🎯 人工智能潜在客户开发系统
一个完整的B2B潜在客户开发系统，由Bright Data的MCP服务器和OpenAI提供支持，旨在查找和确定与您的理想客户资料（ICP）相匹配的潜在客户。
🌟 特性
- 智能线索发现：通过LinkedIn和网络资源进行人工智能搜索
- ICP匹配：用8+个标准定义详细的客户档案
- 信心评分：AI分析每个线索并提供匹配百分比
- 接触提取：自动查找电子邮件、电话、LinkedIn个人资料
- 公司情报：全面的公司数据，包括估值、技术栈
- 可视化仪表板：界面美观，实时结果
- AI洞察：为每个潜在客户提出可采取行动的建议
📋 先决条件
- 光明数据账户
- 注册地址： 亮数据 - 从获取您的API令牌 用户设置 - 免费套餐包括每月5000个请求
- OpenAI API密钥
- 从...获取 OpenAI平台 - 推荐型号：GPT-4o（代码中设置）
- Python 3.8+
- 检查： python --version
🚀 快速开始
步骤1：克隆/下载项目
创建一个项目目录并保存所有工件：
mkdir lead-generation-system
cd lead-generation-system保存这些文件：
app.py-后端服务器index.html-前端接口requirements.txt-Python依赖关系.env.example-环境模板
步骤2：安装依赖项
# Create virtual environment (recommended)
python -m venv venv
# Activate virtual environment
# On Windows:
venv\Scripts\activate
# On macOS/Linux:
source venv/bin/activate
# Install requirements
pip install -r requirements.txt步骤3：配置环境
# Copy example env file
cp .env.example .env
# Edit .env and add your keys
nano .env # or use any text editor你的 .env 应该看起来像：
BRIGHT_DATA_API_TOKEN=2dceb1aa0***************************
OPENAI_API_KEY=sk-proj-***************************步骤4：启动后端
python app.py您应该看到：
Available tools: ['search_engine', 'scrape_as_markdown', 'web_data_linkedin_profile', ...]
MCP Agent initialized successfully!
Starting Lead Generation Server...
* Running on http://0.0.0.0:5000步骤5：打开前端
只需打开 index.html 在您的浏览器中，或为其提供：
# Using Python's built-in server (in a new terminal)
python -m http.server 8000然后访问： http://localhost:8000
📖 如何使用
1.定义您的ICP
在表格中填写您的目标客户资料：
- ICP名称：例如，“企业SaaS决策者”
- 公司规模：从下拉列表中选择（1-10、11-50、51-200等）
- 工业：例如，“技术、SaaS、医疗保健”
- 目标职位：例如，“首席技术官、工程副总裁、IT主管”
- 地理区域：例如，“美国、欧洲”
- 使用的技术：例如，“AWS、Salesforce、React、Python”
- 痛点：描述你的解决方案解决的问题
- 预算范围：最低和最高预算（美元）
2.搜索潜在客户
点击“🔍 搜索潜在客户”，等待30-60秒，同时AI：
- 在LinkedIn和网络资源中搜索
- 识别匹配的公司
- 寻找关键决策者
- 提取联系信息
- 分析ICP匹配度
3.审查结果
每张导联卡显示：
线索信息
- 姓名和职位
- 公司隶属关系
- 联系方式（电子邮件、电话、领英）
公司详情
- 行业和规模
- 地点和网站
- 企业简介
- 联系方式
AI分析
- 置信度得分（0-100%）
- 字母等级（A、B、C、D）
- 匹配条件
- 人工智能见解
- 行动建议
4.出口和使用
- 复制联系方式以进行外联
- 使用人工智能建议来确定优先级
- 导出数据（如果需要，添加导出功能）
🎨 ICP配置示例
ICP Name: "Mid-Market SaaS Companies"
Company Size: "51-200 employees"
Industry: "Software, Technology, SaaS"
Target Job Title: "VP of Sales, CRO, Sales Director"
Geographic Region: "United States, Canada"
Technology Used: "Salesforce, HubSpot, Outreach"
Pain Points: "Need to improve sales productivity, struggling with lead qualification, looking for better sales analytics"
Budget Range: $50,000 - $500,000🔧 配置选项
改变人工智能模型
在 app.py，修改：
llm = ChatOpenAI(
openai_api_key=os.getenv("OPENAI_API_KEY"),
model_name="gpt-4o", # Change to gpt-4-turbo, gpt-3.5-turbo, etc.
temperature=0.2
)调整搜索结果
在 app.py，更改潜在客户数量：
search_query = f"""
Find potential B2B leads matching this ICP:
...
