ScavioScavio
ProductoPreciosDocumentación
Iniciar sesionComenzar
  1. Inicio
  2. Flujos de trabajo
  3. Multi-Source Search Lead Scoring Pipeline
Flujo de trabajo

Multi-Source Search Lead Scoring Pipeline

Puntuacion leads usando Google, Reddit, y YouTube senales. Clasificar prospects by search footprint y online presence.

Comenzar gratisDocumentacion API

Resumen

Sales teams puntuacion leads basado on firmographic datos alone, missing el rich senal disponible de resultados de busqueda. A company ese es actively discussed on Reddit, tiene YouTube tutoriales about their producto, y ranks well on Google es un muy diferentes lead than one con no online presence. Este flujo de trabajo toma cada nuevo lead, searches Google for company info, Reddit for community menciones, y YouTube for video contenido, entonces computes un composite puntuacion basado on online presence strength. Higher-signal leads obtener prioritized for outreach.

Desencadenador

Nuevo lead added to CRM o pipeline

Programación

On nuevo lead (event-driven)

Pasos del flujo de trabajo

1

Search Google for company

Consulta Google for el lead's company nombre y dominio. Extraer resultado conteo, fragmento calidad, y AI Overview presence.

2

Search Reddit for menciones

Consulta Reddit for el company nombre. Count discussion threads, extraer sentiment senales de titles y fragmentos.

3

Search YouTube for contenido

Consulta YouTube for el company nombre. Count videos, verificar for official canal presence, y note tutorial contenido.

4

Compute composite puntuacion

Weight senales de todos three plataformas en un 0-100 puntuacion. Google presence (40%), Reddit engagement (30%), YouTube contenido (30%).

5

Clasificar y exportar

Sort leads by composite puntuacion. Exportar el ranked lista con per-platform senal breakdown for el sales team.

Implementacion en Python

Python
import requests, os, json

H = {"x-api-key": os.environ["SCAVIO_API_KEY"]}

LEADS = [
    {"name": "TechStartup Inc", "domain": "techstartup.io"},
    {"name": "DataPipe Labs", "domain": "datapipe.dev"},
    {"name": "CloudSync Pro", "domain": "cloudsync.pro"},
]

def search_platform(query, platform):
    """Search a platform and return organic results."""
    r = requests.post("https://api.scavio.dev/api/v1/search", headers=H,
        json={"platform": platform, "query": query}, timeout=10).json()
    return r.get("organic", [])

def score_lead(lead):
    """Score a lead based on multi-platform search signals."""
    # Google signals
    google_results = search_platform(f"{lead['name']} {lead['domain']}", "google")
    google_score = min(len(google_results), 10) * 4  # Max 40

    # Reddit signals
    reddit_results = search_platform(lead["name"], "reddit")
    reddit_score = min(len(reddit_results), 10) * 3  # Max 30

    # YouTube signals
    youtube_results = search_platform(lead["name"], "youtube")
    youtube_score = min(len(youtube_results), 10) * 3  # Max 30

    composite = google_score + reddit_score + youtube_score
    return {
        "name": lead["name"],
        "domain": lead["domain"],
        "google_results": len(google_results),
        "reddit_mentions": len(reddit_results),
        "youtube_videos": len(youtube_results),
        "google_score": google_score,
        "reddit_score": reddit_score,
        "youtube_score": youtube_score,
        "composite_score": composite,
        "tier": "A" if composite >= 70 else "B" if composite >= 40 else "C"
    }

scored = []
for lead in LEADS:
    result = score_lead(lead)
    scored.append(result)
    print(f"[{result['tier']}] {result['name']} | Score: {result['composite_score']}/100")
    print(f"  Google: {result['google_results']} results ({result['google_score']}pts)")
    print(f"  Reddit: {result['reddit_mentions']} mentions ({result['reddit_score']}pts)")
    print(f"  YouTube: {result['youtube_videos']} videos ({result['youtube_score']}pts)")

scored.sort(key=lambda x: x["composite_score"], reverse=True)
print(f"\nRanked {len(scored)} leads. Top: {scored[0]['name']} ({scored[0]['composite_score']}/100)")

