Sales - **kws:** lead scoring, win loss, icp, crm, sales, data driven, validation, revops - **license:** MIT **Description EN:** Curated by Skill Harbor — a builder for data-driven lead scoring models calibrated on actual win/loss history, not generic best practices. Takes your ICP definition, historical closed deals and a CRM export, finds which attributes correlate with closed-won deals, then generates the scoring model: dimensions and point values traced to measured lift, Hot/Warm/Cool/Cold thresholds with conversion expectations, holdout validation (precision, recall, F1, AUC-ROC, confusion matrix), a CRM implementation guide, and a batch-scoring mode for current leads. Not a duplicate of coreyhaines31-revops — that listing is a general RevOps framework, while this one builds one concrete scoring model from YOUR data, with guardrails against intuition-only models (no win/loss data = set up tracking first, revisit in 90 days). By @onewave-ai, listed here with credit to its creator. Honest caveats: needs real historical win/loss data (50+ closed deals minimum, 200+ preferred) — without it the skill correctly refuses to build; works best with a clean CRM export, so expect data cleanup before analysis. Not verified. Skill Harbor never reviews the code, review it yourself before use. Discovered via skills.sh. **Description FR:** Sélectionné par Skill Harbor — un constructeur de modèles de scoring de leads pilotés par les données, calibrés sur l'historique réel des victoires/échecs, pas sur des bonnes pratiques génériques. Il prend votre définition d'ICP, vos deals clôturés historiques et un export CRM, trouve quels attributs corrèlent avec les deals gagnés, puis génère le modèle de scoring : dimensions et points tracés jusqu'au lift mesuré, seuils Hot/Warm/Cool/Cold avec attentes de conversion, validation sur échantillon de réserve (précision, rappel, F1, AUC-ROC, matrice de confusion), guide d'implémentation CRM et mode de scoring par lot pour les leads actuels. Pas un doublon de coreyhaines31-revops — cette fiche est un cadre RevOps général, tandis que celle-ci construit UN modèle de scoring concret depuis VOS données, avec des garde-fous contre les modèles fondés sur l'intuition seule (pas de données win/loss = mettez d'abord le suivi en place, revenez dans 90 jours). Crédit : @onewave-ai. Bémols honnêtes : nécessite de vraies données win/loss historiques (50+ deals clôturés minimum, 200+ préférés) — sans elles le skill refuse à juste titre de construire ; fonctionne mieux avec un export CRM propre, prévoyez du nettoyage de données avant l'analyse. Non vérifié. Skill Harbor ne vérifie jamais le code, examinez-le vous-même avant usage. Découvert via skills.sh. **Install prompt EN:** ``` Prerequisites: historical win/loss data (50+ closed deals minimum, 200+ preferred); an ICP definition; a CRM export of current leads; the data must be accessible to the agent for analysis Install "Lead scoring model builder" for me. Give my agent the skill for building a data-driven lead scoring model from win/loss history — dimension construction, threshold calibration, holdout validation, and batch scoring Repository: https://github.com/onewave-ai/claude-skills/blob/main/lead-scoring-model/SKILL.md 1. Fetch the SKILL.md file for the onewave-ai-claude-skills-lead-scoring-model skill from the repository into a temporary folder and summarize what it does in one or two sentences. 2. Safety check: review the SKILL.md and scripts for anything suspicious (unexpected network calls, shell commands, credential harvesting). This repo should contain zero secrets in code, credentials only via the secure vault, allowed hosts declared in the SKILL.md. Verify that holds here; STOP on any red flag and tell me. 3. Install it as a skill: copy SKILL.md and its helper files into the agent's skills directory, in a folder named "onewave-ai-claude-skills-lead-scoring-model". 4. Verify with no network calls: frontmatter valid, files in place. 5. Report what was installed, where, and what I still need to do myself (e.g. gather the ICP definition, export win/loss data and the current lead list). GitHub is optional: if I have a GitHub account or the gh CLI, you may use it; otherwise public access is fine. Never require it unless it's in the prerequisites above. Rules: don't touch anything outside the temp folder and the install target. Never ask me to paste secrets in chat — credentials go through the secure vault or environment variables. If anything looks off, stop and ask me. ``` **Install prompt FR:** ``` Prérequis : données win/loss historiques (50+ deals clôturés minimum, 200+ préférés) ; une définition d'ICP ; un export CRM des leads actuels ; les données doivent être accessibles à l'agent pour l'analyse Installe-moi « Constructeur de modèle de scoring de leads ». Donne à mon agent le skill de construction d'un modèle de scoring de leads piloté par les données win/loss — construction des dimensions, calibration des seuils, validation sur échantillon de réserve et scoring par lot Dépôt : https://github.com/onewave-ai/claude-skills/blob/main/lead-scoring-model/SKILL.md 1. Récupère le fichier SKILL.md du skill onewave-ai-claude-skills-lead-scoring-model depuis le dépôt dans un dossier temporaire et résume en une ou deux phrases ce qu'il fait. 2. Contrôle de sécurité : examine le SKILL.md et les scripts pour tout contenu suspect (appels réseau inattendus, commandes shell, récolte d'identifiants). Ce dépôt ne doit contenir aucun secret dans le code ; les identifiants passent uniquement par le coffre sécurisé, les hôtes autorisés sont déclarés dans le SKILL.md. Vérifie que c'est bien le cas ; STOP sur le moindre signal d'alerte et préviens-moi. 3. Installe-le comme skill : copie SKILL.md et ses fichiers auxiliaires dans le répertoire des skills de l'agent, dans un dossier nommé « onewave-ai-claude-skills-lead-scoring-model ». 4. Vérifie sans aucun appel réseau : frontmatter valide, fichiers en place. 5. Indique ce qui a été installé, où, et ce qu'il me reste à faire moi-même (p. ex. rassembler la définition d'ICP, exporter les données win/loss et la liste des leads actuels). GitHub est optionnel : si j'ai un compte GitHub ou la CLI gh, tu peux l'utiliser ; sinon l'accès public suffit. Ne jamais l'exiger sauf si c'est dans les prérequis ci-dessus. Règles : ne touche à rien en dehors du dossier temporaire et de la cible d'installation. Ne me demande jamais de coller des secrets dans le chat — les identifiants passent par le coffre sécurisé ou les variables d'environnement. Si quelque chose semble anormal, arrête-toi et demande-moi. ``` ---

