Ваши менеджеры тратят по 4-6 часов в день на поиск контактов и ручную рассылку - а половина писем уходит не тем людям. Вы платите зарплату, а результат - 2-3% ответов. Знакомо?
В этой статье - конкретный стек, который автоматизирует outbound от поиска до отправки. Никакого кода, никаких курсов. Всё, что нужно - настроить три сервиса за вечер.
Разберём на примере условной стройфирмы, которая продаёт услуги ремонта коммерческих помещений. Нам нужно найти собственников бизнеса, которые недавно открыли офис или кафе, и предложить им ремонт.
Ландшафт AI-продаж 2026: Apollo, Clay, Outreach AI, Instantly - кто за что отвечает
Сейчас стек outbound обычно выглядит так: Apollo находит и фильтрует контакты, Clay обогащает данные из десятков источников, Outreach или Instantly запускают автоматизированные последовательности, а CRM хранит историю.
Apollo.io - это база контактов на 230 миллионов человек с AI-скорингом. Компания позиционирует себя как all-in-one платформу: можно найти лида, написать ему email и отследить открытие - всё в одном интерфейсе. Тарифы: Basic - $49/месяц на пользователя, Professional - $99/месяц, Organization от $149/месяц. Бесплатный тариф ограничен 10 экспортами в месяц.
Clay ($149-$800/месяц) занимает другую нишу. Это не база контактов, а инструмент обогащения: берёт список компаний или людей и последовательно запрашивает 100+ провайдеров данных - Clearbit, Hunter, LinkedIn, Apollo, Crunchbase и другие. Концепция называется waterfall enrichment: если первый провайдер не нашёл email, запрос идёт ко второму, третьему и так далее. Match rate по emails при такой цепочке достигает 85-92% против 60-70% при работе с одним источником.
Outreach AI и Salesloft - инструменты для sequencing. Они берут обогащённые контакты и запускают многошаговые цепочки касаний: email, LinkedIn, звонок. Instantly ($37/месяц) ориентирован на более агрессивный cold email с разогревом почтовых ящиков.
Практика: для команды из 3 sales-менеджеров типичная связка выглядит так - Apollo для поиска ($299/месяц за 3 места), Clay Starter для обогащения ($149/месяц), Instantly для отправки ($74/месяц за 2 места). Итого около $520/месяц на весь outbound-стек.
Apollo AI: поиск лидов по 65+ фильтрам, intent-сигналы, AI-скоринг контактов
Что реально изменилось в Apollo с приходом AI - это intent-сигналы и автоматический скоринг. Раньше фильтры были статическими: должность, размер компании, отрасль. Теперь Apollo показывает «горячие» компании - те, которые только что получили раунд финансирования, наняли нового CRO или начали искать похожий продукт на G2.
Фильтры Apollo делятся на три группы:
- Firmographic: отрасль (SIC/NAICS), размер по выручке ($1M-$10M, $10M-$50M), количество сотрудников, география, технологический стек (находит компании, использующие Salesforce или HubSpot).
- Demographic: должность, уровень (C-level, VP, Director, Manager), функция (Sales, Engineering, Marketing).
- Intent: рост найма в отделе, посещение страниц конкурентов, поисковые запросы.
AI-скоринг работает так: указываешь идеальный профиль клиента (ICP) - размер компании, отрасль, признаки готовности купить - и Apollo автоматически ставит контактам оценку от A до D. В тестах команды Apollo эта функция повышала reply rate на 23-31% по сравнению с нескоринговыми списками просто за счёт исключения нерелевантных контактов.
Python + Apollo API позволяет автоматизировать экспорт. Вот базовая структура - но вам она не понадобится, если используете готовые интеграции:
import requests
headers = {"x-api-key": "YOUR_KEY", "Content-Type": "application/json"}
body = {
"q_organization_domains": [],
"page": 1,
"per_page": 50,
"person_titles": ["Head of Sales", "VP Sales"],
"organization_num_employees_ranges": ["50,200"]
}
response = requests.post(
"https://api.apollo.io/v1/mixed_people/search",
json=body, headers=headers
)
leads = response.json()["people"]
Автоматический экспорт через API входит в Professional план. На Basic плане API-доступ ограничен.
Clay: waterfall enrichment - запрос 100+ провайдеров по цепочке для максимального match rate
Clay работает по логике таблицы: каждая строка - это компания или контакт, каждый столбец - это источник данных или действие. Столбец можно создать через стандартный интегратор (выбрать провайдера из списка) или через Claygent - AI-агента, который ищет данные в свободном интернете.
Waterfall enrichment выглядит как цепочка условий: сначала пробуй Hunter.io, если email не найден - пробуй Snov.io, если нет - пробуй Apollo, если нет - пробуй Prospeo. Clay автоматически останавливается, когда находит результат, и списывает кредиты только за успешный поиск. Это принципиально дешевле, чем платить каждому провайдеру отдельно.
