Casar palavra-chave é a primeira coisa que qualquer um constrói e a primeira que precisa cair. Ela não distingue um comprador de um revendedor, e certamente não distingue nenhum dos dois de um concorrente, porque a palavra na página é idêntica nos três casos. O enriquecimento de leads só vira útil no ponto em que ele para de contar palavras e começa a ler a empresa do jeito que um vendedor decente leria: o que você vende, quem compra, quanto custa produzir, e só então, sobre o que isso está construído.
01Uma palavra, três empresas que não têm nada em comum
Pegue uma página que diz que a empresa trabalha com dados da web em escala. Três negócios muito diferentes publicam essa frase, e um filtro de palavra-chave pontua os três igual.
- Um fornecedor. Ele vende a própria coleta. É um concorrente, e uma mensagem nossa é um constrangimento em vez de uma oportunidade.
- Um revendedor ou agência. Ele repassa o dado de outra pessoa para os clientes dele e coloca um relatório em cima. A conta da coleta não é dele, então um preço melhor de coleta não muda nada que ele sinta.
- Um comprador. Dado é o produto que ele vende, coleta é o custo da mercadoria dele, e a conta cresce toda vez que um site alvo aperta o cerco. Esse é o único dos três que merece uma mensagem.
Nada na frase separa os três. A stack de tecnologia também não, porque os três podem rodar as mesmas ferramentas. A separação só aparece quando você lê o que a empresa vende e para quem, que é o que uma pessoa faz nos primeiros trinta segundos em um site e o que um filtro de palavra-chave nunca faz.
02O enriquecimento de leads começa pelo que a empresa vende
A primeira leitura é o produto em si, tirado do site da própria empresa: a promessa da home, as páginas de produto, a página de preços se houver, e como está redigido aquilo que o cliente de fato recebe. Estamos procurando uma distinção. Dado é a coisa vendida, ou é algo que o negócio por acaso toca no caminho de vender outra coisa?
Essa distinção é aquilo sobre o que tudo lá na frente se apoia. Uma empresa de inteligência de varejo vende um produto de dados e precifica por cobertura, então mais cobertura custa mais dinheiro para ela e ela sabe disso até a casa decimal. Uma transportadora que raspa dois sites de parceiros para enriquecer a própria página de rastreio tem uma atividade de dados, não um produto de dados, e nenhuma melhora de coleta move um número que alguém naquele prédio acompanhe.
Esse também é o motivo de o enriquecimento ler o site de verdade em vez de confiar em um cadastro de diretório. Um diretório conta o que a empresa disse sobre si mesma quando se cadastrou, o que pode ter três anos e foi escrito para ser encontrado em vez de para ser exato. Diretórios são excelentes para dizer que uma empresa existe e pertence a uma categoria. São ruins para dizer o que ela vende neste trimestre, e essa é a única versão que nos interessa.
Uma recusa pertence a este ponto. Não lemos os perfis pessoais das pessoas que trabalham na empresa. O enriquecimento lê o negócio, o site público dele, os repositórios públicos dele e as publicações públicas dele, e não constrói retrato de indivíduo nenhum. Uma empresa é um objeto legítimo de pesquisa. As pessoas dentro dela não são assunto nosso até que uma delas escolha responder.
03Depois quem compra, e quanto custa produzir
A segunda leitura é o cliente, porque ela resolve a questão do revendedor que a primeira deixa aberta. Uma empresa que vende um feed de dados para fundos é dona da coleta dela. Uma empresa que vende dashboards para gerentes de marca pode estar comprando esse mesmo feed no atacado e nunca ter tocado em um coletor.
Os sinais são comuns quando você procura por eles. Estudos de caso nomeiam o tipo de cliente. Página de preços cobrada por assento aponta para software, cobrada por registro ou por requisição aponta para dado. Documentação voltada a engenheiros significa que o comprador constrói; documentação voltada a analistas significa que o comprador consome. Uma página de parceiros ou integrações listando um provedor de dados costuma ser o sinal mais claro de todos, e em geral é o momento em que um candidato promissor se revela um revendedor.
A terceira leitura é o custo da mercadoria, que é a que de fato prevê uma resposta. Estamos perguntando se a coleta fica do lado caro dos livros deles. Contagens de cobertura declaradas em milhões, frescor prometido em horas, uma página de status que reporta saúde da coleta, um changelog que anuncia novas fontes pelo nome: tudo isso significa que alguém está pagando por volume e acompanhando.
