So bauen Sie ein GTM-Team mit Claude Code auf, das Sie alleine steuern können

Ein GTM-Team gleicht einer Versandoperation. Die eigentliche Arbeit besteht aus Urteilsvermögen: Welches Unternehmen ist diese Woche eine Nachricht wert, was sagst du, um zu beweisen, dass du aufgepasst hast, welchem No-Show jagst du hinterher, was hat die Pipeline tatsächlich bewegt.

Das Versenden war schon immer der billige Teil. Das Urteilsvermögen ist das, wofür du früher ein Team brauchtest, und genau das kann jetzt eine Person plus Claude Code von Anfang bis Ende erledigen.

Hör also auf, in Kopfzahlen zu denken, und fang an, in Aufgaben zu denken.

Ein GTM-Team ist eine Liste davon, und die meisten haben die gleiche Form: Lies einen Haufen Daten, triff eine Entscheidung, schreib etwas, hake nach und erinnere dich, was passiert ist.

Verbinde jede Aufgabe mit einem Agenten, gib ihnen einen gemeinsamen Speicher und setze sie auf einen Zeitplan. Menschen bekommen ein UX, Software bekommt eine API, ein Agent bekommt eine Befehlszeile, sodass das gesamte Team von einer einzigen Cron-Zeile um acht Uhr morgens läuft. Jeden Morgen berichtet es, und deine Arbeit verwandelt sich vom Betreiben ins Redigieren.

Unten findest du den Aufbau, Platz für Platz, mit dem Prompt, den ich für jeden in Claude Code einfüge.

Die Besetzung: fünf Plätze

Entscheiden, wer eine Nachricht wert ist

Der schwierige Teil des Outbounds war nie das Versenden. Es war das Urteilsvermögen davor: Von allen Unternehmen auf dem Markt, welches ist es wert, diese Woche kontaktiert zu werden, und was sagst du, um zu beweisen, dass du aufgepasst hast.

Dieses Urteilsvermögen ist der erste Platz.

Er beobachtet vier Arten von Bewegungen, die vier, auf die eine Dekade von Marktdaten die Liste immer weiter eingrenzt:

• Eine Stelle wird frei oder neu ausgeschrieben.
• Ein Unternehmen engagiert einen Konkurrenten oder postet über das Problem, das du löst.
• Ein Unternehmen startet, expandiert oder ändert seinen Tech-Stack.
• Geld bewegt sich durch eine Finanzierungsrunde oder eine Übernahme.

Er bewertet jede einzelne danach, wer tatsächlich passt, und gegen alles, was du bereits über dieses Konto weißt, und entwirft dann ausgehend vom Auslöser selbst.

Die Regel, die er nie bricht, ist, das zu zitieren, was sich bewegt hat. „Habe gesehen, dass du die Head of RevOps-Stelle neu ausgeschrieben hast, zweite Ops-Einstellung in diesem Quartal.“ Niemals „Hallo {{Vorname}}.“ Wenn die Nachricht letzten Monat unverändert hätte rausgehen können, wurde der Auslöser übersprungen und das Konto wartet.

1Schreibe team/prospector.py: run(memory, source, delivery, icp, sequences, weights, offline, dry_run).
2Erfasse neue Signale in den vier Kategorien (Job, Social, Unternehmen, Finanzierung) und schreibe sie in den gemeinsamen
3Speicher. Gruppiere nach Konto. Bewerte für jedes Konto gegen das ICP und die vollständige Historie mit
4prompts/judge.md (Claude, Temperatur 0), falle zurück auf eine gewichtete Bucket-Heuristik, die schwache,
5nicht-ICP-Signale überspringt. Für diejenigen, die die Hürde nehmen, entwerfe vom stärksten Auslöser mit prompts/draft.md,
6übergib den Entwurf an delivery (standardmäßig dry-run) und zeichne den Kontakt auf. Gib eine Rangliste der Standup-Zeilen zurück.

Jedes Gespräch vorbereiten, bevor es beginnt

Vor einem ersten Gespräch verbrachte jemand früher zwanzig Minuten damit, ein One-Pager zu erstellen: Was dieses Unternehmen ist, was sich bewegt hat, was du ihnen bereits geschickt hast, wo der letzte Thread im Sande verlaufen ist.