Implementacion en JavaScript

JavaScript
const H = {"x-api-key": process.env.SCAVIO_API_KEY, "Content-Type": "application/json"};

const LEADS = [
  {name: "TechStartup Inc", domain: "techstartup.io"},
  {name: "DataPipe Labs", domain: "datapipe.dev"},
  {name: "CloudSync Pro", domain: "cloudsync.pro"},
];

async function searchPlatform(query, platform) {
  const r = await fetch("https://api.scavio.dev/api/v1/search", {
    method: "POST", headers: H,
    body: JSON.stringify({platform, query})
  }).then(r => r.json());
  return r.organic || [];
}

async function scoreLead(lead) {
  const google = await searchPlatform(`${lead.name} ${lead.domain}`, "google");
  const reddit = await searchPlatform(lead.name, "reddit");
  const youtube = await searchPlatform(lead.name, "youtube");
  const googleScore = Math.min(google.length, 10) * 4;
  const redditScore = Math.min(reddit.length, 10) * 3;
  const youtubeScore = Math.min(youtube.length, 10) * 3;
  const composite = googleScore + redditScore + youtubeScore;
  return {
    name: lead.name, domain: lead.domain,
    googleResults: google.length, redditMentions: reddit.length, youtubeVideos: youtube.length,
    googleScore, redditScore, youtubeScore, compositeScore: composite,
    tier: composite >= 70 ? "A" : composite >= 40 ? "B" : "C"
  };
}

(async () => {
  const scored = [];
  for (const lead of LEADS) {
    const result = await scoreLead(lead);
    scored.push(result);
    console.log(`[${result.tier}] ${result.name} | Score: ${result.compositeScore}/100`);
    console.log(`  Google: ${result.googleResults} results (${result.googleScore}pts)`);
    console.log(`  Reddit: ${result.redditMentions} mentions (${result.redditScore}pts)`);
    console.log(`  YouTube: ${result.youtubeVideos} videos (${result.youtubeScore}pts)`);
  }
  scored.sort((a, b) => b.compositeScore - a.compositeScore);
  console.log(`\nRanked ${scored.length} leads. Top: ${scored[0].name} (${scored[0].compositeScore}/100)`);
})();

Plataformas utilizadas

Google

Búsqueda web con grafo de conocimiento, PAA y resúmenes de IA

Reddit

Comunidad, publicaciones y comentarios en hilos de cualquier subreddit

YouTube

Búsqueda de videos con transcripciones y metadatos

Preguntas frecuentes

Sales teams puntuacion leads basado on firmographic datos alone, missing el rich senal disponible de resultados de busqueda. A company ese es actively discussed on Reddit, tiene YouTube tutoriales about their producto, y ranks well on Google es un muy diferentes lead than one con no online presence. Este flujo de trabajo toma cada nuevo lead, searches Google for company info, Reddit for community menciones, y YouTube for video contenido, entonces computes un composite puntuacion basado on online presence strength. Higher-signal leads obtener prioritized for outreach.

Este flujo de trabajo usa un nuevo lead added to crm o pipeline. On nuevo lead (event-driven).

Este flujo de trabajo usa las siguientes plataformas de Scavio: google, reddit, youtube. Cada plataforma se llama a traves del mismo endpoint de API unificado.

Si. El plan gratuito de Scavio incluye 50 creditos al registrarte sin tarjeta de credito. Es suficiente para probar y validar este flujo de trabajo antes de escalarlo.

Multi-Source Search Lead Scoring Pipeline

Puntuacion leads usando Google, Reddit, y YouTube senales. Clasificar prospects by search footprint y online presence.

Obtener tu clave APILeer la documentacion
ScavioScavio

API de busqueda en tiempo real para agentes de IA. Busca en todas las plataformas, no solo en Google.

Producto

  • Funciones
  • Precios
  • Panel
  • Afiliados

Desarrolladores

  • Documentacion
  • Referencia de API
  • Inicio rapido
  • Integracion MCP
  • Python SDK

Alternativas

  • Alternativa a Tavily
  • Alternativa a SerpAPI
  • Alternativa a Firecrawl
  • Alternativa a Exa

Herramientas

  • Formateador JSON
  • cURL a codigo
  • Contador de tokens
  • Todas las herramientas

© 2026 Scavio. Todos los derechos reservados.

Featured on TAAFT
Terminos de servicioPolitica de privacidad