.avif)
.avif)
« Chaque lead est préqualifié, scoré sur des signaux uniques et routé automatiquement par Clay. Nous générons désormais du pipeline sur des segments que nous n’exploitions même pas. » – Raman Khanna, équipe Growth
ElevenLabs associe la recherche en IA au développement produit pour transformer notre façon d’interagir avec la technologie.
Technologies vocales IA
Londres, Royaume-Uni
ElevenLabs conçoit des agents IA d’entreprise pour la voix et le chat. La société propose aussi des outils créatifs pour les équipes de création de contenu et des modèles d’IA audio pour les développeurs. Elle accompagne aujourd’hui des millions d’utilisateurs et des milliers d’entreprises parmi les plus grandes du monde.
Pour Raman Khanna, de l’équipe Growth, et Alinga Jiang, de l’équipe Revenue Strategy et Operations, le problème n’a jamais été le manque de leads. L’enjeu consistait à bâtir l’infrastructure nécessaire pour savoir lesquels prioriser afin de les traiter avant que l’opportunité ne disparaisse.
Les signaux affluaient de toutes parts : formulaires inbound, données d’utilisation du produit, visites de comptes nommés sur le site. Il leur manquait le socle technique capable de les enrichir, de les scorer et de les router. Or, les données CRM, dont dépendait chaque système en aval, exigeaient un enrichissement continu pour rester fiables à l’échelle l’entreprise. « Nous n’arrivions pas à récupérer les champs d’enrichissement à fort signal pour alimenter le score global », se souvient Raman Khanna. Avec un inbound en hausse sur tous les canaux, l’équipe voulait traiter les meilleurs leads dès leur arrivée, sans attendre.
Ils ont fait appel à Clay pour bâtir le socle décisionnel GTM qui vient s’adosser à leur CRM. Celui-ci enrichit les données en continu, traite les signaux provenant de chaque source et qualifie les leads de manière autonome. Elle orchestre également les GTM plays, aussi bien pour les commerciaux que pour les systèmes automatisés. Initié comme un simple socle de données, ce projet est devenu l’architecture d’orchestration de toute leur stratégie go-to-market.
Construire le socle de données qui alimente chaque play
Avant de scorer un lead ou de router un compte, ElevenLabs avait besoin de données fiables. L’équipe RevOps d’Alinga Jiang pilote l’infrastructure d’enrichissement dont dépendent toutes les autres approches. Celle-ci centralise les données firmographiques (secteur, effectif), le commercial affecté à chaque compte et le score défini selon l’ICP.
En début d’année, ElevenLabs a revu sa stratégie commerciale et sa définition de l’ICP. Alinga Jiang et son équipe ont ainsi mis à jour la classification de l’intégralité du parc de comptes et du pipeline actif. Avec Clay, ils en ont resegmenté des milliers dans les bonnes catégories, sans aucune intervention manuelle. « Clay nous a permis d’opérer cette bascule globale et de reclasser nos comptes existants à très grande échelle », explique-t-elle.
L’enrichissement s’applique également au niveau du contact. Le département, le niveau hiérarchique et les numéros de mobile sont collectés auprès de plusieurs fournisseurs grâce à l’enrichissement en cascade de Clay. L’équipe décide des sources à privilégier et de leur ordre d’interrogation. Ces données sont ensuite synchronisées avec Salesforce, permettant aux commerciaux et aux systèmes automatisés de s’appuyer sur des fiches fiables.
Le socle de données détermine aussi tout ce que l’on peut construire par-dessus. L’équipe d’Alinga Jiang gère la logique de classification ICP directement dans Clay. C’est cette même logique qu’utilisent les modèles de scoring de Raman Khanna pour les leads issus de la génération de demande. Toutes les mécaniques qui en découlent ne fonctionnent que parce que ces informations restent à jour.
Qualifier et scorer chaque lead
ElevenLabs pilote de nombreux programmes marketing et de génération de demande sur une multitude de canaux. Chaque lead entrant doit donc rejoindre le bon parcours.
Inbound
Aucun lead inbound n’est transmis à un commercial sans être d’abord passé par Clay. Pour absorber ce volume, l’équipe RevOps d’Alinga Jiang a mis en place le système de qualification de l’inbound organique. Deux agents évaluent chaque lead. Le premier analyse le site du prospect et vérifie qu’il s’agit d’une véritable entreprise. Le second examine le cas d’usage décrit, les estimations de volume et les délais renseignés par le prospect. Il croise ensuite ces éléments avec les constats du premier pour évaluer le niveau d’intention et la qualité. Ensemble, ils formulent une recommandation de préqualification destinée au SDR : poursuivre le traitement du lead, le disqualifier ou le rediriger vers le support.
Génération de demande
Raman Khanna a conçu un système équivalent pour les canaux de génération de demande : campagnes LinkedIn, publicités payantes, téléchargements de contenus soumis à un formulaire et webinaires. Le modèle de scoring s’appuie sur des signaux firmographiques classiques, comme l’intitulé de poste, la taille d’entreprise, le chiffre d’affaires et l’adéquation à l’ICP.
Toutefois, les signaux les plus révélateurs proviennent des agents Clay, qui effectuent directement des recherches sur chaque entreprise. Celle-ci recrute-t-elle activement des profils d’ingénieurs ? Commercialise-t-elle déjà un produit d’IA vocale ? « Ce sont des signaux d’intention très forts », souligne-t-il. Couplée aux données firmographiques traditionnelles, cette analyse de données non structurée permet d’obtenir un modèle de scoring capable de s’adapter au rythme du marché.