⚙ Prérequis: données win/loss historiques (50+ deals clôturés min…

Lead scoring model builder - name_fr: Constructeur de modèle de scoring de leads - tl_en: Build a data-driven lead scoring model from win/loss history — dimensions, thresholds, validation, batch scoring - tl_fr: Construire un modèle de scoring de leads piloté par les données win/loss — dimensions, seuils, validation, scoring par lot - creator: @onewave-ai - type: Agent skill - url: https://github.com/onewave-ai/claude-skills - cat: Sales - kws: lead scoring, win loss, icp, crm, sales, data driven, validation, revops - license: MIT Description EN: Curated by Skill Harbor — a builder for data-driven lead scoring models calibrated on actual win/loss history, not generic best practices. Takes your ICP definition, historical closed deals and a CRM export, finds which attributes correlate with closed-won deals, then generates the scoring model: dimensions and point values traced to measured lift, Hot/Warm/Cool/Cold thresholds with conversion expectations, holdout validation (precision, recall, F1, AUC-ROC, confusion matrix), a CRM implementation guide, and a batch-scoring mode for current leads. Not a duplicate of coreyhaines31-revops — that listing is a general RevOps framework, while this one builds one concrete scoring model from YOUR data, with guardrails against intuition-only models (no win/loss data = set up tracking first, revisit in 90 days). By @onewave-ai, listed here with credit to its creator. Honest caveats: needs real historical win/loss data (50+ closed deals minimum, 200+ preferred) — without it the skill correctly refuses to build; works best with a clean CRM export, so expect data cleanup before analysis. Not verified. Skill Harbor never reviews the code, review it yourself before use. Discovered via skills.sh. Description FR: Sélectionné par Skill Harbor — un constructeur de modèles de scoring de leads pilotés par les données, calibrés sur l'historique réel des victoires/échecs, pas sur des bonnes pratiques génériques. Il prend votre définition d'ICP, vos deals clôturés historiques et un export CRM, trouve quels attributs corrèlent avec les deals gagnés, puis génère le modèle de scoring : dimensions et points tracés jusqu'au lift mesuré, seuils Hot/Warm/Cool/Cold avec attentes de conversion, validation sur échantillon de réserve (précision, rappel, F1, AUC-ROC, matrice de confusion), guide d'implémentation CRM et mode de scoring par lot pour les leads actuels. Pas un doublon de coreyhaines31-revops — cette fiche est un cadre RevOps général, tandis que celle-ci construit UN modèle de scoring concret depuis VOS données, avec des garde-fous contre les modèles fondés sur l'intuition seule (pas de données win/loss = mettez d'abord le suivi en place, revenez dans 90 jours). Crédit : @onewave-ai. Bémols honnêtes : nécessite de vraies données win/loss historiques (50+ deals clôturés minimum, 200+ préférés) — sans elles le skill refuse à juste titre de construire ; fonctionne mieux avec un export CRM propre, prévoyez du nettoyage de données avant l'analyse. Non vérifié. Skill Harbor ne vérifie jamais le code, examinez-le vous-même avant usage. Découvert via skills.sh. Install prompt EN: ``` Prerequisites: historical win/loss data (50+ closed deals minimum, 200+ preferred); an ICP definition; a CRM export of current leads; the data must be accessible to the agent for analysis Install "Lead scoring model builder" for me. Give my agent the skill for building a data-driven lead scoring model from win/loss history — dimension construction, threshold calibration, holdout validation, and batch scoring Repository: https://github.com/onewave-ai/claude-skills/blob/main/lead-scoring-model/SKILL.md 1. Fetch the SKILL.md file for the onewave-ai-claude-skills-lead-scoring-model skill from the repository into a temporary folder and summarize what it does in one or two sentences. 