Clay 是一家人工智能驱动的销售和增长自动化平台,成立于 2017 年,由 Kareem Amin 和 Nicolae Rusan 共同创立。最初,Clay 旨在降低编程门槛,让更多人能够轻松构建自动化工作流。到2021 年底,Clay 逐渐转向销售和市场营销自动化领域,帮助企业高效拓展潜在客户、提升客户研究能力,并实现个性化的规模化增长。
Clay 的核心理念是“将任何增长想法变为现实”(Turn Any Growth Idea Into Reality),其产品允许用户无代码或低代码地进行数据整合、潜在客户搜索和 AI 辅助营销,从而让企业能够更精准地触达目标用户。Clay 主要面向增长型企业和销售团队,帮助他们在客户获取和营销自动化方面实现降本增效。其主要客户包括:B2B 企业(需要精准拓展潜在客户)、SaaS 公司(优化销售流程,提高转化率)、市场营销团队(自动化外联和潜在客户研究)、投资者 & 风投公司(寻找高潜力创业公司和创始人)等。目前,Clay 已服务 5,000 多家企业,包括 OpenAI、Canva、Anthropic 等知名公司。
图片来源:Clay 官网
Clay集成了 75+ 个数据提供商(如 LinkedIn、Clearbit、Apollo),可以自动爬取和整合潜在客户的详细信息,如公司规模、职位、融资历史等。同时, Clay 内置 AI Agent,帮助团队快速生成关于目标客户的背景研究,包括但不限于目标公司的近期新闻,关键高管的信息,竞争对手分析等。这些功能能帮助销售人员在联系客户前做好充分准备,提高转化率。更重要的是, 用户可以通过 Clay拖拽式操作创建自动化工作流,将多种数据源(如 HubSpot、Salesforce、Notion、Google Sheets)整合到一个平台。Clay 也支持 API 集成,开发者可扩展 Clay 的功能,将其与企业现有的 CRM、销售工具无缝对接。
1 核心功能:以模块化方式构建AI销售代表,使每个组件独立运行并可定制化。
Clay 致力帮助客户企业的销售 GTM 团队更好的执行 Outbound 任务。主要功能包括:
1)辅助调研竞争对手
2)完成 SDR 员工的基础网页信息检索和信息调研工作。
输出结果全部以电子表格的形态呈现。 有一个重要的数据整理逻辑框架, “FETE”, 包括 Finding Data (查询数据), Enriching Data(丰富数据), Transforming Data(转换数据), Exporting Data(输出数据) 四步。在此数据逻辑下, Clay 为用户提供的主流场景(表格模版)分别如下:Signals,Companies, People, Other。 用户可以根据需求在自己的 workbooks 上进行个性化操作。
例如,在 Company 模版下, 在选好你需要的模版后, 界面左侧会出现一系列的筛选条件,来更精准地匹配目标。 用户可以通过筛选行业、公司规模、公司类型、关键字、地理位置等信息检索并生成关于公司的列表。 用户还可以通过调节相应的参数,来将列表缩小或扩大到理想的客户画像(ICP)中,并测试想要触达的群体。
图片来源:Clay 官网
在创建好初始的 Company 列表后, 用户可以使用瀑布流(Waterfalls) 对数据进行进一步的充实。 由于 Clay 拥有强大的数据集成能力, 用户可以从每个供应商处获取所需要的数据,避免手动操作多个数据供应商的繁琐过程,节省成本同时实现最大化数据覆盖。 已有的供应商包括但不限于:LinkedIn、Salesforce、GitHub、Pitchbook、Ocean.io、Google Maps 等。
图片来源: Clay 官网
Claygent 是 Clay 的 AI+SDR Agent。Claygent 可以帮助用户执行职能任务, 非常适合不想手动进行的数据收集和抓取工作。 用户在使用 Claygent 时, 需要新建一个表格, 添加想要研究的 ICP 列表, 选择 Add Enrichment, 并在 Tools 中找到 Claygent (AI web Scraper ) 点击并且使用。 在抓取网站数据时, 直接将整个网站发送给模型处理的效率并不高, Claygent 会通过询问模型抓取网站中的哪个部分最有可能包含其所需要的信息, 并针对性抓取最有效的网页部分。
从产品技术实现的角度来看,Claygent 是一款 AI 驱动的网络抓取工具,利用 GPT-4 来理解和提取网站中的高度具体信息。 其工程的扎实性可能是 Clay 在潜在客户生成效果上领先于其他公司的关键因素之一。为了提高数据抓取的效率,与直接抓取整个网站不同,Claygent 首先会咨询 GPT-4,确定哪些部分最有可能包含所需信息。例如,GPT-4 可能会提示 SOC-2 合规信息通常位于页脚,Claygent 便会集中抓取页脚部分,而不是整个网站。此外,Claygent 还运用了二分搜索法:先选择网站的一部分进行检查,如果未找到目标数据,则转向另一部分。这种方法通过逐步缩小搜索范围,最终精准定位所需信息,从而显著提升了抓取效率。
