2025 年外展营销行动指南：推动 Workflows.io 突破 200 万美元 ARR 及更高目标的四大支柱

本文信息来源：growthunhinged

我们在推出 Workflows.io（一家面向 B2B 科技公司的 AI 优先增长工作室）后的三个月内就达到了 100 万美元的 ARR（年度经常性收入）。目前，我们正朝着年底达到 200 万美元 ARR 的目标迈进。

LinkedIn 内容一直是我们主要的获客渠道。但依靠内容来生成潜在客户有个问题： 您无法选择谁会与您预约会议。

相反，外展营销（Outbound）让您可以精准选择出击的对象。通过适当的资格筛选和评分，您可以挑选出那些您不仅渴望合作，而且确信能为其提供最大价值的客户账户。

十年前，大多数外展活动完全是人工操作的。而今天，当人工智能介入后，每个人都在谈论自动化外展 。

真相是什么？这两者您都需要。

这是我们的对外营销策略手册，旨在增加 100 万美元的年度经常性收入（ARR），并在年底突破 200 万美元的 ARR。剧透预警：这绝不仅仅是自动化的对外营销。

现代对外营销的支柱

我们认为 2025 年成功的对外营销有四大支柱：陌生电话（是的，它仍然有效！）、电子邮件营销活动（自动化序列）、LinkedIn 营销活动（基于信号的互动）以及针对 Tier 1（一级）客户的人工潜在客户开发。

在执行对外营销时，我们需要在“基于信号的策略”与“陌生接触”之间做出权衡。我们还需要决定在自动化与更个性化的人工方法之间分别投入多少资源。以下是我们的最终方案。

针对我们 ICP 目标客户的人工冷启动触达

基于信号的外呼虽好，但实际上，在任何特定时间点，只有一小部分目标市场显露出这些信号。我们仍然需要转化那些虽然属于理想客户画像（ICP）但尚未表现出兴趣的冷访客。我们会持续进行陌生开发，并在此基础上叠加微型营销活动和基于信号的营销活动。

对于我们的陌生客户开发项目，第一步是确切地决定目标对象是谁。我们定义了理想客户画像（ICP），并围绕它建立了一个评分模型。我们使用了这个框架来进行 ICP 建模，以下是最终呈现的结果。

第二步是通过梳理我们的总潜在市场（TAM），先尽可能将每一家 SaaS 公司都纳入其中，然后再通过层层筛选确定我们的目标客户名单，并对这些客户进行更深入的 AI 调研。通过这种先撒得广再收得紧的策略，我们降低了单纯依赖标准数据库筛选可能遗漏客户的风险。

这是我们创建初始名单时使用的五个来源：

• BuiltWith（用于识别 HubSpot 用户）
• GetLatka（用于识别 SaaS 公司）
• Exa（用于通过 AI 爬虫抓取网站信息）
• Crunchbase（用于识别已获融资的公司）
• Apollo（用于获取企业统计信息）

我们从这五个数据提供商导出 CSV 文件，将它们上传到一个 Clay 表格中，并对所有数据进行了标准化和去重处理。最初，我们找到了 66,000 家公司。但这只是一个非常宽泛的 SaaS 公司名单，仅仅是可能符合我们理想客户画像（ICP）而已。

接下来，我们尽可能地剔除了所有不相关的公司。以下是我们用于判断一家公司是否确为 SaaS 公司的具体提示词：

#CONTEXT#

You are an AI-powered web researcher and extractor. Your task is to determine whether a company is a SaaS business by visiting its official website and credible public pages, then return a structured JSON verdict based strictly on on-page evidence.

#OBJECTIVE#

Assess: “Is “ +  +  + “ a SaaS company?” and output a JSON object with fields is_saas (true/false), confidence (”high”/”medium”), and reasoning (concise evidence).

#INSTRUCTIONS#

1) Identify the company:

If a domain is available on the company site or via branded search, prefer using that domain. Use the concatenation of  and  as the company identifier for searches. Do not infer any other columns.

2) Primary research targets (public pages only; no logins/paywalls):

 - Company homepage
 - Pricing page (keywords: pricing, plans, subscription)
 - Product/features page (keywords: features, product)
 - Free trial/demo/signup pages (keywords: free trial, demo, start, get started)
 - Screenshots or product UI pages (keywords: screenshots, dashboard, interface)
 - About pages that clearly state “platform,” “software,” or “app”

3) Evidence checks for SaaS (SAAS = Software + Cloud + Subscription):

 - Look for explicit subscription pricing with monthly/annual plans.
 - Presence of free trial, demo signup, or self-serve onboarding.
 - Clear product features page describing software capabilities.
 - Visible software screenshots or dashboard images.
 - Company/self-description using terms like “platform,” “software,” or “app” delivered via the cloud.