Gib das dem zweiten Agenten.

Er schreibt die Vorbereitung für jedes gebuchte Gespräch aus demselben Speicher, in den der Prospector schreibt. Wenn das Gespräch beginnt, ist die Seite bereits da, mit dem Auslöser, der sie hereingebracht hat, der Historie und der einen Sache, mit der es sich lohnt, zu eröffnen.

Niemand bereitet sich um 23 Uhr auf ein Gespräch um 9 Uhr vor, und niemand geht kalt hinein.

1Schreibe team/researcher.py: run(memory, calendar, icp, offline).
2Hole für jedes Gespräch im heutigen Kalender die vollständige Historie des Kontos aus dem gemeinsamen Speicher und schreibe eine
3einseitige Vorbereitung mit prompts/brief.md: was sich bewegt hat, was wir bereits geschickt haben und wie es ankam, und die eine
4beste Sache, um das Gespräch zu eröffnen. Begründe jede Zeile mit der Historie, erfinde nie etwas. Falle auf eine einfache
5Vorlage zurück, die aus dem letzten Signal erstellt wird, wenn kein API-Schlüssel vorhanden ist. Gib eine Standup-Zeile pro Gespräch zurück.

Lass die Sequenz die Nachverfolgung übernehmen

Ein Signal ist die Startlinie. Die Sequenz ist das, was konvertiert, und sie ist der Teil, in dem die Leute am schlechtesten sind, weil die Nachverfolgung davon abhängt, dass ein Mensch sich daran erinnert, nachzuhaken. Wir vergessen, wir zögern, wir machen es einmal und hören auf.

Also laufen das Versenden und die Nachverfolgung in Overloop AI als Sequenzen, die von selbst feuern, sobald der Agent sie übergibt. Der Agent entscheidet, wer, und schreibt den ersten Kontakt. Overloop übernimmt den Rest nach einem Zeitplan, über E-Mail und LinkedIn, sodass die Kadenz niemals vom Gedächtnis einer Person abhängt.

1Schreibe team/sequencer.py: run(memory, delivery, sequences, offline, dry_run, min_age_days, max_age_days).
2Frage den gemeinsamen Speicher nach Konten, deren letzter Kontakt ein paar Tage alt ist und die keine Antwort oder kein Meeting
3in den Büchern haben. Verfasse eine leichte Nachverfolgung, die einen wirklich neuen Blickwinkel hinzufügt, sende sie in die follow_up
4Sequenz und zeichne den Kontakt auf. Lasse frische Kontakte in Ruhe, indem du das min_age-Fenster beachtest. Gib eine
5Standup-Zeile pro Konto zurück.

No-Shows zurückgewinnen

Ein No-Show ist ein qualifizierter Lead, der auf einen Kalenderkonflikt gestoßen ist. Sie lecken aus der Pipeline aus einem einzigen Grund: Manuelle Wiederherstellung findet nie statt.

Also führt dieselbe Engine eine Wiederherstellungssequenz für jeden Fehlschlag durch. Vier Kontakte über eine Woche, zwei Kanäle, keine Schuldzuweisungen in einem davon:

• Eine Stunde nach dem Fehlschlag: ein Link zur Neubuchung mit zwei Klicks.
• Am nächsten Tag: dasselbe Angebot auf LinkedIn.
• Tag drei: eine nützliche Sache, die mit ihrer Branche zusammenhängt, keine Bitte.
• Tag sieben: eine einfache letzte Nachricht.

Es nimmt die Emotion aus der Nachverfolgung und bringt etwa ein Drittel der No-Shows zurück, die früher einfach verschwunden sind. Niemand muss sich daran erinnern, auch nur einen zu senden.

1Schreibe team/recoverer.py: run(memory, calendar, delivery, sequences, offline, dry_run).
2Schreibe für jeden kürzlichen No-Show aus dem Kalender ihn in die no_show_recovery Sequenz ein, die in
3config/sequences.yaml definiert ist (vier Kontakte über eine Woche, zwei Kanäle, keine Schuldzuweisungen in keinem Schritt), zeichne den Kontakt auf
4und gib eine Standup-Zeile zurück. Die Kadenz lebt in config, nicht im Code.

