Claude 接 FullEnrich 实测:30 秒建 Linear 全账户地图
@socialwithaayan 用同一段 prompt(「为 Linear 建账户地图并丰富联系人,只要工作邮箱」)对 Linear 做了有无数据源的 A/B 对照实验:一个窗口纯用 Claude,另一个接入 FullEnrich 连接器,公司为与作者无利益关联的 Linear。结论是数据源才是销售情报工作流的关键——纯 Claude 只找到 6 位高管,接入 FullEnrich 后 30 秒产出完整账户地图。
已确认
- 接入方式仅三步:在 Claude Connectors 添加自定义连接器、粘贴 MCP 地址、登录授权(OAuth 字段留空)。
- 对照组(纯 Claude):只找到 Linear 6 位领导层,把公司人数估为 90-120,拿不到任何经过验证的工作邮箱,并明确拒绝按邮箱命名规律猜测。
- 实验组(FullEnrich):拉出经理级以上全部 20 人(3 创始人、COO、7 位 heads、1 位 director、8 位 managers),为 20 人全部找到工作邮箱,消耗 20 credits(每邮箱 1 credit)。
- 账户地图为每位联系人标注购买角色(决策者/职能负责人/支持者)、入职日期和 LinkedIn 链接,并自动解读组织结构:无 VP 层、2026 年新设 EMEA 团队等。
- 连接器边界:Claude 只直读前 10 行数据,其余邮箱在 CSV 导出里需手动附上才能补全;Claude 还主动警告不要按命名规律猜剩余联系人。
为什么重要
- 实验用可量化的对照直接展示了 LLM 有无外部数据源的能力差距:模型推理能力再强,缺乏可靠数据时也无法产出可用的销售情报。
- 相比作者吐槽的传统流程(LinkedIn 人肉找决策人、逐个搜邮箱、祈祷不退信,「这不是研究,这是第二份工作」),连接器工作流把账户地图搭建压缩到 30 秒量级。
- 帖子同时如实记录了连接器的限制(仅直读前 10 行),对评估此类工作流的实用性有参考价值。
2026-10-28 ~ 2026-10-28 · 7 条相关
一手来源
- Claude 接 FullEnrich 实测:30 秒为 Linear 建全公司销售情报地图 — socialwithaayan ·
- 实验设计:同一段 prompt,对 Linear 做有无数据源的 A/B 测试 — socialwithaayan ·
- 对照组:纯 Claude 只找到 6 位高管,人数估 90-120,零个验证邮箱 — socialwithaayan ·
- 老式销售情报流程被吐槽:LinkedIn 人肉挖邮箱像第二份工作 — socialwithaayan · 2026-10-28
- 【源头】实验设计:同一段 prompt,对 Linear 做有无数据源的 A/B 测试 — socialwithaayan · 2026-10-28
- 【源头】对照组:纯 Claude 只找到 6 位高管,人数估 90-120,零个验证邮箱 — socialwithaayan · 2026-10-28
- FullEnrich 实测数据:20 个经理级以上联系人、20 个邮箱、20 credits — socialwithaayan · 2026-10-28
- Claude 生成的账户地图:购买角色+入职时间+组织信号一次拉齐 — socialwithaayan · 2026-10-28
- 连接器边界实测:Claude 只直读前 10 行,其余需附 CSV 补全 — socialwithaayan · 2026-10-28
- 【源头】Claude 接 FullEnrich 实测:30 秒为 Linear 建全公司销售情报地图 — socialwithaayan · 2026-10-28