如果你一直在建構現代 B2B 外聯工具堆疊，你可能已經聽過 Clay 和 Exa 這兩個名字。這完全在情理之中。Clay 將自己定位為 AI 驅動的線索增強和工作流程編排平台，讓銷售團隊從 50+ 資料來源中擷取資訊，大規模自動化研究工作。而 Exa 則專注於 AI 驅動的線索發現，透過專為在網路上精準定位相關人物和公司而設計的搜尋引擎來實現。
兩款工具都令人印象深刻。它們解決了一個真實的痛點：銷售代表在 LinkedIn、公司官網和表格之間反覆切換，僅僅為了找到聯繫對象而浪費大量時間。使用 Clay，你可以要求它查找“過去 6 個月內加入 Rippling 的 VP 級別財務負責人”，它會回傳一份經驗證的聯絡人清單。Exa 也能做到類似的事情，利用其自動化線索發現管道幫助你精準鎖定理想客戶輪廓。
但我一直遇到一個問題：研究只是戰役的一半。找到一組姓名和郵箱，並不代表你真正與任何人建立了連結。你仍然需要撰寫個人化外聯內容、管理後續跟進、追蹤誰真正回覆了。這就是缺失的執行層——也正是 Lessie AI 引起我注意的原因。
Clay——工作流程編排器
Clay 將自己定位為 AI 原生的 GTM 平台，結合資料增強與工作流程自動化。它的核心優勢是什麼？聚合數十個資料來源，讓你無需撰寫程式碼就能建構自訂研究工作流程。
核心功能：
- 接入 50+ 整合資料供應商（Apollo、Clearbit、ZoomInfo 等）
- AI 驅動的聯絡人增強與驗證
- 視覺化工作流程建構器，支援自訂客戶開發流程
- 原生整合 ChatGPT，支援對話式研究
- 與 CRM 即時同步
Clay 擅長大規模作業。如果你需要研究 1,000 個帳戶，並取得決策者的經驗證郵箱、職稱和近期活躍訊號，Clay 可以在幾分鐘內完成。其最新的 ChatGPT 整合代表銷售代表現在可以直接在聊天介面中進行研究——例如詢問“使用 Clay 查找過去 6 個月內加入 Rippling 的產品主管。”
| 優勢 | 劣勢 |
|---|---|
| 海量資料覆蓋（50+ 資料來源） | 學習曲線陡峭；需要設定工作流程 |
| 企業級資料增強 | 沒有原生外聯執行功能 |
| 強大的 CRM 整合 | 起步價 $149/使用者/月 |
| 視覺化工作流程建構器 | 最適合有專職營運支援的團隊 |
總結：Clay 是一台超級研究引擎。它為你提供了建構超精準潛在客戶清單所需的一切。但一旦清單準備就緒，後續行動就全靠你自己了。
Exa——AI 驅動的發現引擎
Exa 採用了不同的思路。它不是聚合現有資料庫，而是將自己定位為一款 AI 搜尋引擎，透過理解上下文和意圖來發現線索。
核心功能：
- 語意搜尋人物和公司
- 自動化線索發現管道
- 即時網頁爬取與資料增強
- 意圖訊號偵測
Exa 在非結構化環境中的發現能力尤為突出。如果你正在尋找小眾專家、研究人員或沒有精心維護 LinkedIn 檔案的人，Exa 的搜尋引擎可以從研討會講者名單、學術論文和公開論壇中找到他們。它在技術招募和專業化 B2B 細分領域特別有用。
| 優勢 | 劣勢 |
|---|---|
| 從多元來源發掘隱藏線索 | 資料結構化程度低於傳統供應商 |
| 在技術/小眾垂直領域表現優異 | 工作流程自動化能力有限 |
| 即時發現訊號 | 沒有原生外聯功能 |
| 入門成本更低 | 資料覆蓋範圍小於 Clay |
總結：Exa 是你發現那些在標準 B2B 資料庫中找不到的人的首選工具。它天生專注於發現——這代表它和 Clay 有著同樣的盲點：沒有執行的研究，不過是一份名單而已。
共同的缺口：有研究無執行
Clay 和 Exa 都出色地解決了發現問題。它們幫助你比任何手動流程都更快地找到合適的人。但兩者都無法幫你真正 連結 這些人。
在建立了一份包含 50 個高度精準潛在客戶的清單後，你仍然面對著：
- 沒有自動化方式來撰寫個人化郵件
- 沒有智慧的後續跟進序列
- 沒有回饋迴路來告訴你誰回覆了、誰沒有