Les leads qui atteignent le seuil requis sont transmis aux SDR, tandis qu’un contrôle qualité s’opère en arrière-plan. Avant le déploiement de ce système, le filtrage s’effectuait manuellement. « Les SDR ouvraient chaque fiche, évaluaient l’adéquation et allaient jusqu’à décrocher des rendez-vous, pour finalement découvrir que le lead ne correspondait pas », se souvient Alinga Jiang. À l’échelle d’ElevenLabs, cette perte de productivité pesait vite lourd.
Le passage d’un scoring statique au modèle multisignal de Clay s’est traduit par une augmentation globale de 50 % des leads qualifiés par les ventes. Sur le seul volet de la génération de demande, le scoring Clay a multiplié le nombre de SQL par quatre.
Délai de réponse aux leads
La qualité des leads était sous contrôle. Restait la vitesse. La responsable RevOps va droit au but : « La conversion est maximale quand la réponse suit de très près l’envoi du formulaire. Deux heures d’attente suffisent à faire retomber l’urgence. » Avant Clay, le délai de réponse dépendait des habitudes de chacun. Les plus réactifs répondaient immédiatement, tandis que d’autres mettaient des heures. Un lead arrivé en dehors des heures de bureau devait attendre jusqu’au lendemain matin.
Pour y remédier, ElevenLabs teste dans Clay un workflow « direct-to-sequence ». Dès qu’un lead inbound est qualifié, Clay le transfère vers l’outil d’automatisation commerciale, sans la moindre intervention manuelle. Entre l’envoi du formulaire et le premier contact, il s’écoule désormais moins de cinq minutes.
Transformer les signaux produit en nouvelle source de pipeline
Les comptes à forte utilisation étaient déjà transmis aux commerciaux en tant que leads qualifiés par le produit (PQL). Mais Raman Khanna et Alinga Jiang ont identifié un segment inexploité : les salariés de grands groupes inscrits sur les offres en libre-service. Ils connaissaient le produit, avaient un cas d’usage en tête et l’exploraient sérieusement. Pourtant, personne ne les contactait, car leur utilisation restait en deçà des seuils requis. Ces opportunités se perdaient donc parmi des millions d’autres utilisateurs en libre-service.
L’équipe a donc créé dans Clay un workflow qui enrichit ces inscriptions à forte intention avec des données firmographiques. Le système les score selon leur adéquation à l’ICP, puis transmet les meilleures aux SDR sous forme de leads outbound.
« C’était une approche entièrement nouvelle pour nous, note-t-il. Nous n’exploitions rien de ce côté-là. » Dès le premier trimestre, les MQL issus de ces workspaces représentaient environ 4 % de l’ensemble des SQL outbound. Un signal très positif pour une mécanique d’acquisition qui ne demande ni budget ni effort de génération de demande, et qui révèle des opportunités à forte valeur chez des utilisateurs déjà actifs.
Détecter les signaux d’intention enterprise et coordonner l’action stratégique
Chez ElevenLabs, chaque AE gère un portefeuille de comptes nommés stratégiques. Ces prospects visitaient déjà le site, parcouraient la page dédiée aux grands comptes, consultaient la documentation juridique et décortiquaient les études de cas. Il manquait cependant un moyen de détecter ces visites en temps réel.
Raman Khanna a donc conçu dans Clay un workflow de désanonymisation du trafic web. Un compte nommé consulte une page à forte intention et s’y attarde suffisamment longtemps pour indiquer une véritable recherche ? L’AE responsable reçoit aussitôt une alerte Slack contenant un résumé de l’activité et un lien vers la fiche Salesforce. Un champ d’horodatage est actualisé dans Salesforce au même moment. Les AE peuvent ainsi trier l’intégralité de leur portefeuille par date et prioriser leurs actions en conséquence.
Ce workflow couvre l’intégralité du portefeuille, y compris les opportunités passées. Si un compte inactif se met à lire la documentation destinée aux grands comptes, l’AE concerné en est immédiatement informé. « C’est un signal fort, car il nous permet de reprendre contact et de reconquérir le compte », observe-t-il. En relayant ces alertes à leurs SDR, les AE transforment un signal isolé en une action coordonnée et en une approche de prospection multithreading.
L’infrastructure qui sous-tend chaque mécanique
ElevenLabs pilotait déjà une stratégie go-to-market sophistiquée. Clay y a apporté une couche décisionnelle et une infrastructure technique permettant d’orchestrer ces différentes actions. Raman Khanna gère ainsi en toute autonomie l’infrastructure de scoring pour chaque type de lead. De son côté, l’équipe d’Alinga Jiang maintient le socle de données dont dépend chaque approche en aval.
« Transmettre les leads les plus pertinents à notre équipe commerciale sans avoir à bâtir de multiples pipelines de données à chaque changement : c’est ce qui a tout débloqué. » – Raman Khanna, équipe Growth
Cette autonomie explique leur rapidité d’exécution. Trois mécaniques GTM jusque-là cloisonnées reposent aujourd’hui sur une même couche d’orchestration et alimentent une seule et même source de vérité. Chacune vient renforcer les deux autres, puisqu’elles puisent toutes dans un socle commun, enrichi et actualisé en continu. Les leads, mieux qualifiés, atteignent les SDR plus rapidement. Les signaux produit révèlent des profils grands comptes qui seraient autrement restés ignorés. Enfin, les alertes transforment une simple visite sur le site en une prospection coordonnée.
Pour la responsable RevOps, l’évolution la plus marquante réside dans ce que l’équipe juge désormais réalisable. « Le champ des possibles s’est considérablement élargi avec Clay », conclut-elle. Les signaux étaient déjà là. Désormais, l’entreprise possède l’infrastructure pour les exploiter.
.svg){kind=icon}
