GTM Engineering: A revolução da IA nas vendas B2B

Conheça Clay, o mentor por trás da revolução da IA

Clay é uma plataforma GTM (Go-To-Market), de vendas e marketing fundada em 2017 que teve um crescimento surpreendente em receita e avaliação. A empresa alcançou um aumento de dez vezes na receita durante 2022 e 2023, seguido por um crescimento de seis vezes em 2024. Depois de garantir seu primeiro financiamento da Série A em 2019, Clay alcançou uma avaliação de USD $1,25 bilhão em janeiro de 2025, e USD $ 3 Bi em junho do mesmo ano. De acordo com o site da própria Clay, a plataforma já é utilizada por mais de 5.000 clientes, incluindo empresas proeminentes como OpenAI, Canva, Anthropic, Ramp e Rippling.

Sim, você ouviu direito. Os próprios fundadores da IA — OpenAI — usam o Clay. Conforme mencionado neste Artigo da Forbes:

‍

O chefe de sistemas GTM em OpenAI, Keith Jones, disse que sua equipe usou Clay em seus fluxos de trabalho para lançar e testar novas táticas de vendas entre empresas diariamente. “Na minha opinião profissional, eles têm uma das aplicações mais práticas e empolgantes da IA, em uma prática de décadas que está obsoleta há muito tempo”, escreveu Jones em um e-mail.

‍

Clay está revolucionando a forma como as vendas operam e tem potencial para complementar as maiores plataformas de vendas e marketing, como Hubspot e Salesforce, em um tempo muito (e vamos enfatizar isso “realmente”).

Citando o artigo da Forbes mais uma vez:

‍

Já lidando com o licenciamento e a coleta de dados externos de terceiros para clientes, Clay aproveitou as melhorias na IA para impulsionar esses esforços. O software de Clay agora pode fazer parte do trabalho para o usuário, prevendo quais pontos de dados e padrões podem ser valiosos. Seu agente de IA, chamado de “Claygent”, pode responder a uma pergunta potencialmente valiosa, mas complicada, como encontrar todos os clientes previamente divulgados de uma empresa ou todas as pessoas no LinkedIn que trabalharam em determinadas funções nessa empresa durante um período específico e retornar apenas os resultados.

‍

Vamos mergulhar mais fundo.

‍

O Clay revoluciona a automação de processos que antes eram impossíveis de automatizar. Antes de Clay, os SDRs e os profissionais de vendas que realizavam atividades de comunicação direta enfrentavam duas abordagens principais:

‍

• Envio de e-mails frios automatizados em massa com mensagens altamente modeladas, como: “Oi {first name}, queria entrar em contato com {company_name} porque podemos ajudá-lo a alcançar o resultado X”. Não é de surpreender que 98% desses e-mails sejam ignorados, pois são claramente genéricos e não têm nenhuma relevância real para o destinatário.

‍

• Empregar uma grande equipe de SDRs e BDRs para pesquisar empresas manualmente e criar e-mails personalizados individuais. Embora essa abordagem seja mais eficaz, ela é cara, demorada e depende muito do tamanho da equipe, o que torna difícil para equipes menores escalar seus esforços externos.

‍

Agora, tudo mudou. O Clay permite o envio de mensagens personalizadas individuais na escala de e-mails automatizados de alto volume. Essa mudança é transformadora. Em vez de precisar de uma equipe de cinco SDRs, uma empresa agora pode implantar um engenheiro de entrada no mercado (GTM) (falaremos mais sobre essa função posteriormente) que, com a configuração de Clay, pode enviar até 30.000 e-mails por mês. Esses e-mails não são apenas de alto volume, mas também hiperpersonalizados, altamente pesquisados e altamente relevantes, parecendo ter sido criados por uma pessoa.

No entanto, é importante observar que mensagens totalmente geradas por IA ainda não são totalmente viáveis para divulgação. Com o Clay, os usuários podem criar uma abordagem híbrida: combinar informações humanas com trechos gerados por IA para aprimorar o conteúdo modelado.

Além da personalização do e-mail, o Clay elimina o tedioso processo de pesquisa tradicionalmente exigido de SDRs e BDRs. Anteriormente, os profissionais de vendas pesquisavam clientes potenciais individualmente, vasculhando o Google, e analisando o LinkedIn Sales Navigator para coletar dados. Esse processo manual era demorado e trabalhoso. O Clay automatiza todo esse componente de pesquisa usando agentes de IA para obter informações publicamente disponíveis sobre indivíduos ou empresas, em grande escala. Isso permite que as equipes de vendas concentrem seu tempo em vender, em vez de pesquisar e escrever.

