最近、LinkedInで時間を過ごすと、特に営業やマーケティングの分野で、Clay AIに関する話題を目にすることが多いでしょう。GTM（Go-To-Market）チームにとって素晴らしいツールとしてよく話題に上がり、驚くべきワークフローや印象的な結果がシェアされています。
しかし、「Clay AI」を検索しようとすると、すぐに混乱するかもしれません。営業自動化プラットフォームのことを言っているのか、AI生成アートの特定のスタイルのことなのか、あるいは環境モニタリングにAIを使用する非営利団体のことなのか。少し混乱します。
このガイドでは、その混乱を解消します。これは、clay.comのメインプラットフォームであるClay AIの簡潔な概要です。何であるか、誰のためのものか、何が得意で、何ができないのかを説明します。
Clay AIとは何か？
まず最初に：この記事の残りの部分では、Clay AIと言うときは、clay.comのプラットフォームのことだけを指します。これはGTM自動化とデータ検索に特化しています。
では、それは何か？基本的には、Clayは強力なワークフロービルダーで、見た目や操作感は強化されたスプレッドシートのようです。しかし、重要な点は、Clayには独自の巨大なリードデータベースが付属していないということです。ログインして連絡先のリストが待っているわけではありません。
アセット1: スクリーンショット – Clay.comプラットフォームのインターフェース、会社名、連絡先、強化されたデータポイントの列があるスプレッドシートスタイルのレイアウトを表示。
代替タイトル: Clay AIプラットフォームのメインダッシュボード。
代替テキスト: GTM自動化とデータ強化に使用されるスプレッドシートのようなClay AIインターフェースのスクリーンショット。
代わりに、Clayはコネクタとして機能します。Apollo、Clearbit、Owler、LinkedInなどの100以上の外部データソースに接続し、企業や人々に関する情報をリアルタイムで取得します。
営業担当者を想像してみてください。Clayを使う前は、100人の潜在顧客のリストを見つけて調査するプロセスは悪夢のようでした。ブラウザのタブを行き来し、LinkedInのプロフィールを会社のウェブサイトと照合し、メールアドレスを手動で検索し、アウトリーチで言及する最近のニュースを見つけようとするのに何時間も費やしていました。それは退屈で、心を砕く作業で、誰もが一度は経験したことがあるでしょう。
Clayはそのプロセス全体を自動化するように設計されています。それは、手動の調査をすべて行う機械を構築できる中央ハブです。目標は、非常に具体的なリードリストを作成し、理想的な顧客プロファイルに基づいてスコアリングし、人間が単独で管理するのは完全に不可能な規模でアウトリーチをパーソナライズすることです。
Clay AIの主な機能と使用例
Clayは、データ検索能力と組み込まれたAIロジックを組み合わせ始めると、本当に輝きます。これにより、単なるメールアドレスの検索を超えた高度なワークフローを作成できます。いくつかの注目すべき機能を見てみましょう。
完全なデータのためのウォーターフォール強化
Clayの最もクールで基本的な機能の1つは「ウォーターフォール強化」です。技術的に聞こえますが、概念はシンプルで非常に実用的です。
例えば、見込み客の確認済みメールを見つけようとしているとします。以前のプロセスでは、メインツール、例えばApolloをチェックするかもしれません。それがなければ、諦めるか、Hunterのような別のツールを不承不承チェックし、別のサブスクリプションを支払うことになります。
ウォーターフォール強化はこれを自動化します。Clayでは、次のようなシーケンスを構築できます：
-
まず、Apolloでメールをチェックします。
-
見つからなければ、Hunterをチェックします。
-
それでも見つからなければ、第三のソースを試します。
アセット2: ワークフロー – 見込み客のメールを見つけるためのウォーターフォール強化プロセスを示すマーメイドチャート。
代替タイトル: Clay AIのウォーターフォール強化機能を説明するワークフローダイアグラム。
代替テキスト: Clay AIでのウォーターフォール強化の順次プロセスを示すマーメイドチャート、複数のデータソースをチェックして見込み客のメールを見つけるまで。
Clayが探しているデータを見つけた瞬間、その特定の見込み客のシーケンスを停止し、次に進みます。このシンプルなロジックは大きな影響を与えます。最も優れたデータカバレッジを得ることができ、冗長な検索に対して支払う必要がなく、複数の異なるツールを手動で管理する必要がありません。すべての連絡先が利用可能な最良のデータで強化されていることを知っている、堅固なリードリストを構築するのに最適です。
