Clay 深度测评：不是给普通人的工具，但做销售和增长的人用了就回不去

先说清楚一件事：Clay 跟 ChatGPT、ChatPDF 那种“打开就能用”的 AI 工具完全不是一个路数。它更像一个数据自动化的“乐高积木”，你得自己搭。我第一次打开它的表格界面时有点懵,这不就是个 Excel 吗？但用了两周之后，我理解为什么 Anthropic、Notion 这些公司都在用它了。

Clay 在 2024 年拿了 4600 万美元 B 轮融资，估值 5 亿美元，客户超过 2500 家科技公司。这个数字放在 B2B SaaS 领域是很夸张的。但它的门槛也确实摆在那里，下面我从实际使用角度把它拆开讲。

📄 Clay 到底是个什么东西

开发公司： Clay，2017 年成立，总部在纽约。创始人 Kareem Amin 之前做过 Bowtie（后被 Mindbody 收购）。有意思的是，Clay 在 2022 年之前一直是零收入，后来果断砍掉泛化的“团队自动化”定位，聚焦到销售 GTM 场景，才找到了 PMF。

产品定位： 一句话概括:把“找客户资料、丰富联系人信息、写个性化邮件”这一整套销售/增长流程，用表格界面和 AI 自动化串起来。它不是单一功能工具，是一个 GTM（Go-to-Market）数据自动化平台。

解决什么问题： 传统销售找客户是这样的：打开 LinkedIn 搜公司 → 复制公司名 → 去 ZoomInfo 查联系人 → 去 Hunter 找邮箱 → 去 NeverBounce 验证 → 打开 Excel 记录 → 手动写邮件。Clay 把这一串全部塞进一个表格里，每一步自动跑，数据自动流转。

⚙️ 核心功能一览

1. Waterfall 数据丰富： 最核心的功能。你让它找一个人的邮箱，它会按顺序查 75 家以上的数据源（Apollo、Hunter、Lusha 等），第一个找到就停，找不到才继续往下查。失败的不扣积分。这个设计很聪明，覆盖率上去了，成本反而可控。

2. Claygent AI 研究代理： 这是我觉得最有意思的功能。你可以用自然语言让它“去读某个公司的招聘页面，提取他们在招的岗位和用的技术栈”，它会真的去浏览网页、提取信息、结构化返回。相当于一个能爬网页的 AI 助手。

3. 表格式工作流搭建： 整个操作界面就是一个电子表格。每一列是一个步骤（找公司、找邮箱、AI 研究、写邮件），每一行是一个线索。不写代码，但需要一点逻辑思维。

4. AI 个性化文案生成： 基于丰富好的数据，自动为每个联系人生成个性化的邮件开场白或 LinkedIn 消息。可以设定规则，比如“不要用‘我注意到’这种烂大街的开头”。

5. CRM 同步与集成： 支持 Salesforce、HubSpot 等主流 CRM，也可以推到 Outreach、Salesloft 做邮件序列。还支持 HTTP API、Webhook，方便跟内部系统对接。

6. 公式与条件逻辑： 支持自定义公式做评分、分类、过滤。比如“如果公司员工数超过 200 且最近融过资，标记为高优先级”。

7. 多模型交叉验证： Claygent 在输出最终信息前，会结合多个数据源的结果，用不同模型进行交叉验证，确保调研结果的可靠性。

✨ 它和其他工具比，到底强在哪

第一，数据源的“聚合”策略。 Apollo 用自己的数据库，ZoomInfo 用自己的数据库。Clay 不拥有数据，它把 75 家以上的数据源接在一起，谁有就用谁的。这意味着覆盖率理论上比任何单一数据源都高，代价是速度稍慢、成本波动大。

第二，Claygent 的“网页理解”能力。 传统数据工具只能返回结构化字段（姓名、邮箱、公司规模）。Claygent 能读网页、理解内容、提取你想问的信息。比如“根据他们的博客判断他们最近在推什么产品”，这是预索引数据库做不到的。它还会用二分搜索法来缩小范围——先选网站的一部分看有没有目标数据，没有就换另一部分，而不是把整个网站塞给 GPT-4。

第三，灵活性换来的“可定制”深度。 你可以在 Clay 里搭出任何你想要的逻辑。比如“先查公司融资信息 → 根据融资阶段决定找 CEO 还是销售 VP → 用不同的邮件模板”。这种精细度是 Apollo 那种“一键生成列表”工具给不了的。

但代价也很明显： 学习曲线陡。你不可能打开就会用，得花时间理解它的数据模型和逻辑。如果你只想“快点找一批邮箱发邮件”，Apollo 可能更合适。

🎯 什么场景下真的能帮到你

B2B 销售团队（SDR/BDR）： 这是 Clay 的主战场。每天的工作就是找线索、查邮箱、写开场白。Clay 把这三个动作自动化了，SDR 可以把时间花在跟进和转化上，而不是复制粘贴。