Clay também se destaca no gerenciamento da geração de leads Inbound. Ele centraliza todos os leads recebidos de várias iniciativas de marketing, como anúncios com midia paga, trafego orgânico, newsletters, iscas digitais, webinars e eventos presenciais, em um único hub para pontuação e enriquecimento de dados.

Se seus esforços de marketing geram leads por meio de vários canais, mas você não consegue agir em tempo hábil, você está desperdiçando tempo e recursos. O Clay garante que todos os leads dessas campanhas sejam automaticamente consolidados em um só lugar, permitindo que você atue sobre eles de forma rápida e em grande escala. Tarefas como enriquecimento de leads, coleta de dados adicionais, pontuação e qualificação podem ser perfeitamente automatizadas para esforços de Inbound e Outbound. Uma vez organizados, esses leads podem ser transferidos para plataformas de cadência de mensagens, como Apollo, HubSpot ou Salesforce.

O verdadeiro poder do Clay, entretanto, está em seu papel de plataforma conectiva que se integra com todas as outras ferramentas de vendas, sem competir com elas.

‍

‍

Clay representa uma evolução sem precedentes na aplicação da IA em estruturas de vendas. Se essa inovação te empolga tanto quanto quando a encontrei pela primeira vez, espere um pouco. Há muito, muito mais. Vamos nos aprofundar nas possibilidades de geração de leads e automação com inteligência artificial — não apenas com Clay, mas também com agentes AI GTM — junto com estudos de caso reais que mostram essas ferramentas em ação.

‍

Segmentação de precisão

‍

Sinais de intenção de compra

Os sinais fornecem informações sobre a “intenção de compra” de um cliente potencial. Em outras palavras, eles ajudam a determinar não apenas se um cliente potencial é adequado para a solução que você está oferecendo, mas também sua “prontidão para vendas” — se ele provavelmente está preparado para interagir com sua equipe de vendas e se é o momento certo para você agir. Exemplos de sinais eficazes de intenção de compra incluem:

‍

• Interações em seu site: conversões de conteúdo, número de páginas visualizadas, páginas específicas visualizadas (por exemplo: preços ou página de contato), formulários enviados, etc

‍

• Engajamento por e-mail: e-mails abertos, cliques em e-mails, respostas de e-mails e métricas negativas, como “cancelamentos de inscrição”.

‍

• Engajamento nas mídias sociais: acompanhando sua empresa em vários canais, interagindo com conteúdo social (compartilhamentos, comentários etc.)

‍

Os exemplos acima representam sinais derivados de análises de marketing e códigos de rastreamento tradicionais, comumente chamados de “first party intent data. Esses dados são coletados diretamente de seus próprios ambientes digitais, como seu site, CRM, esforços de mídia social ou interações off-line. Agora, podemos explorar uma gama mais ampla de possibilidades de sinal por meio de “third party intent data”. Esses dados são coletados de fontes externas, oferecendo uma perspectiva mais ampla sobre a intenção do comprador, aproveitando métodos como dados cooperativos de editores ou web scraping. Essencialmente, qualquer informação disponível publicamente na Internet pode ser transformada em um sinal de intenção de compra. Exemplos desses sinais incluem atualizações de conteúdo do site, registros financeiros, avaliações do Google Maps ou atividades nas redes sociais.

Um exemplo comumente usado é “intenção de contratação”. Se uma empresa tiver vagas de emprego abertas em uma área específica, isso pode indicar a necessidade de serviços relacionados. Por exemplo, uma empresa que contrata um analista de marketing digital pode exigir serviços de marketing, enquanto a contratação para o departamento de RH pode sinalizar a necessidade de suporte da agência de recrutamento. Exemplos mais complexos também são possíveis: se você oferece uma plataforma de conformidade, pode monitorar quando os clientes potenciais anunciam planos para obter a certificação SOC 2 ou abrir escritórios em regiões altamente regulamentadas. As equipes bem-sucedidas geralmente combinam vários sinais, por exemplo, sobrepondo sinais de terceiros (por exemplo, uma empresa dobrando sua equipe de engenharia) com sinais primários (por exemplo, a inscrição de um usuário experimental). As possibilidades são limitadas apenas pela sua criatividade.

