Un canal de prospección de ventas automatiza el proceso de encontrar clientes potenciales, calificándolos en función de señales como el tamaño de la empresa y la tecnología, y enriqueciendo sus perfiles para su alcance. Las herramientas de prospección tradicionales como Apollo ($49+/usuario/mes) o ZoomInfo proporcionan bases de datos prediseñadas, pero son costosas y a menudo están desactualizadas. Con una API de búsqueda, puede crear un canal de prospección en tiempo real que encuentre nuevos clientes potenciales mediante la búsqueda de señales de compra. Este tutorial construye el proceso completo a $0,005 por búsqueda a través de Scavio.
Requisitos previos
- Python 3.9+ instalado
- solicita biblioteca instalada
- Una clave API de Scavio de scavio.dev
- Un perfil de cliente objetivo (industria, tamaño, pila tecnológica)
Guia paso a paso
Paso 1: Defina las búsquedas de su perfil de cliente ideal
Cree consultas de búsqueda dirigidas a empresas que coincidan con su ICP. Utilice señales de compra, como ofertas de trabajo, menciones de tecnología y anuncios de financiación.
Python
ICP_SEARCHES = [
# Companies hiring for roles that signal they need your product
'"hiring" AND "head of marketing" AND "series A" 2026',
# Companies using competitor products (potential switchers)
'"switching from HubSpot" OR "HubSpot alternative" 2026',
# Companies in target verticals with growth signals
'SaaS startup raised funding 2026 marketing automation',
# Job boards as lead source
'site:linkedin.com/jobs marketing director saas startup',
]
for i, q in enumerate(ICP_SEARCHES, 1):
print(f'{i}. {q}')Paso 2: Buscar y extraer empresas prospectivas
Ejecute cada búsqueda de ICP y extraiga los nombres de empresas y las URL de los resultados. Deduplicar entre búsquedas.
Python
import requests, os, re
API_KEY = os.environ['SCAVIO_API_KEY']
def search(query: str) -> list:
resp = requests.post('https://api.scavio.dev/api/v1/search',
headers={'x-api-key': API_KEY, 'Content-Type': 'application/json'},
json={'query': query, 'country_code': 'us'})
return resp.json().get('organic_results', [])
def extract_prospects(queries: list) -> list:
seen_domains = set()
prospects = []
for query in queries:
results = search(query)
for r in results:
from urllib.parse import urlparse
domain = urlparse(r.get('link', '')).netloc.replace('www.', '')
if domain and domain not in seen_domains:
seen_domains.add(domain)
prospects.append({
'domain': domain,
'title': r['title'],
'snippet': r.get('snippet', ''),
'source_query': query[:50]
})
return prospects
prospects = extract_prospects(ICP_SEARCHES)
print(f'Found {len(prospects)} unique prospects')Paso 3: Calificar prospectos con scoring
Califique a cada cliente potencial según las señales encontradas en sus fragmentos de búsqueda. Las puntuaciones más altas indican un mejor ajuste con su PIC.
Python
SCORING_RULES = {
'series a': 10, 'series b': 15, 'raised': 10,
'hiring': 8, 'growing': 5, 'saas': 5,
'marketing': 5, 'automation': 5, 'startup': 3,
'2026': 3, 'remote': 2
}
def score_prospect(prospect: dict) -> int:
text = f'{prospect["title"]} {prospect["snippet"]}'.lower()
score = sum(points for keyword, points in SCORING_RULES.items() if keyword in text)
return score
def qualify_prospects(prospects: list, min_score: int = 10) -> list:
scored = []
for p in prospects:
p['score'] = score_prospect(p)
scored.append(p)
qualified = sorted([p for p in scored if p['score'] >= min_score],
key=lambda x: x['score'], reverse=True)
print(f'Qualified: {len(qualified)}/{len(prospects)} (score >= {min_score})')
return qualified
qualified = qualify_prospects(prospects)
for p in qualified[:5]:
print(f' [{p["score"]}] {p["domain"]}: {p["title"][:50]}')Paso 4: Enriquecer prospectos calificados
Solo para prospectos calificados, realice búsquedas adicionales para encontrar páginas de contacto, páginas de equipo y perfiles sociales. Este enriquecimiento dirigido mantiene los costos bajos.
