我们如何用 Claude Code 找到从未被联系过的企业主

我们如何找到从没人联系过的企业主（全程用 Claude Code） 2026 年 7 月 15 日 · 6 分钟阅读 · 查看原文 ↗ Claude AI B2B Linkedin 美国的每一个企业买家，都在从同样那少数几个数据库（apollo、zoominfo 等等）拉取联系方式。你的潜在客户每天收到同样的 10 封冷邮件。他们抱怨自己被淹没的收件箱，你抱怨自己得不到回复，人人都输。 一家在全美拥有 HVAC（暖通空调）和管道公司的私募基金，想找到他们平台公司 50 英里范围内的每一家门店，并展开外呼，寻找感兴趣、符合条件的卖家。相当标准的事。 而作为我这样一个疯魔般的名单搭建者，我知道这事儿不能直接去 Apollo 拉名单。要实现完整的 TAM 覆盖，我们必须用正确的方式建它——自下而上。先找到公司，再用多种策略去找到尽可能多的老板联系方式。 下面是我如何在一个下午、用 claude code 建出一张老板覆盖率达到近 80% 的市场地图；相比 ZoomInfo 这类老牌公司，这个联系覆盖率是碾压级的（难怪它们的股价过去 5 年跌了 95%）： 第一步：用 Google Maps 扫出原始全域 对家政服务来说，Google Maps 是搭公司名单的最佳起点。到这一步，这已经是常识了。 我们从 serper.dev /maps API 扫起，覆盖客户已有平台公司的每一个独特都会区。 对每个都会区我们跑两个查询，一个针对 HVAC 承包商、一个针对水管工，搜索半径用 10z 缩放参数设为 50 英里。 每个查询我们都翻到十五页深，去够到长尾。合并查询会漏掉那些不把自己标成 HVAC 的纯水管工，反之亦然，所以每个城市两个独立查询，值这额外的 API 成本。 整个扫描花了 30 分钟，Serper 点数成本约 2 美元。 输出是约 5,000 家独特门店，含公司名、精确地址、电话号码、网站、评论数，以及 Google Business 品类。 这是我们的原始全域。 第二步：先对大众市场数据库做富集，看看真正缺什么 我们把域名列表喂给 AI-Ark，那是一个由 LinkedIn 支撑的人脉数据库。我们这 5,000 家门店的覆盖率符合预期：15% 从 AI-Ark 拿到了具名老板，7% 拿到了经过验证的邮箱。 对很多供应商来说，交付到这就停了。给客户一份 500 条线索的名单，交差。但在一个家政服务买方的营销活动里，7% 的覆盖率是没法用的。该往深挖了。 第三步：网页抓取缺失的老板信息（这正是 AI 开始吃掉这些数据库公司午饭的地方） 这些老板大多数不在 Apollo、AI-Ark 和 ZoomInfo 里，但当你搜索"{CITY} 里 {COMPANY} 的老板"时，他们在 Yelp、BBB、LinkedIn、Google Reviews 和公开备案里很快就会冒出来。 对每一家还缺老板名的门店，我们用 Tavily 跑一次通用 Google 搜索，查询"owner of {COMPANY_NAME} in {CITY, STATE}"。 这一步之后，老板名覆盖率从 15% 跳到了 85%（！！）。眼下我们只需要名字，这会让我们能用自己的工作流和 API 调用来做模式匹配，去猜老板的邮箱地址。 第四步：现在有了老板名，跑模式匹配去找他们的邮箱 手里握着 4,200 个具名老板，我们可以模式猜测他们的邮箱，并对真实 SMTP 服务器做验证。对每个老板名加域名，我们生成八种排列： [email protected]、[email protected]、[email protected]、[email protected]、[email protected]、[email protected]、[email protected]、[email protected]。 然后我们对每一个按顺序跑 MailTester Ninja，在第一个 VALID 响应处停下。 MailTester 对目标邮件服务器做一次真实的 SMTP 握手，所以 VALID 响应意味着这个地址在服务器上存在并接收邮件。我们不是在猜这个地址是不是真的，我们是在确认它是真的。 仅这一步，就在 Apollo 和 AI-Ark 返回的结果之上，新增了约 1,000 个经过验证的可投递邮箱。这些地址存在于真实邮件服务器上，却不在任何 B2B 供应商的索引里，因为底层供应商（Hunter、Snov、Anymail Finder）找不到它们。 线上存在感很私密的老板，往往能躲过数据库供应商的雷达。躲不过我们。 到这一步我们已经进展很大，但我们知道自己还有更多汁水可榨。 第五步：抓取门店网站本身，找到那些永远不会进数据库的邮箱 对每一家仍然没有邮箱的门店，我们用 Jina Reader 抓取它们的网站。具体来说，我们拉取 /contact、/contact-us、/about、/about-us 和首页。 然后我们用正则提取那些页面上的每一个邮箱地址。每一个，不只是匹配 @company.com 的那些。 反射性的做法是，把抓到的邮箱过滤到只剩匹配公司自己域名的那些，前提假设是老板用企业邮箱。 对小服务企业来说，这个假设完全错了。现实是，一个只有三辆卡车的管道工或 HVAC 承包商，并不总跑 Google Workspace。他们 2003 年就用一个私人 Gmail、Yahoo、sbcglobal 或 aol 地址建立了生意，而到 2026 年他们仍把它当企业收件箱用。 对 /contact 页面跑 Jina Reader，并保留所有邮箱——包括私人 ISP 邮箱——又给名单加了 300 到 500 个经过验证的老板收件箱。这里总成本大约 5 到 10 美元。 最终名单长什么样 5,000 家门店全域的起始数字是：老板名覆盖率 14.5%，经过验证的可投递邮箱覆盖率 7%。五步管道之后，同一个全域的老板名覆盖率达到 85%，经过验证的可投递邮箱覆盖率达到 51%。约 2,300 行同时拥有具名老板和经过验证的邮箱，当天就能从 Bison 发出。 整条管道的工具总开销是 20 到 40 美元。Serper 用于 Maps 和 Search，Jina 用于 Reader 和 Search，gpt-5-nano 用于提取，MailTester Ninja 用于验证，再加上适度的 AI-Ark 和 Moltset 瀑布式使用。MailTester 是固定费率，所以成本不随量级增长。运行时间是 4 到 6 小时，大部分在后台跑，同时我们干别的活。 这张名单为何如此值钱 这张名单上 2,300 个经过验证的地址有一个共同点。它们不与 Apollo、ZoomInfo、Cognism 或 Clay 的默认富集在同一查询上返回的结果重叠。 我们最终名单里大约 40% 的邮箱是私人 ISP（Gmail、sbcglobal、aol、comcast），它们永远不会进任何 B2B 数据库。另一大块是公司域名上的名字模式地址，它们在邮件服务器上存在，却不在任何索引里，因为还没人抓过它们。 那个潜在客户的收件箱，几乎从没在那个地址收到过冷邮件。这正是全部的意义所在。 一切都是在 Claude Code 里编排的，用的是直接 API，以及 Bison、Serper、Jina、MailTester 和 OpenAI 的 MCP 服务器。没有一个工具是从终端外调用的，整条管道是一组 Python 脚本，我们能在一个下午里，对任何垂直领域或地理区域再跑一遍。 链接 - serper.dev 标签：# X # Claude # AI # B2B # Linkedin # Chatgpt # Google Maps 相关文章 为冷外呼搭建的 10 个 AI 代理……（以及怎么搭） 一个 agentic 模型接下一个任务，并自己一步步走完。AI Claude B2B Linkedin