如何在2026年构建你的GTM：100条规则，按构建顺序

我们在Frontal为275多家B2B公司打造了市场推广机器。每次都遵循同样的10个层级，同样的顺序。几乎没有任何一家公司需要他们尚未运行的渠道。

上个季度，一位客户从其主域名每月发送3000封邮件，发送对象是未经任何评分的名单。我们将其削减为每天40封，使用全新域名，并将名单缩减至200条带有招聘信号的记录。另一位客户报告称一个季度安排了50次会议，却零成交，每次会议都约见了一个无权签单的职位。

过去一年里，我们接手了3个账户，这些账户的域名已在垃圾邮件中滞留数周，而团队却在忙于第三版邮件重写。

所以现在很多人问我冷邮件模板。我也见过大多数团队从中得到的结果：他们重写主题行4次，名单从未被评分，域名仍困在垃圾邮件中，回复率毫无起色。

每个人都在用相同的工具运行相同的10个层级。区别在于你先修复哪个层级。

以下是全部100条规则，按构建顺序排列：

第一层：ICP 与目标定位

规则 1 至 10。本层要解决的问题：谁有资格进入名单。

收据。 我们向新客户索要的第一样东西并非他们的 ICP 文档，而是该文档生成的名单。返回的要么是一组带有姓名的行，要么是某人保存过却从未运行的筛选器，而这两种答案对接下来八周的预测力，胜过通话中的任何信息。

本层的核心机制。 ICP 文档描述的是公司特征。名单则必须对公司进行排序，而排序需要一个文档中从未包含的决胜标准。这个标准就是信号密度：当前你对这个账户确知的事实的数量。企业画像告诉你一家公司可能购买，信号则告诉你本季度是否会买。多数团队只收集前者，并按电子表格恰好加载的顺序发送。

规则

精确工作流程

步骤1：从你成交最快的10笔交易中提取模式。 员工规模区间、收入区间、行业，以及签署人的职位头衔。

步骤2：在Apollo中构建基础列表， 仅使用公司特征筛选。导出至Clay。

步骤3：添加3个信号列。 来自PredictLeads的招聘和融资日期，来自BuiltWith的技术栈匹配。用日期，而非布尔值。

步骤4：计算得分。

score = (firmographic_fit  x 0.3)
      + (signal_density    x 0.4)
      + (persona_match     x 0.3)

each input scored 0 to 100, so score lands 0 to 100
signal_density = 100 x (signals dated inside 90 days / 3)

步骤5：用Prospeo验证，然后分级。 3个信号全中为一级，2个为二级，其余为三级。

步骤6：每周一重新计算。 三月份的一级行，到六月份可能就变成了三级行。

第二层：外联设置

规则11至20。本层解决的是：邮件是否能送达。

教训。 过去一年我们接手了3个账户，问题都不在文案上。邮件在发送，打开率看似低迷，而自设置以来没人打开过Postmaster Tools。每个账户的域名都被过滤了数周，团队却在第三次重写邮件内容。

本层开启的内容。 Google和Yahoo都公布了硬性阈值，且两者都在域名层面而非活动层面进行衡量。一周糟糕的投诉率会在接下来的数月里影响你开展的每一个活动。声誉积累缓慢，失去却很快，这就是为什么在构建顺序中本层位于文案之上。

规则

具体操作流程

第一步：购买一个与品牌相近的域名， 并指向Google Workspace或Microsoft 365。

第二步：发布3条记录。 仅一条SPF记录，因为两条会导致两者都失效：

; SPF  (TXT on the root)
v=spf1 include:_spf.google.com ~all

; DKIM (TXT on selector._domainkey), published by your mail host
v=DKIM1; k=rsa; p=MIIBIjANBgkqh...

; DMARC (TXT on _dmarc)
v=DMARC1; p=none; rua=mailto:dmarc@yourcompany.com

先用MXToolbox验证这3条记录都能解析。

第三步：第一周通过真实对话进行预热。 每天发送10到20封给会回复的人。互动是服务商看重的信号，而预热池是在造假。

第四步：逐步增加发送量，当数据出现波动时暂停增加。

这是我们自己的操作规则，并非公开标准。每当退信率或投诉率上升时，就在当前阶段保持一周。把这一列看作容量：一个200行、4次触达的营销活动，每天发送量不到40封，这个余量让你以后可以增加第二个营销活动。

第五步：每天查看Postmaster Tools。

第三层：冷邮件

规则21至30。本层决定：他们是否会回复。

回执。 我们上季度最出色的冷邮件仅42字，只提及一件事：公司上周发布的3个SDR职位。

本层关键。 个性化与相关性常被视为同一变量。个性化证明你做了研究，相关性证明你了解他们本周的工作重点。以信号开头的首行兼具两者，这也是为何第一层必须完成，本层才值得优化。

规则

精确工作流程

第一步：撰写那4句话。

Subject: Hiring 3 SDRs?

