Bundle buyer signals into a daily AE digest with Claude

Ein Claude Skill, der Intent-Signale, Engagement-Events und Produktnutzungsdaten für ein benanntes Konto bündelt und in einen einzigen täglichen Digest komprimiert, den ein AE in weniger als fünf Minuten lesen und darauf reagieren kann. Er ersetzt das morgendliche Ritual, zwischen Common Room, Gong und einem Product-Analytics-Dashboard zu wechseln, um ein Bild zusammenzusetzen, das bereits hätte zusammengesetzt sein sollen. Das Bundle liegt unter apps/web/public/artifacts/signal-bundler-account-execs-claude-skill/ und enthält SKILL.md sowie zwei Referenz-Templates, die der Nutzer vor dem ersten Einsatz anpasst.

Wann verwenden

Verwenden Sie diesen Skill, wenn ein AE mehr als sechs oder sieben benannte Konten gleichzeitig betreut und der kognitive Aufwand, mehrere Signal-Kanäle zu überwachen — Gong-Zusammenfassungen, Common-Room-Aktivitäts-Feeds, Produktnutzungs-Alerts — zum Engpass vor dem morgendlichen Standup geworden ist. Der Skill ist nicht für Konten gedacht, bei denen der AE noch keinen Kontakt hatte; das Bündeln von Signalen erfordert eine Baseline darüber, wer das Buying Committee ist und wie „normale” Aktivität für dieses Konto aussieht. Führen Sie mindestens einen Discovery-Call durch, bevor Sie den Skill für ein Konto aufrufen.

Der Skill ist auch das richtige Tool, wenn Ihr Team die Signale hat, aber keine gemeinsame Ansicht davon. Common Room erfasst Community- und Web-Aktivität; Gong erfasst Conversation-Intelligence; Product Analytics erfasst das In-App-Verhalten. Wenn diese drei Datenströme nur in drei separaten Tabs sichtbar sind, ignorieren AEs zwei davon oder bauen ein mentales Modell auf, das schlechter ist als das, was eine einfache Synthese liefern würde.

Konkret aufzurufen aus:

• Einer geplanten Claude-Aufgabe, die jeden Morgen pro AE läuft, die Liste der benannten Konten des AE durchläuft und jeden Brief vor dem Standup per Slack oder E-Mail sendet.
• Einer manuellen Aufrufung in Claude Code, wenn der AE an diesem Tag einen QBR- oder Renewal-Call hat und vor dem Call eine konsolidierte Ansicht der letzten 14 Tage Aktivität möchte.
• Einer Clay-AI-Spalte über einer Kontentabelle, die ausgelöst wird, wenn ein „Konto aktiv”-Webhook von Common Room in den letzten 24 Stunden ausgelöst wurde — sodass nur Konten mit frischen Signalen an diesem Tag einen Brief generieren.

Wann NICHT verwenden

Überspringen Sie diesen Skill, wenn:

• Der AE weniger als fünf Konten betreut. Unterhalb dieser Schwelle hält der AE das vollständige Signal-Bild ohnehin im Kopf, und der Konfigurationsaufwand (Taxonomie-Kalibrierung, Scheduled-Task-Einrichtung) lohnt sich nicht.
• Die Signal-Feeds nicht verbunden sind. Wenn Common Room keine strukturierten Aktivitätsdaten exportiert und Gong-Transkripte nicht in parseerbarem Format verfügbar sind, hat der Skill nichts zu synthetisieren. Erledigen Sie zuerst die Integrationsarbeit; der Skill ist kein Scraper.
• Sie möchten, dass der Skill das CRM-Update schreibt. Der Digest dient dem Arbeitsgedächtnis des AE. Er ist kein Ersatz für das Protokollieren von Aktivitäten in Salesforce. Verbinden Sie einen separaten CRM-Writeback-Schritt nachgelagert zum Brief, oder schulen Sie AEs darin, das Feld „Recommended first move” manuell in das Aktivitätsprotokoll einzufügen.
• Das Konto in einer regulierten Branche mit strengen Datenanforderungen liegt. Das Weiterleiten von Kundenbindungssignalen über die Claude-API bedeutet, dass diese Signale die Anthropic-Infrastruktur durchlaufen. Prüfen Sie Ihre Datenverarbeitungsvereinbarungen, bevor Sie externe Verhaltenskundendaten an einen LLM-Aufruf koppeln.

