Le problème
Les listes de prospects B2B provenant de bases de données (Apollo, ZoomInfo) fournissent des données firmographiques mais manquent les signaux en temps réel : actualités récentes, lancements de produits, tendances de recrutement et réputation en ligne.
La solution Scavio
Pour chaque prospect, effectuez 3 recherches Google et Reddit (0,015 $ au total) pour trouver des actualités récentes, des avis et le contexte du marché. Transmettez les extraits de recherche à un LLM pour générer un texte de prospection personnalisé.
Avant
Avant l'enrichissement par recherche, une équipe commerciale envoyait des e-mails froids génériques à 200 prospects par semaine. Taux de réponse : 2,1 %. Chaque prospect recevait le même modèle avec seulement le nom et l'entreprise échangés.
Après
Après l'ajout de l'enrichissement par recherche, chaque prospect bénéficie de 3 requêtes de recherche (0,015 $). Un LLM génère une accroche personnalisée faisant référence aux actualités récentes ou au lancement d'un produit de l'entreprise. Taux de réponse : 11,3 %. Coût : 3 $/semaine pour 200 prospects.
À qui cela s'adresse
Représentants du développement commercial, responsables de comptes, spécialistes du marketing B2B et équipes de prospection ayant besoin d'un contexte en temps réel sur les prospects pour la personnalisation.
Avantages clés
- 0,015 $/prospect pour 3 recherches d'enrichissement
- Signaux en temps réel : financement, recrutement, lancements de produits
- Le sentiment sur Reddit ajoute un contexte qualitatif
- Le LLM génère des accroches personnalisées à partir des données de recherche
- Les taux de réponse passent de 2 % à plus de 10 %
Exemple 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 ${enriched['cost']}")Exemple JavaScript
const H = {'x-api-key': process.env.SCAVIO_API_KEY, 'Content-Type': 'application/json'};
async function enrichProspect(company) {
const queries = [`${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}`));Plateformes utilisées
Recherche web avec graphe de connaissances, PAA et aperçus IA
Communauté, publications et commentaires imbriqués de n'importe quel subreddit