Fazer cold outreach é difícil porque a maioria dos emails parece spam. Seus prospects recebem uma enxurrada de mensagens genéricas e simplesmente as ignoram.
O segredo para se destacar? Mostrar que você fez a lição de casa.
Uma estratégia poderosa é mencionar um estudo de caso da empresa. Isso mostra que você não é apenas mais um spammer e gera confiança imediatamente.
Mas procurar estudos de caso manualmente é um pesadelo. É aí que a IA entra. Com o Datablist AI Agent, você pode extrair estudos de caso de sites de empresas em poucos minutos. Sem precisar programar.
Neste guia, mostrarei como extrair estudos de caso em escala:
O que é um estudo de caso?
Um estudo de caso é um relatório detalhado publicado por uma empresa que apresenta um projeto, uma solução ou uma implementação bem-sucedida para um cliente. Esses exemplos reais demonstram a experiência, a metodologia e os resultados mensuráveis da empresa para potenciais clientes.
Apenas extraí-los não teria muita utilidade, mas existe uma forma de gerar muitos leads a partir dessas informações.
Antes de mostrar como, quero explicar rapidamente por que isso é relevante:
Seus prospects recebem de 10 a 100 contatos de cold outreach e ligações por semana. A maioria parece spam e faz com que pensem: “Eu não deveria estar recebendo isso. Por que estão entrando em contato comigo?”
Isso acontece porque grande parte das mensagens é enviada em massa e não tem personalização.
Por isso, você precisa mudar essa percepção personalizando sua mensagem.
Uma forma de fazer isso é mencionar um estudo de caso da empresa. Assim, você mostra que dedicou tempo à pesquisa.
Quase todas as empresas publicam estudos de caso em seus sites, principalmente:
- Agências
- Consultorias
- Estúdios de design
- Empresas de recrutamento
- Empresas SaaS
Em geral, essas empresas têm vários estudos de caso em seus sites, com informações como:
- Nome do projeto
- Nome da empresa cliente
- Resultado do projeto
- Depoimento do cliente
Como extrair estudos de caso de vários sites
Etapa 1: importe sua lista de sites
Primeiro, importe um arquivo CSV/Excel com a lista de sites dos quais você deseja extrair dados.
O Datablist é um AI GTM Copilot. Um de seus recursos é o AI Research Agent.
Nosso Agent compreende textos e consegue navegar por sites para encontrar dados relevantes, como estudos de caso.
Para importar seu arquivo CSV, crie uma collection vazia e clique em “Import” ou, na tela inicial, clique no botão “Start with a CSV/Excel file”.
Este é o arquivo que importei. Ele contém duas colunas: o nome da empresa e seu site. A única coluna obrigatória é a de site.
Etapa 2: selecione o template de IA “Case Study Finder”
Agora, pediremos a um AI Agent que acesse cada site, encontre a página de estudos de caso seguindo um dos links disponíveis e leia seu conteúdo para extrair as informações.
Clique no menu “Enrich”.
Selecione “Templates” e clique no template Case Study Finder.
A melhor parte?
Você não precisa passar horas criando prompts, pois nossos AI templates são otimizados para gerar os melhores resultados.
No entanto, para que o template funcione, você precisará nomear a coluna de sites como “company_website”. Se quiser, também poderá personalizar o prompt.
Este foi o prompt que usei no template:
Acesse o site da empresa, procure os estudos de caso publicados e retorne apenas um deles.
Mais especificamente: retorne o nome do cliente e o projeto que a empresa realizou para ele.
Nada além disso.
Sem explicações.
Sem introduções.
Apenas um nome de cliente e o respectivo projeto por site.
Para encontrar essas informações, acesse o site e siga um dos caminhos fornecidos.
O domínio do site: {{company_website}}
Os caminhos:
/works
/projects
/case-studies
/kunden
/kundenergebnisse
/projects/references
/referenzen
/projekte
/portfolio
Se não encontrar nenhum resultado nesses caminhos, retorne: Nenhum estudo de caso encontrado.
Importante: substitua {{COMPANY_WEBSITE}} por uma das propriedades (=colunas) da sua collection usando {{Name}} ou /Name.
Etapa 3: configure os resultados esperados
Depois do prompt, precisamos configurar os resultados esperados. O AI Agent usa o nome e a descrição de cada resultado, junto com o prompt, para compreender melhor sua tarefa.
Neste exemplo, temos:
- Nome do projeto - Descrição: o nome do projeto encontrado
- Nome da empresa cliente - Descrição: o nome do cliente para o qual o projeto foi realizado
Observação: você pode configurar outros resultados se necessário, como o site e o setor de atuação do cliente.
Etapa 4: adicione os resultados à sua collection
Clique em “Continue to outputs configuration”. Os resultados esperados configurados na etapa anterior aparecerão aqui.
Selecione “+” para adicionar uma nova propriedade (=coluna) à sua collection para cada resultado.
O confidence score varia de 0 a 100 — quanto maior, melhor.
Quando nenhum estudo de caso for retornado, verifique os campos de resultado e erro. O prompt não garante uma mensagem de erro ou pontuação exata.
Etapa 5: execute o enrichment
Última etapa: clique em “Instant run” para executar o Agent e começar a processar as linhas selecionadas.
O confidence score varia de 0 a 100 — quanto maior, melhor.
Confira as evidências da fonte mesmo quando o confidence score for alto.
Conclusão
Estudos de caso são valiosos para personalizar seu outreach. Eles mostram aos prospects que você fez sua pesquisa e ajudam sua mensagem a se destacar. Porém, encontrá-los manualmente toma muito tempo. É aí que a IA faz a diferença. Com o AI Research Agent do Datablist, você pode extrair estudos de caso de sites de empresas em poucos minutos — sem programação e sem complicação. Assim, terá dados reais e relevantes para criar abordagens melhores.
Quer aumentar sua taxa de resposta? Experimente e transforme os estudos de caso em sua arma secreta!
Extraia evidências verificáveis antes do outreach
O fluxo acima retorna um estudo de caso por site de empresa. Ele não coleta todos os projetos de cada site. Para obter uma lista completa a partir de um índice de estudos de caso, use o fluxo de scraping de sites e verifique se o índice oferece uma paginação acessível.
Para pesquisar empresas em massa, adicione um resultado URL do estudo de caso junto aos campos de cliente e projeto. Descreva-o como a página exata que comprova o projeto retornado. A homepage da empresa, por si só, não é suficiente para verificar uma afirmação. Adicione um resultado Resultado publicado somente quando precisar dessa informação e instrua o Agent a retornar o resultado declarado pela empresa sem inventar métricas.
Antes de usar uma informação em um email:
- Abra a URL do estudo de caso e confirme se o cliente e o projeto aparecem na página.
- Diferencie as afirmações publicadas pela empresa de resultados verificados de forma independente.
- Deixe em branco nomes de clientes ou resultados que não tenham sido divulgados, em vez de tentar adivinhá-los.
- Trate um resultado ausente como “não encontrado durante esta execução”, e não como prova de que a empresa não tem estudos de caso. A página pode estar inacessível ou fora das etapas de pesquisa disponíveis para o Agent.
Mantenha uma linha por site de entrada neste fluxo. Se depois você coletar vários estudos de caso por empresa, use a URL do estudo de caso como chave de correspondência de cada projeto. Assim, projetos diferentes não serão mesclados apenas porque compartilham o mesmo domínio.