领域，帮企业高效拓展潜在客户、提升客户研究能力，并实现个性化的规模化增长。

  Clay的核心理念是“将任何增长想法变为现实”（Turn Any Growth Idea Into Reality），其产品允许用户无代码或低代码地进行数据整合、潜在客户搜索和AI辅助营销，从而让企业能够更精准地触达目标用户。Clay主要面向增长型企业和销售团队，帮他们在客户获取和营销自动化方面实现降本增效。其主要客户包括：B2B企业（需要精准拓展潜在客户）、SaaS公司（优化销售流程，提高转化率）、市场经营销售团队（自动化外联和潜在客户研究）、投资者&风司（寻找高潜力勇于探索商业模式的公司和创始人）等。目前，Clay已服务5,000多家企业，包括OpenAI、Canva、Anthropic等知名公司。

  Clay集成了75+个数据提供商（如LinkedIn、Clearbit、Apollo），可以自动爬取和整合潜在客户的详情信息，如公司规模、职位、融资历史等。同时，Clay内置AI Agent，帮助团队快速生成关于目标客户的背景研究，包括但不限于目标公司的近期新闻，关键高管的信息，竞争对手分析等。这些功能能帮助销售人员在联系客户前做好充分准备，提高转化率。更重要的是， 用户都能够通过Clay拖拽式操作创建自动化工作流，将多种数据源（如HubSpot、Salesforce、Notion、Google Sheets）整合到一个平台。Clay也支持API集成，开发者可扩展Clay的功能，将其与企业现有的CRM、销售工具无缝对接。

  1核心功能：以模块化方式构建AI销售代表，使每个组件独立运行并可定制化。

  Clay致力帮助客户企业的销售GTM团队更好的执行Outbound任务。主要功能包括：

  输出结果全部以电子表格的形态呈现。有一个重要的数据整理逻辑框架，“FETE”， 包括Finding Data（查询数据），Enriching Data（丰富数据），Transforming Data（转换数据），Exporting Data（输出数据） 四步。在此数据逻辑下，Clay为用户提供的主流场景（表格模版）分别如下：Signals，Companies，People，Other。 用户可以根据需求在自己的workbooks上进行个性化操作。

  例如，在Company模版下， 在选好你需要的模版后， 界面左侧会出现一系列的筛选条件，来更精准地匹配目标。 用户能够最终靠筛选行业、公司规模、公司类型、关键字、地理位置等信息检索并生成关于公司的列表。 用户还可以通过调节相应的参数，来将列表缩小或扩大到理想的客户画像（ICP）中，并测试想要触达的群体。

  在创建好初始的Company列表后， 用户都能够使用瀑布流（Waterfalls） 对数据进行进一步的充实。 由于Clay拥有强大的数据集成能力， 用户可以从每个供应商处获取所需要的数据，避免手动操作多个数据供应商的繁琐过程，节省成本同时实现最大化数据覆盖。 已有的供应商包括但不限于：LinkedIn、Salesforce、GitHub、Pitchbook、Ocean.io、Google Maps等。

  2 Claygent:通过LLM联网搜索收集相关信息，结合多种工具执行复杂的任务，以便简化和优化销售流程

  Claygent是Clay的AI+SDR Agent。Claygent可以帮助用户执行职能任务， 非常适合不想手动进行的数据收集和抓取工作。 用户在使用Claygent时， 需要新建一个表格， 添加想要研究的ICP列表， 选择Add Enrichment， 并在Tools中找到Claygent（AI web Scraper） 点击并且使用。 在抓取网站数据时， 直接将整个网站发送给模型处理的效率并不高，Claygent会通过询问模型抓取网站中的哪个部分最有可能包含其所需要的信息， 并针对性抓取最有效的网页部分。

  从产品技术实现的角度来看，Claygent是一款AI驱动的网络抓取工具，利用GPT-4来理解和提取网站中的高度具体信息。其工程的扎实性可能是Clay在潜在客户生成效果上领先于其他公司的关键因素之一。为了提高数据抓取的效率，与直接抓取整个网站不同，Claygent首先会咨询GPT-4，确定哪些部分最有可能包含所需信息。例如，GPT-4可能会提示SOC-2合规信息通常位于页脚，Claygent便会集中抓取页脚部分，而不是整个网站。此外，Claygent还运用了二分搜索法：先选择网站的一部分进行检查，如果未找到目标数据，则转向另一部分。这种方法通过逐步缩小搜索范围，最终精准定位所需信息，从而显著提升了抓取效率。