Python
import time
def enrich_prospect(prospect: dict) -> dict:
domain = prospect['domain']
# Find contact/team page
contact_results = search(f'site:{domain} contact OR team OR about')
contact_urls = [r['link'] for r in contact_results[:3]]
# Find social profiles
social_results = search(f'{domain} linkedin OR twitter company')
social_links = [r['link'] for r in social_results
if 'linkedin.com' in r.get('link', '') or 'twitter.com' in r.get('link', '')]
prospect['contact_pages'] = contact_urls
prospect['social_profiles'] = social_links[:3]
return prospect
def enrich_batch(prospects: list) -> list:
enriched = []
for i, p in enumerate(prospects):
enriched.append(enrich_prospect(p))
if (i + 1) % 5 == 0:
print(f' Enriched {i + 1}/{len(prospects)}')
time.sleep(0.3)
return enriched
enriched = enrich_batch(qualified[:20]) # top 20 only
print(f'Enriched {len(enriched)} prospects')Paso 5: Exportar la salida del oleoducto
Guarde los prospectos calificados y enriquecidos en CSV ordenados por puntaje. Incluya seguimiento de costos para conocer el ROI de cada ejecución de prospección.
Python
import csv
def export_prospects(prospects: list, output: str = 'prospects.csv') -> None:
if not prospects:
return
fields = ['score', 'domain', 'title', 'snippet', 'contact_pages', 'social_profiles']
with open(output, 'w', newline='') as f:
writer = csv.DictWriter(f, fieldnames=fields, extrasaction='ignore')
writer.writeheader()
for p in prospects:
row = {**p}
row['contact_pages'] = ' | '.join(p.get('contact_pages', []))
row['social_profiles'] = ' | '.join(p.get('social_profiles', []))
writer.writerow(row)
# Cost calculation:
# ICP searches: 4 queries = $0.02
# Enrichment: 20 prospects x 2 searches = $0.20
total_cost = (len(ICP_SEARCHES) + len(prospects) * 2) * 0.005
print(f'Saved {len(prospects)} prospects to {output}')
print(f'Pipeline cost: ${total_cost:.2f}')
print(f'Cost per qualified lead: ${total_cost / max(len(prospects), 1):.3f}')
export_prospects(enriched)Ejemplo en Python
Python
import os, requests, time
API_KEY = os.environ['SCAVIO_API_KEY']
def search(query):
resp = requests.post('https://api.scavio.dev/api/v1/search',
headers={'x-api-key': API_KEY, 'Content-Type': 'application/json'},
json={'query': query, 'country_code': 'us'})
return resp.json().get('organic_results', [])
def prospect(queries):
prospects = []
for q in queries:
for r in search(q):
prospects.append({'title': r['title'], 'url': r['link'], 'snippet': r.get('snippet', '')})
time.sleep(0.3)
return prospects
queries = ['SaaS startup hiring marketing 2026', 'series A marketing automation']
results = prospect(queries)
print(f'Found {len(results)} prospects at ${len(queries) * 0.005:.3f}')
for r in results[:5]:
print(f' {r["title"][:60]}')Ejemplo en JavaScript
JavaScript
const API_KEY = process.env.SCAVIO_API_KEY;
async function search(query) {
const resp = await fetch('https://api.scavio.dev/api/v1/search', {
method: 'POST',
headers: { 'x-api-key': API_KEY, 'Content-Type': 'application/json' },
body: JSON.stringify({ query, country_code: 'us' })
});
return (await resp.json()).organic_results || [];
}
async function main() {
const queries = ['SaaS startup hiring marketing 2026', 'series A marketing automation'];
const prospects = [];
for (const q of queries) {
const results = await search(q);
results.forEach(r => prospects.push({ title: r.title, url: r.link }));
}
console.log(`Found ${prospects.length} prospects`);
prospects.slice(0, 5).forEach(p => console.log(` ${p.title.slice(0, 60)}`));
}
main().catch(console.error);Salida esperada
JSON
Found 38 unique prospects
Qualified: 15/38 (score >= 10)
[25] acmesaas.com: Acme SaaS Raises $12M Series A for Marketing...
[20] growthco.io: GrowthCo Hiring Head of Marketing, Series B...
[18] betastart.com: BetaStart Switches from HubSpot to...
Enriched 5/15
Enriched 10/15
Enriched 15/15
Saved 15 prospects to prospects.csv
Pipeline cost: $0.17
Cost per qualified lead: $0.011