최신 B2B 아웃리치 스택을 구축하고 있다면 Clay와 Exa라는 이름을 들어보셨을 겁니다. 그럴 만한 이유가 있습니다. Clay는 AI 기반 리드 강화 및 워크플로우 오케스트레이션 플랫폼으로, 영업팀이 50개 이상의 데이터 소스에서 정보를 추출하고 대규모로 리서치를 자동화할 수 있게 합니다. 반면 Exa는 AI 기반 리드 발견에 집중하며, 웹에서 관련 인물과 기업을 찾아내도록 설계된 검색 엔진을 제공합니다.
두 도구 모두 인상적입니다. 영업 담당자가 연락 대상을 찾기 위해 LinkedIn, 기업 웹사이트, 스프레드시트 사이를 오가며 낭비하는 막대한 시간이라는 실제 문제를 해결합니다. Clay에서 “최근 6개월 이내 Rippling에 합류한 VP급 재무 리더”를 검색하면 인증된 연락처 목록이 나옵니다. Exa도 비슷하게, 자동화된 리드 발견 파이프라인을 활용해 이상적인 고객 프로필을 정확히 찾아냅니다.
하지만 제가 계속 부딪힌 문제가 있습니다—리서치는 전투의 절반일 뿐이라는 것입니다. 이름과 이메일 목록을 확보했다고 해서 실제로 누군가와 연결된 것은 아닙니다. 개인화된 아웃리치 작성, 팔로업 관리, 누가 실제로 응답했는지 추적—이 모든 것을 여전히 수동으로 해야 합니다. 이것이 바로 빠져 있는 실행 레이어이며, 정확히 Lessie AI가 제 관심을 끈 이유입니다.
Clay—워크플로우 오케스트레이터
Clay는 AI 네이티브 GTM 플랫폼으로, 데이터 강화와 워크플로우 자동화를 결합합니다. 핵심 강점이 무엇일까요? 수십 개의 데이터 소스를 통합하고 코드 없이 맞춤형 리서치 워크플로우를 구축할 수 있다는 점입니다.
핵심 기능:
- 50개 이상의 통합 데이터 제공업체 접근 (Apollo, Clearbit, ZoomInfo 등)
- AI 기반 연락처 강화 및 검증
- 맞춤형 프로스펙팅 시퀀스를 위한 비주얼 워크플로우 빌더
- 대화형 리서치를 위한 ChatGPT 네이티브 통합
- CRM과의 실시간 동기화
Clay는 대규모 작업에 뛰어납니다. 1,000개 계정을 리서치하고 인증된 이메일, 직함, 최근 활동 신호를 가진 의사결정자 연락처를 가져와야 한다면, Clay가 몇 분 안에 처리합니다. 최근 ChatGPT 통합으로 영업 담당자는 채팅 인터페이스에서 직접 리서치를 수행할 수 있습니다—예를 들어 “Clay를 사용해서 최근 6개월 내 Rippling에 합류한 프로덕트 임원을 찾아줘”라고 질문할 수 있습니다.
| 강점 | 약점 |
|---|---|
| 방대한 데이터 커버리지 (50개 이상 소스) | 높은 학습 곡선; 워크플로우 설정 필요 |
| 엔터프라이즈급 데이터 강화 | 네이티브 아웃리치 실행 기능 없음 |
| 강력한 CRM 통합 | 요금제 $149/사용자/월부터 시작 |
| 비주얼 워크플로우 빌더 | 전담 운영 지원이 있는 팀에 최적 |
결론: Clay는 초강력 리서치 엔진입니다. 하이퍼 타겟 잠재 고객 목록을 구축하는 데 필요한 모든 것을 제공합니다. 하지만 목록이 준비되면 실제 행동은 전적으로 여러분의 몫입니다.
Exa—AI 기반 발견 엔진
Exa는 다른 접근 방식을 취합니다. 기존 데이터베이스를 집계하는 대신, 맥락과 의도를 이해하여 리드를 발견하는 AI 검색 엔진으로 자리매김합니다.