Einrichtung

Die Einrichtung dauert 30-60 Minuten, sobald Common Room und Gong strukturierte Daten exportieren. Das Konfigurieren dieser Exporte ist die längere Abhängigkeit.

1. Skill installieren. Kopieren Sie apps/web/public/artifacts/signal-bundler-account-execs-claude-skill/SKILL.md und den Ordner references/ in Ihr Verzeichnis .claude/skills/signal-bundler/, oder laden Sie ihn als Skill in claude.ai hoch. Die name- und description-Felder im Frontmatter sind der Trigger bei relevanten Prompts.
2. Signal-Taxonomie konfigurieren. Öffnen Sie references/1-signal-taxonomy.md. Ersetzen Sie die Standard-Event-Typ-Zeilen durch die tatsächlichen Event-Typen, die Common Room und Gong in Ihrer Instanz erzeugen — Common-Room-Event-Namen variieren je nach den verbundenen Kanälen. Legen Sie urgency_tier für jeden fest. Wenn Ihr Produkt eigene Events ausgibt (Feature-Aktivierungsnamen, Nutzungsschwellenwerte), fügen Sie Zeilen dafür hinzu.
3. Digest-Template konfigurieren. Öffnen Sie references/2-digest-template.md. Aktualisieren Sie die Salesforce-Feldnamen im CRM-Writeback-Abschnitt, wenn Sie den Brief zurück zum Konto-Datensatz schreiben möchten. Aktualisieren Sie die Slack-Block-Hinweise entsprechend Ihrer Channel-Benennung.
4. Eingabequellen anschließen. Common Room: Verwenden Sie die Account-Activity-Export-API oder die Zapier-Integration, um 48-Stunden-Aktivitätsfenster an eine Staging-Tabelle zu senden. Gong: Verwenden Sie die Gong-API (/v2/calls), um Transkript-Zusammenfassungen und Ausschnitte für ein bestimmtes Konto abzurufen. Produkt-Events: Exportieren Sie aus Ihrem Warehouse (Snowflake, BigQuery, Redshift) oder aus Amplitude/Mixpanel über deren Export-APIs, beschränkt auf die Nutzer-E-Mails des Kontos.
5. An drei Konten testen. Führen Sie den Skill manuell über drei Konten mit bekannter jüngster Aktivität aus. Prüfen Sie, ob: die Dringlichkeitsstufen in der Signal-Tabelle mit der Intuition Ihres Teams darüber übereinstimmen, was wichtig war; die Erzählung die richtigen Akteure benennt; der „Recommended first move” etwas ist, das ein AE tatsächlich tun würde, nicht ein generisches „Follow-up mit dem Konto.” Passen Sie die Taxonomie an, wenn die Stufen falsch erscheinen.
6. Planen oder automatisieren. Richten Sie eine geplante Aufgabe (Claude-Code-Scheduled-Task, Cron-Job oder n8n-Flow) ein, die den Skill pro AE jeden Morgen zu einer konsistenten Zeit ausführt. Jede Ausführung sollte die vollständige Kontenliste des AE abdecken und einen Brief pro Konto liefern.

Was der Skill tatsächlich tut

Der Skill führt vier Schritte in fester Reihenfolge durch.

Schritt 1 — Signal-Normalisierung und Deduplizierung. Alle eingehenden Events aus Common Room, Gong und Product Analytics werden einem gemeinsamen Schema zugeordnet: {source, actor, event_type, urgency_tier, timestamp, raw_excerpt}. Events, die in mehreren Quellen erscheinen (ein Gong-Call, der auch ein Common-Room-„Meeting”-Event erzeugt hat), werden auf (actor, event_type, timestamp_hour) dedupliziert. Warum zuerst normalisieren: Wenn das Modell heterogene Schemata empfängt, gewichtet es implizit die ausführlichste Quelle — ein Gong-Transkript hat mehr Tokens als eine Common-Room-Event-Zeile — anstatt nach der tatsächlichen Signal-Dringlichkeit zu gewichten.