2. Safety check: review the SKILL.md and scripts for anything suspicious (unexpected network calls, shell commands, credential harvesting). This repo should contain zero secrets in code, credentials only via the secure vault, allowed hosts declared in the SKILL.md. Verify that holds here; STOP on any red flag and tell me. 3. Install it as a skill: copy SKILL.md and its helper files into the agent's skills directory, in a folder named "onewave-ai-claude-skills-lead-scoring-model". 4. Verify with no network calls: frontmatter valid, files in place. 5. Report what was installed, where, and what I still need to do myself (e.g. gather the ICP definition, export win/loss data and the current lead list). GitHub is optional: if I have a GitHub account or the gh CLI, you may use it; otherwise public access is fine. Never require it unless it's in the prerequisites above. Rules: don't touch anything outside the temp folder and the install target. Never ask me to paste secrets in chat — credentials go through the secure vault or environment variables. If anything looks off, stop and ask me. ``` Install prompt FR: ``` Prérequis : données win/loss historiques (50+ deals clôturés minimum, 200+ préférés) ; une définition d'ICP ; un export CRM des leads actuels ; les données doivent être accessibles à l'agent pour l'analyse Installe-moi « Constructeur de modèle de scoring de leads ». Donne à mon agent le skill de construction d'un modèle de scoring de leads piloté par les données win/loss — construction des dimensions, calibration des seuils, validation sur échantillon de réserve et scoring par lot Dépôt : https://github.com/onewave-ai/claude-skills/blob/main/lead-scoring-model/SKILL.md 1. Récupère le fichier SKILL.md du skill onewave-ai-claude-skills-lead-scoring-model depuis le dépôt dans un dossier temporaire et résume en une ou deux phrases ce qu'il fait. 2. Contrôle de sécurité : examine le SKILL.md et les scripts pour tout contenu suspect (appels réseau inattendus, commandes shell, récolte d'identifiants). Ce dépôt ne doit contenir aucun secret dans le code ; les identifiants passent uniquement par le coffre sécurisé, les hôtes autorisés sont déclarés dans le SKILL.md. Vérifie que c'est bien le cas ; STOP sur le moindre signal d'alerte et préviens-moi. 3. Installe-le comme skill : copie SKILL.md et ses fichiers auxiliaires dans le répertoire des skills de l'agent, dans un dossier nommé « onewave-ai-claude-skills-lead-scoring-model ». 4. Vérifie sans aucun appel réseau : frontmatter valide, fichiers en place. 5. Indique ce qui a été installé, où, et ce qu'il me reste à faire moi-même (p. ex. rassembler la définition d'ICP, exporter les données win/loss et la liste des leads actuels). GitHub est optionnel : si j'ai un compte GitHub ou la CLI gh, tu peux l'utiliser ; sinon l'accès public suffit. Ne jamais l'exiger sauf si c'est dans les prérequis ci-dessus. Règles : ne touche à rien en dehors du dossier temporaire et de la cible d'installation. Ne me demande jamais de coller des secrets dans le chat — les identifiants passent par le coffre sécurisé ou les variables d'environnement. Si quelque chose semble anormal, arrête-toi et demande-moi. ``` ---

