Le cold outreach est difficile car la plupart des emails ressemblent à du spam. Vos prospects reçoivent une avalanche de messages génériques qu’ils ignorent.
La clé pour sortir du lot ? Montrez que vous avez fait vos devoirs.
Une manière puissante de le prouver est de mentionner une étude de cas issue de leur propre société : cela montre que vous n’êtes pas un spammeur parmi tant d’autres et crée instantanément une première confiance.
Mais rechercher manuellement ces études de cas est un cauchemar. C’est là que l’IA intervient. Grâce au Datablist AI Agent, vous pouvez récupérer les études de cas présentes sur les sites internet d'entreprises en quelques minutes. Aucune compétence technique requise.
Dans ce guide, je vous montre comment scraper des études de cas à l’échelle :
- Qu'est-ce qu'une étude de cas et comment l'utiliser en prospection
- Comment scraper des études de cas en masse
Qu'est-ce qu'une étude de cas ?
Une étude de cas est un rapport détaillé publié par une entreprise qui met en avant un projet réussi, une solution concrète ou une implémentation réalisée pour un client. Ces exemples réels démontrent l’expertise, la méthodologie et les résultats de l’entreprise auprès de potentiels futurs clients.
Simplement les scraper n’aurait aucun intérêt... sauf qu’il existe une façon très efficace d’en faire une source de leads de grande qualité.
Avant de vous montrer comment, un mot sur l’intérêt :
Vos prospects reçoivent chaque semaine entre 10 et 100 cold emails ou appels. La plupart pensent : “ce n’est qu’un spam, je ne devrais même pas recevoir ça !”
Parce que la majorité des messages sont sans personnalisation, envoyés en masse.
C’est pour ça que vous devez faire la différence : un message personnalisé, une référence à un cas concret…
Mentionner une étude de cas de leur entreprise montre que vous avez pris le temps de vous renseigner.
Presque chaque société possède des études de cas sur son site, en particulier :
- Agences
- Cabinets de conseil
- Studios de design
- Cabinets de recrutement
- Sociétés SaaS
On trouve généralement sur ces pages :
- Nom du projet
- Société cliente
- Résultat / impact du projet
- Avis ou témoignage du client
Comment scraper les études de cas depuis une liste de sites web
Étape 1 : Importez votre liste de sites web
Commencez par importer un fichier CSV/Excel contenant la liste des sites à scraper.
Datablist est un AI GTM Copilot. Une de ses fonctionnalités majeures : l’AI Research Agent.
Notre agent comprend le texte et peut analyser des sites web pour en extraire les données pertinentes, comme des études de cas.
Pour importer votre fichier CSV, créez une collection vide puis cliquez sur "Import", ou utilisez le bouton "Start with a CSV/Excel file" depuis l’accueil.
Voilà mon fichier importé. Il comporte deux colonnes : le nom de l’entreprise et son website. La seule colonne obligatoire est le site web.
Étape 2 : Sélectionnez le template IA "Case Study Finder"
On va maintenant demander à un AI Agent de visiter chaque site, trouver la page études de cas en suivant les liens clés, puis lire cette page pour extraire les infos.
Rendez-vous dans le menu "Enrich".
Allez dans "Templates". Sélectionnez le template Case Study Finder.
Le meilleur ? Vous n’aurez pas à passer des heures à rédiger des prompts, nos AI templates sont déjà optimisés pour extraire un maximum d’infos.
Il faut juste que la colonne site web s’appelle "company_website" pour que cela fonctionne. Vous pouvez personnaliser le prompt si besoin.
Voici le prompt du template :
Visite le site web de l'entreprise et cherche une étude de cas, puis donne-moi une seule étude pour ce site.
Je veux que tu me donnes le nom du client et le projet réalisé pour lui.
Rien de plus.
Pas d'explication.
Pas d'introduction.
Juste un nom de client et un nom de projet par site web.
Tu dois pour cela visiter le site et suivre un des chemins ci-dessous.
Domaine : {{company_website}}
Paths :
/works
/projects
/case-studies
/kunden
/kundenergebnisse
/projects/references
/referenzen
/projekte
/portfolio
Si aucun résultat trouvé, retourne : No Case studies found.
Important : Remplacez {{COMPANY_WEBSITE}} par la propriété de votre collection (ex : {{Name}} ou /Name).
Étape 3 : Configurez les sorties attendues
Après le prompt, il faut configurer les sorties. L'AI Agent s’appuie sur les noms et descriptions pour bien cibler ce qu’il doit rapporter.
Ici, on crée :
- Project name : Nom du projet trouvé
- Client company name : Nom du client concerné
Note : Vous pouvez ajouter d’autres sorties si besoin (site web du client, secteur d’activité, etc.)
Étape 4 : Ajoutez les sorties à votre collection
Cliquez sur "Continue to outputs configuration". Les sorties attendues s’affichent alors.
Sélectionnez le "+" pour ajouter une propriété (= colonne) pour chaque sortie.
Le score de confiance va de 0 à 100 — plus il est élevé, plus l’IA est sûre de sa réponse.
Si rien n’est trouvé, le message "No Case studies found" s’affichera, score : 0.
Étape 5 : Lancez l’enrichissement
Dernière étape : cliquez sur "Instant run" pour lancer l’agent et récupérer vos résultats après une minute.
Le score de confiance ira, là aussi, de 0 à 100.
Si rien n’est trouvé, la mention "NO Case studies found" apparaît avec un score de 0.
Conclusion
Les études de cas sont un trésor pour la prospection personnalisée. Elles montrent que vous connaissez la société cible et rendent vos messages uniques. Mais les chercher à la main prend trop de temps — laissez donc faire l’IA. Avec l’AI Research Agent de Datablist, récupérez des études de cas sur tous les sites ciblés en quelques minutes, sans code, sans headache. Vous voilà maintenant armé pour booster vos taux de réponse via des messages crédibles, ultra personnalisés.
Envie d’augmenter votre taux d’ouvertures ? Testez par vous-même et faites des études de cas votre arme secrète !