同时, Claygent 提供了多种 AI 模型供用户选择,每个模型各有其独特优势:
•Claygent Neon:这是 Claygent 的旗舰模型,专为 Agent 任务设计。尽管其推理能力可能不及其他模型,但在答案格式化和数据提取方面表现突出。Neon 允许将结果格式化为多列或输出,使其能够在一次运行中提取多种数据点。
•GPT-4 和 Claude Opus:这些模型具备更强的推理能力。虽然它们的答案格式化功能不如 Neon,但在测试数据准确性或处理更复杂的分析任务时表现优异。
用户可以根据具体需求,在 Claygent 中灵活选择最适合的 AI 模型,以实现最佳性能。
以 Linkedin 的实际应用为例, Clay 可以丰富 Linkedin 上的个人资料, 用户只需要输入几个变量, Claygent 就可以找到个人 Linkedin 资料并且获取最有价值的信息,例如工作经验,奖项,和总结等。在获取 LinkedIn 数据后,研究人员或营销团队可以借助 AI(此步骤可结合其他工具)对信息进行摘要分析,并提炼出个人最独特或最具价值的三大亮点,以便优化用户画像或定制化内容策略。对于收集到的各类研究资料,Claygent 可进一步提取核心元数据,并进行自动化内容分析。例如,它可以对内容类型(如博客、访谈、播客等)进行分类,识别作者信息,生成要点摘要,并提取相关引述或关键片段,从而提升信息整理的精准度和深度。最后, 借助丰富的个性化数据,企业或研究机构可以通过 Claygent 打造高度定制化的沟通策略。例如,在市场推广或业务拓展中,这些深度洞察能够帮助制定更具吸引力的交流内容,从而提高沟通效率和用户参与度。
图片来源: Clay 官网
客户反馈方面, OpenAI 使用 Clay 的 Salesforce 软件包,帮助销售和 GTM(走向市场)团队更高效地完成数据充实工作。具体来说,Clay 允许销售人员在 Salesforce 系统中直接访问多源数据,无需切换到其他工具或接受额外培训。通过 Clay,销售人员可以:
1.单个账户记录充实:使用最新的多源数据更新单个客户记录。
2.批量潜在客户生成:从某个客户记录中请求一批潜在客户。
3.多记录充实:一次性更新单个或多个潜在客户记录。
在销售高峰期,单个销售人员每天可能会使用 Clay 进行多达 150 次潜在客户充实操作,尤其是在季度初团队需要快速建立销售渠道时。
Clay 的灵活性使得 OpenAI 能够快速实验和调整数据充实策略。例如,OpenAI 的收入运营团队可以根据需要调整数据源和 AI Agent 的工作流程,同时结合现有的数据提供商和 Clay 的集成功能,持续优化数据充实流程。
此外,Clay 的应用不仅限于销售团队。OpenAI 的其他团队,如数据科学、营销运营和招聘团队,也开始使用 Clay 来完成各自的任务。例如:
•数据科学团队:使用 Clay 估算用户群中每家公司的知识工作者数量。
•招聘团队:利用 Clay 寻找曾在高速增长公司工作过的候选人。
Clay 的高采用率和持续使用证明了其在 OpenAI 内部的成功。尽管团队规模扩大,Clay 的使用量依然保持强劲。OpenAI 的收入运营负责人 Keith 指出,GTM 技术失败的一个主要原因是采用率低,但 Clay 每周都有稳定的使用率,尤其是在收入运营、销售和 GTM 团队中。
03 核心团队: 微软系与连续创业者的碰撞
图片来源:红杉资本
Kareem Amin 是 Clay 的联合创始人兼首席执行官。 在创立 Clay 之前,他曾担任《华尔街日报》的产品副总裁。 此外,Kareem 还共同创立了 Frame,这是一款优化电商平板界面的工具,该公司于 2012 年被 Sailthru 收购。 他的职业生涯始于微软,担任产品经理。 在 2017 年,他与 Nicolae Rusan 共同创立了 Clay。Kareem Amin 认为销售和市场推广是创造性行为,Clay 平衡了想象力与自动化的对立力量,不主张完全自动化销售工作,而是让更技术化的人利用人工智能工具,创造性地接触客户。
作为 Co-founder 的 Nicolae 也是一名连续创业者。 他给自己身份的定位是计师、程序员和企业家。 目前,Nicolae 还在经营一家名为 Toolkit 的公司,开发促进人类与人工智能愉快且有意义协作的产品,包括能充当副驾驶和思维伙伴的人工智能助手及队友,以及一些其他在 Toolkit 旗下的项目,如 Magnet 等。Nicolae 从大学起就开始创办公司,此前还共同创立了 Frame 和 The Shared Web,也投资并为初创企业提供建议。
图片来源:Linkedin
04 融资信息:最新获得Meritech Capital领投,估值超 13 亿美金
Clay 于2024 年 6 月在 B 轮融资中筹集了 4600 万美元,估值为 5 亿美元。此轮融资由 Meritech Capital 领投,红杉资本、First Round Capital、BoxGroup 和 Boldstart Ventures 参与。2025 年 1 月在 B 轮扩展融资中额外获得 4000 万美元,使其估值提升至 12.5 亿美元。此轮融资再次由 Meritech Capital 领投,并得到现有投资者的持续支持,估值达到 13 亿美元。