Construire un modèle de scoring de leads piloté par les données win/loss — dimensions, seuils, validation, scoring par lot - **creator:** @onewave-ai - **type:** Agent skill - **url:** https://github.com/onewave-ai/claude-skills - **cat:** Sales - **kws:** lead scoring, win loss, icp, crm, sales, data driven, validation, revops - **license:** MIT **Description EN:** Curated by Skill Harbor — a builder for data-driven lead scoring models calibrated on actual win/loss history, not generic best practices. Takes your ICP definition, historical closed deals and a CRM export, finds which attributes correlate with closed-won deals, then generates the scoring model: dimensions and point values traced to measured lift, Hot/Warm/Cool/Cold thresholds with conversion expectations, holdout validation (precision, recall, F1, AUC-ROC, confusion matrix), a CRM implementation guide, and a batch-scoring mode for current leads. Not a duplicate of coreyhaines31-revops — that listing is a general RevOps framework, while this one builds one concrete scoring model from YOUR data, with guardrails against intuition-only models (no win/loss data = set up tracking first, revisit in 90 days). By @onewave-ai, listed here with credit to its creator. Honest caveats: needs real historical win/loss data (50+ closed deals minimum, 200+ preferred) — without it the skill correctly refuses to build; works best with a clean CRM export, so expect data cleanup before analysis. Not verified. Skill Harbor never reviews the code, review it yourself before use. Discovered via skills.sh. **Description FR:** Sélectionné par Skill Harbor — un constructeur de modèles de scoring de leads pilotés par les données, calibrés sur l'historique réel des victoires/échecs, pas sur des bonnes pratiques génériques. Il prend votre définition d'ICP, vos deals clôturés historiques et un export CRM, trouve quels attributs corrèlent avec les deals gagnés, puis génère le modèle de scoring : dimensions et points tracés jusqu'au lift mesuré, seuils Hot/Warm/Cool/Cold avec attentes de conversion, validation sur échantillon de réserve (précision, rappel, F1, AUC-ROC, matrice de confusion), guide d'implémentation CRM et mode de scoring par lot pour les leads actuels. Pas un doublon de coreyhaines31-revops — cette fiche est un cadre RevOps général, tandis que celle-ci construit UN modèle de scoring concret depuis VOS données, avec des garde-fous contre les modèles fondés sur l'intuition seule (pas de données win/loss = mettez d'abord le suivi en place, revenez dans 90 jours). Crédit : @onewave-ai. Bémols honnêtes : nécessite de vraies données win/loss historiques (50+ deals clôturés minimum, 200+ préférés) — sans elles le skill refuse à juste titre de construire ; fonctionne mieux avec un export CRM propre, prévoyez du nettoyage de données avant l'analyse. Non vérifié. Skill Harbor ne vérifie jamais le code, examinez-le vous-même avant usage. Découvert via skills.sh. **Install prompt EN:** ``` Prerequisites: historical win/loss data (50+ closed deals minimum, 200+ preferred); an ICP definition; a CRM export of current leads; the data must be accessible to the agent for analysis Install "Lead scoring model builder" for me. Give my agent the skill for building a data-driven lead scoring model from win/loss history — dimension construction, threshold calibration, holdout validation, and batch scoring Repository: https://github.com/onewave-ai/claude-skills/blob/main/lead-scoring-model/SKILL.md 1. Fetch the SKILL.md file for the onewave-ai-claude-skills-lead-scoring-model skill from the repository into a temporary folder and summarize what it does in one or two sentences. 2. Safety check: review the SKILL.md and scripts for anything suspicious (unexpected network calls, shell commands, credential harvesting). This repo should contain zero secrets in code, credentials only via the secure vault, allowed hosts declared in the SKILL.md. Verify that holds here; STOP on any red flag and tell me. 3. Install it as a skill: copy SKILL.md and its helper files into the agent's skills directory, in a folder named "onewave-ai-claude-skills-lead-scoring-model". 4. Verify with no network calls: frontmatter valid, files in place. 5. Report what was installed, where, and what I still need to do myself (e.g. gather the ICP definition, export win/loss data and the current lead list). GitHub is optional: if I have a GitHub account or the gh CLI, you may use it; otherwise public access is fine. Never require it unless it's in the prerequisites above. Rules: don't touch anything outside the temp folder and the install target. Never ask me to paste secrets in chat — credentials go through the secure vault or environment variables. If anything looks off, stop and ask me. ``` **Install prompt FR:** ``` Prérequis : données win/loss historiques (50+ deals clôturés minimum, 200+ préférés) ; une définition d'ICP ; un export CRM des leads actuels ; les données doivent être accessibles à l'agent pour l'analyse Installe-moi « Constructeur de modèle de scoring de leads ». Donne à mon agent le skill de construction d'un modèle de scoring de leads piloté par les données win/loss — construction des dimensions, calibration des seuils, validation sur échantillon de réserve et scoring par lot Dépôt : https://github.com/onewave-ai/claude-skills/blob/main/lead-scoring-model/SKILL.md 1. Récupère le fichier SKILL.md du skill onewave-ai-claude-skills-lead-scoring-model depuis le dépôt dans un dossier temporaire et résume en une ou deux phrases ce qu'il fait. 2. Contrôle de sécurité : examine le SKILL.md et les scripts pour tout contenu suspect (appels réseau inattendus, commandes shell, récolte d'identifiants). Ce dépôt ne doit contenir aucun secret dans le code ; les identifiants passent uniquement par le coffre sécurisé, les hôtes autorisés sont déclarés dans le SKILL.md. Vérifie que c'est bien le cas ; STOP sur le moindre signal d'alerte et préviens-moi. 3. Installe-le comme skill : copie SKILL.md et ses fichiers auxiliaires dans le répertoire des skills de l'agent, dans un dossier nommé « onewave-ai-claude-skills-lead-scoring-model ». 4. Vérifie sans aucun appel réseau : frontmatter valide, fichiers en place. 5. Indique ce qui a été installé, où, et ce qu'il me reste à faire moi-même (p. ex. rassembler la définition d'ICP, exporter les données win/loss et la liste des leads actuels). GitHub est optionnel : si j'ai un compte GitHub ou la CLI gh, tu peux l'utiliser ; sinon l'accès public suffit. Ne jamais l'exiger sauf si c'est dans les prérequis ci-dessus. Règles : ne touche à rien en dehors du dossier temporaire et de la cible d'installation. Ne me demande jamais de coller des secrets dans le chat — les identifiants passent par le coffre sécurisé ou les variables d'environnement. Si quelque chose semble anormal, arrête-toi et demande-moi. ``` ---