プロのヒント: ウォーターフォールを設定する際は、データソースを安価なものから高価なものへと順番に並べましょう。これにより、常に最もコスト効率の良いオプションを最初に試すことができ、長期的に多くのお金（およびクレジット）を節約できます。
Claygent、AIリサーチエージェント
ここからが本当に面白くなります。Claygentは、ClayのAI駆動のリサーチアシスタントで、GPT-4のようなモデルを使用して人間のリサーチャーのように振る舞います。前述のデータプロバイダーは、職務タイトルや会社の規模のような構造化データには優れていますが、Claygentは実際にウェブサイトを訪問して読み取ることで、非構造化で具体的な情報を見つけるように設計されています。
アセット3: スクリーンショット – Claygent機能の動作を示し、ユーザーが「この会社のキャリアページに行って『セールスエンジニア』を含む職務タイトルを見つけてください」といった自然言語プロンプトを入力している様子。
代替タイトル: Clay AIでのClaygentリサーチエージェントの使用。
代替テキスト: ウェブサイト上で特定の情報を見つけるためのリサーチコマンドを入力したClay AI内のClaygentインターフェースのスクリーンショット。
データベースから引っ張るだけでなく、Claygentに直接コマンドを与えることができ、まるでリサーチアシスタントに話しかけているかのようです。例えば、次のように指示できます：
-
会社のケーススタディページに行き、「製造業界」を言及している例を見つけてください。
-
会社のセキュリティまたは法務ページをスキャンして、SOC 2に準拠しているかどうかを確認してください。
-
会社の「About Us」ページを読んで、彼らのミッションの一文の要約を書いてください。
これは、手動での掘り下げに何時間もかかっていたような深い定性的なリサーチです。今ではそれを自動化できます。これにより、特定の役割の採用や新しい市場への拡大など、購入シグナルを見つけることができ、アウトリーチが本当に個人的で関連性のあるものに感じられ、単なる一般的なテンプレートではないようにします。
AI駆動のリードスコアリングとパーソナライゼーション
Clayがすべてのデータを収集した後、それはただそこに座っているわけではありません。ワークフロー内で独自のカスタムリードスコアリングモデルを構築するために使用できます。
いくつかの基本的なデータポイントに頼る代わりに、ビジネスに特有の数十の変数に基づいて見込み客を自動的にスコアリングできます。理想的な顧客がHubSpotを使用している、シリーズBの資金調達を受けたばかり、営業職を募集している、テキサスに物理的なオフィスがあるなど、すべての条件をチェックし、各リードにスコアを割り当てるワークフローを構築できます。これにより、営業チームはすぐに最も成約の可能性が高いアカウントに時間とエネルギーを集中させることができます。
アセット4: スクリーンショット – GPT-4によって生成された列を持つClayテーブル、別の列からのLinkedInバイオデータに基づいて見込み客のリストに対するパーソナライズされたメールの紹介文を表示。
代替タイトル: Clay AI GPT-4統合によるパーソナライズされたアウトリーチの生成。
代替テキスト: Clay AIテーブルからのスクリーンショット、プラットフォームがGPT-4を使用して営業アウトリーチのためのパーソナライズされたメールのオープニングラインを作成する方法を示す。
そしてそれだけではありません。ClayはGPT-4を直接テーブルに統合しており、すべての強化されたデータを使用してアウトリーチのためのパーソナライズされたテキストを生成できます。見込み客のLinkedInバイオ、最近公開したブログ記事、または会社の最新のプレスリリースに基づいてカスタムメールの紹介文を自動的に書くプロンプトを作成できます。これにより、送信するすべてのメールが彼らのために書かれたように感じられる強力な方法です。
実際のコスト: Clay AIの価格設定と複雑さを理解する
さて、Clayは非常に強力です。しかし、飛び込む前に考慮すべき大きな2つのことがあります：価格モデルと学習曲線です。
予測が難しいクレジットシステム
率直に言いましょう：Clayの価格設定は混乱しやすく予測が難しいです。それはクレジットベースのシステムで動作します。ワークフローで行うほぼすべてのアクション、1つのデータポイントの検索、1つのAIプロンプトの実行、1つのウェブページの訪問がクレジットを消費します。シンプルなメール検索は1クレジットしかかからないかもしれませんが、より高度なAIサマリーは数十のクレジットを消費することがあります。
ここでの主な問題は、リードあたりのコストが固定されていないことです。メールを見つけるためのシンプルな2ステップのワークフローを構築すれば、コストは低くなります。しかし、複雑な10ステップのワークフローを構築し、複数のAIプロンプトとデータ検索を行うと、クレジットをはるかに速く消費します。