A imagem abaixo ilustra a vasta gama de sinais de intenção de compra disponíveis no Clay. Além disso, o Clay se integra a outros provedores de dados para aprimorar ainda mais suas capacidades. Por exemplo, a plataforma Delivr.ai oferece insights sobre a intenção de compra em um nível individual, e não apenas no nível da empresa. Commonroom compilou uma lista impressionante de 100 ideias de sinais em um Documento do Google Sheets - no caso de você precisar de inspiração.

‍

‍

Prospecção de contas e personas

Estamos acostumados a filtrar empresas e personalidades ao criar uma lista de clientes potenciais para iniciativas externas, normalmente usando critérios como setor e tamanho da empresa para informações em nível de conta e cargos para informações em nível de pessoa. Com o Clay, no entanto, agora temos acesso a uma ampla variedade de filtros para indivíduos e empresas, além de uma categoria totalmente nova para segmentação precisa, usando “sinais”.

Com a capacidade de acessar e recuperar praticamente qualquer ponto de dados disponível publicamente na Internet, agora podemos aproveitar nossa criatividade para desenvolver novos filtros ao pesquisar uma empresa ou um indivíduo. Por exemplo, ao pesquisar uma pessoa, você pode filtrar não apenas por cargos, mas também por anos de experiência ou palavras-chave específicas em seu perfil. Se você tem uma startup de Tecnologia Industrial (IndTech), pode pesquisar termos como “Indústria 4.0” ou “Inovação” no perfil de um cliente potencial no LinkedIn. Além disso, você pode usar uma fórmula lógica booleana baseada em IA para determinar se o indivíduo é realmente um tomador de decisões em sua organização.

Ao pesquisar uma empresa, você pode criar uma solicitação para que um assistente de IA identifique se uma empresa opera como B2B ou B2C (um recurso já disponível em plataformas como a Apollo) ou até mesmo restringi-la ainda mais para determinar se é uma empresa de SaaS. Por exemplo, você pode usar um prompt como:

‍

“A empresa com o nome {{Nome}} e domínio {{Domínio}} é uma empresa de software como serviço? Retorne dois campos: o primeiro como booleano (\ true\ para sim ou\ false\ para não) e o segundo campo com o raciocínio por trás da resposta”

‍

A verdadeira evolução, porém, é a nova capacidade que temos agora de pesquisar pequenas empresas usando o Google Maps. São empresas que não estão no LinkedIn e, até agora, vasculhar a web em busca dessas informações era uma tarefa árdua. Agora podemos prospectar padarias e salões de beleza com a mesma facilidade com que prospectar empresas da Fortune 500.

Veja a seguir alguns outros exemplos de pesquisas que podemos fazer agora com o Clay:

‍

‍

Enriquecimento de dados

Até recentemente, eu utilizava duas ferramentas separadas, Apollo e Lusha, para conseguir os números de telefone dos clientes potenciais. Percebi que Lusha frequentemente fornecia números alternativos para os mesmos clientes potenciais, aumentando a probabilidade de entrar em contato com alguém em cold calls. No entanto, esse processo era muito demorado, pois exigia a navegação manual em cada perfil do LinkedIn. Felizmente, esses dias acabaram. O Clay oferece uma solução simplificada, permitindo que os usuários pesquisem e-mails e números de telefone profissionais em vários provedores de dados simultaneamente, incluindo Prospeo, DropContact, Datagma, Hunter, PeopleDataLabs, Nimbler, Apollo, Lusha, Snov e outros.

Bem, talvez não simultaneamente. O Clay opera usando um sistema em cascata, consultando sequencialmente cada fonte e parando quando um e-mail válido é encontrado. Os usuários podem decidir se querem interromper a pesquisa depois de encontrar um e-mail — ideal quando os endereços de e-mail são o objetivo principal — ou continuar enriquecendo a tabela de dados com todas as opções disponíveis, como vários números de telefone.

‍

‍

Conforme ilustrado na imagem acima, a cascata de e-mails de Clay não apenas identifica e-mails, mas também os valida. Além disso, o sistema em cascata pode enriquecer outros pontos de dados, como informações relacionadas à empresa (setor, tamanho da empresa, receita, estágio de financiamento) ou outros insights valiosos, como vagas de emprego, notícias recentes e dados adicionais que fornecem uma compreensão mais abrangente de nossos clientes potenciais.

