.get(signal, 0) total_score += signal_score if signal_score > 0: signal_reasons.append(signal.replace("_", " ")) # 0-10 पैमाने पर सामान्यीकरण करें normalized = min(max(total_score / 2, 0), 10) reason = f"संकेत: {', '.join(signal_reasons)}" if signal_reasons else "कोई मजबूत संकेत नहीं" return normalized, reason def calculate_priority_score( prospect: dict, weights: dict = None ) -> ScoredProspect: """प्रॉस्पेक्ट के लिए समग्र प्राथमिकता स्कोर की गणना करें।""" weights = weights or DEFAULT_WEIGHTS # घटक स्कोर की गणना करें deal_score, deal_reason = score_deal_size(prospect) timing_score, timing_reason = score_timing(prospect) warmth_score, warmth_reason = score_warmth(prospect) signal_score, signal_reason = score_signals(prospect) # भारित कुल raw_score = ( deal_score * weights["deal_size"] + timing_score * weights["timing"] + warmth_score * weights["warmth"] + signal_score * weights["signals"] ) # तर्क संकलित करें reasons = [] if timing_score >= 8: reasons.append(timing_reason) if signal_score >= 7: reasons.append(signal_reason) if warmth_score >= 7: reasons.append(warmth_reason) if deal_score >= 8: reasons.append(deal_reason) return ScoredProspect( company=prospect.get("company", "Unknown"), contact=prospect.get("contact", "Unknown"), call_time=prospect.get("call_time", "Unknown"), raw_score=round(raw_score, 2), normalized_score=int(raw_score * 10), priority_rank=0, # सॉर्ट करने के बाद सेट किया जाएगा score_breakdown={ "deal_size": {"score": deal_score, "reason": deal_reason}, "timing": {"score": timing_score, "reason": timing_reason}, "warmth": {"score": warmth_score, "reason": warmth_reason}, "signals": {"score": signal_score, "reason": signal_reason} }, reasoning="; ".join(reasons) if reasons else "मानक प्राथमिकता", is_followup=prospect.get("relationship", {}).get("is_followup", False) ) def main( prospects: list[dict], weights: dict = None ) -> dict[str, Any]: """ प्रॉस्पेक्ट प्राथमिकताओं की गणना और रैंकिंग करें। Args: prospects: संकेतों वाले प्रॉस्पेक्ट ऑब्जेक्ट की सूची weights: स्कोरिंग घटकों के लिए वैकल्पिक कस्टम वेट Returns: रैंक किए गए प्रॉस्पेक्ट और स्कोरिंग विवरण वाला dict """ weights = weights or DEFAULT_WEIGHTS # सभी प्रॉस्पेक्ट्स को स्कोर करें scored = [calculate_priority_score(p, weights) for p in prospects] # कच्चे स्कोर के आधार पर घटते क्रम में सॉर्ट करें scored.sort(key=lambda x: x.raw_score, reverse=True) # रैंक असाइन करें for i, prospect in enumerate(scored, 1): prospect.priority_rank = i # JSON सीरियलाइज़ेशन के लिए dicts में बदलें ranked = [] for s in scored: ranked.append({ "company": s.company, "contact": s.contact, "call_time": s.call_time, "priority_rank": s.priority_rank, "score": s.normalized_score, "reasoning": s.reasoning, "is_followup": s.is_followup, "breakdown": s.score_breakdown }) return { "ranked": ranked, "weights_used": weights, "total_prospects": len(prospects) } if __name__ == "__main__": import sys # उदाहरण उपयोग example_prospects = [ { "company": "DataFlow Systems", "contact": "Sarah Chen", "call_time": "2pm", "size_indicators": {"employees": 200, "revenue": 25_000_000}, "timing_signals": ["just_funded", "active_evaluation"], "signals": ["recent_funding", "job_postings_relevant"], "relationship": {"is_followup": False, "mutual_connections": 2} }, { "company": "Acme Manufacturing", "contact": "Tom Bradley", "call_time": "10am", "size_indicators": {"employees": 500}, "timing_signals": ["contract_expiring"], "signals": [], "relationship": {"is_followup": True, "last_outcome": "neutral"} }, { "company": "FirstRate Financial", "contact": "Linda Thompson", "call_time": "4pm", "size_indicators": {"employees": 300}, "timing_signals": [], "signals": [], "relationship": {"is_followup": False} } ] result = main(prospects=example_prospects) print(json.dumps(result, indent=2)) FILE:research-checklist.md # प्रॉस्पेक्ट रिसर्च चेकलिस्ट ## कंपनी रिसर्च ### बुनियादी जानकारी - [ ] कंपनी का नाम (वर्तनी सत्यापित करें) - [ ] उद्योग/क्षेत्र - [ ] मुख्यालय का स्थान - [ ] कर्मचारियों की संख्या (LinkedIn, वेबसाइट) - [ ] राजस्व अनुमान (यदि उपलब्ध हो) - [ ] स्थापना तिथि - [ ] फंडिंग चरण/इतिहास ### हालिया समाचार (पिछले 90 दिन) - [ ] फंडिंग घोषणाएं - [ ] अधिग्रहण या विलय - [ ] नेतृत्व परिवर्तन - [ ] उत्पाद लॉन्च - [ ] प्रमुख ग्राहक जीत - [ ] प्रेस उल्लेख - [ ] कमाई/वित्तीय समाचार ### डिजिटल उपस्थिति - [ ] वेबसाइट समीक्षा - [ ] ब्लॉग/सामग्री विषय - [ ] सोशल मीडिया उपस्थिति - [ ] नौकरी पोस्टिंग (करियर पेज + LinkedIn) - [ ] टेक स्टैक (BuiltWith, नौकरी पोस्टिंग) ### प्रतिस्पर्धी परिदृश्य - [ ] ज्ञात प्रतिस्पर्धी - [ ] बाजार स्थिति - [ ] दावा किए गए विभेदक - [ ] हालिया प्रतिस्पर्धी कदम ### पीड़ा बिंदु संकेतक - [ ] Glassdoor समीक्षाएं (थीम) - [ ] G2/Capterra समीक्षाएं (यदि B2B) - [ ] सोशल मीडिया शिकायतें - [ ] नौकरी पोस्टिंग पैटर्न ## कॉन्टैक्ट रिसर्च ### पेशेवर प्रोफाइल - [ ] वर्तमान शीर्षक - [ ] भूमिका में समय - [ ] कंपनी में समय - [ ] पिछली कंपनियां - [ ] पिछली भूमिकाएं - [ ] शिक्षा ### निर्णय अधिकार - [ ] किसे रिपोर्ट करते हैं - [ ] टीम का आकार (यदि प्रबंधक) - [ ] बजट अधिकार (अनुमानित) - [ ] खरीदारी में भागीदारी का इतिहास ### जुड़ाव के बिंदु - [ ] हालिया LinkedIn पोस्ट - [ ] प्रकाशित लेख - [ ] पॉडकास्ट उपस्थिति - [ ] सम्मेलन वार्ता - [ ] आपसी संपर्क - [ ] साझा रुचियां/समूह ### संचार शैली - [ ] पोस्ट का स्वर (औपचारिक/अनौपचारिक) - [ ] जिन विषयों से जुड़ते हैं - [ ] प्रतिक्रिया पैटर्न ## CRM जांच (यदि उपलब्ध हो) - [ ] कोई पिछला संपर्क बिंदु - [ ] पिछले अवसर - [ ] कंपनी में संबंधित संपर्क - [ ] सहकर्मियों के नोट्स - [ ] ईमेल जुड़ाव इतिहास ## समय-आधारित शोध गहराई | उपलब्ध समय | शोध गहराई | |----------------|----------------| | 5 मिनट | कंपनी की बुनियादी जानकारी + कॉन्टैक्ट शीर्षक मात्र | | 15 मिनट | + हालिया समाचार + LinkedIn प्रोफाइल | | 30 मिनट | + पीड़ा बिंदु संकेत + जुड़ाव के बिंदु | | 60 मिनट | पूर्ण चेकलिस्ट + प्रतिस्पर्धी विश्लेषण | FILE:signal-indicators.md # सिग्नल संकेतक संदर्भ ## उच्च-इरादे वाले संकेत ### नौकरी पोस्टिंग - **3+ प्रासंगिक भूमिकाएं पोस्ट की गईं** = सक्रिय पहल, बजट आवंटित - **आपके क्षेत्र में वरिष्ठ नियुक्ति** = रणनीतिक प्राथमिकता - **तात्कालिकता भाषा ("ASAP", "immediate")** = पीड़ा तीव्र है - **विशिष्ट टूल का उल्लेख** = प्रतिस्पर्धी या श्रेणी जागरूकता ### वित्तीय घटनाएं - **Series B+ फंडिंग** = विकास पूंजी, खरीदारी शक्ति - **IPO तैयारी** = परिचालन परिपक्वता की आवश्यकता - **अधिग्रहण की घोषणा** = एकीकरण चुनौतियां आने वाली हैं - **राजस्व मील का पत्थर PR** = बजट उपलब्ध ### नेतृत्व परिवर्तन - **आपके क्षेत्र में नया CXO** = 90-दिन की प्राथमिकता निर्धारण - **नया CRO/CMO** = टेक स्टैक मूल्यांकन की संभावना - **संस्थापक से CEO में संक्रमण** = परिचालन को पेशेवर बनाना ## मध्यम-इरादे वाले संकेत ### विस्तार संकेत - **नया कार्यालय खोलना** = बुनियादी ढंचागत आवश्यकताएं - **अंतर्राष्ट्रीय विस्तार** = स्थानीयकरण, अनुपालन - **नया उत्पाद लॉन्च** = स्केलिंग चुनौतियां - **प्रमुख ग्राहक जीत** = डिलीवरी दबाव ### तकनीकी संकेत - **RFP प्रकाशित** = सक्रिय खरीदारी प्रक्रिया - **विक्रेता समीक्षा का उल्लेख** = तुलनात्मक खरीदारी - **टेक स्टैक परिवर्तन** = एकीकरण अवसर - **पुरानी प्रणाली की शिकायतें** = आधुनिकीकरण की आवश्यकता ### सामग्री संकेत - **आपके विषय पर ब्लॉग पोस्ट** = खुद को शिक्षित कर रहे हैं - **वेबिनार उपस्थिति** = रुचि की पुष्टि - **व्हाइटपेपर डाउनलोड** = समस्या जागरूकता - **सम्मेलन में वक्तृत्व** = विचार नेतृत्व, दृश्यता ## निम्न-इरादे वाले संकेत (पोषण) ### सामान्य गतिविधि - **उद्योग कार्यक्रम उपस्थिति** = बाजार भागीदार - **सामान्य नियुक्तियां** = कंपनी बढ़ रही है - **सकारात्मक प्रेस** = स्वस्थ कंपनी - **सोशल मीडिया गतिविधि** = सक्रिय नेतृत्व ## सिग्नल स्कोरिंग | सिग्नल प्रकार | स्कोर | कार्रवाई | |-------------|-------|--------| | नौकरी पोस्टिंग (प्रासंगिक) | +3 | आउटरीच को प्राथमिकता दें | | हालिया फंडिंग | +3 | बातचीत में संदर्भ दें | | नेतृत्व परिवर्तन | +2 | समय-संवेदनशील अवसर | | विस्तार समाचार | +2 | विकास कोण | | नकारात्मक समीक्षाएं | +2 | पीड़ा बिंदु कोण | | सामग्री जुड़ाव | +1 | पोषण ट्रैक | | कोई संकेत नहीं | 0 | खोज फोकस |