L’essentiel

Quoi: Construire un modèle de scoring de leads piloté par les données win/loss — dimensions, seuils, validation, scoring par lot - **creator:** @onewave-ai - **type:** Agent skill - **url:** https://github.com/onewave-ai/claude-skills - **cat:** Sales - **kws:** lead scoring, win loss, icp, crm, sales, data driven, validation, revops - **license:** MIT **Description EN:** Curated by Skill Harbor — a builder for data-driven lead scoring models calibrated on actual win/loss history, not generic best practices. Takes your ICP definition, historical closed deals and a CRM export, finds which attributes correlate with closed-won deals, then generates the scoring model: dimensions and point values traced to measured lift, Hot/Warm/Cool/Cold thresholds with conversion expectations, holdout validation (precision, recall, F1, AUC-ROC, confusion matrix), a CRM implementation guide, and a batch-scoring mode for current leads. Not a duplicate of coreyhaines31-revops — that listing is a general RevOps framework, while this one builds one concrete scoring model from YOUR data, with guardrails against intuition-only models (no win/loss data = set up tracking first, revisit in 90 days). By @onewave-ai, listed here with credit to its creator. Honest caveats: needs real historical win/loss data (50+ closed deals minimum, 200+ preferred) — without it the skill correctly refuses to build; works best with a clean CRM export, so expect data cleanup before analysis. Not verified. Skill Harbor never reviews the code, review it yourself before use. Discovered via skills.sh. **Description FR:** Sélectionné par Skill Harbor — un constructeur de modèles de scoring de leads pilotés par les données, calibrés sur l'historique réel des victoires/échecs, pas sur des bonnes pratiques génériques. Il prend votre définition d'ICP, vos deals clôturés historiques et un export CRM, trouve quels attributs corrèlent avec les deals gagnés, puis génère le modèle de scoring : dimensions et points tracés jusqu'au lift mesuré, seuils Hot/Warm/Cool/Cold avec attentes de conversion, validation sur échantillon de réserve (précision, rappel, F1, AUC-ROC, matrice de confusion), guide d'implémentation CRM et mode de scoring par lot pour les leads actuels. Pas un doublon de coreyhaines31-revops — cette fiche est un cadre RevOps général, tandis que celle-ci construit UN modèle de scoring concret depuis VOS données, avec des garde-fous contre les modèles fondés sur l'intuition seule (pas de données win/loss = mettez d'abord le suivi en place, revenez dans 90 jours). Crédit : @onewave-ai. Bémols honnêtes : nécessite de vraies données win/loss historiques (50+ deals clôturés minimum, 200+ préférés) — sans elles le skill refuse à juste titre de construire ; fonctionne mieux avec un export CRM propre, prévoyez du nettoyage de données avant l'analyse. Non vérifié. Skill Harbor ne vérifie jamais le code, examinez-le vous-même avant usage. Découvert via skills.sh. **Install prompt EN:** ``` Prerequisites: historical win/loss data (50+ closed deals minimum, 200+ preferred); an ICP definition; a CRM export of current leads; the data must be accessible to the agent for analysis Install "Lead scoring model builder" for me. Give my agent the skill for building a data-driven lead scoring model from win/loss history — dimension construction, threshold calibration, holdout validation, and batch scoring Repository: https://github.com/onewave-ai/claude-skills/blob/main/lead-scoring-model/SKILL.md 1. Fetch the SKILL.md file for the onewave-ai-claude-skills-lead-scoring-model skill from the repository into a temporary folder and summarize what it does in one or two sentences. 