Clay GTM 数据丰富教程：从目标名单到可执行外联素材

这篇教程会完成什么

这篇教程会带你用 Clay 搭建一个可复用的 B2B GTM 数据丰富工作流。目标不是一次性导出一堆联系人，而是把「目标公司名单」变成「销售可以真正行动的账户情报」。

完成后，你会得到一张 Clay 表格，里面包含公司域名、公司规模、行业、关键联系人、邮箱验证结果、近期信号、AI 账户摘要、是否符合 ICP，以及一段可供销售参考的个性化外联素材。

这个流程适合海外 B2B SaaS、销售运营、增长团队和 RevOps 使用。如果你只是想快速找几个邮箱，可以先用 Apollo.io 或其他联系人数据库；如果你想把名单研究、数据清洗和个性化准备系统化，Clay 更适合。

开始前需要准备

开始之前，建议先准备四样东西。

第一，准备一份目标公司名单。最简单的格式是公司名称和官网域名。域名比公司名更重要，因为很多数据源和 AI 研究都依赖域名进行匹配。

第二，定义你的 ICP。不要只写「B2B 公司」这种宽泛描述。更好的定义是：行业、员工规模、目标地区、是否有特定技术栈、是否正在招聘相关岗位、是否属于某个成熟度阶段。

第三，确定需要输出给销售团队的字段。初次搭建时不要贪多。建议先保留：公司简介、员工规模、行业、目标联系人、邮箱状态、近期触发信号、ICP 判断、推荐切入点。

第四，设置预算意识。Clay 的很多数据丰富和 AI 研究动作会消耗积分。新流程先用 50 到 100 条公司测试，不要一上来跑完整数据库。

第一步：创建工作区并导入公司名单

在 Clay 中新建一个 table，把 CSV 或 Google Sheets 中的公司名单导入。建议字段至少包括：company_name、domain、source、segment。source 用来记录名单来源，例如 webinar、LinkedIn、funding list、existing CRM；segment 用来区分优先级或市场类型。

导入后先做一次数据检查。把明显缺失域名、域名格式错误、重复公司名的记录单独标记出来。Clay 可以处理很多后续动作，但基础输入越干净，后面的数据丰富越稳定。

一个实用做法是先添加一个 is_valid_domain 字段，用规则判断 domain 是否为空、是否包含空格、是否像一个真实域名。只有通过基础检查的公司，才继续跑后续数据丰富。

第二步：补全公司基础信息

接下来开始做公司级数据丰富。你可以添加公司规模、行业、LinkedIn URL、总部地区、技术栈、融资信息等字段。

这里不要急着把所有供应商都打开。更合理的方式是从最便宜、最稳定的数据开始，只有字段为空时再调用更昂贵的数据源。Clay 的 waterfall enrichment 很适合这个场景：先尝试数据源 A，找不到再尝试数据源 B，再找不到才进入人工或 AI 研究步骤。

建议先补这几列：

• employee_count：判断是否符合目标公司规模。
• industry：用于过滤明显不相关行业。
• company_linkedin：后续找联系人和验证公司信息会用到。
• tech_stack：如果你的产品和某类技术相关，这个字段很有价值。
• funding_or_growth_signal：用于判断是否有近期采购或扩张可能。

完成后，添加一个 company_fit_score 字段。评分不需要复杂，初版可以用 1 到 5 分：规模匹配、行业匹配、地区匹配、信号匹配各占一部分。低分账户不要继续消耗深度研究积分。

第三步：查找关键联系人

公司数据完成后，再进入联系人层面。不要默认查找所有职位。先确定你真正要联系的人：Founder、VP Sales、Head of Marketing、RevOps、Security Lead，还是 Engineering Manager。

在 Clay 中，可以基于公司域名和目标职位查找联系人。建议为不同 persona 建立不同字段，例如 target_persona、contact_name、contact_title、contact_linkedin、email、email_status。

邮箱验证很重要。不要把未验证邮箱直接导入外联工具。可以设置条件：只有 email_status 为 valid 或 confidence 达到阈值时，才进入后续外联队列。对于高价值账户，可以允许人工补查；对于低价值账户，直接跳过。

