跳转到主要内容

​
概述

一家 B2B 销售情报初创公司使用 Anysite 的多数据源 API 驱动其整个产品 — 自动化公司研究、员工发现、决策者识别和联系人数据增强。以往需要拼接 3-5 家独立数据供应商才能完成的工作，现在通过单一 API 集成即可运行。 这家客户仅有一支 3 人的团队，每季度处理超过 241,000 次 API 调用 — 大约每天 2,700 次 — 驱动一个面向 B2B 销售团队的生产级销售自动化平台。 本案例研究展示了 Anysite 如何作为数据基础设施发挥作用：它不是又一款销售工具，而是产品团队赖以构建的基础层。

​
挑战：B2B 销售勘探为何失灵

B2B 销售团队面临着一个不断累积的数据难题。SDR 为研究单个企业级客户要花费 3 个以上小时，在 LinkedIn、Google、公司网站和 CRM 工具之间来回切换，打开 5 个甚至更多浏览器标签页。他们收集的数据从一开始就在衰减 — B2B 联系人数据库每月损失 2-3% 的准确性，这意味着在发出第一封邮件之前，一份勘探名单中就可能有 40% 已经过时。 旨在解决这一问题的工具自身又制造了新问题：
解决方案定价局限
Apollo.io$49–119/用户/月额度每月过期；数据质量不稳定
ZoomInfo$15,000+/年按席位年度合约；仅面向企业的定价
Clay$185–495/月双重额度体系；需要 LinkedIn Sales Nav 附加项（$100/用户/月）
Lusha$49–79/用户/月仅限联系人数据 — 没有公司情报
Clearbit定制定价锁定在 HubSpot 生态系统内
共同的症结：基于额度且会过期的定价、随团队人数扩张的按席位授权，以及不断衰减的静态数据库。这些工具均不提供统一的 API — 团队不得不拼接 3-5 家供应商才能覆盖公司数据、员工个人资料和联系人数据增强。 对于一家正在打造销售情报产品的初创公司而言，这些工具是一条死胡同。它们是为终端用户设计的，而非开发者。你无法在另一款 SaaS 工具的 UI 之上构建出有差异化的产品。

​
解决方案：构建在 Anysite 之上的统一数据流水线

这家客户采取了不同的方法。他们没有订阅多款销售情报 SaaS 产品，而是构建了自己的产品 — 把 Anysite 作为数据基础设施层。 Anysite 提供单一的 API，连接多个数据源：LinkedIn 个人资料、Google 公司数据和邮箱数据增强。没有按席位授权。没有会过期的额度。每一次 API 调用都获取实时数据，而非随时间衰减的静态数据库。 最终成果是一条三阶段的自动化流水线，覆盖整个 B2B 勘探工作流：

​
阶段 1：公司研究（占 API 用量的 34%）

当目标客户进入流水线时，Anysite 同时从多个数据源拉取公司情报：
  • /linkedin/company — 公司个人资料，包括规模、行业、总部和专长（2026 年第一季度 55,618 次调用）
  • /google/company — 来自 Google 和开放网络的交叉验证公司数据（26,495 次调用）
  • /linkedin/company/employee_stats — 按职能和资历划分的员工结构（2,925 次调用）
这一组合让平台能够全面掌握任何目标公司的全貌：他们做什么、规模多大、团队如何构成，以及他们在哪里运营。

​
阶段 2：员工发现与决策者识别（占 API 用量的 63%）

这是产品的核心。在为公司建立画像后，平台自动发现员工并识别决策者：
  • /linkedin/user — 完整的职业个人资料（143,785 次调用 — 占全部用量的 60%）
  • /linkedin/sn_search/users — 达到 Sales Navigator 级别的人员搜索（5,067 次调用）
  • /linkedin/search/users — 按职位、公司和地点查找人员（2,736 次调用）
  • /linkedin/company/employees — 列出目标公司的所有员工（1,266 次调用）
  • /linkedin/search/jobs — 将空缺职位作为购买信号（454 次调用）
职位搜索端点尤为出色。空缺职位预示着预算分配和实际需求 — 一家正在招聘销售副总裁的公司，很可能有购买销售工具的预算。这把招聘数据转化为购买信号，而这是大多数数据增强工具所不具备的能力。

​
阶段 3：联系人数据增强（占 API 用量的 0.2% — 智能过滤）

  • /linkedin/user/email — 为合格联系人查找邮箱地址（452 次调用）
数据增强比例道出了真实的故事：452 次邮箱查找对应 143,785 次个人资料查看。这是 0.3% 的转化率 — 并非工具表现不佳，而是因为它在智能地过滤。平台只对匹配理想客户画像的联系人做数据增强，而不是在每家公司的每位员工身上消耗资源。正是这种精准性，把一条精心设计的流水线与批量抓取作业区分开来。

​
成果与规模

指标数值
2026 年第一季度 API 调用241,513
日均约 2,700 次调用/天
数据源3 个（LinkedIn、Google、邮箱）
不同端点数9
客户合作时长13+ 个月
团队规模3 名员工
使用最多的端点LinkedIn 用户个人资料（60%）
数据增强比例0.3%（定向过滤）
三个人。九个端点。每季度 241,000+ 次 API 调用。这不是一支只在丰富电子表格的团队 — 而是一支大规模运行生产级产品的团队，完全构建在 Anysite 的 API 之上。 13+ 个月的持续使用证明了可靠性。这是一家企业每天赖以运转的基础设施，而非一款试用后即被弃用的工具。

​
使用的关键 Anysite 端点

端点阶段作用
/linkedin/company公司研究公司个人资料、规模、行业
/google/company公司研究来自 Google/网络的交叉验证
/linkedin/company/employee_stats公司研究按职能和资历划分的组织结构
/linkedin/user员工发现完整的职业个人资料
/linkedin/sn_search/users员工发现达到 Sales Navigator 级别的搜索
/linkedin/search/users员工发现按职位、公司、地点搜索人员
/linkedin/company/employees员工发现目标公司的员工目录
/linkedin/search/jobs员工发现将空缺职位作为购买信号
/linkedin/user/email联系人数据增强为合格联系人查找邮箱

​
核心要点

  • Anysite 是数据基础设施，而非又一款销售工具。 这家客户在 Anysite 之上构建了一款产品 — 他们没有订阅一个 SaaS 仪表盘。
  • 一个 API 取代 3-5 份供应商合约。 LinkedIn 个人资料、Google 公司数据和邮箱数据增强，全部来自单一集成。
  • 小团队也能大规模构建。 三个人，每季度 241K 次 API 调用 — 证明了 Anysite 的定价和架构能够支撑初创规模的产品开发。
  • 智能过滤胜过批量数据增强。 0.3% 的数据增强比例表明，价值不在于数量 — 而在于精准。Anysite 提供原始数据层；客户的产品则赋予其智能。