Saw the 3 SDR roles you posted last week.          <- the signal
Usually that means the list gets built twice,       <- their situation
once by each new rep.
We build the target list once, in Clay, so the      <- what you do
reps inherit it instead of rebuilding it.
Worth a look?                                       <- one ask

42个词。最多一个链接。无附件、无日历嵌入、无图片。

第二步：在4次触达中构建序列。 第0天、第3天、第7天、第14天。然后停止。

第三步：让每次跟进各司其职。 第二次触达换新角度，第三次触达最短，第四次触达收尾并浮现“Q3再问我”的回复。

第四步：在活动之间移动一个变量，绝不在同一活动内变动。 在完整的200个潜在客户活动结束时读取结果。40封发送产生1到8个回复，无法从噪声中区分出任何信号。

第五步：当天路由回复。

第四层：LinkedIn内容

规则31至40。这一层解决什么：当邮件送达时，你的名字是否已有分量。

凭证。 我们外展效果最好的账户，是那些创始人早在第一封邮件发出前就已开始发帖的账户。我们并未将其作为对照实验来运行，我也不会把它包装成对照实验。这是我们围绕其构建序列的模式。

这一层开启什么。 人人都说创始人个人主页胜过公司主页。数据却另有说法，而这一修正对你如何使用该渠道至关重要。Metricool 2026年对63,108个账户中673,658篇帖子的研究发现，个人主页与公司主页每篇帖子的曝光量几乎持平，818对832。创始人的优势在于高出63%的互动率和多237%的评论。你以创始人身份发帖，是为了获得对话，而对话正是让你获得具名个体并将其导入第五层的途径。

规则

具体操作流程

第一步：选定三大支柱。 运营类（工作如何完成）、逆向类（市场错在哪里）、实证类（一个数字及其带来的改变）。按此顺序轮换。

第二步：默认使用文档。 在文档中起草，导出PDF，配上简短说明上传。AuthoredUp的300万篇帖子显示，文档触达率为1.39倍，图片为1.20倍，视频为0.86倍。

第三步：锁定周中时段。 Sprout Social认为周二至周四上午11点到下午5点是高峰，Buffer说是傍晚，Hootsuite说是清晨。选定一个时段，坚持一个月，再看你自己的数据。

第四步：每周收割互动。 筛选点赞中符合第一层理想客户画像的用户，将其加入Clay中的“温暖名单”列。只需15分钟，就能为第五层和第六层提供素材。

第五步：手动筛选引流诱饵。 回复关键词，通过私信发送。原生表单既给不了你联系方式，也给不了你对话。

第5层：LinkedIn广告

规则41至50。本层决定：6周后，名字是否仍被记住。

收据。 我们完全停止了在LinkedIn上的冷门潜在客户广告。每一分钱现在都投入到那些已经接触过某些内容的人身上：网站、帖子或外呼列表本身。

本层的核心。 LinkedIn广告的定价类似于需求捕获渠道，但其行为却像记忆渠道。点击并非价值所在。价值在于，当第3层序列触达第三次时，名字已被熟悉，因此本层以外呼回复率来衡量效果，而点击率列则被搁置一旁。

规则

具体操作流程

第一步：安装Insight Tag并构建三层四级资金池。 热层：覆盖90天内的网站访客，365天内的互动用户，以及上传的第一层列表。温层：基于已成交客户创建的相似受众。冷层：针对第一层细分群体的标准定向。

第二步：先设定目标，再设计创意。 思想领袖广告仅在品牌认知、互动和视频观看这三种目标下运行。没有线索表单，没有行动号召按钮，因此离开广告的唯一路径是简介文字中的URL。

