首先計算並拉取 Apple、Meta 和 Google 每位總監的電子郵件和 LinkedIn 個人資料網址。接著,建立人們在 Clay 中常用來篩選的兩種名單:自 2025 年以來上任的總監,以及曾在這三家公司工作過的創辦人。這些執行紀錄來自 2026 年 11 月 17 日,所有輸入都在本文中,且全部都在 Apify 的免費方案下執行。
簡而言之,兩個 Apify Actors 透過一個人員資料庫完成工作。「B2B Leads Finder」是名單建立工具:輸入職稱、職級、部門、國家、產業、公司規模或公司網域清單,即可輸出潛在客戶,每位都包含有效的電子郵件、LinkedIn 個人資料網址,以及記錄中的 X、GitHub 和 Facebook 連結。
「LinkedIn People Search」則提供免費的計數和職涯篩選功能:在付費之前能看到有多少人符合條件,以及誰是自某一年以來擔任目前職位的人。Claude Code 透過 Apify MCP 伺服器呼叫這兩個工具,讀取返回的結果並決定下一步的呼叫。您只需為交付的每一行資料付費。
計數結果、沒有電子郵件的人,以及超出您每公司上限的人,都不會產生費用。人們使用 Clay 和 Apollo 是為了什麼?如果去除介面,主要工作如下:在 Apollo 或 Clay 中,透過職稱、職級、國家、產業、公司規模來搜尋人員,這在我們的堆疊中是使用 B2B Leads Finder 搭配 jobTitles、seniority、departments、countries 和 company size 參數。
針對公司清單中的人員,在我們的堆疊中是使用 companyDomains 參數,一次最多 1,000 個網域,並設定 maxPerCompany 上限。至於電子郵件、電話和社群資料,在我們的堆疊中是每個聯絡人都有點數,或根據現有行中的每個欄位進行豐富化:包含電子郵件類型、LinkedIn 網址、X、GitHub、Facebook,並可透過 includePhones 參數新增手機號碼。
針對剛上任或曾在那裡工作過的人員,在我們的堆疊中是使用 LinkedIn People Search 中的 currentRoleStartedAfterYear 參數,以及 B2B Leads Finder 中的 pastCompanyDomains 參數。
在付費前想知道名單大小,在我們的堆疊中是使用應用程式模式中的結果計數:「mode":"count"」,不收取行費用,一次最多可查詢十個區段。如果您已在 Apollo 中建立搜尋,在我們的堆疊中是將搜尋網址貼到 apolloUrl 參數中。步驟之間的邏輯,例如表格欄位、公式和 AI 欄位,則由 Claude Code 處理。最後一行是這個方法之所以有效的原因。
Clay 的表格中,第二步的結果取決於第一步的結果。一個帶有兩個工具的代理程式也能做同樣的事情:它讀取行,發現某個帳戶的結果不足,然後用更寬鬆的篩選條件重新執行該帳戶。為什麼它便宜?有三個原因,而且都不是折扣。沒有座位費,也沒有資料方案。Actors 根據您的 Apify 帳戶使用量,按結果計費。
這篇文章中的所有執行都在 Apify 免費方案下完成。沒有過期問題。沒有需要在月底前用完的點數餘額,因為根本沒有點數。一個月沒有建立名單,就不會產生任何費用。您無需付費查看。計數是免費的。
沒有記錄電子郵件的人會被跳過,不予計費。超出您每公司上限的人,以及個人資料顯示已離職的人,也同樣不會計費。我不在這些文章中提及具體金額,因為它們會變動。每個 Actor 的每美元計費行數可以在「What $10 buys on Apify in B2B data」中找到,而各方案的定價則在每個 Actor 頁面上。
公平地說,這兩種工具都有免費方案,且 Clay 的定價頁面表示,如果豐富化沒有返回任何結果,則不收取費用。我對其定價的說明來自他們自己的定價頁面,並在執行當天閱讀。
設定方式如下:將兩個 Actors 固定在伺服器網址中,以便代理程式只載入這些工具:claude mcp add --transport http apify "https://mcp.apify.com?tools=b2bsearch/b2b-leads-finder,b2bsearch/people-database-search" --header "Authorization: Bearer <APIFY_TOKEN>"。
任何其他 MCP 用戶端(Cursor、Claude Desktop、ChatGPT、LangChain、OpenAI Agents SDK)都使用相同的伺服器設定:{"mcpServers":{"apify":{"type":"http","url":"https://mcp.apify.com?tools=b2bsearch/b2b-leads-finder,b2bsearch/people-database-search","headers":{"Authorization":"Bearer <APIFY_TOKEN>"}}}}。
