如何构建将信号转化为收入的分发机器
作者基于为400多家B2B公司运营外呼、发送2300万封冷邮件的经验，提出分发（Distribution）是决定胜负的关键，应将其视为一台七环节机器而非工具堆栈：信号捕捉、按需建列表、评分分层、渠道路由、内容、外呼和反馈闭环。文章详细阐述各环节的构建方法，如区分契合度（存量）与信号（增量）、六因子加权评分体系、按层级分配触达渠道等。实践效果显著：同样千封冷邮件的合格线索从20个回复提升至30-50个，会议数提升5倍。
相关文档
The Complete Guide to Market Coverage Engineering
作者提出'市场覆盖工程'方法，将B2B外呼销售从租用名单转向把市场当作可维护的资产。基于100+公司、1000万封冷邮件的实践经验，介绍六步循环：边界→地图→细分→发送→分析→重新切割。核心包括：先根据TAM规模选择全量覆盖、ABM或信号驱动三种模式；一次性定义清晰的ICP边界与排除条件；用多种数据源完整映射市场，按痛点而非行业细分；先AI筛选资格再富化联系人，将ICP匹配率从50-60%提升至90-95%，并按90天周期持续滚动覆盖整个市场。
如何正确搭建 GTM 工具栈
作者基于为 300+ B2B 公司执行外呼销售并达到 700 万美元 ARR 的经验，提出将 GTM 工具栈分为五层：客户数据获取（who exists）、数据丰富（enrichment）、意图评分（scoring）、触达渠道（outreach）和 CRM 管理。文章强调每一层都是上一层的硬性前提，如未验证名单就投放序列等于空转。作者推荐了 Apollo、Openmart、Prospeo、GetLeads、FullEnrich、PredictLeads、Instantly、lemlist、folk 等具体工具，并给出按 ICP 类型选型、waterfall 式数据丰富、按信号评分路由渠道等实操策略，帮助销售团队搭建真正产生对话的 GTM 栈。
如何构建一个帮你寻找客户的 Agent
文章介绍如何用 AI Agent（Hermes 或 Grokbot）自动寻找销售线索。传统方法是基于 ICP 手动猜测潜在客户，而更好的信号是社交平台上的公开购买意图——用户主动询问产品推荐、竞品替代方案等。文中提出完整工作流：定义理想客户画像、识别购买意图信号（附10分制意图评分标准）、在 X/Reddit/Hacker News 等渠道搜索、研究和验证买家信息、过滤打分后将合格线索持久化保存。强调不允许 AI 编造无法验证的信息，最后由人工审核并个性化触达信息。文中引用数据称2025年79%的 B2B 买家主动发起与供应商的首次接触。
构建永不枯竭的外呼线索引擎：基于Google Maps的潜在客户挖掘流水线
文章介绍了一套自动化的销售线索挖掘系统，解决了传统数据商名单因被过度触达而疲劳的问题。系统每周爬取Google Maps全美本地服务商户数据，通过四信号评分模型（无团队页、无定价页、版权年份新、无营销技术栈）筛选新开业、欠发展的企业，再结合评论时间估算企业年龄，经三级联系人数据增强与邮箱验证后，用LLM（Claude Sonnet）基于4T/4P框架生成个性化邮件，并经QA门控推送到邮件营销平台。整个流水线部署在Railway上持久运行，支持断点续跑与余额监控。
Clay 的 LinkedIn GTM 全攻略：从 100 万到 1 亿美元 ARR 的增长拆解
文章拆解了 Clay 如何在两年内从约 100 万美元增长到 1 亿美元 ARR。其核心策略不是单纯的内容营销，而是发明了一个新职业——GTM 工程师，并将 Clay 打造为该职业的基础设施。具体包括五层打法：将高管匹配到不同受众人设；把高管内容生产变成一套操作系统；驱动用户生成内容（UGC）循环；公开自家增长方法论作为内容；以及用反共识帖子包装产品演示。这套体系的本质是从争夺搜索流量转向'建立一座城市'——创造一个职业并让它围绕自己的产品运转。
如何围绕购买信号构建外呼系统