截至 2025 年初,Clay 的团队已发展到约 100 名员工,为 5000 多名客户提供服务,其中包括 OpenAI、Canva 和 Anthropic 等知名公司。
信息来源:
https://www.nicolaerusan.com/?utm_source=chatgpt.com
https://www.sequoiacap.com/article/partnering-with-clay-on-a-mission-to-grow/?utm_source=chatgpt.com
https://www.youtube.com/watch?v=K_F0ncVqWIo&t=9s
https://www.clay.com/blog/scrape-data-from-website-to-excel
https://www.clay.com/university/lesson/find-people-clay-101
文章来自微信公众号 “ Z Potentials “
【开源免费】smart-excel-ai是一个输入你想要的Excel公式的描述,即可帮你生成对应公式的AI项目
项目地址:https://github.com/weijunext/smart-excel-ai
在线使用:https://www.smartexcel.cc/(付费)
【开源免费】n8n是一个可以自定义工作流的AI项目,它提供了200个工作节点来帮助用户实现工作流的编排。
项目地址:https://github.com/n8n-io/n8n
在线使用:https://n8n.io/(付费)
【开源免费】DB-GPT是一个AI原生数据应用开发框架,它提供开发多模型管理(SMMF)、Text2SQL效果优化、RAG框架以及优化、Multi-Agents框架协作、AWEL(智能体工作流编排)等多种技术能力,让围绕数据库构建大模型应用更简单、更方便。
项目地址:https://github.com/eosphoros-ai/DB-GPT?tab=readme-ov-file
【开源免费】VectorVein是一个不需要任何编程基础,任何人都能用的AI工作流编辑工具。你可以将复杂的工作分解成多个步骤,并通过VectorVein固定并让AI依次完成。VectorVein是字节coze的平替产品。
项目地址:https://github.com/AndersonBY/vector-vein?tab=readme-ov-file
在线使用:https://vectorvein.ai/(付费)
【开源免费】AutoGPT是一个允许用户创建和运行智能体的(AI Agents)项目。用户创建的智能体能够自动执行各种任务,从而让AI有步骤的去解决实际问题。
项目地址:https://github.com/Significant-Gravitas/AutoGPT
【开源免费】MetaGPT是一个“软件开发公司”的智能体项目,只需要输入一句话的老板需求,MetaGPT即可输出用户故事 / 竞品分析 / 需求 / 数据结构 / APIs / 文件等软件开发的相关内容。MetaGPT内置了各种AI角色,包括产品经理 / 架构师 / 项目经理 / 工程师,MetaGPT提供了一个精心调配的软件公司研发全过程的SOP。
项目地址:https://github.com/geekan/MetaGPT/blob/main/docs/README_CN.md
【开源免费】graphrag是微软推出的RAG项目,与传统的通过 RAG 方法使用向量相似性作为搜索技术不同,GraphRAG是使用知识图谱在推理复杂信息时大幅提高问答性能。
项目地址:https://github.com/microsoft/graphrag
【开源免费】Dify是最早一批实现RAG,Agent,模型管理等一站式AI开发的工具平台,并且项目方一直持续维护。其中在任务编排方面相对领先对手,可以帮助研发实现像字节扣子那样的功能。
项目地址:https://github.com/langgenius/dify
【开源免费】RAGFlow是和Dify类似的开源项目,该项目在大文件解析方面做的更出色,拓展编排方面相对弱一些。
项目地址:https://github.com/infiniflow/ragflow/tree/main
【开源免费】phidata是一个可以实现将数据转化成向量存储,并通过AI实现RAG功能的项目
项目地址:https://github.com/phidatahq/phidata
【开源免费】TaskingAI 是一个提供RAG,Agent,大模型管理等AI项目开发的工具平台,比LangChain更强大的中间件AI平台工具。
项目地址:https://github.com/TaskingAI/TaskingAI