Schritt 2 — Dringlichkeitsklassifizierung per Taxonomie-Lookup. Jedes normalisierte Event wird mit references/1-signal-taxonomy.md abgeglichen, um eine Dringlichkeitsstufe (hot / warm / cold) zuzuweisen. Events, die nicht in der Taxonomie enthalten sind, erhalten standardmäßig warm. Erste Auftreten von Hot-Events — Events, die der Akteur in den letzten 7 Tagen nicht erzeugt hat — werden als besonders bedeutsam markiert. Warum taxonomiebasiert statt freies LLM-Urteil: Konsistente Dringlichkeitsstufen über Konten hinweg sind das, was den Brief von Tag zu Tag vergleichbar macht. Wenn das Modell die Dringlichkeit bei jeder Ausführung neu ableitet, kann ein AE keine Intuition entwickeln, dass ein Brief mit „3 hot” sich materiell von einem mit „0 hot” unterscheidet.

Schritt 3 — Narrative Synthese. Mit klassifizierten Signalen gruppiert das Modell diese nach Themen (Produktinteresse, Wettbewerbererwähnung, Stakeholder-Wechsel, Engagement-Anstieg oder -Rückgang) und verfasst einen 3-5-Satz-Abschnitt „What happened”, der spezifische Akteure und Events in der Reihenfolge der Dringlichkeit benennt. Es identifiziert das einzelne umsetzbarste Signal und verfasst einen einzeiligen empfohlenen ersten Schritt. Wenn account_snapshot mit der aktuellen Deal-Stage bereitgestellt wird, markiert es explizit Signale, die der Stage widersprechen — ein Champion, der einen Wettbewerber erwähnt, während sich der Deal in „Proposal Sent” befindet, wird explizit dargestellt, nicht vergraben.

Schritt 4 — Output-Zusammenstellung. Der Digest wird mit references/2-digest-template.md gerendert: Konto-Header, Signal-Anzahl nach Stufe, Narrativ, empfohlener erster Schritt, Signal-Tabelle (begrenzt auf 10 Zeilen) und ein Datenaktualitäts-Footer. Die Tabellenobergrenze verhindert das Anti-Muster des „Event-Walls”; AEs können den vollständigen Feed bei Bedarf direkt aus Common Room abrufen.

Kostenrealität

Die Token-Kosten pro Konto hängen davon ab, wie viele Events im Fenster sind und wie lang die Gong-Transkripte sind. Für ein typisches 48-Stunden-Fenster mit 10-15 Common-Room-Events und 1-2 Gong-Call-Zusammenfassungen (keine vollständigen Transkripte) sind ca. 2.000-3.500 Input-Tokens und 400-600 Output-Tokens pro Konto zu erwarten. Zu Claude-Sonnet-4.x-Preisen (ca. $3 pro Million Input-Tokens und $15 pro Million Output-Tokens Anfang 2026) entspricht das etwa $0,012-0,02 pro Konto-Brief.

Ein AE mit 15 benannten Konten gibt ca. $0,18-0,30 pro Tag für Claude-Tokens aus, oder $4-7 pro Monat. Ein Team von 20 AEs, die jeweils 15 Konten betreuen, gibt $80-140 pro Monat für Claude-Tokens aus — eine Rundungsposition gegenüber der AE-Vergütung, die bei der morgendlichen Signal-Aggregation eingespart wird.

Die Nicht-Token-Kosten sind größer. Die zuverlässige Konfiguration von Common-Room- und Gong-Exporten nimmt einen halben Tag RevOps-Zeit in Anspruch. Die Taxonomie-Kalibrierungssitzung mit dem AE-Team dauert 60-90 Minuten. Danach ist der Skill praktisch wartungsfrei, bis sich das Signal-Vokabular ändert (ein neues Produkt-Feature erzeugt neue Event-Typen, oder Common Room fügt eine neue Kanal-Integration hinzu).