文章介绍了一套基于购买信号（buying signals）的 B2B 外呼（outbound）系统构建方法。核心思想是将“契合度”（fit，账户静态属性）与“信号”（signal，近期发生的事件）分开评分：融资、新领导上任、招聘激增、技术栈变更四类事件使账户进入队列。每个账户携带一个具体原因字段，贯穿富化、评分、分层、渠道选择和开场白全程。作者通过 Clay 表格结合 RB2B、PredictLeads 等工具实现信号采集，并用六因子加权模型对契合度打分，信号触发时仅提升一个层级。该系统使回复率从不足 2% 提升至 5%-11%。
用谷歌搜索构建百万美元级B2B销售线索名单
作者介绍如何利用谷歌搜索运算符（site:、引号、OR、减号、intitle:等）免费挖掘LinkedIn公开资料、公司官网和招聘板，构建B2B销售线索名单，突破Sales Navigator的结果上限。核心策略是从信号而非头衔出发，如招聘信息意味着预算与痛点并存。规模化方法包括跨城市/行业批量运行搜索词、爬取结果、设置谷歌提醒。最后通过清洗、数据补全、ICP筛选、邮箱验证和去重，将搜索结果转化为可用名单，并追踪哪些搜索词真正带来会议而非线索数量。
海外产品如何低成本获取第一批付费用户
本文指出海外产品冷启动应抛弃花哨技巧，创始人需亲自下场做“不可规模化”的体力活。建议通过手工服务、落地页测试等方式低成本验证需求；利用冷邮件和社交媒体主动触达用户；在产品中加入水印和推荐机制实现裂变；同时利用 Product Hunt 等平台获取早期信任。
构建服务即软件代理公司：五层运营堆栈详解
本文详细介绍了如何构建一个 $7M 规模的服务即软件（Services-as-Software）业务，阐述了由五个层级组成的运营系统。第一层是数据智能，利用 Clay 等工具建立分层客户清单；第二层是外联执行，通过 Instantly 等 ESP 管理邮件投递和信誉；第三层是编排层，使用 Claude Code 作为运行时连接 API 并执行具体工作；第四层是汇报与沟通；第五层是人员与知识。文章强调了数据分层、投递信誉基础设施以及利用 Claude Code 的技能文件夹来沉淀自动化流程的重要性。
Stripe传奇：两个爱尔兰少年如何撼动硅谷
文章讲述了 Stripe 创始人 Patrick 和 John Collison 如何从爱尔兰起步，通过解决开发者在线支付的痛点，打破 PayPal 垄断的故事。重点描述了他们如何通过一封给 Paul Graham 的冷邮件获得关键建议，并通过“Collison 安装法”实现早期增长。文章结尾强调了精准沟通（Cold Email/DM）在商业获客中的巨大威力，并作者推广了自己的 DM 销售服务。
OpenAI Understands Something Important and Rare
本文认为OpenAI的成功不在于拥有最好的模型或芯片，而在于其擅长创造新型客户和构建最持久的分发策略。作者引用德鲁克'企业的目的是创造客户'的观点，分析AI前沿企业的四大杠杆：创造新行为、广泛分发、定价捕获价值、高切换成本。模型层切换成本低、性价比竞争激烈，胜负取决于前两者。OpenAI凭借最广泛的用户基础（消费者、专业用户、企业）、最深的自改进技术栈（自研芯片），持续发现聊天界面、推理、工具调用、Computer Use等突破性模式。文章强调'通用知识'的积累依赖分发策略，平台模式虽变现慢但最持久，OpenAI正以长期视角构建制胜的AI平台。
The Only GTM Playbook You'll Need in 2026
作者基于与300多家B2B公司合作及分析1000多个失败营销活动的经验，提出2026年从零开始的GTM（进入市场）实战指南。框架包含覆盖AI搜索、外呼触达、内容、广告和RevOps五个部分的12个关键动作。核心方法包括：先构建目标客户名单；通过在AI引用的网站获得提及和发布'best X'清单页面来进入AI搜索答案；利用Clay监测融资、招聘等信号把握触达时机；将客户分层后用lemlist和Instantly执行多渠道触达；所有渠道统一以pipeline数字衡量效果。