Mars Product Wiki

Clay

25分钟阅读

快速了解

Clay · 数据编排 #行业-销售营销

一句话定位

数据编排 + 无代码工作流的「销售研究操作系统」，通过连接 100+ 数据源和 AI 自动化，让 RevOps 团队用 Spreadsheet 的逻辑构建自定义的精准线索挖掘和 CRM 富化流水线。

基本面表

维度数据来源
ARR~$100M (2025年11月)Sacra - Clay Revenue Analysis
融资规模$100M Series C (2025年8月)CapitalG领投，Sequoia/First Round等参投
公司估值$3.1B (2025年8月)Series C后估值翻倍
总融资~$206MSeries A + Series B + Series B Expansion + Series C累计
客户数量5,000+ 公司OpenAI、Canva、Anthropic、Ramp、Rippling等
数据源接入100+ 数据提供商50+第三方数据库 + 自定义API集成
增长速度6x YoY (2024年)从$30M→$100M用时12个月
用户规模10,000+ 活跃用户2025年数据
品牌认可G2最佳销售数据平台2025-2026用户评价

发展脉络

2017-2022：潜伏期（5年磨剑）

  • 创始人Kareem Amin、Varun Anand成立，初期做人工数据编辑服务
  • 2018年转向自动化数据编排平台
  • 缓慢迭代，寻找PMF（Product-Market Fit）
  • ARR增长缓慢，每年翻番，到2022年末仅$1-2M

2023：产品-市场拐点期

  • 3月获$62M Series A（由Boldstart Ventures领投）
  • 推出无代码「Spreadsheet」界面，大幅降低使用门槛
  • 引入Credit消费制模型
  • 开放API集成，支持CRM/数据仓库同步
  • 验证PLG（产品主导增长）可行性

2024：加速扩张期

  • 6月获$46M Series B，估值$500M
  • 开始「向上突破」，冲向企业市场
  • 推出AI自动化功能（AI Columns、Conditional Workflows）
  • ARR从$30M（年初）→$60M+（年末），6x增长
  • 1月Series B Expansion募资$40M，估值$1.25B

2025：融资爆发和估值跃升期

  • 8月获$100M Series C，估值跃升至$3.1B
  • CapitalG、Sequoia、First Round、Sapphire等顶级VC入场
  • ARR从$60M+（2024年末）→$100M（11月），增速保持强劲
  • 客户数破5,000，从初创→中型企业全覆盖
  • 推出Data Integration Hub，成为真正的「数据编排中枢」

成长旅程 2.1-2.7

2.1 从「人工编辑」到「无代码自动化」的范式转变

Clay的成功关键在于解决了一个看似简单却普遍的痛点：

过去的工作流（2022年前）：

  1. 销售/RevOps在Excel里维护线索清单
  2. 手动登录5-10个数据提供商（Apollo、ZoomInfo、LinkedIn等）
  3. 逐行copy-paste数据到Excel（太低效）
  4. 改用Zapier做简单自动化，但UI复杂（工程师才能用）

Clay的创新：

  • 把「多源数据编排」做成「Spreadsheet UI」
  • 每一列是一个enrichment step，点点鼠标就能自动跑
  • 用户从技术门槛↓（从需要API知识→只需会Excel逻辑）

本质洞察：数据工程不再是IT部门的事，可以「民主化」给RevOps和销售运营。

2.2 从「工具堆砌」到「数据中枢」的架构升级

Clay的产品演进路径遵循一个清晰的逻辑：

第一代（2017-2022）：「数据清理服务」

  • 提供人工数据编辑，质量高但成本高
  • 年收只有$1-2M

第二代（2023-2024）：「自动化富化平台」

  • Spreadsheet界面 + 无代码工作流
  • 100+ 数据源集成，一处调度全部
  • Credit消费制，按使用量付费（类似Figma）

第三代（2025+）：「数据编排中枢」

  • 不只是「富化」，而是「编排」
  • 数据进来 → 清洗→转换→分段→输出到Salesforce/HubSpot/邮件工具
  • 真正成为「GTM数据的大脑」

2.3 「消费式增长」的隐藏密码

Clay为什么能6x增长？关键是合理的扩大化商业模式：

定价逻辑（2024-2025）：

  • 免费版：100 credits/月（轻度用户）
  • Starter：$720/月 2,000 credits（个人sales engineer）
  • Explorer：$1,680/月，10,000 credits（小团队）
  • Pro：$4,200/月，25,000 credits（中等团队）
  • Enterprise：定制，credit pool + priority support

「Save as you grow」心理：

  • 用户从免费→Starter，增长业务
  • 随着使用增加（enrichment频率↑），触发扩大化升级
  • 与Apollo「按座位收费」不同，Clay是「按消费量」，更有伸缩性

另一个增长杠杆：Team consumption

  • 10人Sales/RevOps团队，每人买一个账户
  • 团队leads越多，每人enrichment频率越高
  • 共同credit pool → 消费量累积↑ → 企业级sales接力