| プラン | 月額料金（年間請求） | 含まれるクレジット | 最適な用途 |
|---|---|---|---|
| スターター | $134/月 | 2,000 | ソロユーザーまたは非常に小規模なテスト |
| エクスプローラー | $314/月 | 10,000 | 定期的なアウトバウンドキャンペーンを行う小規模チーム |
| プロ | $720/月 | 50,000 | 高ボリュームのアウトバウンドニーズを持つエージェンシーまたはチーム |
| アセット5: Redditコメント埋め込み – Clay AIのクレジットシステムの予測不可能な性質とコストが予期せず増加する可能性について議論するセールスまたはマーケティングサブレディットからのRedditコメント。 |
代替タイトル: Clay AIプラットフォームの価格設定について議論するRedditユーザー。
代替テキスト: Clay AIのクレジットシステムの高く予測不可能なコストについての経験を共有するユーザーの埋め込みRedditコメント。
これにより、予算管理が本当に難しくなります。多くのオンラインユーザーレビューが示すように、クレジット使用量を常に監視し、ワークフローを可能な限り効率的に最適化しないと、コストが制御不能に膨らむことは簡単です。
急な学習曲線
Clayはスプレッドシートスタイルのインターフェースを使用しているため、親しみやすい感じがしますが、シンプルなプラグアンドプレイツールではありません。最大限に活用するには、論理的に考え、試行錯誤に備える必要があります。
効果的なワークフローを構築するには、さまざまなアクションを連鎖させる方法を理解し、条件付きロジック（「これならばあれ」のウォーターフォールのような）を設定し、問題が発生したときに数式やエラーをトラブルシューティングする必要があります。多くのユーザーにとって、プラットフォームに完全に慣れ親しむまでに数日から数週間かかることがあります。これは、特定の目的のためにすぐに価値を提供するように設計されたツールとは大きく異なります。
主な制限: なぜClay AIはサポート自動化に不向きなのか
Clayは、アウトバウンドセールスとプロスペクティングに特化した優れたツールです。しかし、それが何のためではないかを理解することが重要です。その全体の設計と機能は、カスタマーサポートの自動化やチームの内部知識の管理に関連するものには完全に不向きです。
なぜClay AIは内部知識から学べないのか
Clayは外向きに構築されています。その全体のアーキテクチャは、インターネット上の他の企業や人々に関する外部データを引き込むことに焦点を当てています。
アセット6: インフォグラフィック – 2パネルのインフォグラフィック。左パネルは「Clay AI」と題され、中央ハブからLinkedIn、Apollo、会社のウェブサイトなどの外部データソースに向かって矢印が描かれています。右パネルは「サポート自動化AI（eesel AIのような）」と題され、Zendesk、Confluence、Slack、Google Driveなどの内部知識ソースから中央AIブレインに向かって矢印が描かれています。
代替タイトル: Clay AIとサポート自動化AIのデータソースを比較するインフォグラフィック。
代替テキスト: Clay AIがプロスペクティングのために外部データを使用し、サポート自動化AIが質問に答えるために内部知識を使用するという重要な違いを示すインフォグラフィック。
それは、あなたの内部知識ソースに接続したり、理解したり、学んだりするようには設計されていません。チームがプロセスを文書化しているConfluenceウィキを読むことはできません。製品仕様が記載されたGoogle Docsの共有ドライブにアクセスすることはできません。過去のZendeskチケットや内部Slackの会話を検索して、チームがどのように問題を解決してきたかを学ぶことはできません。
このため、Clayはあなたの製品、会社の方針、顧客がよく尋ねる質問についてのコンテキストを持っていません。「パスワードをリセットするにはどうすればいいですか？」という簡単な質問に答えることはできません。なぜなら、それを説明するヘルプセンターの記事にアクセスできないからです。
なぜClay AIは顧客との会話に向いていないのか
プラットフォームはリストを作成し、会話の開始を準備するために設計されています。ライブの双方向の顧客とのやり取りを処理するためには設計されていません。
Clayをチャットボットとしてヘルプデスクに展開して、顧客に即座に回答を提供することはできません。内部文書に基づいて返信を作成するのをサポートエージェントを支援することもできません。そして、顧客が何を尋ねているのかを理解してサポートチケットをトリアージすることもできません。
Clayは見込み客との関係を始めるのを助けますが、彼らが顧客になった後の会話を管理するには、まったく異なる種類のAIが必要です。そのためには、eesel AIのようなプラットフォームが必要です。それは、ヘルプ記事から過去のチケットまで、すべての散在した内部知識を統合し、顧客とサポートチームの両方に即座で正確な回答を提供するために設計されています。
