.avif)
« Avec Clay, nous avons plus que doublé notre couverture d’enrichissement, passant d’un peu plus de 40 % à près de 90 %. »
OpenAI, entreprise pionnière de la recherche et du déploiement en IA, a changé le monde tel que nous le connaissons en lançant ChatGPT en 2022. Neuf mois plus tard à peine, le lancement de ChatGPT Enterprise a déclenché un véritable raz-de-marée d’intérêt inbound.
Recherche et déploiement de l’IA
San Francisco
« Nous étions en sous-effectif face à la demande, se souvient Keith Jones, GTM Systems Lead d’OpenAI. Notre processus d’enrichissement des leads inbound reposait sur un seul fournisseur qui présentait d’énormes lacunes. »
Il a découvert Clay alors qu’il cherchait un fournisseur d’enrichissement multisource capable de suivre les besoins évolutifs d’OpenAI. « Clay nous offrait un raccourci vers un modèle multisource, avec le minimum de charge opérationnelle et de travail », précise-t-il.
Aujourd’hui, Clay reste un élément central du stack technique de l’équipe OpenAI, en pleine croissance. L’équipe RevOps comme l’équipe commerciale s’en servent pour l’enrichissement des leads, l’analyse des comptes cibles et le ciblage.
Scotty Huhn, de l’équipe RevOps d’OpenAI, le dit ainsi :
« Clay permet à notre équipe d’expérimenter rapidement des workflows pilotés par déclencheurs et des données d’enrichissement tierces. Nous pouvons aller vite et avoir un impact hors norme sur l’exécution GTM, tout en utilisant un outil ludique, créatif et à la pointe. »
Ce qu’il faut retenir :
- Une couverture d’enrichissement plus que doublée, d’un peu plus de 40 % à près de 90 %
- Une utilisation hebdomadaire constante au sein de l’équipe commerciale grâce au package Salesforce d’enrichissement à la demande proposé par Clay, pour plus de 8 500 enrichissements réalisés au total
- Des itérations rapides sur les stratégies d’enrichissement, sans perturber les workflows des commerciaux
- Un passage réussi d’un modèle de données monosource à un modèle multisource, avec un minimum de charge opérationnelle
Doubler les taux d’enrichissement des leads inbound
OpenAI devait améliorer sa couverture d’enrichissement pour les leads inbound. Pour Keith Jones, le passage à un modèle d’enrichissement multisource était inévitable : « C’est un moment auquel toute entreprise B2B est confrontée à un moment ou à un autre. Si vous n’êtes pas multisource, vous le serez un jour. Aucune entreprise ne peut se contenter d’un seul fournisseur d’enrichissement des données, même si c’est le meilleur du monde. »
Pour y parvenir, la méthode traditionnelle suppose souvent des contrats avec plusieurs éditeurs, une plateforme de données client, un reverse ETL et d’autres outils marketing classiques. Or, OpenAI n’avait pas le temps de déployer un workflow complexe reposant sur plusieurs outils.
L’enrichissement en cascade multifournisseur de Clay, complété par les modèles d’OpenAI, a apporté une solution immédiate. « Avec Clay, nous avons plus que doublé notre couverture d’enrichissement, passant d’un peu plus de 40 % à près de 90 % », note-t-il. Ce socle de données plus solide a permis de scorer, router et traiter correctement les leads.
Harsha Chilakamarri, également de l’équipe RevOps, ajoute :
« Clay nous a permis de tirer facilement parti de plusieurs fournisseurs pour industrialiser notre processus d’enrichissement des leads inbound. J’ai pu construire en quelques heures des systèmes complexes qui exigeaient auparavant des jours de travail en data science. »
OpenAI continue d’itérer sur la configuration en cascade flexible de Clay pour trouver la combinaison de fournisseurs de données qui lui convient le mieux. « Deux semaines à peine s’étaient écoulées que nous avions déjà revu la composition et l’ordre de nos fournisseurs », observe Keith Jones.
Recherche GTM personnalisée à grande échelle grâce à l’IA
OpenAI s’est appuyé sur l’agent de recherche IA de Clay pour reproduire et amplifier, à grande échelle, le travail de recherche de ses meilleurs commerciaux.
« Nous avons commencé par automatiser ce que nos meilleurs commerciaux faisaient déjà, raconte Keith Jones. Ils visitent les sites des entreprises, consultent les pages et les profils LinkedIn, relèvent les informations clés. Ils cherchent les dernières actualités d’une entreprise, son chiffre d’affaires, tout changement notable sur les 90 derniers jours. Il leur arrive de parcourir les rapports de résultats trimestriels, pour y puiser des enseignements à exploiter dans leur outbound. »
L’équipe RevOps a couplé l’agent IA de Clay à des modèles GPT pour automatiser ce workflow. Sur chaque compte pertinent, l’agent a synthétisé les informations tirées des rapports de résultats, des sites d’entreprise et d’autres sources clés. En exposant son raisonnement, il a inspiré confiance. Il expliquait, par exemple, comment il avait déterminé le chiffre d’affaires à partir d’un rapport de résultats.
« Disposer d’une approche qui remplace à grande échelle le travail manuel répétitif des commerciaux, c’est une aubaine », résume-t-il.