工具名稱使用雙連字號:b2bsearch--b2b-leads-finder 和 b2bsearch--people-database-search。
如果沒有代理程式,相同的輸入會發送到一個 REST 端點,結果行會返回在回應中:curl -X POST "https://api.apify.com/v2/acts/b2bsearch~b2b-leads-finder/run-sync-get-dataset-items?token=<APIFY_TOKEN>" \ -H "Content-Type: application/json" \ -d @input.json。
下面的每個區塊都是該呼叫的 input.json,或是工具呼叫的參數。我從 Claude Code 會話中透過這個伺服器執行了所有這些操作。Apple、Meta 和 Google 有多少位總監?在建立名單之前,先了解其規模。LinkedIn People Search 有一個計數模式,可以返回一個數字,且不收取行費用。
它也支援區段,因此一次執行可以處理九個問題:{"mode":"count","excludeLowSignal":true,"segments":[{"name":"apple directors","companyDomains":["apple.com"],"seniority":["director"]},{"name":"apple director and above","companyDomains":["apple.com"],"seniority":["director","vp","cxo"]},{"name":"apple directors in seat since 2025","companyDomains":["apple.com"],"seniority":["director"],"currentRoleStartedAfterYear":2025}]}。
Meta.com 和 google.com 也依循這三個相同的區段。三十五秒內,得到九個數字,沒有按行計費:Apple 有 3,455 位總監,4,304 位總監及以上職級,328 位自 2025 年以來上任的總監。Meta 有 3,889 位總監,4,583 位總監及以上職級,611 位自 2025 年以來上任的總監。
Google 有 7,095 位總監,9,192 位總監及以上職級,831 位自 2025 年以來上任的總監。總計有 14,439 位總監,18,079 位總監及以上職級,1,770 位自 2025 年以來上任的總監。
如何解讀這些數據:這些是記錄中,目前職稱顯示為該公司總監級別的個人資料。這是您可以拉取名單的規模,而非公司本身的員工人數。excludeLowSignal 會排除那些聲稱「Google 總監」但沒有實際職涯背景的個人資料。「director」是從職稱中讀取的,這一點稍後會很重要。
最後一欄是我會用來建立行銷活動的名單。大約八分之一的總監是在 2025 年或之後擔任目前職位的,這表示有 1,770 位新上任的人員。
第一次拉取:所有三家公司的總監。B2B Leads Finder 接受三個網域和職級,並設定上限,以防止單一公司填滿整個名單:{"companyDomains":["apple.com","meta.com","google.com"],"seniority":["director"],"maxPerCompany":8,"maxResults":24}。
大約兩分鐘,得到 24 個潛在客戶,分佈在三家公司。每行包含的資訊,除了個人和公司資訊外,還有職稱、電子郵件、LinkedIn 網址、其他連結以及記錄中的手機號碼。例如,「產品管理總監」有公司網域的工作信箱、LinkedIn 網址,但沒有其他連結和手機號碼。
「資深總監」有公司網域的工作信箱、LinkedIn 網址、X、GitHub、Facebook 連結和手機號碼。「工程總監」有公司網域的工作信箱、LinkedIn 網址和 X 連結。「公共政策總監」有個人信箱、LinkedIn 網址、X 和 Facebook 連結。
「人力資源總監」有公司網域的工作信箱、LinkedIn 網址,但沒有其他連結和手機號碼。所有 24 位都有電子郵件和 LinkedIn 個人資料網址。其中 12 個是工作信箱,12 個是個人信箱。10 行包含 X 個人資料,7 行包含 Facebook 個人資料,2 行包含 GitHub 個人資料。