增长/RevOps 团队： 如果你需要搭建“从线索到 CRM”的完整管道，Clay 的表格逻辑很适合。可以定义好一套流程，让整个团队复用。

招聘团队： 找候选人也是一样的逻辑——搜公司、找联系人、获取邮箱、发个性化消息。Clay 的招聘模板可以直接用。

创始人/独立开发者做冷启动： 如果你在做一个 B2B 产品，需要手动找前 100 个客户，Clay 可以帮你把“找目标公司 → 找决策人 → 写邮件”这个流程跑通。但如果你量很小（比如一个月只找 50 个人），免费版或者手动做可能更划算。

不太适合的： 普通消费者、学生、不需要做 B2B 获客的人。Clay 不是通用 AI 工具，它是专业销售工具。

🚀 怎么上手：从注册到跑出第一个工作流

第一步：注册

访问 clay.com，用邮箱注册。有免费试用，送一定额度的数据积分。

第二步：导入线索

你可以从 CSV 导入一批公司名或域名，也可以直接从 Clay 的数据库里搜。最简单的方式：导入一个 CSV，里面只有“公司域名”这一列。

第三步：添加丰富步骤

点“+ Add Column”，选择“Find Contacts”或者“Waterfall Enrichment”。它会问你“想找什么职位的人”，你选“CEO”或“VP of Sales”。然后点运行，它会自动去查。

第四步：添加 Claygent 研究列

再点“+ Add Column”，选“Use AI → Claygent”。写一个提示词，比如：“访问 {{domain}} 的博客页面，总结他们最近三个月发布的主要内容方向。”它会自动跑，把结果填进这一列。

第五步：生成个性化文案

再加一列 AI，写提示词：“为 {{first_name}} 写一句个性化的邮件开场白，参考他的公司最近动态：{{claygent_output}}”。跑完检查一下质量，然后就可以导出或推到 CRM 了。

💡 几个让我觉得“这工具确实有点东西”的使用技巧

技巧一：先从小表开始，别一上来就搞一万行。 用 20 行数据测试你的工作流逻辑，跑通了再放大。Clay 的积分是按行消费的，盲目跑大表很容易烧积分。

技巧二：Waterfall 的顺序可以调。 默认顺序不一定最优。如果你发现某个数据源质量特别差但排在前面，把它往后调，让更靠谱的源先查。这样能提高命中率，减少不必要的积分消耗。

技巧三：Claygent 的提示词要具体。 “分析这家公司”这种太宽泛了。试试“访问 {{domain}}，找到他们的定价页面，提取三个套餐的名称和价格”。Claygent 会据此判断该抓取网站的哪个部分最可能包含这些信息。

技巧四：用 AI 生成文案后，一定要抽样检查。 大模型会胡编。如果你的提示词让它“引用公司最近动态”，它可能编一条不存在的动态。抽 10% 人工看一眼，发现问题就调提示词。

技巧五：别浪费 Claygent 的能力去查简单信息。 查邮箱、查电话用 Waterfall 就够了。Claygent 应该用在需要“理解网页内容”的场景，比如判断合规性、提取定价策略、分析招聘方向。

💻 安装方式：它就是一个网页工具

Web 端： 主力形态。clay.com，所有功能都在浏览器里。Chrome、Safari、Edge 都可以。

ChatGPT 插件： Clay 在 OpenAI 的插件商店里有官方应用。装了之后可以在 ChatGPT 里直接查联系人、生成外联文案。

移动端： 没有专门的 iOS/Android App。手机浏览器访问体验一般，毕竟是表格界面，屏幕小的时候操作不便。建议在电脑上用。

桌面客户端： 没有原生 Windows/Mac 客户端。

💰 收费：不便宜，但逻辑跟普通工具不一样

Clay 的收费是“双层计量”：Actions（动作）+ Data Credits（数据积分）。

Actions： 每次执行一个步骤（丰富、AI 运行、推数据到 CRM）消耗 1 个 Action。月付计划里 Actions 额度通常很宽裕，大部分客户用不完。

Data Credits： 真正花钱的地方。查邮箱、查电话、跑 AI 模型，都消耗积分。不同类型的数据积分成本不同。

三档计划（参考价）：

• 免费版： 有限的数据积分，适合试水和个人体验。

• Starter/Growth： 起步 $149-$349/月，含不同额度的积分和 Actions。适合中小团队。

• Enterprise： 定制价格，有 SSO、RBAC、专属顾问。

有个坑要注意： 数据积分消耗速度可能比预期快，尤其是用 Claygent 跑复杂网页研究时。建议先用小表测成本。

👥 谁最适合用这个工具

首推：B2B SaaS 公司的 SDR、销售运营、增长负责人。 这是 Clay 的核心用户画像。Anthropic、Intercom、Notion 这些公司都在用。

