Как зарабатывать на своих продуктах в эпоху вайбкодинга? Конкретный гайд

Мы много говорим о том, что Claude Code сильно уравнял возможности и запилить клевый продукт теперь может практически каждый. Ключевая разница в бесславно умершем и круто стрельнувшем продукте сейчас все чаще сводится к дистрибуции

Клево запилить полезный продукт, а еще лучше - настроить системный процесс по его продаже на глобал другим компаниям (в тч корпам). Делимся одним из самых полезных фреймворков по этой теме ниже. Сохраняйте себе и делитесь с корешами-вайбкодерами!

Большинство компаний делают холодный аутрич одинаково: выгружают базу откуда-нибудь или парсят Линкдин, добавляют {First_Name} в начало письма, нажимают отправить. Reply rate 1.1%. SDR говорит что база плохая, reply rate 1.1%.

Clay позволяет это исправить: сначала собираешь данные о каждом лиде из 150+ источников, потом AI-агент пишет персонализацию под каждого. Команды, которые это сделали, видят, что ответов уже 4.3% или больше против 1.1% до этого, не доставляется 0.8-1.4% против 2.5-4% по сырой холодной базе.

Разбираем, как это работает изнутри.

FETE — четыре шага к персонализированному аутричу

Find. Загружаешь контакты из любого источника - Apollo, LinkedIn Sales Navigator, Hunter, CSV. Clay агрегирует 150+ источников данных через собственные интеграции.

Enrich. По каждому лиду одновременно запрашиваешь данные из нескольких мест: должность из LinkedIn, email из Hunter, технологии на сайте из BuiltWith, новости о компании из Google News. Всё складывается в одну строчку таблицы автоматически.

Transform. Здесь заходит Claygent - встроенный AI-агент Clay с браузером. Задаёшь промпт один раз, агент сам ходит по сайтам каждого лида и пишет персонализацию. Промпт для icebreaker 👇

"Visit {company_website}. Find the most recent blog post, case study, or news from the last 90 days. Write one sentence (max 20 words) to use as an opening line in a cold email referencing this specific content. Write in English."

На тысячу лидов - тысяча разных первых предложений. Это и даёт рост с 1.1% до 4.3% .

Ещё более мощный вариант: Claygent читает отзывы на компанию (G2, Trustpilot, Google Reviews) и вытаскивает конкретные боли - почему клиенты уходят, на что жалуются. Это твой угол на продажу на первый звонок, без рисёрча и аналитиков. Промпт 👇

"Search for recent reviews of {company_name} on G2 or Trustpilot. Find 1-2 specific pain points mentioned by their customers. Write one sentence referencing this pain and connecting it to a solution. Max 20 words."

Export. Готовый список с персонализацией уходит в Instantly, Smartlead, Lemlist или прямо в CRM.

Почему c Clay доставляется больше 99% писем - последовательный поиск в базах

Стандартная проблема Apollo-экспорта: каждый пятый-шестой email невалидный, отсюда недоставка 2.5-4% писем. Последовательное (waterfall) обогащение решает через каскадную проверку: сначала Hunter, если нет email - Apollo, если нет - Snov.io, если нет - Clearbit. Следующий источник подключается только когда предыдущий не дал результат. В список попадают только валидированные контакты.

А где вся эта схема наебнётся?

AI-outreach распознаётся всё лучше. Если промпт слабый - письмо получается слоповым, и получатель это чувствует. Это тот самый коллега: "я всё ещё пишу аутрич вручную и у меня лучше, чем у вашего AI". Он прав в том смысле, что ручное письмо от сделавшего рисёч человека бьёт любой AI-шаблон.

Подход, который реально работает - смешанный: AI на массовых задачах (обогащение, валидация, первичная персонализация), человек на контроле и решение (финальный отбор лидов, ручные письма под топ-приоритеты). При масштабировании скрейпинг и парсинг периодически ломаются - это нормально, всё равно нужен челик следить и фиксить. Это не баг Clay, это природа работы с веб-данными.