产品创建的内部厨房与业务发展过程一样有趣且重要。这就是为什么我们决定向您介绍一些令人兴奋的开发部分的原因。
Rainex.GetLeads 是一款用于寻找和吸引新客户的工具。在本文中，我们希望向您揭示潜在客户挖掘和验证的原则和关键步骤，以便您可以对自动化在这个领域的价值形成自己的观点。
在 GetLeads，我们开发了一个基于人工智能的系统，通过LinkedIn实时帮助企业寻找和验证潜在的潜在客户（理想客户）。我们的系统结合了 网络抓取、自然语言处理和机器学习，根据自定义标准识别和验证潜在客户。以下是我们构建它的方式。
起点
Rainex最初是为客户提供的一个计费和订阅管理系统。然而，在与客户的互动中，我们发现扩展的主要障碍不是循环计费，而是找到愿意付款的人。
我们将这视为工具的完美结合 – 找到那些准备购买并立即付款的人。
由于我们主要关注B2B领域，我们以LinkedIn为基础进行搜索。以下是我们关注和希望解决的主要问题：
- 手动搜索耗时
- 通用过滤器通常返回不相关的个人资料
- 职位名称在公司和行业之间有所不同
- 验证一个人是否符合您的理想客户配置文件需要深入分析
我们的目标是在保持高准确性的同时自动化这个过程。
我们的解决方案：AI 助力线索验证
现在让我们直接进入识别潜在客户并验证其的过程，这个过程有8个主要阶段。以下是我们逐步指南，帮助您了解相关潜在客户的世界：
步骤1：生成理想的潜在客户画像
用户使用过滤器来定义他们理想的潜在客户，例如：
- 地点：目标国家和总部
- 公司规模：团队规模范围
- 职位：标准角色（例如，CEO，CMO）或自定义职位名称
- 行业：预定义的行业或用户定义的客户描述
根据这些信息，我们的系统生成一个全面的潜在客户画像 – 理想目标的详细资料。
步骤2：提取关键短语
使用自然语言处理技术，我们分析潜在客户画像以提取：
- 常见的相关个人资料中的关键短语和词组组合
- 行业特定术语
- 职位名称的同义词和变体
这样可以创建一个丰富的术语集，用于定位和匹配。
第三步：行业分类
我们将潜在客户的画像映射到一个或多个行业领域。
对于每个行业领域：
- 我们维护一个精选的常见职位列表
- 用户可以根据自己的用例和经验自定义这些列表
这种分类方式可以实现定制化的潜在客户匹配。
第四步：抓取LinkedIn数据
通过提取的关键词和行业背景，我们的系统：
- 在LinkedIn上搜索相关公司
- 从这些公司中提取员工档案
- 准备一个潜在的潜在客户池
我们使用分布式爬虫基础设施来避免速率限制并保持速度。
第5-6步：个人资料验证
对于每个个人资料：
- 我们将这个人分类到一个行业领域中
- 按行业领域对个人资料进行分组，以便进行批量分析
这样可以确保更一致和具有上下文意识的评估。
第7步：AI 助力职位验证
对于每个部门内的个人资料组：
- 我们生成提示并将其发送给AI
- AI确定员工是否适合该部门的目标职位
模型评估：
- 职位标题的细微差别（例如，“增长负责人”与“增长营销负责人”）
- 工作经验和描述
- 技能、认可和个人资料摘要
结果是对于模糊或独特的职位，得到了细致入微的匹配。
第八步：交付验证的潜在客户
我们为用户提供：
- 包含经过验证的潜在客户的公司列表
- 与目标概要相匹配的具体员工
- 置信度评分以指示匹配强度
这使用户只需关注高置信度的验证过的潜在客户。
技术挑战和解决方案
在构建Rainex.GetLeads时，我们致力于解决B2B销售中最令人沮丧的问题之一：浪费时间在糟糕的潜在客户上。销售团队不需要更多的联系人，他们需要正确的联系人，实时验证，并且愿意交谈。
理论上听起来很简单。但实际上呢？我们经历了大量的实验、失败的想法和定制工程。让我们来看看我们面临的技术挑战，以及我们如何使用人工智能、智能系统和坚持不懈来解决这些问题。
1. 建立职位角色的共同语言
挑战：现实中的职位头衔一团糟。一个公司的“客户成功巨星”在另一个公司可能是“客户经理”。考虑到行业、地区和公司规模的因素，数据变得混乱不堪。当您试图确定决策者时，这种不一致性会导致一切都乱套了。
解决方案：我们构建了一个自定义职位标准化系统。它利用自然语言处理将不寻常或有创意的职位头衔映射到各行各业和层级的标准化等价职位上。这意味着“增长负责人”和“市场策略师”都可以被正确分类为市场决策者，而不会让系统感到困惑。
2. 规模：无需被阻止的抓取和丰富化
挑战：为了实时验证潜在客户，我们需要每分钟获取和丰富数千个数据点，而不会触发速率限制或由于被阻止的请求而暗淡无光。
解决方案：我们开发了一个分布式爬虫架构，可以同时运行数千个个人资料。它使用轮换代理、智能退避时间和区域特定路由来保持低调。结果是一个可扩展、可靠的引擎，能够持续不断地向我们的潜在客户系统提供新鲜、经过验证的数据，而且几乎没有停机时间和速率限制。
影响
应对这些挑战后，GetLeads现在可以提供与您最佳客户相匹配的决策者线索，实时验证，并根据转化可能性进行评分。无需手动研究，无坏数据，只有充满高潜力的潜在客户的销售渠道。
这并不容易，但如果容易，每个人都会这样做。我们不能等待“足够好”的工具，所以我们自己构建了一个。我们为此感到非常自豪。
我们的客户已经实现了：
- 高达90%的线索搜索时间减少
- 与手动方法相比，线索资格认定准确性提高了40%
- 更高的线索发现率，尤其是在利基或代表性不足的角色中
接下来是什么？
尽管我们目前的系统已经取得了很好的结果，但我们仍在不断改进。以下是我们接下来要做的工作：
1. 使用预先构建的数据库进行更快的搜索和结果
实时抓取LinkedIn非常强大，但对于大规模搜索来说可能速度较慢。为了提高速度和减少延迟，我们正在构建一个专有数据库，其中包含预处理的公司和员工档案。
这将实现以下功能：
- 即时获取常见目标客户资料
- 历史数据跟踪（例如，随时间变化的角色变动）
- 减少抓取/API开销
这种混合方法将结合实时搜索的灵活性和预缓存数据的性能。
2.通过反馈循环提高准确性
为了不断改进我们的AI验证，我们正在添加自动反馈系统和学习循环：
- 用户反馈整合 – 对潜在客户进行赞/踩，以便进行模型重新训练
- 结果重新排序 – 基于实际转化为会议或销售的个人资料
- 动态关键词调整 – 反映不断变化的职位名称和行业术语
这将有助于系统随着时间的推移进行自我优化，特别是对于利基或快速变化的行业。
3. 可衡量投资回报的外联分析
找到合格的潜在客户只是问题的一半，了解在外联之后发生的事情对于衡量成功至关重要。
我们在我们的流程之上添加了一个完整的分析层：
- 活动表现跟踪（开启率、回应率、点击率）
- 潜在客户转化见解
- 外联信息的A/B测试以查看哪些内容更具共鸣
这些见解将使用户能够看到哪些方法有效，并帮助他们不断改进自己的方法。