핵심 기능:
- 인물 및 기업 시맨틱 검색
- 자동화된 리드 발견 파이프라인
- 실시간 웹 크롤링 및 데이터 강화
- 인텐트 신호 탐지
Exa는 비구조적 환경에서의 발견에 탁월합니다. 니치 전문가, 연구자, 또는 LinkedIn 프로필이 잘 정리되지 않은 사람을 찾고 있다면, Exa의 검색 엔진이 컨퍼런스 연사 목록, 학술 논문, 공개 포럼에서 이들을 찾아냅니다. 기술 채용과 전문화된 B2B 니치 분야에서 특히 유용합니다.
| 강점 | 약점 |
|---|---|
| 다양한 소스에서 숨겨진 리드 발굴 | 기존 데이터 제공업체보다 구조화 수준 낮음 |
| 기술/니치 분야에 강함 | 워크플로우 자동화 제한적 |
| 실시간 발견 신호 | 네이티브 아웃리치 기능 없음 |
| 낮은 진입 비용 | Clay 대비 데이터 커버리지 좁음 |
결론: Exa는 표준 B2B 데이터베이스에 나타나지 않는 사람을 찾는 데 최적의 도구입니다. 발견에 특화된 설계—Clay와 같은 사각지대가 있다는 뜻입니다: 실행 없는 리서치는 그저 리스트일 뿐입니다.
공통된 격차: 리서치는 있지만 실행이 없다
Clay와 Exa 모두 발견 문제를 탁월하게 해결합니다. 어떤 수동 프로세스보다 빠르게 적합한 사람을 찾을 수 있습니다. 하지만 두 도구 모두 그 사람들과 실제로 연결하는 것은 도와주지 않습니다.
50명의 고도로 타겟팅된 잠재 고객 목록을 만든 후에도 여전히 이런 문제에 직면합니다:
- 개인화된 이메일을 자동으로 작성할 방법이 없음
- 지능형 팔로업 시퀀싱이 없음
- 누가 응답하고 누가 응답하지 않았는지에 대한 피드백 루프가 없음
- 아웃리치가 실제로 효과가 있었는지 알 수 없음
이것이 제가 말하는 빠져 있는 실행 레이어입니다. Clay/Exa 생태계의 모든 도구는 리스트를 받은 후 수동으로 실행하거나 별도의 아웃바운드 시퀀서를 추가할 것을 가정합니다. 이것이 바로 Lessie AI가 메우기 위해 만들어진 격차입니다. 참고: Apollo vs Clay: B2B 파이프라인 리서치 도구 간 심층 비교.
Lessie AI—스택을 완성하는 실행 레이어
Clay와 Exa가 리서치 도구라면, Lessie는 관계 엔진입니다. 전체 B2B 아웃리치 워크플로우를 처리하도록 설계되었습니다: 적합한 사람을 찾고, 이해하고, 실제로 연결을 성사시킵니다.
Lessie는 세계 최초의 멀티 시나리오 People Search AI 에이전트로 포지셔닝됩니다. 하지만 이 설명만으로는 부족합니다. 실제 테스트 후, Lessie를 아웃리치 라이프사이클 전체—발견부터 첫 대화까지—를 처리하는 AI로 묘사하겠습니다.
핵심 워크플로우:
- 식별—자연어로 찾고 있는 사람을 설명합니다: “유럽 핀테크 스타트업의 프로덕트 매니저” 또는 “기후 기술을 다루는 팟캐스트 호스트.”
- 소싱—Lessie가 전문 네트워크, 공개 데이터베이스, 소셜 미디어, 컨퍼런스 연사 목록, GitHub 등을 교차 검색합니다.
- 검토—이메일을 교차 확인하고, 바운스를 필터링하고, 관련성을 스코어링하고, 후보자를 순위화합니다.
- 연결—Lessie가 개인화된 아웃리치 메시지를 작성하고, 최적의 시간에 발송하며, 팔로업을 자동으로 처리합니다.
