Engenharia de GTM: A Revolução da IA em Vendas B2B

Conheça a Clay — a mente por trás da revolução da IA.

A Clay é uma plataforma de GTM (Go-To-Market), vendas e marketing fundada em 2017, que teve um crescimento surpreendente em receita e avaliação de mercado. A empresa alcançou um aumento de dez vezes na receita durante 2022 e 2023, seguido por um crescimento de seis vezes em 2024. Após garantir sua primeira rodada de investimento Series A em 2019, a Clay atingiu uma avaliação de US$ 1,25 bilhão cinco anos depois, durante sua rodada Series B mais recente, em 2024. De acordo com o site da Clay, a plataforma já é utilizada por mais de 5.000 clientes, incluindo empresas de destaque como OpenAI, Canva, Anthropic, Ramp e Rippling.

Sim, você ouviu direito. Os próprios fundadores de IA — a OpenAI — usam a Clay. Como mencionado neste artigo da Forbes:

‍

‍

O Head de sistemas de GTM da OpenAI, Keith Jones, disse que sua equipe utiliza a Clay em seus fluxos de trabalho para lançar e testar novas táticas de vendas B2B (business-to-business) diariamente. “Em minha opinião profissional, eles têm uma das aplicações de IA mais práticas e empolgantes em uma prática de décadas que há muito tempo estava estagnada”, escreveu Jones em um e-mail.

‍

A Clay está transformando radicalmente a maneira como as vendas operam e tem potencial para alcançar as maiores plataformas de vendas e marketing, como Hubspot e Salesforce, em um período de tempo realmente (e vamos enfatizar este "realmente") curto.

Citando o artigo da Forbes mais uma vez:

‍

Já lidando com o licenciamento e a coleta de dados externos de terceiros para seus clientes, a Clay capitalizou os avanços em IA para potencializar esses esforços. O software da Clay agora pode realizar parte do trabalho pelo usuário, prevendo quais pontos de dados e padrões podem ser valiosos. Seu agente de IA, chamado de "Claygent", consegue pegar uma pergunta potencialmente valiosa, porém complexa — como encontrar todos os clientes anteriormente divulgados de uma empresa ou cada pessoa no LinkedIn que trabalhou em determinados cargos nessa empresa durante um período específico — e retornar apenas os resultados.

‍

Vamos mergulhar mais fundo:

A Clay revoluciona a automação de processos que antes eram impossíveis de automatizar. Antes da Clay, os SDRs e profissionais de vendas que realizavam prospecção ativa (cold outreach) enfrentavam duas abordagens principais:

‍

• O envio em massa de e-mails frios automatizados com mensagens baseadas em modelos genéricos, como: “Olá {primeiro_nome}, gostaria de entrar em contato com a {nome_da_empresa} porque podemos ajudá-los a alcançar o resultado X”. Sem surpresa, 98% desses e-mails são ignorados, pois são claramente genéricos e carecem de qualquer relevância real para o destinatário.

• Empregar uma grande equipe de SDRs e BDRs para pesquisar empresas manualmente e redigir e-mails personalizados um a um. Embora essa abordagem seja mais eficaz, ela é cara, consome muito tempo e depende fortemente do tamanho da equipe — o que torna desafiador para times menores escalarem seus esforços de prospecção ativa (outbound).
  
  ‍

Agora, tudo mudou. A Clay permite o envio de mensagens personalizadas um a um com a escala de e-mails automatizados de alto volume. Essa mudança é transformadora. Em vez de precisar de uma equipe de cinco SDRs, uma empresa pode agora alocar um Engenheiro de Go-To-Market (GTM) — falaremos mais sobre essa função adiante — que, com a configuração da Clay, pode enviar até 30.000 e-mails por mês. Esses e-mails não são apenas volumosos, mas também hiper-personalizados, profundamente pesquisados e altamente relevantes — parecendo terem sido escritos por uma pessoa.

No entanto, é importante notar que mensagens totalmente geradas por IA ainda não são inteiramente viáveis para prospecção. Com a Clay, os usuários podem criar uma abordagem híbrida: combinando a contribuição humana com trechos (snippets) gerados por IA para aprimorar o conteúdo padronizado.