Mieux encore, l’agent IA est infiniment flexible. Tout processus de recherche qu’un commercial ferait manuellement peut être automatisé. OpenAI réalise aussi de façon purement agentique un grand nombre d’enrichissements de données simples. Il s’agit, par exemple, de trouver des profils LinkedIn ou de renseigner le secteur et la taille d’une entreprise. « Nous faisons de l’enrichissement avec les modèles OpenAI, explique-t-il. Notre stratégie combine des sources de données dédiées et l’enrichissement natif de Clay, que nos modèles viennent renforcer davantage. »
Aider les commerciaux à faire des recherches à la demande, dans Salesforce
En coulisses, les équipes RevOps peuvent systématiser et industrialiser l’enrichissement des données. Mais les équipes commerciales et customer success auront toujours besoin de données enrichies ponctuellement, à la demande.
La méthode classique impose un outil tiers dédié à l’enrichissement des données, idéalement intégré au CRM. Les commerciaux et les équipes customer success doivent se connecter à cet outil pour y extraire directement des données ou déclencher la mise à jour des enregistrements CRM correspondants. Cette méthode fonctionne, mais au prix d’une charge supplémentaire. Les collaborateurs GTM doivent sans cesse passer d’une application à l’autre, et les équipes RevOps et Systems doivent assurer la formation, puis assurer la maintenance de cette configuration dans le temps.
OpenAI a procédé autrement. L’entreprise a intégré des workflows sur mesure, baptisés « Enrichment Actions », sous forme de package Clay directement dans Salesforce. « Nous avons trouvé le moyen d’offrir à nos équipes GTM notre enrichissement de données avancé, multisource et à la demande, nativement dans notre CRM, poursuit-il. Cela n’a exigé ni de formation ni l’utilisation de nouveaux outils pour nos collaborateurs. »
Désormais, les équipes GTM d’OpenAI peuvent :
- Enrichir un enregistrement de compte avec la dernière cascade multisource
- Demander des lots de leads sélectionnés depuis n’importe quel enregistrement de compte
- Enrichir des leads à l’unité, ou plusieurs enregistrements de lead à la fois
Le package Salesforce de Clay est très utilisé dans l’équipe commerciale. Les jours chargés, un commercial peut lancer jusqu’à 150 enrichissements de leads. L’usage est particulièrement soutenu en début de trimestre, quand les équipes construisent leur pipeline.
L’équipe RevOps peut mettre à jour et améliorer la logique d’enrichissement côté backend sans perturber l’expérience des commerciaux, qui se résume à quelques clics seulement. « Nous avons pu en lancer une version, lui donner l’identité que nous voulions, puis affiner la stratégie à partir des retours du terrain, détaille-t-il. » Depuis le lancement initial de l’outil, l’équipe a multiplié les améliorations sur ses sources de données et sur l’ordre de priorité de sa cascade.
« Dans un avenir proche, nous développerons sans doute de nouvelles itérations, porteuses de bénéfices supplémentaires pour nos équipes GTM. Elles exploiteront de façon inédite l’enrichissement de données avancé de Clay, renforcé par la technologie d’OpenAI et par des points d’intégration plus poussés avec Salesforce. »
Comment Clay continue d’accélérer l’approche GTM d’OpenAI
Clay a permis à OpenAI de bâtir un socle de données solide, assez souple pour accueillir n’importe quel levier de croissance.
Depuis le déploiement de Clay, l’usage reste soutenu, malgré une équipe bien plus nombreuse. « L’une des principales raisons de l’échec des technologies GTM, c’est une adoption inégale, souligne-t-il. Chez nous, Clay a été adopté de façon constante, semaine après semaine. » Le constat vaut pour les équipes Revenue Operations, Sales et GTM.
Quelle est la suite pour OpenAI et Clay ? D’autres équipes, comme la data science, le marketing ops et le recrutement, mesurent désormais ce que Clay pourrait leur apporter. La data science commence à s’en servir pour estimer le nombre de knowledge workers dans chaque entreprise de la base d’utilisateurs. Le recrutement, lui, étudie la possibilité d’utiliser Clay pour repérer des profils passés par des entreprises à forte croissance, au plus fort de leur hypercroissance.
La flexibilité et la rapidité des expérimentations offertes par Clay ont été déterminantes. « Je pense qu’il est important de rappeler à quel point Clay est flexible. C’est une solution qui répond à un grand nombre de besoins différents, insiste-t-il. » L’équipe RevOps d’OpenAI affine en continu sa stratégie d’enrichissement des données. Elle ajuste les sources et les workflows des agents IA, en s’appuyant à la fois sur ses fournisseurs actuels et sur les intégrations de Clay.
Surtout, Clay a permis à OpenAI de bâtir une infrastructure GTM automatisée et pérenne. L’entreprise conserve toutefois l’agilité nécessaire pour traiter les nouvelles demandes des équipes GTM. La plateforme gère la couche de sourcing et d’activation des données d’OpenAI. Le responsable des systèmes GTM conclut :
« Avec Clay, nous voyons un potentiel de croissance hors norme. »
.svg){kind=icon}