Uma das inovações mais notáveis no enriquecimento de dados é a capacidade do Clay de utilizar seu “Clay AI Agents”. Se um aplicativo de provedor de dados específico não estiver disponível para determinadas informações, os usuários poderão criar uma solicitação personalizada para que a IA pesquise os dados necessários na web. Qualquer coisa, em qualquer lugar. No exemplo abaixo, estamos instruindo a IA a localizar estudos de caso no site de um cliente potencial. Essas informações podem então ser aproveitadas para criar e-mails personalizados, que é o tópico que veremos a seguir.

‍

‍

Personalização em grande escala

A ideia deste artigo não é ser um tutorial de Clay. Então, vamos simplificar para que você possa entender a lógica por trás de como essa personalização em grande escala funciona. Depois de enriquecermos os dados do nosso cliente potencial com os detalhes necessários para a personalização, criaremos “AI Snippets” para cada frase em nosso e-mail. Em vez de gerar parágrafos completos ou conteúdo extenso (já que a IA ainda não é totalmente confiável para isso), criamos cuidadosamente frases individuais ou segmentos menores de texto, um de cada vez.

Ao desenvolver esses trechos, fornecemos instruções claras e detalhadas para orientar a IA sobre como construir uma frase usando os dados relevantes da sua tabela enriquecida. Exemplo:

‍

“Sempre comece a linha de assunto com 'Parabéns sobre'. Certifique-se de que a linha de assunto final não exceda 10 palavras. Sempre use pronomes em segunda pessoa. Estamos elaborando uma linha de assunto para {fullName}, que trabalha na {companyName}.”

‍

Aqui, variáveis dinâmicas como {fullName} e {companyName} são utilizadas no prompt para direcionar a IA aos dados específicos de que ela precisa da tabela Clay. Essas variáveis dinâmicas permitem a reutilização de dados em vários conjuntos de dados.

Existem basicamente dois métodos para gerar trechos de IA para e-mails personalizados. O primeiro e mais simples método é descrito acima. Nessa abordagem, instruímos a IA a gerar uma frase especificando como ela deve começar, qual é sua finalidade (por exemplo, resumir, comentar, elogiar) e sua extensão. Esse método é mais adequado para parágrafos curtos contendo no máximo 15 palavras. Abaixo estão alguns exemplos:

‍

‍

Para criar um trecho de personalização mais avançado, utilizamos o segundo método: criar um modelo de e-mail e incorporar espaços reservados (variáveis dinâmicas) aprimorados com trechos gerados por IA no conteúdo.

‍

‍

Em seguida, criaremos vários trechos para cada seção do nosso e-mail, seguindo o método descrito acima. Isso inclui a linha de assunto, a frase de abertura, as frases subsequentes e até mesmo um PS no final, se aplicável. Ao aproveitar as fórmulas de IA, combinaremos todos esses elementos em um e-mail coeso, personalizado para cada cliente potencial. É difícil acreditar que os dois e-mails abaixo tenham sido originados do mesmo modelo.

‍

‍

Observe que os e-mails acima começam com uma abertura diferente. O primeiro começa com “Eu queria entrar em contato porque vi sua postagem...”, enquanto o segundo começa com “Eu vi as notícias sobre...”. Não entre em pânico. Ainda é 100% automatizado. O que fizemos aqui foi uma fórmula condicional, instruindo a IA a selecionar a frase de abertura apropriada com base nas informações disponíveis para esse cliente potencial específico (como uma postagem, notícias ou estudos de caso) usando uma declaração de sequência “if-else”.

‍

‍

Siga alguns exemplos. As cópias abaixo foram fornecidas por Jed Mahrle, da Practical Prospecting. Se não fosse por ele, acredito que ainda estaria perdido na escuridão, já que foi ele quem me apresentou a Clay. Em uma manhã chuvosa, ele acordou com o pé direito e decidiu publicar seu “manual de vendas” como um ímã de leads em seu site. Um pdf muito simples, sem qualquer formatação, mas muito, muito informativo. Passei um dia inteiro estudando minuciosamente suas estratégias quando me deparei com uma cópia de e-mail contendo uma variável dinâmica que inicialmente não fazia nenhum sentido para mim. Eu me pergunto: como diabos ele pode inserir essas informações em um e-mail automastizado? E lá estava, em uma nota de rodapé: “tudo isso pode ser 100% automatizado com Clay”. Obrigado Jed. Você mudou minha vida.

‍