Além da personalização de e-mails, a Clay elimina o tedioso processo de pesquisa tradicionalmente exigido de SDRs e BDRs. Anteriormente, os profissionais de vendas pesquisavam potenciais clientes individualmente — vasculhando o Google, analisando relatórios financeiros (10-K) e utilizando o LinkedIn Sales Navigator para coletar dados. Esse processo manual era demorado e trabalhoso. A Clay automatiza todo esse componente de pesquisa usando agentes de IA para buscar informações publicamente disponíveis sobre indivíduos ou empresas, em escala. Isso permite que as equipes de vendas foquem seu tempo em vender, em vez de pesquisar e escrever.

A Clay também se destaca na gestão de geração de leads inbound. Ela centraliza todos os leads vindos de diversas iniciativas de marketing — como anúncios no LinkedIn, conteúdo orgânico, newsletters, campanhas de lead magnet, webinars e eventos presenciais — em um único hub para pontuação (scoring), enriquecimento e normalização.

Se os seus esforços de marketing geram leads por múltiplos canais, mas você não consegue agir sobre eles em tempo hábil, você está desperdiçando tempo e recursos. A Clay garante que todos os leads dessas campanhas sejam consolidados automaticamente em um só lugar, permitindo que você tome providências de forma rápida e em escala. Tarefas como enriquecer leads, coletar dados adicionais, pontuar e qualificar podem ser automatizadas perfeitamente tanto para esforços de outbound quanto de inbound. Uma vez organizados, esses leads podem ser transferidos para plataformas como Apollo, HubSpot ou Salesforce para sequências de prospecção.

O verdadeiro poder da Clay reside em seu papel como uma plataforma conectiva que se integra a outras ferramentas de go-to-market, em vez de competir com elas. Isso elimina a necessidade de assinaturas adicionais, ao mesmo tempo em que aumenta a eficiência de custos.

‍

‍

A Clay representa uma evolução sem precedentes na aplicação de IA dentro das estruturas de vendas. Se essa inovação te empolga tanto quanto me empolgou quando a conheci, espere só um pouco. Há muito, muito mais. Vamos mergulhar mais fundo nas possibilidades de automação e geração de leads impulsionadas por IA — não apenas com a Clay, mas também com Agentes de GTM de IA — junto com estudos de caso do mundo real que mostram essas ferramentas em ação.

‍

Segmentação de Precisão

‍

Sinais de Intenção de Compra

Os sinais fornecem insights sobre a “intenção de compra” de um potencial cliente. Em outras palavras, eles ajudam a determinar não apenas se um prospect é compatível com a solução que você oferece, mas também sua “prontidão para vendas” — ou seja, se ele está preparado para interagir com sua equipe comercial e se o momento é ideal para você fazer uma abordagem. Exemplos de sinais eficazes de intenção de compra incluem:

‍

• Interações no seu site: conversões de conteúdo, número de páginas visualizadas, páginas específicas acessadas (ex: página de preços ou de contato), formulários enviados, etc.‍
• Engajamento por e-mail: e-mails abertos, cliques em e-mails, respostas a e-mails e métricas negativas, como "cancelamentos de inscrição" (unsubscribes).‍
• Engajamento em redes sociais: seguir sua empresa em vários canais, interagir com conteúdos sociais (compartilhamentos, comentários, etc.).
‍

Os exemplos acima representam sinais derivados de análises de marketing tradicionais e códigos de rastreamento — comumente chamados de “dados de intenção primários” (first-party intent data). Esses dados são coletados diretamente dos seus próprios ambientes digitais, como seu site, CRM, esforços em redes sociais ou interações offline.

Agora, podemos explorar uma gama mais ampla de possibilidades através dos “dados de intenção de terceiros” (third-party intent data). Esses dados são reunidos de fontes externas, oferecendo uma perspectiva mais ampla sobre a intenção do comprador ao utilizar métodos como dados cooperativos de editores ou raspagem de dados da web (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 em sites, relatórios financeiros, avaliações no Google Maps ou atividade em redes sociais.