Кредиты Clay: каждый запрос к провайдеру стоит 1-10 кредитов в зависимости от сложности. Стартовый план даёт 2000 кредитов/месяц за $149. Это примерно 400-2000 обогащений в зависимости от запрашиваемых данных. Для команды, которая прорабатывает 200-500 новых компаний в месяц, Starter обычно достаточно.
Особенность Clay - формулы с AI. Можно написать: «Из LinkedIn-биографии этого человека извлеки его главную боль как покупателя» - и получить структурированный ответ для каждой строки таблицы. Это основа для персонализации email без ручной работы.
Claygent: AI-агент Clay, который самостоятельно ищет данные в открытых источниках
Claygent - это браузерный AI-агент внутри Clay. Он не просто делает API-запросы к известным базам, а реально открывает сайты, читает страницы, извлекает нужное. Это важно для данных, которых нет в структурированных базах.
Практические кейсы Claygent: найти последнюю публичную новость о компании для персонализации email («видел, что вы недавно открыли офис в Берлине - поздравляю»), извлечь из LinkedIn-поста конкретной персоны тему, которую она активно обсуждает, проверить, есть ли у компании вакансии на определённую роль (сигнал боли).
Стоимость Claygent-запроса - 3-15 кредитов в зависимости от глубины поиска. По сравнению с ручным ресёрчем скорость обработки 1000 компаний - около 2-4 часов вместо 5-7 рабочих дней.
Ограничение: Claygent может ошибиться, если структура сайта нестандартная или информация не публична. Рекомендуется проверять 5-10% строк вручную при запуске нового workflow.
Генерация персонализированных email-цепочек: промпты с переменными из CRM-данных
Персонализация - главный фактор, который отличает reply rate в 3-5% от 15-25%. Массовые шаблоны без подстановки переменных работают всё хуже: спам-фильтры и получатели одинаково научились их распознавать.
Структура промпта для генерации email с переменными:
Напиши cold email для {{first_name}} из {{company_name}}.
Они используют {{tech_stack}}.
Последняя новость о компании: {{recent_news}}.
Наша ценность: сокращаем время на {{pain_point}} на 40%.
Объём: 3-4 предложения. Без "Надеюсь это письмо найдёт вас..."
Clay позволяет запустить такой промпт через GPT-4 или Claude для каждой строки таблицы. Получается полностью персонализированное письмо, где первый абзац уникален для каждого получателя, а ценностное предложение стандартно.
По данным A/B тестов Outreach (2025): письма с персонализированным первым предложением показывают reply rate 12.4% против 4.1% у шаблонных. При этом AI-персонализация через Clay/Apollo дешевле ручной в 15-20 раз по времени.
Для построения последовательности в Outreach стандартная схема для B2B SaaS: день 1 - email, день 3 - LinkedIn-запрос, день 7 - follow-up email, день 14 - звонок, день 21 - последнее письмо с «закрытием». Open rate первого письма обычно 40-55%, reply rate по всей цепочке - 8-18% при хорошем ICP.
Python + Apollo API: автоматический экспорт лидов, дедупликация, передача в n8n
Полный пайплайн: Apollo возвращает лидов, скрипт очищает и дедуплицирует, передаёт в n8n для дальнейшей автоматизации. Вам этот код не понадобится, если используете готовые интеграции, но для понимания - вот как это выглядит.
Дедупликация критична: Apollo может вернуть одного и того же человека в разных поисках. Простая проверка по email и LinkedIn URL:
import pandas as pd
def deduplicate_leads(leads: list) -> list:
df = pd.DataFrame(leads)
before = len(df)
df.drop_duplicates(subset=["email", "linkedin_url"], keep="first", inplace=True)
print(f"Удалено дублей: {before - len(df)}")
return df.to_dict("records")
Передача в n8n через webhook. Этот фрагмент отправляет лидов порциями по 50 записей.
import requests
def send_to_n8n(leads: list, webhook_url: str):
for batch in [leads[i:i+50] for i in range(0, len(leads), 50)]:
requests.post(webhook_url, json={"leads": batch})
n8n со стороны принимает лидов, обогащает через Clay API, передаёт в Outreach и записывает в CRM. Такой пайплайн при self-hosted n8n стоит фактически только подписки Apollo и Clay.
Метрики outbound в 2026: open rate, reply rate, bounce rate - нормы и как их улучшать
Ориентиры по метрикам cold email в B2B по данным 2025-2026:
- Open rate: норма 40-55%. Ниже 30% - проблема с темой письма или доставляемостью. Выше 60% - либо очень точный ICP, либо провокационная тема.