Die Länge der Gong-Transkripte ist die Haupt-Token-Variable. Wenn Sie vollständige Wort-für-Wort-Transkripte statt von Gong generierter Call-Zusammenfassungen übergeben, können die Input-Tokens pro Konto für eine callintensive Woche 8.000-15.000 erreichen. Verwenden Sie Gongs nativen Summary-Output statt Roh-Transkripten, es sei denn, Sie haben einen spezifischen Grund für Wortlaut-Text.

Erfolgskennzahl

Die Kennzahl, die anzeigt, dass der Digest funktioniert: AE-Zeit bis zum ersten bedeutsamen Kontakt bei Hot-Signal-Konten. Vor dem Skill blieb ein Hot-Signal (Pricing-Page-Wiederaufruf, Champion-Jobwechsel) unbemerkt, bis der AE zufällig Common Room öffnete. Nach dem Skill sollte dieses Signal eine AE-Aktion noch am selben Geschäftstag auslösen. Verfolgen Sie es: Markieren Sie den „Recommended first move” mit einem Datum im CRM, wenn der AE die Aktivität protokolliert, und vergleichen Sie die Lücke mit dem Signal-Timestamp. Wenn der Median der Lücke nach 30 Tagen bei Hot-Signal-Konten nicht unter 8 Stunden fällt, wird der Brief nicht gelesen — untersuchen Sie, ob der Lieferkanal (Slack vs. E-Mail) das Problem ist.

Sekundäre Kennzahl: AE-Abdeckungsrate — welcher Anteil benannter Konten mit einem Hot-Signal in den letzten 48 Stunden erhielt in demselben Fenster einen AE-Kontakt. Eine Abdeckungsrate über 80% zeigt an, dass der Digest seine Aufgabe erfüllt.

Fehlermodi

• Taxonomie-Fehlkalibrierung. Die erste Taxonomie, die Sie schreiben, wird in mindestens zwei oder drei Zeilen falsch sein. Ein „Repo starred”-Event fühlt sich in der Theorie warm an, ist in der Praxis aber immer cold, es sei denn, der Akteur ist ein benannter Stakeholder. Wenn AEs Ihnen konsistent sagen „der Brief hat X markiert, aber ich würde nie darauf reagieren”, muss die Taxonomiestufe für X nach unten verschoben werden. Guard: Führen Sie nach den ersten zwei Wochen Live-Betrieb eine Retrospektive durch: War das Signal, das eine AE-Aktion basierend auf einer Digest-Empfehlung motiviert hat, als hot oder warm eingestuft? Wenn mehr als 30% der umgesetzten Signale cold waren, ist die Taxonomie zu aggressiv und erzeugt Rauschen, das AEs dazu trainiert, den Brief zu ignorieren.
• Buying-Committee-Lücken. Common Room erfasst Aktivitäten von jedem im Konto-Domain — Junior-Entwickler, Marketing-Praktikanten, jemand, der die Firmen-E-Mail für ein Hobby-Projekt nutzt. Wenn der Skill nicht nach Buying-Committee-Akteuren filtert, füllt sich der Brief mit Rauschen von Nicht-Entscheidern und der AE verliert das Vertrauen darin. Guard: Übergeben Sie account_snapshot mit einer benannten Kontaktliste aus Salesforce (nur Buying-Committee-Kontakte). Der Skill kennzeichnet jeden Signal-Akteur als on-committee, unknown oder not-on-committee und stuft Nicht-Committee-Signale automatisch eine Dringlichkeitsstufe herunter. Überprüfen Sie „unknown”-Akteure wöchentlich — einige werden neue Stakeholder sein, die es wert sind, zur Opportunity hinzugefügt zu werden.
• Veraltete Gong-Transkripte verstärken alte Signale. Der Standard-Gong-Lookback des Skills beträgt 14 Tage. Bei Konten, bei denen der letzte Call vor 12 Tagen war, beschreibt der Brief die Signale dieses Calls, als wären sie frisch. Ein AE, der auf ein 12 Tage altes „Wettbewerber erwähnt”-Signal reagiert, könnte in einen Call gehen, bei dem sich die Deal-Dynamik bereits verändert hat. Guard: Der Skill fügt „Last call: N days ago” dem Gong-Abschnitt voran und stuft alle Gong-abgeleiteten Signale auf warm (nicht hot) herunter, wenn der jüngste Call mehr als 7 Tage alt ist. Der AE sieht die Aktualität klar, bevor er entscheidet, ob er handelt.
• Signal-Volumen-Spitzen durch automatisierte Crawler. Einige Common-Room-Integrationen erfassen Bot-Aktivitäten (automatisiertes Monitoring, CI-Pipelines) als „Benutzerevents”. Eine Deploy-Pipeline, die GitHub 40 Mal täglich berührt, überschwemmt die Signal-Tabelle mit repo_push-Events der Stufe warm und begräbt das eigentliche Signal. Guard: Fügen Sie eine bot_user_patterns-Ausschlussliste zur Taxonomiedatei hinzu (eine Liste von E-Mail-Mustern oder Akteur-Namensmustern, die bekannten Bots und automatisierten Konten entsprechen). Events von diesen Akteuren werden im Normalisierungsschritt verworfen und nicht in den Zähler einbezogen.