Um exemplo comumente utilizado é a “intenção de contratação”. Se uma empresa tem vagas abertas em uma área específica, isso pode indicar a necessidade de serviços relacionados. Por exemplo, uma empresa que está contratando um analista de marketing digital pode precisar de serviços de marketing, enquanto contratações para o departamento de RH podem sinalizar a necessidade de suporte de uma agência de recrutamento.

Exemplos mais complexos também são possíveis: se você oferece uma plataforma de conformidade (compliance), pode monitorar quando potenciais clientes anunciam planos para obter a certificação SOC 2 ou abrem escritórios em regiões altamente regulamentadas. Equipes de sucesso geralmente combinam múltiplos sinais — por exemplo, sobrepondo sinais de terceiros (ex: uma empresa dobrando sua equipe de engenharia) com sinais primários (ex: um usuário se inscrevendo para um teste gratuito). As possibilidades são limitadas apenas pela sua criatividade.

A imagem abaixo ilustra a vasta gama de sinais de intenção de compra disponíveis na Clay. Além disso, a Clay se integra a outros provedores de dados para aprimorar ainda mais suas capacidades. Por exemplo, a plataforma Delivr oferece insights de intenção de compra em nível individual, em vez de apenas em nível empresarial. A Common Room compilou uma lista impressionante de 100 ideias de sinais em um documento do Google Sheets — caso você precise de inspiração.

‍

‍

‍

‍

Prospecção de Contas e Personas

Estamos acostumados a filtrar tanto empresas quanto personas ao construir uma lista de prospects para esforços de outbound, geralmente usando critérios como setor e tamanho da empresa para informações de conta, e cargos para informações de persona. Com a Clay, no entanto, agora temos acesso a uma gama expandida de filtros para indivíduos e empresas, além de uma categoria totalmente nova para segmentação precisa: os "sinais".

Com a capacidade de acessar e recuperar praticamente qualquer ponto de dado disponível publicamente na internet, podemos agora usar nossa criatividade para desenvolver novos filtros ao buscar uma empresa ou um indivíduo. Por exemplo, ao procurar 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 buscar termos como “Indústria 4.0” ou “Inovação” dentro do perfil do LinkedIn de um prospect. Além disso, você poderia usar uma fórmula de lógica booleana impulsionada por IA para determinar se o indivíduo é genuinamente um tomador de decisão dentro de sua organização.

Ao buscar uma empresa, você poderia criar um comando (prompt) para um assistente de IA identificar se um negócio opera como B2B ou B2C (um recurso já disponível em plataformas como a Apollo) ou até mesmo restringir ainda mais para determinar se é uma empresa SaaS. Por exemplo, você poderia usar um comando como:

‍

“A empresa com o nome {{Name}} e domínio {{Domain}} é uma empresa de Software como Serviço (SaaS)? Retorne dois campos: o primeiro como um booleano (verdadeiro para sim ou falso para não), e o segundo campo com a justificativa por trás da resposta."‍

O grande diferencial, no entanto, é a nova capacidade que temos agora de buscar pequenas empresas usando o Google Maps. Estas são empresas que não estão no LinkedIn e, até agora, extrair esses dados da web (scraping) era uma tarefa árdua. Agora podemos prospectar padarias e salões de beleza com a mesma facilidade com que prospectamos empresas da Fortune 500.

Abaixo seguem alguns outros exemplos de buscas que podemos fazer agora com a Clay:

‍

‍

Enriquecimento de Dados

Até pouco tempo atrás, eu dependia de duas ferramentas distintas, Apollo e Lusha, para obter números de telefone de potenciais clientes. Percebi que a Lusha frequentemente fornecia números alternativos para os mesmos contatos, aumentando a probabilidade de conseguir falar com alguém durante as chamadas frias (cold calls). No entanto, esse processo consumia muito tempo, pois exigia navegar manualmente em cada perfil do LinkedIn. Felizmente, esses dias acabaram. A Clay oferece uma solução simplificada ao permitir que os usuários busquem e-mails profissionais e números de telefone em vários provedores de dados simultaneamente, incluindo Prospeo, DropContact, Datagma, Hunter, PeopleDataLabs, Nimbler, Apollo, Lusha, Snov e outros.

