개요

@Kappaemme1926이 공개한 codex 스킬이다. 스타트업 URL을 넣으면 이상적인 고객 프로필(ICP)을 정하고, 공개 토론에서 고통·구매 신호를 찾아 후보를 검증한 뒤, 출처 링크와 개인화된 아웃리치 문구가 담긴 보고서를 만든다. X 글 조회수는 94만이고, 레포 Kappaemme-git/codex-first-customer-finder-skill은 MIT 라이선스에 스타 약 1,070개(2026-10-04 기준)다.

npx --yes codex-first-customer-finder-skill@latest
# → $CODEX_HOME/skills/first-customer-finder 에 설치
Use $first-customer-finder to find 5 potential customers for [PRODUCT URL].
P1 and P3 fit. Focus on owner-led small businesses, avoid enterprise teams, and find 5 more.

동작 순서

  1. 제품의 결과물·구매자·대안·제외 조건을 파악한다(애매할 때만 짧게 질문).
  2. 제품별 로컬 이력을 읽어 선호를 반영하고 이미 본 후보를 제외한다.
  3. X 글·GitHub 이슈·포럼·리뷰·회사 페이지에서 원문을 직접 열어 신호를 찾는다. 로그인 벽은 우회하지 않고 커버리지 공백으로 보고한다.
  4. 증거 귀속을 확인하고 점수를 계산한다.
  5. 공개 연락 경로를 확인하고 CTA가 있는 짧은 메시지 초안을 쓴다. 자동 발송은 하지 않는다.
  6. report.md·prospects.csv·state.json(선택적으로 report.html)을 저장한다.

점수 기준

차원가중치
고통 강도25%
제품 적합도25%
타이밍20%
공개 접근성15%
증거 품질15%

각 0~5점이며, 신호 날짜를 모르면 타이밍은 최대 2점, 검증된 연락 경로가 없으면 접근성은 최대 1점으로 묶인다. 점수는 조사 우선순위일 뿐 전환 확률이 아니라고 README가 명시한다. 모드는 quick(5명), standard(10명), deep(20명), design-partners, b2b가 있다.

볼 점

  • v2부터 keep/maybe/reject 피드백과 연락 결과(contacted, replied, customer 등)를 제품별로 저장해 다음 검색에 쓴다. “학습”은 모델 학습이 아니라 저장된 선호라는 설명이 붙어 있다.
  • 이력은 워크스페이스에만 남고 업로드되지 않는다. 다만 개인의 공개 글을 모으는 도구라 연구 폴더를 버전 관리에서 빼라고 권한다.

관련 위키