4) Exclusion checks (NOT SAAS):

 - Agency/consulting selling services instead of software.
 - Marketplace connecting buyers/sellers without selling proprietary software subscriptions.
 - Hardware-focused business.
 - Media/content site.
 - Systems integrator/implementer of others’ software (e.g., “Salesforce partner”).

5) Decision and confidence rules:

 - HIGH: Found pricing with subscription plans and/or free trial/demo plus clear product features; or very clear language and evidence the product is a cloud software subscription.
 - MEDIUM: Software is implied (mentions platform/software/app) but lacks clear pricing/trial or screenshots; early-stage with waitlist only.

Be decisive; avoid “low” unless absolutely no signal (then provide MEDIUM only if software is implied; else false with HIGH if clearly non-SaaS).

6) Data handling and constraints:

 - Only use publicly visible web pages. Do not log in, submit forms, or interact with dynamic elements.
 - If pages are client-rendered, rely on whatever content is retrievable; do not execute JavaScript beyond basic page load available to the scraper.
 - Extract short quotations or page titles to justify the reasoning. Keep reasoning concise (1–2 sentences) citing the exact evidence found (e.g., “Pricing page with monthly plans,” “Free trial button,” “Agency services page”).

7) Output format:

 - Return exactly one JSON object with this schema: {”is_saas”: true/false, “confidence”: “high/medium”, “reasoning”: “[what you found]”}
 - Examples: CRM with pricing page → {”is_saas”: true, “confidence”: “high”, “reasoning”: “Subscription pricing and product features page”}; Marketing agency → {”is_saas”: false, “confidence”: “high”, “reasoning”: “Agency selling services, not software”}; Early startup with waitlist → {”is_saas”: true, “confidence”: “medium”, “reasoning”: “Platform mentioned but no pricing yet”}

致高级订阅用户： 本文提及的工作流已添加至 GTM 用于 AI 提示词库 ，该库现已收录 50 多个 AI 用例。 立即订阅 。

以下是我们为进一步筛选公司资格而找到的所有数据点：

• 员工人数（Clay “丰富公司信息”）
• 所在地点（Clay “丰富公司信息”）
• 商业模式（Clay 研究代理）
• 行业（Clay 研究代理）
• 技术栈（BuiltWith）
• 融资情况（Crunchbase & Clay 研究代理）

在第四季度，我们希望只关注那些使用了 HubSpot 且获得过风险投资（VC）的公司，这将范围缩小到了 5,700 个客户。随后，我们运用评分模型，根据之前设定的标准对这些客户进行了分层。

我们最终得到了一份经过资格筛选和评分的目标客户名单。以下是我们划分层级与分配资源的方式：

• Dream 150 客户：严格进行人工 LinkedIn 开发
• 一级客户 (Tier 1)：陌生电话拜访（Cold Call）半自动化序列
• 二级客户 (Tier 2)：自动化邮件和 LinkedIn 序列
• 第 3 层：自动化邮件序列

接下来，我们引入了针对个性化和细分的客户调研。对于每个客户，我们抓取的信息包括：（1）他们的理想客户画像（ICP）是谁，（2）他们希望获取关于其 ICP 的哪些数据，（3）他们在 LinkedIn 上的发帖活跃度，以及（4）他们的销售部门架构。

最后一步是为我们的序列撰写邮件和 LinkedIn 文案。我们对信息的每个构成模块进行了两到三个变体的测试，主要包括开篇第一句、正文和号召性用语（CTA）。（这里有一份关于如何撰写致胜信息的备忘单。）