Den wöchentlichen Bericht sich selbst optimieren lassen

Jeden Freitag hat früher jemand das Retro zusammengestellt: was rausging, was gebucht wurde, was feststeckt, wo die Pipeline steht. Der letzte Agent erstellt ihn aus demselben Speicher, jede Woche, ohne dass man ihn darum bitten muss.

Dann macht es das, was ein menschlicher Bericht nie tut.

Es bewertet seine eigenen Aktionen: Signale, die weiterhin Meetings buchen, bekommen mehr Gewicht, Kopien, die weiterhin versagen, werden gestrichen. Die Shortlist für den nächsten Monat wird danach geordnet, worauf der Markt tatsächlich reagiert hat, nicht danach, was du im Januar für wichtig gehalten hast. Der Bericht hört auf, eine Aufzeichnung der letzten Woche zu sein, und wird zu dem Ding, das die nächste optimiert.

1Schreibe team/reporter.py: run(memory, weights, days, offline).
2Lies die Wochenstatistiken aus dem gemeinsamen Speicher. Beginne mit der Meeting-Anzahl. Gewichte die vier Signal-
3Buckets nach Erfolgsquote neu, zähle ein Meeting mehr als eine Antwort, mit einer Untergrenze, sodass kein Bucket jemals auf Null fällt.
4Gib die Standup-Zeilen und die neuen Gewichte für den nächsten Lauf zurück. prompts/report.md schreibt die Prosa-
5Version, wenn ein Schlüssel gesetzt ist.

Die zwei Prompts, die jeden Morgen laufen

Jeder Build-Prompt oben läuft einmal. Diese beiden laufen für jedes Konto, jeden Tag, also sind sie diejenigen, die man behalten und optimieren sollte. Das Urteilsvermögen und die Stimme leben hier, in einfachen Dateien, nicht vergraben im Code.

Der Prospector urteilt nach diesem:

1ROLLE  Du bist die Urteilsinstanz des Prospectors. Entscheide für ein Konto, ob ein Kaufsignal es wert ist,
2jetzt darauf zu reagieren, und wie.
3EINGABE  { icp, new_signals: [{bucket, summary}], history, days_since_last_touch }
4BEWERTUNG  80-100 starke ICP-Passung und ein Signal mit hoher Absicht (Finanzierung oder zwei geclusterte); 50-79 gute Passung,
5ein solides Signal; 20-49 schwache Passung oder ein einzelnes Signal mit niedriger Absicht; 0-19 nicht-ICP oder Rauschen
6REGELN  Bei weniger als 7 Tagen seit dem letzten Kontakt, bevorzuge nurture oder überspringe, niemals first_touch. Wenn das Signal
7schwach oder nicht-ICP ist, bewerte es niedrig und überspringe; Nein zu sagen ist Teil des Jobs. why_now muss den tatsächlichen
8Auslöser zitieren, in Worten, die ein Vertriebler dem Käufer sagen könnte.
9AUSGABE (nur JSON)  { "score": 0-100, "why_now": "...", "play": "first_touch|follow_up|nurture|skip", "rationale": "..." }

Und es schreibt nach diesem:

1ROLLE  Du schreibst die Eröffnungsnachricht. Das Signal ist der Grund, warum du Kontakt aufnimmst, und die Nachricht muss
2beweisen, dass du es bemerkt hast.
3EINGABE  { trigger, bucket, why_now, play, guardrails: {goal, must, never} }
4REGELN  Eröffne den ersten Satz mit dem Auslöser, niemals "Hallo {{Vorname}}". Verbinde den Auslöser mit einem
5Problem, das du löst, in einem einzigen Satz. Schließe mit einer niedrigschwelligen Bitte ab. Einfache Sätze, gemischte Länge,
6keine falsche Dringlichkeit, keine Gedankenstriche, keine Schlagwörter. Wenn die Nachricht letzten Monat unverändert hätte rausgehen können, hast du
7den Auslöser übersprungen; fang von vorne an.
8AUSGABE (nur JSON)  { "subject": "6-9 Wörter", "body": "3-5 Sätze" }

Was fünf Agenten zu einem Team macht

Fünf Agenten, ein gemeinsamer Speicher

Fünf Skripte, die jeweils ihre eigenen Notizen machen, sind kein Team. Was sie zu einem macht, ist ein einziger gemeinsamer Speicher: ein Datensatz pro Konto, den jeder Platz liest und schreibt.