2.4 为什么能「向上打破」进入企业市场

2024年Clay最重要的转折是从SMB→Enterprise的成功跃升：

被挤压的痛点（SMB视角）：

  • Apollo：太贵（$49/人/月 × 100人 = $4,900/月），功能过载
  • ZoomInfo：更贵且需contract（企业级价格$15K+/年），数据不够新
  • 传统工具链：需要10个订阅，成本叠加，集成复杂

Clay的破口（Enterprise视角）：

  1. 成本优化：200人团队花$8K/月，平均$40/人，比Apollo便宜
  2. 灵活性：可以为不同部门（出站sales、partner marketing、CS扩展）定制不同工作流，不是「一刀切」
  3. 数据新鲜度：130+实时数据源vs静态数据库，特别对初创/变化快的市场有价值
  4. 集中管理：一处搭建，所有工作流可见、可复用，RevOps掌控力强

2024的「入场券」：

  • 抓住「数据编排」这个新品类的定义权
  • 向下支持SMB的「自给自足」，向上支持Enterprise的「定制化」
  • 用户密度在中型企业（200-2000人）达到最高

2.5 「数据编排」是否真的是新品类？

Clay正在竭力说服市场，「数据编排」是区别于「销售数据」和「销售自动化」的独立品类。

行业对比：

  • 销售数据（Sales Data）= ZoomInfo、Apollo的数据库 → 「我卖给你数据」
  • 销售自动化（Sales Automation）= Outreach、SalesLoft的序列工具 → 「我帮你自动发邮件」
  • 数据编排（Data Orchestration）= Clay的新品类 → 「我帮你用任意数据源搭建自动化的数据工作流」

这个分类的关键差异：

  • 数据编排是「工具+平台」的混合体
  • 强调的是「自定义能力」和「多源集成」，而非「数据垄断」
  • 把「复杂的数据工程」降低成「Spreadsheet的拖拽」

能否站稳新品类？

  • 优势：确实填补了「数据库+自动化之间的空白」
  • 风险：ZoomInfo/Apollo也可能快速学习和复制（只需开放API接入）

2.6 竞争态势和护城河

vs ZoomInfo（数据巨头）：

  • ZoomInfo = 数据的绝对垄断（321M contacts），但数据更新慢，定价高
  • Clay = 开放、民主化、多源，数据更新快，定价便宜
  • 胜负手：中小企业和快速变化的行业更需要Clay，大企业still信任ZoomInfo

vs Apollo（全能工具）：

  • Apollo = 一站式（找人+邮件+电话+序列），但数据库是自己的，用户locked-in
  • Clay = 专注数据编排，不自建数据，集成所有来源，用户有choice
  • 竞争焦点：出站销售团队会选「一个工具全搞定」(Apollo) 还是「灵活定制」(Clay)？

vs Outreach + 自带小数据库（企业最佳实践）：

  • Outreach = execution king，但需要配个数据源
  • Clay可以成为Outreach的「数据底座」（Outreach内的enrichment来自Clay）
  • 某种程度是互补，而非完全竞争

真正的护城河在哪：

  1. 集成深度：100+ 数据源的集成能力，门槛高
  2. 用户习惯：一旦建了10+个自动化工作流，迁移成本高
  3. 社群效应：模板库（community workflows）越多，新用户学习成本↓
  4. AI能力：条件工作流、AI Columns的智能化程度

2.7 关键增长指标的解读

为什么估值能从$500M(2024.6)→$3.1B(2025.8)？

指标数据含义
ARR$1M → $100M (8年)验证了PMF，增速从龟速→6x
ARR增长速6x YoY足够快，符合VC的「scale-up」预期
CAC~$2-3K（估算）相对较低（PLG的优势）
LTV~$50-100K（估算）高，支撑融资故事
Logo retention~95%+极其健康的指标
NRR140%+扩张性强，消费向上
企业客户%30-40%成功「向上突破」的证明

VC的投资逻辑：

  • 前5年磨剑，2023才找到PMF，但一旦找到就是「指数增长」
  • 6x速度不算超快，但「可持续性强」（数据中枢类产品的粘性天然高）
  • 估值增长6倍，对应的是「市场规模预期」的升级（从$1B→$10B+的TAM）

战略框架

层级分析

数据源层：100+ 提供商（LinkedIn、ZoomInfo、Apollo、IAL等）
        ↓
数据编排层：无代码工作流引擎（Spreadsheet interface + AI）
        ↓
数据转换层：清洗、分段、自定义逻辑（Conditional workflows）
        ↓
数据分发层：同步到CRM、邮件工具、数据仓库（native integrations）
        ↓
执行层：用户在CRM/邮件工具完成实际销售行动

Clay的优势在于控制住了第2-4层的整个数据编排过程，让第1层（数据源）和第5层（执行工具）都可以plug-and-play。

距钱距离假说的应用

Clay的特殊之处在于它不直接距钱，但离钱很近：

  • 距离钱最远：提供raw data（ZoomInfo/Apollo的原始数据库）
  • 距离钱中等：提供编排工具（Clay的Spreadsheet）
  • 距离钱更近：提供自动化序列（Outreach的email sequences）
  • 距离钱最近：提供销售结果（直接成交）