2. Safety check: review the SKILL.md and scripts for anything suspicious (unexpected network calls, shell commands, credential harvesting). This repo should contain zero secrets in code, credentials only via the secure vault, allowed hosts declared in the SKILL.md. Verify that holds here; STOP on any red flag and tell me. 3. Install it as a skill: copy SKILL.md and its helper files into the agent's skills directory, in a folder named "onewave-ai-claude-skills-lead-scoring-model". 4. Verify with no network calls: frontmatter valid, files in place. 5. Report what was installed, where, and what I still need to do myself (e.g. gather the ICP definition, export win/loss data and the current lead list). GitHub is optional: if I have a GitHub account or the gh CLI, you may use it; otherwise public access is fine. Never require it unless it's in the prerequisites above. Rules: don't touch anything outside the temp folder and the install target. Never ask me to paste secrets in chat — credentials go through the secure vault or environment variables. If anything looks off, stop and ask me. ``` **Install prompt FR:** ``` Prérequis : données win/loss historiques (50+ deals clôturés minimum, 200+ préférés) ; une définition d'ICP ; un export CRM des leads actuels ; les données doivent être accessibles à l'agent pour l'analyse Installe-moi « Constructeur de modèle de scoring de leads ». Donne à mon agent le skill de construction d'un modèle de scoring de leads piloté par les données win/loss — construction des dimensions, calibration des seuils, validation sur échantillon de réserve et scoring par lot Dépôt : https://github.com/onewave-ai/claude-skills/blob/main/lead-scoring-model/SKILL.md 1. Récupère le fichier SKILL.md du skill onewave-ai-claude-skills-lead-scoring-model depuis le dépôt dans un dossier temporaire et résume en une ou deux phrases ce qu'il fait. 2. Contrôle de sécurité : examine le SKILL.md et les scripts pour tout contenu suspect (appels réseau inattendus, commandes shell, récolte d'identifiants). Ce dépôt ne doit contenir aucun secret dans le code ; les identifiants passent uniquement par le coffre sécurisé, les hôtes autorisés sont déclarés dans le SKILL.md. Vérifie que c'est bien le cas ; STOP sur le moindre signal d'alerte et préviens-moi. 3. Installe-le comme skill : copie SKILL.md et ses fichiers auxiliaires dans le répertoire des skills de l'agent, dans un dossier nommé « onewave-ai-claude-skills-lead-scoring-model ». 4. Vérifie sans aucun appel réseau : frontmatter valide, fichiers en place. 5. Indique ce qui a été installé, où, et ce qu'il me reste à faire moi-même (p. ex. rassembler la définition d'ICP, exporter les données win/loss et la liste des leads actuels). GitHub est optionnel : si j'ai un compte GitHub ou la CLI gh, tu peux l'utiliser ; sinon l'accès public suffit. Ne jamais l'exiger sauf si c'est dans les prérequis ci-dessus. Règles : ne touche à rien en dehors du dossier temporaire et de la cible d'installation. Ne me demande jamais de coller des secrets dans le chat — les identifiants passent par le coffre sécurisé ou les variables d'environnement. Si quelque chose semble anormal, arrête-toi et demande-moi. ``` ---
Coût: Gratuit
Prérequis: données win/loss historiques (50+ deals clôturés minimum, 200+ préférés) ; une définition d'ICP ; un export CRM des leads actuels ; les données doivent être accessibles à l'agent pour l'analyse
Installation: Copiez le prompt d’installation ci-dessous dans votre Muse — votre agent fait le reste.