Der Prospector protokolliert am Montag einen Kontakt. Der Sequencer liest ihn am Donnerstag, sieht keine Antwort und sendet den nächsten Schritt. Der Reporter zählt ihn am Freitag und gewichtet die Buckets neu. Derselbe Datensatz, eine einzige Quelle der Wahrheit. Baue diesen Speicher zuerst auf, halte seine Methodennamen stabil, und jeder Platz stützt sich darauf, anstatt zu raten.

Wie eine Person es betreibt

Das morgendliche Standup

Du betreibst das nicht. Du redigierst es, was eine kleinere und ganz andere Aufgabe ist.

Das Team läuft per Cron, bevor du wach bist. Wenn du dich hinsetzt, wartet das Standup bereits in Slack: Wen heute kontaktieren und warum, eine Vorbereitung für jedes Gespräch in deinem Kalender, die No-Shows, die verfolgt werden, die Zahlen der letzten Woche, neu gewichtet nach dem, was tatsächlich gebucht wurde. Zwei Minuten: genehmigen, bearbeiten oder verwerfen.

Keine Liste zu erstellen, keine Betreffzeilen zu erraten, kein Montagsmeeting darüber, wen man anrufen soll. Das gesamte Team kostet etwa 400 Dollar pro Monat an Tokens, die gesamten Betriebskosten der Abteilung. Was übrig bleibt, ist redaktionell: Geschmack zu haben, was das Team dir vorlegt, und zu den meisten Dingen Nein zu sagen.

Wo Menschen immer noch gewinnen

Wo die Menschen bleiben

Das betreibt nicht das gesamte Go-to-Market, und die Teile, die es auslässt, sind die, die am wichtigsten sind. Die Agenten entscheiden, wen sie kontaktieren, und schreiben die erste Zeile. Sie schließen nicht ab, und sie bauen nicht die Beziehung auf, die einen Käufer dazu bringt, dich ein Jahr später zu wählen, wenn das Budget endlich da ist.

Wenn eine Antwort mit einer echten Frage zurückkommt, einem Zögern, einem leisen „Wir sind nicht sicher, ob das etwas für uns ist“, dann ist das ein menschliches Gespräch, und es sollte eines bleiben. Das System ist sehr gut darin, dich in den Raum zu bringen. Es hat nichts zu sagen, sobald du drin bist.

Also gehen die Leute, die du für die Plackerei ausgegeben hättest, dorthin, wo sie immer wertvoller waren: das Gespräch, das Vertrauen, der Abschluss. Das Team kauft die Stunden zurück, die früher dafür draufgingen, zu entscheiden, wer einen Anruf verdient, und gibt sie für die Gespräche aus, die über Deals entscheiden.

Nimm das Team

Ich habe das Ganze in ein Repo gepackt, das du klonen und ausführen kannst: die fünf Plätze, der gemeinsame Speicher, auf dem sie laufen, die Prompts, die das Urteilsvermögen und die Stimme tragen, und das Standup, das sie zusammenhält.

1gtm-team/
2  team/     prospector · researcher · sequencer · recoverer · reporter
3  core/     memory · models · adapters · llm
4  prompts/  judge · draft · brief · report
5  config/   icp · sequences · signals · team
6  run.py    das morgendliche Standup

Es ist ein funktionierender Build, nicht der interne Stack, den wir bei Sortlist betreiben. Der Prospector-Platz ist das gtm-brain aus dem letzten Drop. Das ist das Team darum herum.

Kommentiere TEAM und ich schicke es dir rüber. Folge mir, damit die DM durchgeht.

Wenn du es lieber für dich ausführen lassen möchtest, anstatt es selbst zu verdrahten, dann ist das MAX: dieselbe Idee mit versteckten Nähten. Ein Agent, mit dem du sprichst, der die Signale beobachtet, die Sequenzen über E-Mail und LinkedIn ausführt und dir das Standup übergibt, unterstützt durch zehn Jahre Käufer-Verkäufer-Matching-Daten, die du nicht von einer öffentlichen API abrufen kannst. Besuche: yourmax.ai