AI Dev Lab
PromptStock

営業メールの下書きを AI プロンプトで使える形にする方法

営業メールをただ書かせるのではなく、相手、提案軸、文字数、CTA まで含めて整える PromptStock の使い方をまとめた記事です。

·decision主力·stage改善して伸ばす

営業メールを AI に書かせると、当たり障りのない文面になりやすいです。 理由は単純で、相手、提案軸、制約条件が足りないまま依頼していることが多いからです。

このページでは、PromptStock を使って営業メール向けプロンプトを実務寄りに整える流れをまとめます。

#まず足りない情報を埋める

最低でも次は入れたいです。

  1. 相手の部署や立場
  2. 伝えたい価値
  3. 文字数の目安
  4. CTA の種類

これだけで、単なる一般論から抜けやすくなります。

#ありがちな雑な依頼

営業メールを書いて

この依頼だと、相手に刺さる理由が入りません。

#実務で使いやすい依頼の形

BtoB SaaS の初回提案メールを書いて。 対象は情報システム部。伝えたい価値は運用負荷軽減。 200 文字前後で、件名候補も 3 つ出して。

こうすると、メール本文だけでなく件名まで含めて比較しやすくなります。

#PromptStock の使いどころ

  • ビジネス系テンプレから近い型を見つける
  • 詳細ページでそのままコピーして試す
  • 改善ページで自社向けの前提を足す

一覧だけで終わらず、そのまま改善に進めるのが使いやすいところです。

#次に見るべきポイント

  • 相手視点の価値が入っているか
  • 1 通目として重すぎないか
  • CTA が曖昧ではないか
  • 件名候補に差があるか

#次に進むなら

  • PromptStock のビジネスカテゴリを見る
  • 詳細ページから 1 本コピーして試す
  • 成果が弱ければ改善ページで条件を追加する

営業メールは、文章力より前提整理の影響が大きいです。 だから PromptStock では、雑な依頼を使える依頼へ変える入口を重視しています。

[ ./next_action ]

読んだら、 PromptStock を実際に動かす。

この開発ログは PromptStock をどう作ったかの記録です。 読み終わったらそのままサービス本体へ戻って、 実物で価値を確かめてください。

[ ./related_logs ]

関連する開発ログ

all logs →
TurnStone

TurnStone ができるまで — リバーシ AI の読みを盤に出す

リバーシ AI 対戦の開発ログ。 評価関数を 1 つの数値に潰さず 位置 ・ 打てる手 ・ 角 ・ 確定石 ・ 石数 の内訳で返す形にし、 置けるマス全部に評価値を重ねた記録です。 全手の点数を正しく出すために、 根での枝刈りを捨てた話も書いています。

read log →
ToonCast

ToonCast ができるまで — AnimeGANv2 をブラウザで動かす

AnimeGANv2 の小さな ONNX (約9MB) を onnxruntime-web (単一スレッド WASM=COOP/COEP不要、 color-revive で承認済みライブラリの再利用) で実行。 512x512・[-1,1] 正規化で推論し、 結果を元解像度に戻して表示する設計記録。 写真は端末内処理。

read log →
ColorRevive

ColorRevive ができるまで — onnxruntime-web で白黒写真をカラー化

DeOldify の量子化 ONNX を onnxruntime-web (CDN side-load・単一スレッド WASM=COOP/COEP不要) で実行。 256x256 でモデル推論し、 輝度は元写真・色だけ AI を YCbCr で再合成して輪郭を保つ設計記録。 写真は端末内処理。

read log →
PhotoTwin

PhotoTwin ができるまで — CLIP画像埋め込みで似た写真を見つける

CLIP (Xenova/clip-vit-base-patch32) の image-feature-extraction を transformers.js の CDN ESM で side-load し、 各写真を正規化ベクトル化。 cosine 類似度で重複・似た写真をブラウザ内で検出する設計記録 (新ライブラリ追加なし=what-cam と同じ CLIP の再利用)。

read log →
AkinFind

AkinFind ができるまで — ブラウザ内で完結する embeddings 意味検索

多言語の文章埋め込みモデル (Xenova/multilingual-e5-small) を transformers.js の CDN ESM で side-load し、 各文を正規化ベクトル化。 cosine 類似度で意味検索と似ている文ペア検出を全て端末内で行う設計記録。

read log →
WhatCam

WhatCam ができるまで — CLIP のゼロショット画像分類をブラウザで動かす

CLIP (Xenova/clip-vit-base-patch32) を transformers.js の CDN ESM で side-load し、 写真と候補ラベルの近さをブラウザ内で計算。 日本語ラベルを英語プロンプトに変換し、 図鑑と自由入力の両モードで「これ何?」を判定する設計記録。

read log →