Lessie가 뛰어난 점
1. 실제로 아웃리치를 보냅니다. Clay는 리스트를 줍니다. Lessie는 대화를 줍니다. 후보자를 찾은 후 Lessie는 구체적인 성과나 공통 맥락을 참조한 개인화 이메일을 작성하고—발송합니다. 복사-붙여넣기 불필요, 수동 시퀀스 설정 불필요.
2. 팔로업을 자동으로 관리합니다. 아웃리치가 실패하는 가장 큰 이유 중 하나가 무엇일까요? 첫 이메일 후 포기한다는 것입니다. Lessie는 정중한 팔로업을 자동으로 처리하여 업무량을 늘리지 않으면서 회신율을 극적으로 향상시킵니다.
3. 응답에서 학습합니다. 모든 회신, 미팅, “관심 없습니다” 피드백이 Lessie의 모델에 반영됩니다. 누가 좋은 반응을 보였나? 어떤 메시지가 효과적이었나? 시간이 지남에 따라 Lessie는 타겟 오디언스를 찾고 참여시키는 데 더 효과적으로 진화합니다.
4. LinkedIn을 넘어선 멀티소스 발견. Clay는 구조화된 B2B 데이터베이스에 크게 의존하지만, Lessie는 플랫폼을 가리지 않고 검색합니다—YouTube, GitHub, 학술 출판물, 컨퍼런스 연사 목록—니치하거나 전문화된 분야에서 더 뛰어난 성과를 보입니다. 이것이 인플루언서 발견이 Lessie의 가장 강력한 활용 사례 중 하나인 이유입니다.
실제 경험은 어떤 모습인가
실제 시나리오로 Lessie를 테스트했습니다: “5만 명 이상의 오디언스를 보유한 유럽의 기후 기술 팟캐스트 호스트”를 찾는 것이었습니다.
20분 이내에 Lessie는 15명의 관련 호스트를 식별하고, 이메일 주소와 팟캐스트 플랫폼 정보를 가져오고, 특정 에피소드를 참조한 개인화된 피치를 작성하고, 첫 번째 아웃리치 배치의 발송 일정을 잡았습니다. 수동 리서치와 작성에 3–4시간이 걸렸을 작업이 제가 다른 일에 집중하는 동안 완료되었습니다.
완벽한 도구는 없으며, Lessie에도 한계가 있습니다. 일부 경우—특히 비영어 시장이나 고도로 니치한 기술 검색에서—결과에 사람의 검증이 필요할 수 있습니다. 제품 팀은 이를 인식하고 있습니다: Lessie는 소수 언어와 니치 분야에서의 커버리지를 적극적으로 개선하고 있습니다. 대부분의 주류 B2B 활용 사례 (SaaS, 금융, 이커머스, 마케팅)에서는 정확도가 우수합니다.
완전한 B2B 아웃리치 스택 구축
한 발 물러서서 전체 그림을 봅시다. 이 스택의 각 도구에는 뚜렷한 역할이 있습니다:
Clay—데이터 어그리게이터
50개 이상의 구조화된 데이터베이스에서 대규모로 강화된 잠재 고객 목록을 구축합니다. 규모와 CRM 수준의 데이터 품질이 필요한 팀에 최적.
Exa—발견 엔진
기존 B2B 데이터 소스에 나타나지 않는 사람을 찾습니다. 니치 분야, 기술 채용, 인텐트 신호 탐지에 최적.
Lessie—실행 레이어
모든 소스의 리서치 결과를 받아 전체 아웃리치 라이프사이클을 처리: 작성, 발송, 팔로업, 그리고 응답에서 학습.
결과—완전한 파이프라인
발견 → 강화 → 아웃리치 → 응답. 타겟에서 대화까지 워크플로우 중간에 도구를 전환하지 않는 최초의 스택.
B2B 아웃리치 팀에게 승리 공식은 이렇습니다: Clay 또는 Exa로 리서치하고, Lessie로 연결합니다. B2B 리드 생성, 인플루언서 파트너십, 전문가 소싱 등 어떤 경우든 스택의 작동 방식은 동일합니다. 리서치가 누구에게 연락할지 식별하고, Lessie가 실제로 연락을 실현합니다.