1. Search for 5-10 companies matching this profile # Change this number自定义置信度评分
在中修改权重 calculate_confidence_score() 功能：
# Industry match (20 points) # Adjust these weights
# Company size match (15 points)
# Job title match (25 points)
# etc.🐛 故障排除
后端无法启动
# Check Python version
python --version # Should be 3.8+
# Reinstall dependencies
pip install -r requirements.txt --force-reinstall
# Check environment variables
cat .env # Verify tokens are present“MCP客户端初始化失败”
- 验证您的Bright Data API令牌是否正确
- 检查您的Bright Data帐户中是否有可用请求
- 确保互联网连接稳定
“OpenAI API错误”
- 验证您的OpenAI API密钥是否有效
- 检查您是否拥有API信用
- 尝试使用其他型号（gpt-3.5涡轮增压更便宜）
未找到线索
- 扩大搜索范围
- 检查您的ICP是否过于具体
- 验证Bright Data服务是否正常工作
浏览器中的CORS错误
- 确保后端在端口5000上运行
- 检查
flask-cors已安装 - 尝试通过以下方式访问前端
http://localhost不file://
📊 API终点
POST/api/搜索线索
搜索符合ICP标准的潜在客户
请求正文：
{
"icp_name": "Enterprise SaaS Buyers",
"company_size": "501-1000",
"industry": "Technology",
"target_job_title": "CTO, VP Engineering",
"geographic_region": "United States",
"technology_used": "AWS, Kubernetes",
"pain_points": "Need scalable infrastructure",
"min_budget": "100000",
"max_budget": "1000000"
}答复：
{
"success": true,
"icp_name": "Enterprise SaaS Buyers",
"timestamp": "2024-01-15T10:30:00",
"total_leads": 5,
"leads": [...]
}GET/api/健康
检查后端运行状况
答复：
{
"status": "healthy",
"mcp_initialized": true
}🚀 生产部署
使用Gunicorn
pip install gunicorn
gunicorn -w 4 -b 0.0.0.0:5000 app:app使用Docker
创建 Dockerfile:
FROM python:3.9-slim
WORKDIR /app
COPY requirements.txt .
RUN pip install -r requirements.txt
COPY . .
CMD ["python", "app.py"]构建并运行：
docker build -t lead-gen-system .
docker run -p 5000:5000 --env-file .env lead-gen-system生产环境变量
添加到您的生产环境中：
FLASK_ENV=production
SECRET_KEY=your_secret_key_here
BRIGHT_DATA_API_TOKEN=***
OPENAI_API_KEY=***💡 最佳结果提示
- 开始广泛：从更广泛的标准开始，然后缩小范围
- 使用特定关键字：包括相关技术和痛点
- 合并来源：AI搜索多个来源以获得更好的覆盖率
- 验证联系人：外联前务必核实联系信息
- 迭代：根据结果质量优化ICP
- 监视器使用情况：跟踪Bright Data和OpenAI API的使用情况
🔐 安全最佳实践
- 永不承诺
.env文件到版本控制 - 对所有敏感数据使用环境变量
- 在生产中实施限速
- 为生产部署添加身份验证
- 验证所有用户输入
- 在生产环境中使用HTTPS
📈 缩放注意事项
- 添加Redis缓存搜索结果
- 实施后台作业队列（Celery）
- 使用数据库存储潜在客户（PostgreSQL）
- 添加用户身份验证和多租户
- 实现导出到CRM功能
- 添加webhook集成
🤝 贡献
这是一个MVP，您可以随意扩展：
- 数据库集成
- 用户认证
- CRM集成（Salesforce、HubSpot）
- 高级过滤和排序
- 潜在客户评分模型
- 电子邮件验证服务
- 批量导出（CSV、Excel）
📄 许可证
这是一个示范项目。确保遵守：
- Bright Data服务条款
- OpenAI服务条款
- LinkedIn服务条款
- GDPR和数据隐私法规
🆘 支持
- 明亮的数据文档: https://docs.brightdata.com
- LangChain MCP: https://python.langchain.com/docs/integrations/tools/mcp
- OpenAI API: https://platform.openai.com/docs
🎯 路线图
- \[\]用于潜在客户存储的数据库集成
- \[\]电子邮件验证API集成
- \[\]CRM导出功能
- \[\]高级领先评分
- \[\]批量搜索功能
- \[\]电子邮件外联模板
- \[\]分析仪表板
- \[\]API速率限制
______________________________________________________________________
内置于❤️ 使用Bright Data MCP、LangChain、OpenAI、Flask和现代网络技术