El problema
Las listas de prospectos B2B de bases de datos (Apollo, ZoomInfo) brindan datos firmográficos pero omiten señales en tiempo real: noticias recientes, lanzamientos de productos, patrones de contratación y reputación en línea.
La solucion de Scavio
Para cada cliente potencial, realice 3 búsquedas en Google y Reddit (0,015 dólares en total) para encontrar noticias recientes, reseñas y contexto del mercado. Envíe fragmentos de búsqueda a un LLM para obtener una copia de divulgación personalizada.
Antes
Antes del enriquecimiento de la búsqueda, un equipo de ventas enviaba correos electrónicos fríos genéricos a 200 clientes potenciales semanalmente. Tasa de respuesta: 2,1%. Cada cliente potencial recibió la misma plantilla con solo el nombre y la empresa intercambiados.
Después
Después de agregar el enriquecimiento de la búsqueda, cada cliente potencial recibe 3 consultas de búsqueda ($0,015). Un LLM genera una introducción personalizada que hace referencia a las noticias recientes o al lanzamiento de productos de la empresa. Tasa de respuesta: 11,3%. Costo: $3/semana para 200 prospectos.
Para quien es
Representantes de desarrollo de ventas, ejecutivos de cuentas, especialistas en marketing B2B y equipos de extensión que necesitan un contexto de prospecto en tiempo real para la personalización.
Beneficios clave
- $0,015/cliente potencial para 3 búsquedas de enriquecimiento
- Señales en tiempo real: financiación, contratación, lanzamientos de productos
- El sentimiento de Reddit añade contexto cualitativo
- LLM genera abridores personalizados a partir de datos de búsqueda
- Las tasas de respuesta aumentan del 2% al 10%+
Ejemplo en Python
import requests, os
H = {'x-api-key': os.environ['SCAVIO_API_KEY'], 'Content-Type': 'application/json'}
def enrich_prospect(company):
queries = [f'{company} news 2026', f'{company} review', f'{company} hiring']
context = []
for q in queries:
data = requests.post('https://api.scavio.dev/api/v1/search',
headers=H, json={'query': q, 'country_code': 'us'}).json()
for r in data.get('organic_results', [])[:2]:
context.append(f"{r.get('title', '')}: {r.get('snippet', '')}")
return {'company': company, 'context': context,
'cost': len(queries) * 0.005}
enriched = enrich_prospect('Acme Corp')
print(f"Found {len(enriched['context'])} context snippets at ${enriched['cost']}")Ejemplo en JavaScript
const H = {'x-api-key': process.env.SCAVIO_API_KEY, 'Content-Type': 'application/json'};
async function enrichProspect(company) {
const queries = [`${company} news 2026`, `${company} review`];
const context = [];
for (const q of queries) {
const r = await fetch('https://api.scavio.dev/api/v1/search', {
method: 'POST', headers: H, body: JSON.stringify({query: q, country_code: 'us'})
}).then(r => r.json());
(r.organic_results || []).slice(0, 2).forEach(r =>
context.push(`${r.title}: ${r.snippet || ''}`));
}
return {company, context, cost: queries.length * 0.005};
}
enrichProspect('Acme Corp').then(e => console.log(`${e.context.length} snippets at $${e.cost}`));Plataformas utilizadas
Búsqueda web con grafo de conocimiento, PAA y resúmenes de IA
Comunidad, publicaciones y comentarios en hilos de cualquier subreddit