Bem, talvez não exatamente de forma simultânea. A Clay opera usando um sistema de "cascata" (waterfall), consultando cada fonte sequencialmente e parando assim que um e-mail válido é encontrado. Os usuários podem decidir se interrompem a busca após encontrar um e-mail — o que é ideal quando o objetivo principal são os endereços de e-mail — ou se continuam enriquecendo a tabela de dados com todas as opções disponíveis, como múltiplos números de telefone.

‍

‍

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

Uma das inovações mais notáveis no enriquecimento de dados é a capacidade da Clay de utilizar seu “Agente de IA Clay” (Claygent). Se um aplicativo provedor de dados específico não estiver disponível para determinada informação, os usuários podem criar um comando personalizado para que a IA busque os dados necessários em toda a web. Qualquer coisa, em qualquer lugar. No exemplo abaixo, estamos instruindo a IA a localizar estudos de caso no site de um potencial cliente. Essa informação pode, então, ser aproveitada para redigir e-mails personalizados, que é o tópico que veremos a seguir:

‍

‍

Personalização em Escala

A ideia deste artigo não é ser um tutorial da Clay. Portanto, vamos simplificar apenas para que você entenda a lógica por trás de como funciona essa personalização em escala. Uma vez que enriquecemos os dados do nosso prospect com os detalhes necessários para a personalização, passamos a criar "trechos de IA" (AI snippets) para cada frase do nosso e-mail. Em vez de gerar parágrafos inteiros ou conteúdos extensos (já que a IA ainda não é totalmente confiável para isso), elaboramos cuidadosamente frases individuais ou pequenos segmentos de texto, um por vez.

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

“Comece sempre a linha de assunto com 'Parabéns por'. Certifique-se de que a linha de assunto final não ultrapasse 10 palavras. Use sempre pronomes na segunda pessoa. Estamos elaborando uma linha de assunto para {NomeCompleto}, que trabalha na {NomeDaEmpresa}.”‍

Aqui, variáveis dinâmicas como {NomeCompleto} e {NomeDaEmpresa} são utilizadas no prompt para direcionar a IA aos dados específicos de que ela precisa na tabela da Clay. Essas variáveis dinâmicas permitem o reaproveitamento de dados em diversos conjuntos de dados.

Existem essencialmente dois métodos para gerar trechos de IA para e-mails personalizados. O primeiro e mais simples é o descrito acima. Nesta abordagem, instruímos a IA a gerar uma frase especificando como ela deve começar, qual é o seu propósito (ex: resumir, comentar, elogiar) e sua extensão. Este 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: desenhar um modelo de e-mail e incorporar placeholders (variáveis dinâmicas) aprimorados com trechos gerados por IA dentro do 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" ao final, se for o caso. Ao aproveitar as fórmulas de IA, combinaremos todos esses elementos em um e-mail coeso, personalizado para cada potencial cliente. É difícil acreditar que ambos os e-mails abaixo tiveram origem no mesmo modelo.

‍

Note que os e-mails acima começam com aberturas diferentes. O primeiro começa com “Queria entrar em contato porque vi sua postagem…”, enquanto o segundo começa com “Vi as notícias sobre…”. Não entre em pânico. Isso 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 aquele prospect específico (como uma postagem, notícias ou estudos de caso) usando uma instrução de sequência “se-então” (if-else).

‍

Abaixo seguem alguns exemplos. Os textos (copies) abaixo foram fornecidos por Jed Mahrle, da Practical Prospecting. Se não fosse por ele, acredito que eu ainda estaria perdido na escuridão, já que foi ele quem me apresentou à Clay. Em uma manhã chuvosa, ele acordou com o pé direito e decidiu publicar seu “sales playbook” como um lead magnet 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 um texto de e-mail contendo uma variável dinâmica que, inicialmente, não fazia sentido nenhum para mim. Eu disse para mim mesmo: "como diabos ele consegue inserir essa informação em um e-mail automatizado?". E lá estava, em uma nota de rodapé: “tudo isso pode ser 100% automatizado com a Clay”. Obrigado, Jed. Você mudou minha vida.

‍

‍