vs Alternativen

vs manuelle morgendliche Überprüfung über drei Tabs. Der Status quo für die meisten AEs: Common Room öffnen, den Konto-Feed scannen, zu Gong wechseln, den letzten Call finden, zum Produkt-Dashboard wechseln, versuchen, sich zu erinnern, was die Nutzungs-Baseline des Kontos ist. Für 5 Konten dauert das 15-20 Minuten, und die Synthese ist nur so gut wie das Gedächtnis des AE. Für 15 Konten ist es nicht machbar und die meisten Konten bleiben unbeobachtet. Der Skill führt die quellenübergreifende Synthese täglich konsistent durch; das Urteil des AE fließt in die Taxonomie und die Follow-up-Entscheidung, nicht in die Aggregation.

vs Gongs eingebaute Deals-Intelligence-Ansicht. Gongs Deals-Tab zeigt Call-Aktivität, nächste Schritte und Deal-Risiko-Signale — aber nur für Konten mit aktiven Gong-Calls. Er zeigt keine Common-Room-Community-Aktivität oder Produktnutzung. Wenn Ihre AEs Konten betreuen, die sich noch nicht in einem aktiven Call-Zyklus befinden (High-Fit-Konten in früher Pipeline), ist Gongs eingebaute Ansicht größtenteils leer. Dieser Skill zieht Signale aus allen drei Quellen für jedes benannte Konto, unabhängig von der Call-Häufigkeit.

vs einer zweckgebauten Sales-Intelligence-Plattform (z.B. 6senses Account-Engagement-Scoring, Demandbase Intent + Engagement-Daten). Diese Plattformen haben vorgefertigte Signal-Taxonomien, reichhaltigere Intent-Daten aus ihren proprietären Netzwerken und native CRM-Integrationen, die Scores automatisch weitergeben. Der Kompromiss: Sie kosten $30.000-100.000+ pro Jahr für ein Mid-Market-Team, und ihre Taxonomien sind undurchsichtig — Sie können nicht einsehen oder bearbeiten, warum ein bestimmtes Konto so bewertet wird wie es ist. Dieser Skill kostet ein paar Dollar pro Monat an Claude-Tokens, ist vollständig transparent, und die Taxonomie gehört Ihnen zum Besitzen und Kalibrieren. Wählen Sie eine Plattform, wenn das Signal-Volumen sehr hoch ist oder wenn Sie Intent-Daten außerhalb Ihres eigenen Produkts und Ihrer Community benötigen; wählen Sie diesen Skill, wenn Sie redaktionelle Kontrolle darüber wollen, welche Signale wichtig sind, und Ausgaben auf Plattformebene nicht rechtfertigen können.