第三步：推广那些在自然流量中已表现出色的帖子。

第四步：将预算按60/30/10的比例分配至热层、温层和冷层。冷层始终保持试验性质。

第五步：以外呼数量为衡量标准。 对比重定向受众内账户与外部账户的回复率。

第六层：飞轮效应

规则51至60。本层要解决的问题：第二个月的成本是否低于第一个月。

经验总结。 过去我们分别针对三个不同的目标列表开展外呼、内容营销和广告，因为这三项由不同的人负责。将它们整合到第一层表格中，这仅是排期上的调整，而非战略上的改变，但正是这一调整，客户在第三个月就能感受到不同。

本层的核心机制。 这三个渠道通常由不同的人针对不同的目标列表运作，这正是阻碍复利效应的关键。飞轮效应并非“三管齐下”，而是 在同一周内，将三者聚焦于相同的账户。一个列表，三种触达方式。

规则

精确的工作流程

周期为4周，且无需修改即可重复进行。

第1周。 发送第一层级，面向40至50个潜在客户。发布3篇关于这些账户具体问题的帖子。

第2周。 发送第二层级。发布解决方案。将第1周互动过的用户纳入活跃列表。

第3周。 针对活跃列表及外展上传的广告投放，每周投入70至105美元，以应对LinkedIn每日10美元的最低投放门槛。

第4周。 按路径统计会议数量。重新筛选列表。再次启动流程。

使此过程可衡量的关键字段。 在每次会议中，记录账户在预订前所接触的每个触点：先是电子邮件，然后是2篇帖子，接着是广告。首次触达无法涵盖全部，而末次触达则忽略了有趣的部分。

第7层：GTM中的人工智能

规则61至70。本层要解决的问题：一个人能覆盖多大的范围。

收据。 个性化外展的瓶颈曾在于每个账户的研究时间。有了Clay和嵌入表格中央的模型，瓶颈如今变成了审核时间：人类在发送前能多快读完系统草拟的内容。

本层的开关。 人工智能压缩了信号与发送之间的任务。两端的判断力保持不变。判断一个招聘信号值得采取行动，是判断力。判断一个回复是真正的兴趣，也是判断力。中间的一切都是吞吐量，而吞吐量正是你要自动化的部分。

规则

确切的工作流程

第一步：将你的声音作为数据提供给模型。 粘贴10封你发送过并收到回复的邮件。描述性的语气在第一次生成时就会被冲淡。

第二步：连接一个生成角度的Clay列：

Company: {{company_name}}
Signal:  {{signal_type}} on {{signal_date}}
Persona: {{title}}

Write 3 different first lines for a cold email.
Reference the signal specifically in every one.
Hard cap of 20 words.
No compliments, no questions, no "I noticed".
Match the voice in the examples above.

第三步：在发送前逐一阅读。 失败模式是模型虚构出数据行中不存在的细节。流畅、错误，一旦进入收件箱便无法挽回。

第四步：写作前先评分。 一次性对500个账户进行排名，是时间回报所在。

**第五步：每周一重新运行评分任务。

第八层：技术栈

规则71至80。本层解决：整个系统的成本以及数据行在何处断裂。

账单。 单人外联技术栈按公开标价计算，每月略超450美元。超过1000美元的部分，源于让一个人同时使用三款工具的最高级别套餐。

本层的核心。 技术栈的断裂往往源于其结构，而非价格。两个数据提供商意味着对同一家公司有两种定义，以及一项无人负责的对账工作。数据行应通过每个任务一个工具单向流动，而每一个需要横向移动的地方，都是它停滞之处。

规则

具体工作流程

流程从左至右单向推进，一旦经过便不再回头。

第一步：Apollo 提取原始记录，仅使用公司特征筛选。

第二步：Clay 进行数据丰富与评分。这是唯一需要人工编辑的表格。

第三步：Prospeo 在信息进入任何序列发送工具前进行验证。

第四步：Instantly 负责发送。域名轮换与预热在此完成。

第五步：HubSpot 记录来源、阶段、价值及第6层路径字段。

任何横向操作都意味着流程在此停滞。以下为2026年9月标价，单席位，中档配置：

第9层：指标与归因

规则81至90。本层解决的是：你有权主张什么。

收据。 一位客户向我们报告，一个季度内有50次会议，但成交为0，并将会议数量视为胜利。会议是真实的，但对象是错误的人选，这是第1层的失误，直到第9层才显现。

本层的核心。 漏斗中的每个阶段都有通过率，一个失效的阶段会让其下所有阶段看起来比实际更好。一个优化已预订会议的团队，会继续从无法签单的人物角色那里预订会议，因为他们关注的数字无论如何都在上升。