Clay AI vs. eesel AI: 適材適所のツール
違いは明白です。Clay AIはセールスプロスペクティングを自動化します。eesel AIはカスタマーサポートを自動化します。1つは新しい顧客を見つけるのを助け、もう1つは既存の顧客を維持するのを助けます。
簡単な比較表です：
| 機能 | Clay AI | eesel AI |
|---|---|---|
| 主な使用ケース | セールスプロスペクティング & GTM自動化 | カスタマーサポート & 内部知識自動化 |
| データソース | 外部（Apollo、Clearbit、ウェブサイト） | 内部（Zendesk、Confluence、Slack、過去のチケット） |
| セットアップ時間 | 数日から数週間（急な学習曲線） | 数分でライブ（本当にセルフサーブ） |
| 主要機能 | アウトリーチのためのリードデータを強化 | 顧客 & 従業員の質問に答える |
| 価格モデル | 複雑 & 予測不可能（アクションごとのクレジット） | 透明 & 予測可能（解決ごとの料金なし） |
| テスト | 新しいリードでのライブデータプル | 過去のサポートチケットでのリスクフリーシミュレーション |
Clayを始めるには、複雑なクレジットシステムを管理するためにワークフローを慎重に構築しテストする必要がありますが、eesel AIは隠れた解決ごとの料金がない、シンプルで予測可能な価格モデルを提供します。そして、Clayが急な学習曲線を持っているのに対し、eesel AIは非常にセルフサーブで、知識ソースを接続し、数分でライブにすることができます。
顧客ライフサイクル全体を自動化する
Clay AIは、アウトバウンドプロスペクティングゲームをレベルアップしたいすべての営業チームにとって、本当に強力で革新的なプラットフォームです。それは、現代の営業が要求する深いリサーチとパーソナライゼーションを自動化することにおいて本当に優れています。
しかし、プロスペクティングは顧客ジャーニーの最初のステップに過ぎません。顧客を獲得した後、まったく新しい課題が始まります。次に来る重要なステップを自動化するには、迅速で正確なカスタマーサポートを提供し、エージェントを支援し、内部知識を即座にアクセス可能にするために、実際にその仕事のために設計されたツールが必要です。外部データをスクレイピングするだけでなく、あなたの知識から学ぶように設計されたプラットフォームが必要です。
次のステップ: 真のサポート自動化を始める
リスト作成を超えて、チームのユニークな知識から学ぶAIでカスタマーサポートを自動化し始める準備ができているなら、始めるのは思ったより簡単です。特定のタスクのために設計されたプラットフォームがどのようにサポートワークフローを変革できるかを自分で確認してください。
eesel AIを無料で試すことで数分でセットアップするか、クイックデモを予約して詳細を学ぶことができます。
よくある質問
Clay AIには独自の内部リードデータベースはありません。これは、Apollo、Clearbit、LinkedInなどの外部データソースに接続して、提供した連絡先や統合を通じて取得した情報を見つけて強化するワークフロービルダーです。
一般的な間違いは、すぐに過度に複雑なワークフローを構築することで、クレジットを非常に速く消費してしまうことです。最初はシンプルなエンリッチメントシーケンスから始め、クレジットの使用状況を慎重に監視してから、AIを活用したリサーチなどの高度なステップを追加するのが最善です。
予算化は難しいかもしれません。すべてのアクションがクレジットを消費するため、ワークフローの複雑さとボリュームに応じて月々の総支出が変動し、固定価格のサブスクリプションよりも予測が難しくなります。
学習曲線は急です。スプレッドシートのインターフェースは馴染みがありますが、効果的なワークフローを構築するには、論理的思考、試行錯誤、アクションの連鎖や数式のトラブルシューティングの理解が必要で、習得には数日から数週間かかることがよくあります。
いいえ、できません。Clay AIはアウトバウンドプロスペクティング用に設計されており、ZendeskやConfluenceのような内部ナレッジベースに接続したり学習したりすることはできません。あなたの会社に関するコンテキストが不足しているため、カスタマーサポートの会話を処理することはできません。
構造化されたデータベースから情報を引き出す標準的なデータプロバイダーとは異なり、Claygentは人間のリサーチアシスタントのように機能します。特定のウェブサイトを訪問して、特定の求人情報を探したり、会社のミッションステートメントを要約したりするなど、非構造化情報を見つけるためのコマンドを与えることができます。
