Clay: 에이전트형 영업 프로스펙팅으로 10배 성장 달성

Clay는 OpenAI의 GPT-4를 통합하여 데이터 강화와 영업 아웃리치의 파편화된 프로세스를 자동화함으로써 연속 2년 동안 연간 10배 성장(10x year-over-year growth)을 달성했습니다. 수동 리서치 작업을 Claygent이라는 AI 에이전트로 대체함으로써, go-to-market(GTM) 팀은 리드 정보를 중앙화하고 전통적인 데이터 제공업체나 수동 스크래퍼보다 더 효율적으로 개인화된 메시지를 확장할 수 있게 되었습니다.

Claygent: GPT-4로 영업 리서치 자동화

Claygent는 영업 개발 리서처의 연구 행동을 복제하도록 설계된 AI 에이전트입니다. GPT-4를 활용해 웹사이트를 방문하고, 특정 정보를 찾아내며, 관련 데이터를 요약합니다. 이를 통해 한 사람이 이전에 전체 팀이 수행하던 작업을 수행할 수 있게 됩니다.

Clay의 공동창업자이자 CEO인 Kareem Amin에 따르면, 기존 자동화 도구는 데이터 제공업체가 기업당 제공할 수 있는 데이터 포인트가 제한적이었고, 수동 스크래퍼는 너무 까다로워 실패하는 경우가 많았습니다. Clay는 여러 출처에서 데이터를 집계하고 GPT-4의 툴 호출 기능을 활용해 복잡한 리서치를 자동화함으로써 이 문제를 해결했습니다.

효율성과 신뢰성을 위한 기술 최적화

성능을 유지하고 비용을 관리하기 위해 Clay는 Claygent가 GPT-4와 상호작용하는 방식을 최적화하는 여러 기술 전략을 사용합니다:

토큰 최적화 및 타깃 스크래핑

전체 웹사이트를 LLM에 전송하는 대신, Claygent는 GPT-4를 사용해 목표 정보가 포함될 가능성이 가장 높은 웹사이트 섹션을 식별합니다(예: SOC-2 컴플라이언스는 일반적으로 푸터에 위치). 그런 다음 해당 섹션만 스크래핑하여 토큰 사용량을 줄입니다.

이진 탐색 방식

Claygent는 이진 탐색 방법을 활용해 데이터를 찾습니다. 웹사이트의 일부를 확인하고 필요한 데이터가 없으면 다른 섹션으로 이동하며, 정보를 찾을 때까지 탐색 범위를 점진적으로 좁혀갑니다.

모델 티어링

Clay는 작업 복잡도에 맞춰 모델을 매칭해 비용을 최적화합니다. 복잡한 리서치 작업에는 GPT-4 Turbo를 사용하고, 비기술 사용자가 일반 영어 명령으로 데이터를 변환할 수 있게 하는 AI Formula Generator와 같은 경우에는 더 작고 저렴한 모델을 사용합니다.

데이터 검증

신뢰성을 보장하기 위해 Clay는 여러 제공업체의 데이터를 결합하고, 서로 다른 모델을 사용해 스크래핑 결과를 비교·검증함으로써 인사이트의 일관성과 신뢰성을 평가합니다.

비즈니스 영향 및 "Claygency" 생태계

GPT-4 통합으로 2024년 첫 5개월 동안 2.5배 성장이라는 큰 비즈니스 성과를 달성했습니다. 주요 성과 지표는 다음과 같습니다:

User Base: Notion, Verkada, Intercom 등 100,000명 이상의 사용자
Usage: 고객의 30%가 매일 Claygent를 사용해 하루에 500,000개의 리서치 및 아웃리치 작업을 수행
Productivity: 1~2명 팀이 이제 수십 명의 엔지니어가 필요했던 결과를 달성

이러한 효율성은 "Claygencies"라는 새로운 카테고리를 만들었습니다—전직 SDR이 설립한 GTM 에이전시로, Clay 플랫폼을 활용해 데이터 강화, SEO, 라이프사이클 캠페인을 제공합니다.

향후 로드맵

Clay는 Claygent의 기능을 두 가지 주요 방향으로 확장할 계획입니다:

Vertical Fine-Tuning: 의료(의사·간호사)나 지역 피트니스 체육관 등 특정 산업에 맞춘 에이전트 파인튜닝
Proactive Intelligence: 웹사이트 방문을 감지하고 실시간 개인화 아웃리치 메시지 또는 영업 팀을 위한 알림을 생성하는 신호와 트리거 구현