规则

精确的工作流程

第一步：在每个阶段设置门槛。 回复率在低于200人的名单上能清除15%，这是Saleshandy区间的最低端。低于此标准，我们自行设定：一半的回复转化为会议，一半的会议转化为商机。根据你前两次营销活动自行设定标准。

门槛应针对你的营销活动规模，而非行业平均数字。Instantly的3.43%和Saleshandy的3.7%包含了这些平台上所有5000行的大规模群发。

第二步：添加一个表单字段，永不删除。 一个必填的“您是如何得知我们的？”下拉菜单：冷邮件、LinkedIn帖子、LinkedIn广告、推荐、搜索、其他。

第三步：每月将CRM与分析数据进行核对。 当两者不一致时，以CRM为准。

第四步：每月报告一张表格。 按来源划分的新增管道。该表格决定下个月的预算。

第十层：失败模式

规则91至100。本层解决的问题：是什么破坏了其他9层。

凭证。 以下每一条都曾导致我们后来不得不重建的项目终止。其中关于数据抓取的那一条，如今已带来三年前不存在的法律风险。

本层的核心。 这些并非无知之失。每一条都是对真实压力看似合理的回应：回复率下降所以你发送更多，互动缓慢所以你自动化，数据昂贵所以你抓取。解决之道在于识别你正在应对的是哪种压力。

规则

真正代价高昂的三种行为

自动化LinkedIn互动。 LinkedIn帮助中心关于禁止软件使用的页面明确指出，其不允许第三方机器人、插件或扩展程序来自动化活动，使用这些工具的用户可能面临账户受限或关闭的风险。用户协议更为具体，点名了通过自动化手段进行评论、点赞、分享和发送消息的行为。每个评论机器人都在你最不想失去的账户上运行。仅限手动操作：每天15分钟，用你自己的双手。

数据抓取。 LinkedIn用户协议第8.2条禁止使用软件、脚本或机器人来抓取或复制个人资料。LinkedIn于2025年1月起诉Proxycurl，并于同年7月宣布和解，条款要求删除所有未经授权获取的LinkedIn数据。Proxycurl的创始人于2025年7月4日发布了自己的关闭通知，而非选择抗争。2025年10月，LinkedIn对ProAPIs提起诉讼，指控其运营一个工业规模的虚假账户操作，以每月高达15,000美元的价格转售抓取的会员数据。

人们引用为许可的案例，其含义并非他们所想的那样。hiQ Labs诉LinkedIn案被引用时仿佛抓取行为获胜了。2022年11月4日，地区法院就违约索赔批准了LinkedIn的即决判决，认定用户协议中禁止抓取的条款具有执行力。该案一个月后以双方约定的50万美元判决结束，针对hiQ，并发布永久禁令，要求其销毁所有源自抓取数据的衍生内容。CFAA问题和合同问题从来就不是同一个问题。

对模型而言不可读。 如今，51%的买家更倾向于在聊天机器人而非谷歌上开始软件研究，可发现性已转向分发领域。模型通过两种方式呈现品牌：训练时吸收的信息，以及查询时实时检索的内容。这两种方式各有其失效之处。新公司并非自动隐形，因为OpenAI的发布指南指出，任何公开网站只要不阻止OAI-SearchBot，就能出现在ChatGPT搜索中。更微妙的陷阱则相反：模型从训练记忆中提及品牌而不附带引用，因此你可能被持续推荐，却在分析数据中看不到任何痕迹。发布内容，获得模型信任来源的引用，并每季度手动检查模型对你所在领域的评价。

这能带来什么

剥去100条规则，真正起作用的是5个问题。名单上有谁，顺序如何。邮件是否送达。第一句话是否值得第二句话。你的名字是否在邮件之前就已到达对方那里。以及，同样的名单在第三个月是否比第一个月更易处理。

大多数团队按错误顺序回答这些问题，在域名危机时重写文案。这是合理的举动，却瞄准了错误的层面。

从第一层开始。理清名单，确保邮件送达，写出四句能赢得回复的话。四周时间，每月约450美元，没有其他层面能让你在日历上安排会议。然后再添加下一层。