- Reply rate: норма 5-15%. Ниже 3% - проблема с релевантностью или персонализацией. Выше 20% - отличный ICP или исключительный оффер.
- Bounce rate (hard bounce): должен быть ниже 2%. Выше 5% - под угрозой репутация домена. Clay waterfall enrichment помогает держать bounce rate ниже 1.5%.
- Unsubscribe rate: норма до 0.5%. Выше 1% - аудитория не соответствует офферу.
Что реально улучшает метрики: разогрев домена перед запуском (Instantly Warmup или Mailreach, 3-4 недели), ротация отправителей (не более 30-50 писем с одного ящика в день), проверка email через NeverBounce или ZeroBounce перед отправкой.
AI-A/B тестирование: Outreach позволяет запустить несколько вариантов темы и первого абзаца, автоматически выбирая победителя после 100 открытий. Это ускоряет оптимизацию цепочек с нескольких недель до нескольких дней.
Юридический аспект: GDPR, CAN-SPAM, согласие - что нельзя автоматизировать
B2B cold email в ЕС существует в правовой серой зоне. GDPR не запрещает B2B проспектинг явно, но требует легитимного интереса (Legitimate Interest) как основания обработки. На практике: если отправляешь релевантное деловое предложение на рабочий email, собранный из публичных источников (LinkedIn, сайт компании) - это обычно допустимо при соблюдении условий.
Что обязательно: возможность отписаться в каждом письме, честный идентификатор отправителя, наличие физического адреса в подписи. Это требование и GDPR, и CAN-SPAM (США).
Что нельзя автоматизировать: сбор личных email (gmail.com, mail.ru) физлиц без согласия в ЕС - это прямое нарушение GDPR с штрафами до 4% годового оборота. Apollo по умолчанию не показывает личные email в ЕС именно по этой причине.
В России 152-ФЗ о персональных данных требует согласия на обработку для физлиц, но B2B-коммуникации через корпоративные адреса регулируются мягче. Главное правило: не смешивать B2B и B2C в одном пайплайне.
Частые вопросы
Чем Clay отличается от Apollo - это конкуренты или дополняют друг друга?
Это дополняющие инструменты с разной специализацией. Apollo - база контактов и поиск по фильтрам. Clay - инструмент обогащения, который берёт ваш список (из Apollo или другого источника) и добавляет к нему данные из 100+ провайдеров. Большинство команд используют оба.
Как избежать попадания в спам при массовых AI-рассылках?
Три ключевых момента: разогреть домен минимум 3 недели через Instantly или Mailreach, не отправлять больше 30-50 писем в день с одного ящика, проверять email перед отправкой через NeverBounce. AI-персонализация первого абзаца снижает вероятность срабатывания спам-фильтров, потому что каждое письмо уникально.
Можно ли строить sales-агента без Apollo - только на open source данных?
Можно, но сложнее. Открытые источники: LinkedIn через официальный API или парсинг (нарушает ToS), Crunchbase бесплатный тариф, Hunter.io бесплатный тариф (50 поисков/месяц), данные с сайтов компаний через Claygent. Для небольших объёмов (до 200 лидов/месяц) связка бесплатных инструментов работает. При масштабировании Apollo окупается быстро.
Сколько стоит связка Apollo + Clay для команды из 3 человек в 2026?
Minimal viable stack: Apollo Professional ($297/месяц за 3 места) + Clay Starter ($149/месяц) + Instantly Growth ($74/месяц). Итого: $520/месяц. При этом пайплайн способен генерировать 300-600 персонализированных касаний в неделю - ресурс, который раньше требовал 2-3 full-time SDR.
Как AI-скоринг лидов влияет на конверсию по сравнению с ручным отбором?
По внутренним данным Apollo, скоринг по ICP-критериям повышает reply rate на 20-35% за счёт исключения низкорелевантных контактов. Практический эффект: вместо того чтобы отправить 1000 писем с reply rate 5%, можно отправить 600 писем с reply rate 9% - и получить больше ответов при меньшей нагрузке на домен.
Что делать прямо сейчас
- Зарегистрируйте Apollo (бесплатный тариф, 10 экспортов). Настройте фильтры под свой ICP.
- Подключите Clay Starter - начните с 2000 кредитов. Импортируйте список из Apollo и добавьте enrichment.
- Настройте Instantly для отправки - используйте готовый промпт с переменными.
- Запустите первую кампанию на 50 контактов. Замерьте метрики через неделю.
Весь процесс - 2-8 часов работы одного менеджера. Без программиста.
AI Компас (t.me/kosmoslab_ai) - канал для предпринимателей в РФ и СНГ, которые применяют AI в своём бизнесе без программиста. Разбираем инструменты и схемы - без курсов и теории.