> ## Documentation Index > Fetch the complete documentation index at: https://docs.anysite.io/llms.txt > Use this file to discover all available pages before exploring further. # B2B 销售情报 — 用一个 API 取代 5 家数据供应商 > 一家 3 人初创公司如何用 Anysite 的统一 API 取代 3-5 家独立数据供应商，每季度支撑 241K+ API 调用，驱动自动化销售勘探。 ## 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。