大家好!我建立了一個 n8n 工作流程,它能作為昂貴每月資料豐富化工具的按需付費替代方案。這個流程會從 Google Sheets 讀取原始公司名單,檢查它們是否符合您的理想客戶檔案(ICP)並具備活躍的購買訊號,然後才在 Gmail 中草擬電子郵件。
此範本已發布於 n8n.io 的函式庫中,標題為「運用 Google Sheets、Apify 與 OpenAI 評分 B2B 潛在客戶並草擬陌生開發信」。
這個 n8n 工作流程提供了一種按需付費的替代方案,取代昂貴的每月資料豐富化工具。它能從 Google Sheets 讀取公司名單,檢查是否符合理想客戶檔案並具備購買訊號,然後利用 gpt-4o-mini 自動撰寫個人化的陌生開發信。此流程旨在高效自動化 B2B 潛在客戶開發與外展行銷。

大家好!我建立了一個 n8n 工作流程,它能作為昂貴每月資料豐富化工具的按需付費替代方案。這個流程會從 Google Sheets 讀取原始公司名單,檢查它們是否符合您的理想客戶檔案(ICP)並具備活躍的購買訊號,然後才在 Gmail 中草擬電子郵件。
此範本已發布於 n8n.io 的函式庫中,標題為「運用 Google Sheets、Apify 與 OpenAI 評分 B2B 潛在客戶並草擬陌生開發信」。
這個工作流程每 30 分鐘(或手動)執行一次,從 Google Sheets 提取 B2B 潛在客戶,並透過 Apify 進行資料豐富化,例如獲取網域、技術堆疊、MX 記錄和招聘訊號等資訊。在佇列與批次處理方面,它每次執行會讀取 Google Sheet 最多 10 列資料,並立即將其標記為「處理中」,以避免重複處理。新進的潛在客戶會優先處理,而過去 30 天內已豐富化的資料則會被跳過。
在網域解析、技術堆疊與 MX 檢查方面,此流程會將原始公司名稱(公司名稱 + 國家)解析為官方網域。它會使用 Company Domain, Tech Stack & MX/DNS Enricher 工具來檢查 MX、SPF 和 DMARC 記錄,並提取公司的技術堆疊與公開聯絡資訊。
如果某個網域沒有 MX 記錄,它會將其導向「無 MX(僅限 LinkedIn / 電話)」狀態,以避免浪費資料豐富化的點數。
針對已驗證且具備有效 MX 記錄的網域,兩個 HTTP 節點會平行運行以偵測購買訊號。B2B Hiring Signals & Multi-ATS Job Scraper(公司訊號模式)會檢查 Greenhouse、Ashby、Lever、Workday、Workable、SmartRecruiters 和 Recruitee 等平台,以尋找職位空缺和 30 天內的招聘速度。
同時,Google Ads Transparency Scraper 會檢查該公司是否正在積極投放搜尋、多媒體或 YouTube 廣告,以及有多少廣告素材已運行超過 30 天。
此流程將「符合度分數」(Fit_Score)和「意圖分數」(Intent_Score)分開計算,而非將所有資訊混為一談。一個 Code 節點會計算 Fit_Score(0-50 分),其依據是目標國家、技術堆疊匹配度以及市場進入(GTM)頁面。
Intent_Score(0-50 分)則基於近期招聘活動和活躍的廣告支出。此外,它還會提供一份純文字的分析報告,說明每個潛在客戶獲得該分數的原因。
對於分數達到 55 分以上的潛在客戶,gpt-4o-mini 會草擬一封簡短的三句話電子郵件,內容會引用實際偵測到的訊號,並且如果公司位於德國、法國、荷蘭、西班牙或義大利,還會自動切換語言。此流程會過濾掉 privacy@、legal@、support@ 和 noreply@ 等地址,先在 Gmail 中建立草稿,然後更新 Google Sheets 中的列狀態。
我很樂意回答任何問題,或聽聽大家如何在自己的外展工作流程中處理訊號評分。
覺得值得一看?分享給朋友。
以上為 AI 自動翻譯導讀。原文版權歸 n8n Community 所有, 建議透過「閱讀原文」前往原始網站,以取得最完整資訊並支持原作者。
43 個來源、每 2 小時更新,太多看不完。電子報每週挑最值得看的幾則,附上 Max 的看法。