Version :

Créé par : @onewave-ai

L'obtenir gratuitement — Gratuit Voir le code source

⌁

Installation

Prérequis : données win/loss historiques (50+ deals clôturés minimum, 200+ préférés) ; une définition d'ICP ; un export CRM des leads actuels ; les données doivent être accessibles à l'agent pour l'analyse Installe-moi « Constructeur de modèle de scoring de leads ». Donne à mon agent le skill de construction d'un modèle de scoring de leads piloté par les données win/loss — construction des dimensions, calibration des seuils, validation sur échantillon de réserve et scoring par lot Dépôt : https://github.com/onewave-ai/claude-skills/blob/main/lead-scoring-model/SKILL.md 1. Récupère le fichier SKILL.md du skill onewave-ai-claude-skills-lead-scoring-model depuis le dépôt dans un dossier temporaire et résume en une ou deux phrases ce qu'il fait. 2. Contrôle de sécurité : examine le SKILL.md et les scripts pour tout contenu suspect (appels réseau inattendus, commandes shell, récolte d'identifiants). Ce dépôt ne doit contenir aucun secret dans le code ; les identifiants passent uniquement par le coffre sécurisé, les hôtes autorisés sont déclarés dans le SKILL.md. Vérifie que c'est bien le cas ; STOP sur le moindre signal d'alerte et préviens-moi. 3. Installe-le comme skill : copie SKILL.md et ses fichiers auxiliaires dans le répertoire des skills de l'agent, dans un dossier nommé « onewave-ai-claude-skills-lead-scoring-model ». 4. Vérifie sans aucun appel réseau : frontmatter valide, fichiers en place. 5. Indique ce qui a été installé, où, et ce qu'il me reste à faire moi-même (p. ex. rassembler la définition d'ICP, exporter les données win/loss et la liste des leads actuels). GitHub est optionnel : si j'ai un compte GitHub ou la CLI gh, tu peux l'utiliser ; sinon l'accès public suffit. Ne jamais l'exiger sauf si c'est dans les prérequis ci-dessus. Règles : ne touche à rien en dehors du dossier temporaire et de la cible d'installation. Ne me demande jamais de coller des secrets dans le chat — les identifiants passent par le coffre sécurisé ou les variables d'environnement. Si quelque chose semble anormal, arrête-toi et demande-moi.

Questions

Comment installer une création ?

Chaque fiche produit contient un prompt d’installation à copier-coller. Collez-le dans votre Muse et il installe la création pour vous — sans configuration manuelle.

Où va mon argent ?

Directement au vendeur. Skill Harbor ne traite jamais les paiements : le paiement se fait sur la page du vendeur, généralement via Stripe.

Que signifie le ✓ à côté du nom d’un créateur ?

Il signifie que nous avons confirmé l’identité de la personne derrière la fiche. Il ne dit rien sur le code lui-même — vérifiez toujours une création avant de l’installer.