6 位有記錄中的手機號碼,includePhones 會新增號碼本身。每行還包含姓名、標題、地點、公司名稱和 updatedAt(記錄上次更新的日期)。
這次執行結束時,有免費的備註行。有 6 人符合條件但被跳過,因為他們的個人資料顯示已離職。有 10 人超出每公司 8 人的上限。沒有可聯繫電子郵件的人也被跳過。這些都沒有被交付或計費。現在是第一次拉取的目的。我的輸入有三個問題,而不是資料本身的問題。我沒有設定國家。這 24 人中有 12 人在美國。其餘大部分在杜拜、阿根廷和澳洲。如果您只在一個市場銷售,請在 countries 中註明。
「Director」既是一個詞,也是一個職級。這 24 人中有 3 人是創意總監、藝術總監和影片總監。他們是真實的人,有真實的地址,但他們沒有我的產品預算。部門可以解決這個問題,而 excludeJobTitles 則用於排除其餘。一半的地址是個人信箱。
對於給創辦人的備註來說沒問題。但對於這類規模公司的總監,我想要工作信箱,所以 emailType 設為 work。在 Clay 中,這時您會新增三個篩選欄位。在這裡,則是在同一個輸入中新增三個欄位。
第二次拉取:美國的工程總監,僅限工作信箱:{"companyDomains":["apple.com","meta.com","google.com"],"seniority":["director"],"departments":["engineering"],"countries":["us"],"emailType":"work","maxPerCompany":8,"maxResults":24}。
得到 18 個潛在客戶:Google 8 個,Apple 8 個,Meta 2 個。這些是工程總監、資深軟體工程總監、客戶工程總監。這 18 個地址中有 17 個位於雇主自己的網域上。所有 18 位都有 LinkedIn 個人資料網址,10 位有 X 個人資料,6 位有記錄中的手機號碼。
關於僅限工作信箱的執行有兩點需要注意。它比第一次拉取花費更長的時間,因為它會讀取所有沒有記錄工作信箱的人。而且它可能會導致某些帳戶的結果不足。Meta 填補了其 8 個位置中的 2 個,備註行顯示該次執行已達到此搜尋的個人資料限制。對於那個帳戶,我會用 emailType: "any" 重新執行,並接受個人信箱。
這 18 人中有一人的工作信箱屬於不同的公司。在載入任何內容之前,請先按電子郵件網域排序該欄位。對於這種規模的名單,這只需一秒鐘,而且只要簡報中說明,代理程式就會在每次執行時完成。
誰是自 2025 年以來成為總監的人?這是 Clay 用戶用職位變動訊號建立的名單。一位新上任的總監擁有新的團隊和預算,在最初幾個月內更有可能閱讀陌生開發信。計數顯示全球有 1,770 人。LinkedIn People Search 使用與計數相同的篩選條件來拉取他們,這裡以美國為例:{"mode":"people","companyDomains":["apple.com","meta.com","google.com"],"seniority":["director"],"countries":["us"],"currentRoleStartedAfterYear":2025,"excludeLowSignal":true,"profileDetail":"contacts","compact":true,"mustHave":["currentWorkEmail"],"maxPerCompany":7,"maxResults":21}。
得到 19 個人:Apple 7 個,Google 7 個,Meta 5 個。這個 Actor 每行返回的資訊比潛在客戶名單更多。聯絡人層級包含地址、電話號碼本身、社群連結和職涯資訊:職位、教育、技能。compact 參數使行足夠小,以便代理程式讀取。
在 19 個 LinkedIn 個人資料網址中,有 19 個有效;15 個地址位於雇主自己的網域上;9 個有電話號碼;8 個有 X 個人資料;7 個有 Facebook 個人資料;2 個有 GitHub 個人資料。在使用之前我檢查了兩件事。
這 19 人中有 4 人再次是創意總監和藝術總監,而 excludeTitleKeywords 是此 Actor 中用於此目的的欄位。還有 4 個地址位於非雇主網域:個人工作室、大學。習慣與之前相同,查看網域。有了行中的職涯資訊,電子郵件的第一行可以來自事實:此人之前的經歷,以及他們現在負責什麼。
曾任職於 Apple、Meta 或 Google 的創辦人。另一份訊號名單是校友。曾在這三家公司之一工作多年,現在經營公司的人,對於許多產品來說都是很好的首批客戶。