El cold outreach es duro porque la mayoría de los emails parecen spam. Sus prospectos reciben una avalancha de mensajes genéricos y los ignoran.
¿La clave para destacar? Demuéstreles que ha hecho la tarea.
Una forma potente es mencionar un estudio de caso de su empresa objetivo: prueba que no es un spammer más y genera confianza al instante.
Pero buscar estudios de caso manualmente es una pesadilla. Aquí entra la IA. Con Datablist AI Agent, puede scrapear estudios de caso de sitios web de empresas en minutos. Sin necesidad de programar.
En esta guía, le muestro cómo scrapear estudios de caso a escala:
¿Qué es un estudio de caso?
Un estudio de caso es un informe detallado publicado por una empresa que muestra un proyecto, solución o implementación exitosa para un cliente. Estos ejemplos reales demuestran la experiencia, la metodología y los resultados medibles de la empresa ante clientes potenciales.
Scrapearlos sin más no sirve de mucho, pero hay una forma de generar muchos leads a partir de ellos.
Antes de mostrarle cómo, déjeme explicar por qué es relevante:
Sus prospectos reciben entre 10 y 100 cold outreaches y llamadas cada semana. La mayoría piensa que es spam y se pregunta: "No debería recibir esto, ¿por qué me llega?"
Porque la mayoría de mensajes son envíos masivos y no están personalizados.
Por eso debe demostrar lo contrario personalizando su mensaje.
Una manera de hacerlo es mencionando un estudio de caso de esa misma empresa. Esto demuestra que se tomó el tiempo de investigar.
Casi todas las empresas tienen estudios de caso en su sitio web, especialmente:
- Agencias
- Consultoras
- Estudios de diseño
- Firmas de reclutamiento
- Empresas SaaS
Estas empresas suelen tener muchos estudios de caso en sus sitios que incluyen:
- Nombre del proyecto
- Nombre de la empresa cliente
- Resultado del proyecto
- Una reseña del cliente
Cómo scrapear estudios de caso desde una lista de sitios web
Paso 1: Importe su lista de sitios web
Primero, importe un archivo CSV/Excel con la lista de sitios web que desea scrapear.
Datablist es un AI GTM Copilot. Una de sus funcionalidades es el AI Research Agent.
Nuestro AI Research Agent entiende texto y puede scrapear sitios web para encontrar datos relevantes como estudios de caso.
Para importar su archivo CSV, cree una collection vacía y haga clic en "Import", o pulse el botón "Start with a CSV/Excel file" desde la pantalla de inicio.
Este es mi archivo importado. Contiene dos columnas: el nombre de la empresa y su website. La única columna obligatoria es website.
Paso 2: Seleccione la plantilla de IA "Case Study Finder"
Ahora pediremos a un AI Agent que visite cada sitio web, encuentre la página de estudios de caso siguiendo alguno de los enlaces de la página y, después, lea la página para extraer la información.
Haga clic en el menú "Enrich".
Seleccione "Templates". Y haga clic en la plantilla Case Study Finder.
¿Lo mejor?
No tiene que pasar horas creando prompts porque nuestras AI templates están optimizadas para obtener el máximo resultado.
Pero deberá nombrar su columna de website como "company_website" para que funcione y, si quiere, también puede personalizar el prompt.
Este es el prompt que utilicé para esta plantilla:
Visite el sitio web de la empresa, busque sus estudios de caso y devuélvame solo un estudio de caso.
Para especificar: quiero que me dé el nombre del cliente y el proyecto que la empresa realizó para ese cliente.
Nada más.
Sin explicación.
Sin introducciones.
Solo un nombre de cliente y el proyecto por sitio web.
Para encontrarlos debe visitar el sitio web y seguir una de las rutas indicadas.
The website domain: {{company_website}}
The paths:
/works
/projects
/case-studies
/kunden
/kundenergebnisse
/projects/references
/referenzen
/projekte
/portfolio
If you don't find any results under the following paths return: No Case studies found.
Importante: Reemplace {{COMPANY_WEBSITE}} por una de sus propiedades de collection (=columna) usando {{Name}} o /Name.
Paso 3: Configure los outputs esperados
Tras el prompt, debemos configurar los outputs esperados. El AI Agent usa el nombre y la descripción de cada output junto con el prompt para entender mejor su misión.
Aquí tenemos:
- Project name - Descripción: El nombre del proyecto encontrado
- Client company name - Descripción: El nombre del cliente para quien se hizo el proyecto
Nota: Puede configurar más outputs si los necesita. Por ejemplo, el sitio web del cliente, la industria del cliente, etc.
Paso 4: Añada los outputs a su collection
Haga clic en "Continue to outputs configuration". Aquí aparecen los outputs esperados configurados en el paso anterior.
Seleccione "+" para añadir una nueva propiedad (=columna) a su collection por cada output.
El confidence score va de 0 a 100 — cuanto más alto, mejor.
Si no encuentra nada, devolverá "No Case studies found" como mensaje de error con un confidence score de 0.
Paso 5: Ejecute el enrichment
El último paso: haga clic en "Instant run" para ejecutar el Agent y obtener sus resultados en un minuto.
El confidence score va de 0 a 100 — cuanto más alto, mejor.
Si no encuentra nada, devolverá "NO Case studies found" con una puntuación de 0.
Conclusión
Los estudios de caso son oro para un outreach personalizado. Demuestran a sus prospectos que hizo su investigación y hacen que su mensaje destaque. Pero encontrarlos manualmente consume demasiado tiempo. Ahí la IA le salva el día. Con el AI Research Agent de Datablist, puede scrapear estudios de caso desde sitios web de empresas en minutos—sin código y sin dolores de cabeza. Ahora tiene datos reales y relevantes para crear un outreach más efectivo.
¿Listo para aumentar sus tasas de respuesta? ¡Pruébelo y convierta los estudios de caso en su arma secreta!