次推：需要做冷启动的创始人。 如果你在推一个 B2B 产品，Clay 能帮你把“找前 100 个客户”这件事流程化。

适合：招聘负责人、BD 团队。 逻辑跟销售获客一样，只是目标从客户变成了候选人。

不太适合： 普通消费者、学生、不做 B2B 外联的人。如果你只是偶尔需要查一两个邮箱，免费工具或者手动搜更划算。

📊 全球使用情况：增长很快，但竞争对手也不少

Clay 目前有超过 2500 家客户，包括 Anthropic、Intercom、Notion 等科技公司。2024 年 5 月完成 4600 万美元 B 轮融资，估值达到 5 亿美元，投资方包括 Sequoia、First Round、Meritech Capital。

主要用户集中在北美和欧洲的 B2B SaaS 生态圈，亚太地区的中文用户在增长，但相对小众。Clay 的社区和模板生态在海外比较活跃。

竞争方面，Seamless.AI、Apollo 都在抢同一个市场。Clay 的差异化在于“灵活性”和“Claygent”，但 Apollo 的“开箱即用”和更低的起步价也在吸引预算敏感的用户。

✅ 优点 & ❌ 缺点（说点大实话）

优点：

1. 数据覆盖确实广。 Waterfall 逻辑让它在邮箱和公司信息上的命中率比单一数据源高，而且失败的查询不扣费。

2. Claygent 是真正的差异化功能。 能读网页、提取你指定的信息，还会用二分搜索法提高效率、用多模型交叉验证提高准确性，这是预索引数据库做不到的。

3. 灵活性极高。 你可以搭出任何逻辑，不受模板限制。对于有复杂需求的团队，这是核心价值。

4. 集成生态成熟。 主流 CRM、邮件序列工具都有官方集成，还有 API 可以自己接。

缺点：

1. 学习曲线真的很陡。 第一次打开会懵。不花几个小时看文档和模板，很难搭出有效的工作流。非技术用户容易被劝退。

2. 成本不好预测。 Data Credits + Actions 双重计量，跑之前很难算清楚要花多少钱。有用户反映积分消耗速度比预期快。

3. 数据质量取决于底层供应商。 Clay 自己不拥有数据，电话号码的覆盖率尤其不稳定。有些供应商的邮箱验证结果也不靠谱。

4. 产品定位经历过重大摇摆。 从“团队自动化平台”转到“销售 GTM 工具”花了五年时间才找到 PMF，这意味着早期文档和教程可能不太匹配现在的产品。

⚖️ 和同类工具放在一起比一比

拿 Apollo 和 Seamless.AI 来对比，这两个是 Clay 最直接的竞品。

功能上： Apollo 是“一体化”，数据库+搜索+邮件序列都在一个产品里，开箱即用。Clay 是“工作流引擎”，数据从外面来，灵活但需要搭建。Seamless.AI 的优势在实时搜索，电话号码的新鲜度比聚合数据库好，但工作流能力弱很多。

价格上： Apollo 起步 $49/用户/月，Seamless.AI 免费版只有 50 积分，付费要联系销售。Clay 的付费计划起步在 $149/月左右，比 Apollo 贵不少。但 Clay 的积分是团队共享的，不按人头算，人多的团队可能反而划算。

使用场景上： 如果你只想“快点找一批邮箱然后发邮件”，Apollo 更顺手。如果你需要复杂逻辑、跨数据源丰富、或者用 Claygent 做网页研究，Clay 是唯一选择。Seamless.AI 适合对电话号码新鲜度要求高的场景。

🏁 到底值不值得用？给你一个明确的结论

适合谁： B2B 销售团队、增长负责人、需要批量做外联的创始人。如果你每天的工作就是“找目标客户 → 查联系人 → 写个性化邮件”，Clay 能帮你把效率提升一个量级。

什么时候值得付费： 当你发现手动做这件事已经占用了太多时间，或者你需要的“灵活逻辑”是 Apollo 那种固定模板给不了的。如果你团队里有人愿意花时间把工作流搭起来，Clay 的回报是很明显的。

什么情况下不推荐： 第一，你只是偶尔查一两个联系人，免费工具或者手动搜就够了。第二，你预算很紧，Apollo 的 $49/月更友好。第三，你没有时间学习一个复杂工具，只想“点一下就有结果”。第四，你不做 B2B 外联，Clay 对你来说就是一堆看不懂的表格。

最后说句实在话：Clay 是一个“越用越顺手”的工具，但前提是你愿意投入时间学。如果你期待的是“打开就能自动帮我找客户”，那它可能会让你失望。但如果你愿意花一个下午把第一个工作流搭出来，之后省下的时间会让你觉得这钱花得值。