如果一个公司找到多个联系人，不要全部塞进同一条记录里。更好的方式是保持账户表和联系人表的边界，或者至少明确 primary_contact，避免后续同步 CRM 时产生混乱。

第四步：用 AI 做账户研究

这是 Clay 最有价值的部分之一。你可以让 AI 读取公司官网、产品页面、招聘页面或新闻信息，然后生成结构化字段。

建议不要直接让 AI 写完整邮件，而是让它输出更可控的字段，例如：

• what_the_company_does：一句话说明公司业务。
• possible_pain_point：可能存在的业务痛点。
• recent_signal_summary：近期信号摘要。
• why_now：为什么现在适合联系。
• personalization_angle：销售可使用的切入角度。

提示词要尽量具体。比如不要写「研究这家公司」，而是写「基于官网和招聘页面，判断这家公司是否正在扩张销售或市场团队，并用中文输出不超过 80 字的判断依据」。结构化输出比长段落更容易审核和复用。

第五步：判断是否符合 ICP

有了公司数据和 AI 研究字段后，添加一个 icp_status 字段。可以设置为 qualified、maybe、not_fit 三类。

初版判断可以很简单：公司规模在目标范围内，行业匹配，有明确业务痛点，找到有效联系人，就标记为 qualified；缺少一两个字段但仍有潜力，标记为 maybe；明显不相关或数据不足，标记为 not_fit。

这个字段非常重要，因为它决定后续是否进入外联工具、CRM 或广告受众。不要让所有名单都默认进入销售流程，否则 Clay 只会帮你更快地产生低质量线索。

第六步：输出给销售团队

最后，把合格账户输出到团队已有工具。可以是 HubSpot、Salesforce、Apollo.io、Instantly，也可以先导出为 CSV 让销售团队审核。

输出字段建议保持克制：公司名、域名、联系人、职位、邮箱、ICP 状态、评分、AI 摘要、推荐切入点、数据来源。销售人员不需要看到 Clay 里的所有中间字段，他们需要的是可以快速判断和行动的信息。

如果同步到 CRM，务必提前确认字段映射。不要把 AI 生成的长文本覆盖人工维护字段，也不要让测试数据进入正式 pipeline。第一次同步最好只选择少量记录，并由销售或运营检查字段质量。

常见错误

一开始就跑太多字段

很多团队第一次用 Clay 会非常兴奋，把所有数据源和 AI 研究都加上。结果是积分消耗很快，表格变慢，字段也难以维护。更好的做法是先跑最小可用流程，再根据销售反馈添加字段。

不区分账户优先级

不是所有公司都值得深度研究。先用基础字段筛掉低质量账户，再对高分账户跑 AI 研究和多供应商数据丰富，可以显著降低成本。

直接把 AI 文案发出去

AI 生成的外联文本容易听起来模板化，也可能包含不准确判断。把它当作素材库，而不是最终邮件，会更安全。

忽略数据合规

如果涉及个人邮箱、地区隐私法规或敏感行业，要提前确认数据来源和使用方式。Clay 是工具，不会自动替你解决所有合规问题。

什么时候该换别的工具

如果你的主要需求是找联系人和发邮件，Apollo.io 或 Instantly 更直接。如果你主要需要 CRM 管理，HubSpot 或 Salesforce 是主系统。如果你的目标市场主要在中国大陆，Clay 的海外数据优势可能不够明显。如果团队没有人维护流程，建议先从简单工具开始。

FAQ

Clay 工作流需要技术背景吗？

不一定需要写代码，但需要理解数据字段、条件逻辑和工作流顺序。完全没有运营或数据思维的人，上手会比较慢。

可以把 Clay 和 Apollo.io 一起用吗？

可以。很多团队会把 Apollo.io 作为联系人数据来源，再用 Clay 做多源验证、AI 研究、ICP 判断和个性化素材准备。

初次测试应该跑多少条数据？

建议先跑 50 到 100 条。确认字段质量、积分消耗和销售反馈后，再扩大到完整名单。

Clay 生成的个性化内容能直接发吗？

不建议直接批量发送。更稳妥的方式是让 Clay 生成研究摘要和切入角度，由销售人员审核后再写邮件。