- 無法知道你的外聯是否真正奏效
這就是我所說的缺失的執行層。Clay/Exa 生態中的每個工具都假設你會在拿到名單後手動執行——或者再接入一個獨立的外發序列工具。這正是 Lessie AI 專門為之打造的缺口。另見： Apollo vs Clay：B2B 銷售管道 深入了解研究工具之間的對比。
Lessie AI——補全工具堆疊的執行層
如果 Clay 和 Exa 是研究工具，那 Lessie 就是關係引擎。它專為處理完整的 B2B 外聯工作流程而設計：找到合適的人、深入瞭解他們、並真正促成連結。
Lessie 將自己定位為全球首款多場景人脈搜尋 AI 智慧體。但這個描述遠不足以概括它的能力。在實際測試後，我會將 Lessie 描述為一款處理整個外聯生命週期的 AI——從發現到首次對話。
核心工作流程：
- 識別——用自然語言描述你要找的人：“歐洲金融科技新創公司的產品經理”或 “報導氣候科技的播客主持人。”
- 搜尋——Lessie 跨專業網路、公開資料庫、社群媒體、研討會講者名單、GitHub 等平台進行搜尋。
- 審核——交叉驗證郵箱、過濾無效地址、評分相關性並排名候選人。
- 連結——Lessie 撰寫個人化外聯訊息，在最佳時間發送，並自動處理後續跟進。
Lessie 的優勢所在
1. 它真的會寄送外聯郵件。Clay 給你一份名單，Lessie 給你一場對話。在找到候選人後，Lessie 會撰寫引用具體成就或共同背景的個人化郵件——然後直接寄出。無需複製貼上，無需手動設定序列。
2. 它自動管理後續跟進。外聯失敗最大的原因之一是什麼？人們在寄完一封郵件後就放棄了。Lessie 自動處理禮貌的後續跟進，大幅提升回覆率，同時不增加你的工作量。
3. 它從回覆中學習。每一次回覆、會議安排或“不感興趣”的回饋都會回饋到 Lessie 的模型中。誰回覆效果好？哪種訊息更有效？隨著時間推移，Lessie 在尋人和觸達目標受眾方面會越來越高效。
4. 超越 LinkedIn 的多源發現。Clay 嚴重依賴結構化 B2B 資料庫，而 Lessie 跨平台搜尋——YouTube、GitHub、學術出版物、研討會講者名單——在小眾或專業垂直領域表現更出色。這也是為什麼 網紅發現 是 Lessie 最強大的應用場景之一。
真實體驗是什麼樣的
我用一個真實場景測試了 Lessie：尋找“歐洲報導氣候科技且擁有 5 萬+ 受眾的播客主持人。”
在 20 分鐘內，Lessie 識別出 15 位相關主持人，取得了他們的電子郵件地址和播客平台資訊，撰寫了引用特定節目的個人化推介，並安排了第一批外聯寄送。一項原本需要 3–4 小時手動研究和撰寫的任務，在我專注於其他工作時就已完成。
沒有任何工具是完美的，Lessie 也有自身的限制。在某些情況下——尤其是非英語市場或高度小眾的技術搜尋——結果可能需要人工驗證。產品團隊對此有清楚認知：Lessie 正在積極提升在小語種和小眾垂直領域的覆蓋範圍。對於大多數主流 B2B 使用場景（SaaS、金融、電商、行銷），準確性表現優秀。
建構完整的 B2B 外聯工具堆疊
讓我們退後一步看全局。這個工具堆疊中的每個工具都有明確的定位：
Clay——資料聚合器
從 50+ 結構化資料庫建構大規模、經增強的潛在客戶清單。最適合需要規模化和 CRM 等級資料品質的團隊。
Exa——發現引擎
發現那些在傳統 B2B 資料來源中找不到的人。最適合小眾垂直領域、技術招募和意圖訊號挖掘。
Lessie——執行層
接收任何來源的研究輸出，處理完整的外聯生命週期：撰寫、寄送、跟進，並從回覆中學習。
最終成果——完整的銷售管道
發現 → 增強 → 外聯 → 回覆。首個從目標到對話無需中途切換工具的完整工具堆疊。
對於 B2B 外聯團隊來說，制勝方程式是這樣的：使用 Clay 或 Exa 做研究，使用 Lessie 做連結。無論你是在做 B2B 線索開發、網紅合作還是專家尋訪，這套工具堆疊的運作方式都一樣。研究確定要觸達誰，Lessie 確保你真正觸達了他們。