Onde essa resposta é não, o candidato é recusado mesmo quando as duas primeiras leituras foram perfeitas. Uma empresa que vende dado mas se abastece de uma API que custa o mesmo todo mês não tem problema que possamos melhorar. É um negócio adorável e não há nada a dizer para ele.
04Depois se os alvos deles bloqueiam tráfego casual
A quarta leitura é a que a maioria dos sistemas pula por inteiro, e é a que melhor prevê se a mensagem acerta. Olhamos de onde a empresa coleta, e depois se essas fontes são hostis a tráfego casual.
O nosso próprio conjunto de referência sustenta o argumento. As maiores contas por receita acumulada na Crawlbase se concentram em três famílias de alvo: marketplaces, viagens, e registros de pessoas ou de empresas. Cada uma dessas famílias bloqueia tráfego casual com força e fica mais dura a cada ano. Isso não é uma coincidência sobre aqueles clientes, é a razão de eles serem aqueles clientes.
Então uma empresa que coleta de fontes que servem páginas simples para quem pedir é recusada aqui, e é uma perda genuína quando o resto do perfil é forte. É um negócio de dados de verdade com um custo de mercadoria de verdade, e o custo simplesmente não é a parte que poderíamos mudar. Escrever para ela significaria abrir com um problema que ela não tem, que é o jeito mais rápido de ser arquivado como ruído.
Essa leitura também é a que mais salva candidato. Uma empresa modesta coletando de três marketplaces brutais é um candidato melhor que uma empresa grande coletando de um registro público, e nenhuma medida de tamanho de empresa vai contar isso a você.
05Só agora, os sinais de tecnologia
Sinais de tecnologia vão por último, deliberadamente, porque são confirmatórios em vez de diagnósticos. Um SDK de concorrente em um repositório público, um anúncio de vaga nomeando um fornecedor de proxy, uma dependência de navegador headless em um manifesto público, uma página de status pedindo desculpas por coleta: cada um deles afia um retrato. Nenhum deles desenha um.
Lido primeiro, um SDK de concorrente parece o sinal mais forte disponível. Lido por último, é apenas um fato sobre uma empresa que já classificamos. Se as quatro leituras anteriores dizem revendedor, um SDK de concorrente significa que o fornecedor dele escolheu aquilo. Se dizem fornecedor, significa que um concorrente está usando outro concorrente. A mesma evidência aponta em três direções dependendo do que você já sabe, que é exatamente por que ela não pode vir primeiro.
O custo de fazer assim é que o enriquecimento é lento e caro comparado a uma passada de palavra-chave. Ele lê páginas, segue um punhado de links, e faz isso de forma educada e em uma thread só, em vez de martelar ninguém. Aceitamos esse custo porque a alternativa estava mensuravelmente errada.
Mantivemos um filtro barato de palavra-chave rodando ao lado do enriquecimento por um trimestre para comparar um com o outro. O filtro de palavra-chave aprovou 1.204 candidatos. O enriquecimento concordou com 411 deles e derrubou 793, um pouco menos de dois terços dos veredictos.
- 341 vendiam a própria coleta. Concorrentes e quase concorrentes, cada um deles uma mensagem que ficamos felizes de não ter enviado.
- 224 mencionavam coleta em um anúncio de vaga ou em um post de blog, mas o produto que vendem é outra coisa e a coleta é incidental.
- 152 revendiam dado que não coletaram, então a conta da coleta é do fornecedor deles e não deles.
- 76 eram consultorias ou agências cobrando por hora em vez de volume, onde um custo unitário menor não é um número que alguém no negócio acompanhe.
Os erros corriam na outra direção também, e essa metade é mais fácil de perder. Pegamos 600 candidatos aleatórios que o filtro de palavra-chave tinha reprovado e enriquecemos mesmo assim. Sessenta e três deveriam ter passado, na maioria empresas cujo site descrevia um produto cujo custo de mercadoria era obviamente coleta sem que o vocabulário jamais aparecesse. Extrapolado no trimestre são mais ou menos 1.180 empresas, e é a maior parte da razão de o filtro 1 ter aprovado 1.592 em vez de 411.
Dois terços errado em uma direção e cerca de um décimo errado na outra não é um filtro que precisa de ajuste. É um filtro lendo a coisa errada. Ordem de leitura não é um detalhe da implementação, é o método.