Clay

Компания Clay добилась 10-кратного роста, переосмыслив обогащение данных и продажи с помощью OpenAI.

Clay logo on a light blue background.

Успешным командам по выходу на рынок (GTM) необходимы исчерпывающие и высококачественные данные, однако процесс сбора, проверки и обогащения этих данных обычно разрознен и распределен по множеству инструментов. Это создает узкое место, замедляющее темпы работы с клиентами. Clay помогает GTM-командам масштабировать коммуникации за счет централизации информации о потенциальных клиентах и персонализации сообщений.

Clay интегрировалась с GPT‑4 для создания Claygent — ИИ-агента, способного проводить любые исследования. Claygent посещает веб-сайты для поиска и обобщения релевантной информации, имитируя работу исследователей по развитию продаж, но делая это намного быстрее и дешевле. С помощью Claygent один человек может выполнять объём работы целой команды.

Компания достигла 10-кратного роста год к году за каждый из последних двух лет, а её клиентская база превысила 100 тысяч пользователей, включая таких крупных клиентов, как Intercom, Verkada и Notion.

Создание Claygent: инструмент для исследования продаж на базе ИИ с использованием GPT-4

Команды GTM часто сталкиваются с разрозненностью данных и рутинными задачами, которые тормозят их усилия по продвижению. Как объясняет Карим Амин (Kareem Amin), соучредитель и генеральный директор Clay: «Все инструменты, появившиеся до эпохи языковых моделей (LLM), пытались автоматизировать исследовательскую работу торговых представителей (SDR) или специалистов по развитию бизнеса (BDR), но они неизбежно заходили в тупик. Поставщики данных могли предоставить максимум 100 точек данных на компанию. Инженеры создавали парсеры, но это было ненадежно и отнимало много времени».

В Clay поняли, что ключом к расширению возможностей таких команд является агрегация данных из множества источников и автоматизация трудоемких исследовательских задач. Они выбрали интеграцию с GPT‑4, поскольку она обладала лучшей языковой моделью на рынке, а её документация по API содержала множество примеров вызова функций (tool calling) в действии.

The image shows a workspace dashboard with a list of documents on the left and a selected case study template on the right. Options like

Оптимизация Claygent для повышения эффективности и надежности

В Clay создали Claygent — ИИ-парсер веб-страниц, который использует GPT‑4 для понимания и извлечения высокоспецифичной информации с сайтов. Чтобы сделать Claygent максимально эффективным, специалисты Clay оптимизируют количество токенов, передаваемых в GPT‑4, и подбирают подходящую модель под каждый конкретный сценарий использования.

При сканировании веб-сайта было бы неэффективно отправлять целиком весь сайт в GPT‑4. Вместо этого Claygent спрашивает у GPT‑4, какой именно раздел сайта с наибольшей вероятностью содержит нужную информацию. Например, GPT‑4 может подсказать, что информация о соответствии стандарту SOC-2 обычно находится в нижней части страницы (футере). После этого Claygent целенаправленно сканирует футер вместо всего сайта.

Claygent также использует метод бинарного поиска: он берет часть веб-страницы, проверяет, содержатся ли там необходимые данные, и если нет, переходит к другой части. Этот подход постепенно сужает область поиска до тех пор, пока не будет найдена нужная информация.

Для оптимизации затрат Clay выбирает наиболее подходящую модель ИИ для каждой продуктовой задачи. Например, их инструмент AI Formula Generator, позволяющий пользователям без технического образования трансформировать данные с помощью простых инструкций на английском языке и примеров, работает на более дешевых и компактных версиях моделей. В то же время скорость и интеллектуальные возможности GPT‑4 Turbo зарезервированы для других, более сложных задач.

Для обеспечения надежности данных Claygent компания объединяет информацию от нескольких провайдеров данных и использует различные модели для перекрестной проверки. Сравнивая результаты парсинга с информацией, полученной из других источников, Claygent может оценивать достоверность и непротиворечивость инсайтов, сгенерированных продуктом.

От идей кампании до взаимодействия с клиентами за считанные минуты: успех Clay с GPT-4

Интеграция GPT‑4 в Clay привела к стремительному росту и успеху у клиентов. Выручка компании увеличивалась в 10 раз за каждый из последних двух лет, а только за первые пять месяцев 2024 года рост составил2,5 раза.

Широкое распространение Claygent стало важнейшим драйвером этого роста. 30% клиентов Clay используют Claygent ежедневно, выполняя впечатляющие 500 000 задач по исследованию и аутричу в день. Эффект неоспорим: команды из одного-двух человек добиваются результатов, для которых раньше требовались десятки инженеров.

Вокруг продукта Clay сформировалась целая экосистема пользователей, известных как Claygencies (или «агентства Clay»). Эти клиенты, часто основанные бывшими специалистами по продажам (SDR), обнаружили, что могут создавать полноценные GTM-агентства на базе Clay, предоставляя такие услуги, как обогащение данных, кампании жизненного цикла, поисковая оптимизация (SEO) и многое другое — и все это прямо внутри платформы Clay. С помощью Clay команда всего из одного или двух человек может выполнять задачи, которые обычно требуют полноценного агентства, что значительно повышает производительность и потенциал человеческих возможностей.

Вдохновляя новую эру бизесов на базе ИИ вместе с Clay

В будущем Clay планирует доработать и настроить свой ИИ-агент для конкретных вертикалей, таких как поиск местных фитнес-клубов, врачей или медсестер. Компания хочет, чтобы Claygent справлялся со сложными запросами вроде «найди мне все компании, которые наняли 10 инженеров за последний месяц». Кроме того, Clay изучает способы использования сигналов и триггеров, чтобы сделать Claygent более проактивным — например, определять момент, когда клиент посещает веб-сайт, и автоматически генерировать персонализированные сообщения или предупреждать отделы продаж о потенциальных возможностях в режиме реального времени.

Хотите узнать больше о ChatGPT для бизнеса?

Связаться с нашей командой

Полный текст статьи читайте на OpenAI