Clay: エージェント型セールスプロスペクティングで10倍成長を実現
Clay: エージェント型セールスプロスペクティングで10倍成長を実現
ClayはGPT-4を活用してClaygentというAIエージェントを動かし、Go-to-Marketチーム向けにウェブリサーチとデータエンリッチメントを自動化し、前年比10倍の成長を実現しています。
Clay: エージェント型セールスプロスペクティングで10倍成長を実現
ClayはOpenAIのGPT-4を統合し、データエンリッチメントとセールスアウトリーチの断片的なプロセスを自動化することで、2年連続で前年比10倍の成長を達成しました。手動のリサーチ作業をClaygentというAIエージェントに置き換えることで、Go-to-Market（GTM）チームはリード情報を集中管理し、従来のデータプロバイダーや手動スクレイパーに比べて、パーソナライズされたメッセージングをより効率的にスケールできます。
Claygent: GPT-4でセールスリサーチを自動化
Claygentは、セールス開発リサーチャーのリサーチ行動を再現するよう設計されたAIエージェントです。GPT-4を使用してウェブサイトを訪問し、特定の情報を見つけ、関連データを要約することで、従来はチーム全体で行っていた作業を1人で実行できるようにします。
Clayの共同創業者兼CEOであるKareem Aminによれば、従来の自動化ツールはデータプロバイダーが企業ごとのデータポイント数に制限があったり、手動スクレイパーが扱いにくかったりして失敗することが多かったといいます。Clayは複数のソースからデータを集約し、GPT-4のツール呼び出し機能を活用して複雑なリサーチを自動化することでこの課題を解決しました。
効率性と信頼性のための技術的最適化
パフォーマンスを維持しコストを管理するために、ClayはClaygentがGPT-4とやり取りする方法を最適化するいくつかの技術戦略を採用しています：
トークン最適化とターゲットスクレイピング
ウェブサイト全体をLLMに送信する代わりに、ClaygentはGPT-4を使って対象情報が含まれている可能性が最も高いセクション（例：SOC-2コンプライアンスは通常フッターにある）を特定します。その後、Claygentはその特定のセクションだけをスクレイプし、トークン使用量を削減します。
二分探索アプローチ
Claygentは二分探索手法を利用してデータを探します。ウェブサイトの一部をチェックし、必要なデータが見つからなければ別のセクションへ移動し、情報が取得できるまで検索範囲を段階的に絞り込んでいきます。
モデル階層化
Clayはタスクの複雑さに応じてモデルを選択することでコストを最適化します。GPT-4 Turboは複雑なリサーチタスクに使用され、より小さく安価なモデルはAI Formula Generatorに利用されます。このジェネレーターは非技術的ユーザーがプレーンな英語の指示でデータを変換できるようにします。
データ検証
信頼性を確保するため、Clayは複数のプロバイダーからのデータを組み合わせ、異なるモデルでスクレイプ結果を比較することで情報の一貫性と信頼性を評価し、相互検証を行います。
ビジネスインパクトと「Claygency」エコシステム
GPT-4の統合により、2024年の最初の5か月で2.5倍の成長が達成されるなど、顕著なビジネス成長が実現しました。主なパフォーマンス指標は以下の通りです：
- ユーザーベース: Notion、Verkada、Intercomなどの企業を含む、10万人以上のユーザー。
- 利用状況: 顧客の30％がClaygentを日常的に使用し、1日あたり50万件のリサーチおよびアウトリーチタスクを生成しています。
- 生産性: 1〜2人のチームでも、以前は数十人のエンジニアが必要だった成果を達成できるようになりました。
この効率性により、新たなカテゴリ「Claygencies」が誕生しました。これは、元SDRが創設したGTMエージェンシーで、Clayプラットフォームを活用してデータエンリッチメント、SEO、ライフサイクルキャンペーンを提供します。
今後のロードマップ
ClayはClaygentの機能を以下の2つの主要な方向で拡大する計画です：
- 垂直ファインチューニング: 医療（医師や看護師）や地域のフィットネスジムなど、特定の業界向けにエージェントをファインチューニングします。
- プロアクティブインテリジェンス: ウェブサイト訪問を検知するシグナルやトリガーを実装し、リアルタイムでパーソナライズされたアウトリーチメッセージや営業チーム向けのアラートを生成します。