當你打算用 AI 自動化銷售外展，第一個卡關的通常是：怎麼讓 AI 真正「懂」一家公司？不是只看官網首頁，而是知道它賣什麼、解決什麼問題、有哪些客戶案例、甚至技術棧裡用了什麼工具。
11x 是一家 AI 成長平台，客戶包括 Checkr、Rho 和 Xerox。他們的做法是：用 Firecrawl 把網站和網路上的資訊整理成研究簡報，再讓 AI 根據這些簡報產生個人化的外展訊息。到目前為止，11x 已經透過 Firecrawl 處理超過 1,100 萬次請求，涵蓋 17.5 萬個獨特網域。
這篇文章不是要歌頌某個工具，而是想拆解一個真實案例：為什麼「研究」是 AI 外展的關鍵，以及產品建構者可以從中學到什麼。
為什麼研究簡報是外展的起點
外展訊息要讓對方覺得「這不是罐頭訊息」，前提是你真的了解對方。11x 的 CTO Jeson Patel 說，Firecrawl 從網路各處收集並結構化資訊，讓他們能掌握一家公司的市場定位、甚至技術棧細節，「這種研究深度讓外展充滿脈絡」。
換句話說，AI 外展的品質，很大程度取決於輸入的「脈絡」有多豐富。沒有好的研究，AI 生成再多的個人化句子，也只是空殼。
兩個 API 的分工：爬網站與搜網路
11x 的 Firecrawl 使用量主要來自兩個端點：
/crawl：針對特定公司的網站，沿著 sitemap 和內部連結深入爬取，建立完整的網站輪廓。/search：在網站之外搜尋其他來源，例如客戶案例研究、合作公告、員工人數或總部位置等事實。
兩者搭配，/crawl 提供深度，/search 提供廣度。Firecrawl 會處理 sitemap 追蹤、JavaScript 渲染、內容擷取，最後回傳乾淨的 markdown 和結構化資料。對 11x 來說，這意味著任何網站都能用同一套研究流程處理，不需要為不同網站寫客製化解析器。
規模背後的啟示：自動化重複性研究
11x 處理的請求量——1,100 萬次、17.5 萬個網域——說明了「研究」這件事在銷售流程裡有多耗工。如果靠人工，別說 17.5 萬家，光是幾千家就會讓團隊癱瘓。
自動化這類重複性的 GTM 工作，不是為了取代銷售人員，而是把時間還給「人的部分」：建立信任、促成交易。這對產品建構者的啟示是：當你在設計 AI 工作流程時，找出那些「重複但需要脈絡」的任務，往往比追求華麗的 AI 功能更有價值。
給產品建構者的三個思考
- 研究品質決定輸出品質：如果你的 AI 需要產生個人化內容，先確保輸入的資料夠豐富。Firecrawl 的案例顯示，結構化的研究簡報能直接提升外展的相關性。
- 深度與廣度要並重：只爬官網可能漏掉客戶案例或合作訊息，只搜網路又可能缺乏網站內部的細節。兩者互補，才能建立完整的公司圖像。
- 規模化需要穩定的基礎設施：1,100 萬次請求不是小事，這代表 Firecrawl 的可靠性、速度與成本控制都必須到位。對產品建構者來說，選擇工具時要考慮的不只是功能，還有它能否撐住你的成長。
當然，這個案例也有它的限制。Firecrawl 提供的資料是「公開網路上的資訊」，對於非公開的資訊（例如內部決策或未發布的產品計畫）就無能為力。另外，依賴單一供應商也有風險，如果 Firecrawl 的服務中斷或政策改變，11x 的流程可能受影響。
如果你是正在打造 AI 外展工具或類似產品的人，不妨先從「研究簡報」這個環節開始實驗：用 Firecrawl 或類似工具建立自動化研究流程，看看它能為你的 AI 輸出帶來多少改變。
參考來源
本文由 AI 協助自上述來源整理，經人工審核後發布。