针对其他理想客户画像（ICP）客户的自动化、基于信号的战术

最近关于“信号”的讨论不绝于耳，实际上，潜在的信号也是层出不穷。在 Workflows.io，我们认为以下这些是最值得自动化处理的关键信号：

1. 访客： 针对（去匿名化后的）网站访客进行的“热身型”外呼营销。
2. 创始人的领英人脉： 针对创始人已有的“熟人”人脉发起的外呼营销。
3. 公司主页关注者： 针对我们公司领英主页的关注者发起的营销活动。
4. 竞争对手主页关注者： 针对竞争对手 LinkedIn（领英）企业页面关注者的对外营销活动。
5. LinkedIn（领英）互动： 由最近与我们帖子进行过互动的理想客户画像（ICP）触发的对外营销活动。
6. 社交媒体聆听： 针对与包含相关关键词的帖子进行过互动的潜在客户的营销活动。
7. LinkedIn（领英）个人资料访客： 针对最近查看过我们团队成员 LinkedIn（领英）个人资料账号的理想客户画像（ICP）的对外营销活动。
8. 活动参与者： 针对正参加或近期参加过相关行业活动的人群进行的营销活动。
9. MEL（营销合格线索，资源下载）： 针对下载了相关资源但未转化为会议的联系人进行的跟进活动。
10. 拥护者跳槽（Job changes of champions）： 针对已跳槽到新公司的产品拥护者重新建立联系的外呼活动。
11. 技术栈信号： 使用特定工具（如 HubSpot）的公司
12. 客户校友（Customer alumni）： 识别曾在我们将已成交客户（Closed-won accounts）公司工作过的人员，并针对他们在新公司任职的情况进行重新互动的的外呼活动。
13. 重新开启已流失的商机（Closed-lost reopens）： 在设定的时间段后，重新接洽先前已标记为“输单（closed-lost）”的交易的营销活动。

我们利用这些信号创建了初始列表，并叠加了 AI 资格审查，以避免因为同一账户可能表现出多种信号而向其发送垃圾信息。

虽然我们可以执行数百种基于信号的策略，但从哪一个入手最好，取决于你的市场进入（GTM）模式和精细化程度。我们优先挑选了以下五个作为首选策略：

策略 1：客户离职校友（Customer Alumni）

• 这是一项针对性外展活动：先识别出那些曾在我们已成交客户（Closed-won accounts）任职的人员，然后在他们入职新公司后重新从建立联系。
• 我们从 HubSpot 提取已成交客户（Closed-Won）的数据，利用 Clay 找到那些跳槽到新公司的旧同事（Alumni），接着用 ChatGPT 对这些新公司进行评分，最后根据客户匹配度得分将潜在客户自动分配进不同层级的外联序列中。
• 工具：HubSpot, Clay, ChatGPT, Instantly, HeyReach

策略 2：网站访客

• 针对（已去匿名化的）网站访客进行的暖身主动营销活动。
• 我们使用 Warmly 识别访问我们网站的公司和联系人，在 Clay 中丰富这些数据，利用 ChatGPT 对销售线索进行评分，然后将优质客户发送到 Slack 通知中以便立即进行陌生电话拜访（电话号码通过 BetterContact 获取），而层级较低的潜在客户则通过 Instantly 和 HeyReach 进入自动化的电子邮件/LinkedIn 序列。
• 工具：Warmly、Clay、ChatGPT、Instantly、HeyReach、Findymail、BetterContact

策略 3：创始人的 LinkedIn 人脉

• 针对创始人的熟人关系网开展外展活动。
• 我们在平台内部原生导出了 LinkedIn 联系人，未使用任何额外工具。我和我的联合创始人在 LinkedIn 上总共拥有 50,000 多名关注者和 13,000 多个联系人。这类人群中，有 3,400 多位是我们潜在触达目标的上市策略（GTM）负责人。给他们发的消息可以是对话式的，因为他们已经对我们的内容有所预热。
• 工具：LinkedIn, Clay, ChatGPT, HubSpot, Instantly, HeyReach, BetterContact

策略 4：LinkedIn 互动

• 由最近与我们的帖子进行过互动的理想客户画像（ICPs）触发的外呼营销活动。
• 我们使用 Trigify 追踪互动数据（点赞、评论、转发），并使用 Teamfluence 识别我们（全体员工）LinkedIn 内容的访客资料，然后通过 Webhook 将数据回传至 Clay。在 Clay 中，我们对这些线索进行资格筛选，并根据不同等级将其加入到相应的序列中。
• 工具：Trigify、Teamfluence、Clay、ChatGPT、HubSpot、HeyReach、Instantly

策略 5：社媒监听

• 旨在定位那些曾与包含相关关键词的帖子进行过互动的潜在客户的营销活动。
• Clay 会持续监测 LinkedIn 上的特定关键词（我们用的关键词实际上就是“Clay”），抓取那些正如与相关帖子互动的用户，接着丰富联系人和公司数据，然后利用 ChatGPT 评估匹配度，最后将线索分配至后续的营销序列中。
• 工具：Clay, ChatGPT, HubSpot, HeyReach, Instantly, Findymail, BetterContact