  同时，Claygent提供了多种AI模型供用户选择，每个模型各有其独特优势：

  •Claygent Neon：这是Claygent的旗舰模型，专为Agent任务设计。尽管其推理能力可能不及其他模型，但在答案格式化和数据提取方面表现突出。Neon允许将结果格式化为多列或输出，使其能够在一次运行中提取多种数据点。

  •GPT-4和Claude Opus：这些模型具备更强的推理能力。虽然它们的答案格式化功能不如Neon，但在测试数据准确性或处理更复杂的分析任务时表现优异。

  用户能够准确的通过具体需求，在Claygent中灵活选择最适合的AI模型，以实现最佳性能。

  以Linkedin的实际应用为例，Clay可以丰富Linkedin上的个人资料， 用户只需要输入几个变量，Claygent就可以找到个人Linkedin资料并且获取最有价值的信息，例如工作经验，奖项，和总结等。在获取LinkedIn数据后，研究人员或营销团队可以借助AI（此步骤可结合其他工具）对信息进行摘要分析，并提炼出个人最独特或最具价值的三大亮点，以便优化用户画像或定制化内容策略。对于收集到的各类研究资料，Claygent可进一步提取核心元数据，并进行自动化内容分析。例如，它可以对内容类型（如博客、访谈、播客等）进行分类，识别作者信息，生成要点摘要，并提取相关引述或关键片段，从而提升信息整理的精准度和深度。最后， 借助丰富的个性化数据，企业或研究机构能够最终靠Claygent打造高度定制化的沟通策略。例如，在市场推广或业务拓展中，这些深度洞察能够帮助制定更具吸引力的交流内容，从而提高沟通效率和用户参与度。

  客户反馈方面，OpenAI使用Clay的Salesforce软件包，帮助销售和GTM（走向市场）团队更高效地完成数据充实工作。具体来说，Clay允许销售人员在Salesforce系统中直接访问多源数据，无需切换到其他工具或接受额外培训。通过Clay，销售人员可以：

  在销售高峰期，单个销售人员每天可能会使用Clay进行多达150次潜在客户充实操作，尤其是在季度初团队需要快速建立销售渠道时。

  Clay的灵活性使得OpenAI能够快速实验和调整数据充实策略。例如，OpenAI的收入运营团队能够准确的通过需要调整数据源和AI Agent的工作流程，同时结合现有的数据提供商和Clay的集成功能，持续优化数据充实流程。

  此外，Clay的应用不仅限于销售团队。OpenAI的其他团队，如数据科学、营销运营和招聘团队，也开始使用Clay来完成各自的任务。例如：

  Clay的高采用率和持续使用证明了其在OpenAI内部的成功。尽管团队规模扩大，Clay的使用量依然保持强劲。OpenAI的收入运营负责人Keith指出，GTM技术失败的一个根本原因是采用率低，但Clay每周都有稳定的使用率，尤其是在收入运营、销售和GTM团队中。

  Kareem Amin是Clay的联合发起人兼首席执行官。 在创立Clay之前，他曾担任《华尔街日报》的产品副总裁。 此外，Kareem还共同创立了Frame，这是一款优化电商平板界面的工具，该公司于2012年被Sailthru收购。 他的职业生涯始于微软，担任产品经理。 在2017年，他与Nicolae Rusan共同创立了Clay。Kareem Amin认为销售和市场推广是创造性行为，Clay平衡了想象力与自动化的对立力量，不主张完全自动化销售工作，而是让更技术化的人利用AI工具，创造性地接触客户。

  作为Co-founder的Nicolae也是一名连续创业者。 他给自己身份的定位是计师、程序员和企业家。 目前，Nicolae还在经营一家名为Toolkit的公司，开发促进人类和AI愉快且有意义协作的产品，包括能充当副驾驶和思维伙伴的人工智能助手及队友，以及一些其他在Toolkit旗下的项目，如Magnet等。Nicolae从大学起就开始创办公司，此前还共同创立了Frame和The Shared Web，也投资并为初创公司可以提供建议。

  截至2025年初，Clay的团队已发展到约100名员工，为5000多名客户提供服务，这中间还包括OpenAI、Canva和Anthropic等知名公司。