Clay的策略：坐在「中等位置」，向下支持数据民主化，向上赋能自动化工具，自己不直接承接销售责任，但通过数据质量间接驱动成交。

这样做的好处是：

  1. 不承接太高的KPI压力（不需要承诺「帮你成交多少单」）
  2. 但获得了高粘性（数据工作流一旦搭好，用户离不开）
  3. 可以无限扩展（数据源越多，工作流越多，垂直化就越深）

JTBD（用户任务）

核心任务：「快速找到精准线索，并用最新的数据持续富化CRM，让销售团队有信心拨号」

Job的三个维度：

  1. 查询维度：「找出符合ICP的公司和联系人」
  2. 富化维度：「把查询结果的数据字段尽量填全」
  3. 持续维度：「定期同步新数据到CRM，保持鲜度」

Clay的JTBD矩阵：

  • Functional Job：完成上述3个维度，无需切换多个工具
  • Emotional Job：感受「我掌控了数据」的权力感（vs 被黑盒工具绑定）
  • Social Job：「RevOps在团队里的地位↑」（从被动执行者→主动数据架构师）

蓝图复刻

产品大厦的五层逻辑

第一层：数据源接入

  • 130+ 实时和batch数据源（LinkedIn、ZoomInfo、Apollo、Snov.io、Hunter等）
  • 自定义API集成（用户可接入自己的数据库）
  • 优先级排序：根据准确性和成本自动选择最优数据源组合

第二层：无代码编排引擎

  • Spreadsheet UI：每行是record（联系人），每列是enrichment step或formula
  • Conditional logic：基于数据值自动branch（如果company size > 500，用provider A；否则用provider B）
  • AI Columns：用GPT/Claude进行数据转换、总结、分类
  • 用户心理：「感觉像在Excel里工作，但有超能力」

第三层：数据质量控制

  • Waterfall enrichment：按最优路径查询数据源，hit即止
  • Deduplication：避免重复enrichment
  • Validation rules：数据验证和异常告警
  • 增强粘性：数据质量↑ → 信任↑ → 使用频率↑

第四层：集成和分发

  • Native integrations：Salesforce、HubSpot、Pipedrive等CRM
  • Reverse sync：从CRM读数据 + 写enrichment回CRM（双向同步）
  • Data warehouse：支持导出到Snowflake、BigQuery
  • Workflow triggers：基于condition自动push到其他工具
  • 粘性设计：「进来的是数据，出去的是insights」

第五层：AI自动化（2025新增）

  • Smart workflows：用自然语言描述需求，系统自动推荐enrichment路径
  • Anomaly detection：识别异常的enrichment结果并告警
  • Predictive enrichment：在需要之前，自动pre-enrich接下来的工作流
  • 未来方向：从「我告诉你enrichment，系统执行」→「系统知道我需要enrichment」

消费式增长的网络效应

Clay的network effect虽然不如平台类产品明显，但有其独特的形式：

直接网络效应：

  • Clay开源社群工作流模板库（如「CIO enrichment workflow」「Series A融资企业识别」）
  • 用户越多 → 模板越多 → 新用户onboarding时间↓ → 新用户越愿意加入
  • 形成「工作流知识库」的网络效应

间接网络效应：

  • 集成伙伴越多（ZoomInfo、Apollo作为数据源被接入） → Clay越有价值
  • 反过来，Clay的用户增多 → 数据源们有动力在Clay上获得好的表现 → 更新data更快

消费式扩大化（Expansion Engine）**：

  • Sales team 10人 → 管理100条leads → 每周enrichment 50条
  • 随着业务growth，leads增多 → enrichment频率↑ → credit burn↑
  • 自然升级到Explorer或Pro plan
  • 这个很强：increase in usage自然驱动NRR expansion，无需销售推动

产品线的三维扩张

维度起点现状未来方向
数据源50+130+可能达到500+（所有B2B数据源）
工作流简单enrichment条件化+AI自动化Agent化（用AI自动设计工作流）
输出export to CSVNative CRM syncReal-time bidirectional sync + webhooks
用户个人RevOps团队and企业可能向Sales、Marketing扩展

Mars视角

本质思辨

Clay的成功有两个核心：

1. 「新品类」的定义权

  • 不是「销售数据工具」（那是ZoomInfo的地盘）
  • 不是「销售自动化」（那是Outreach的地盘）
  • 而是「数据编排」——一个新的、被忽视的、但核心的工作流
  • 本质上是「工具民主化」：把「需要工程师才能搭的数据管道」，让RevOps可以自助搭建

2. 「消费式定价」的威力

  • 不是「按座位」（那样的话，10人团队的Starter版$720/月 = $72/人，还是很便宜）
  • 而是「按使用量」（credit消费制）
  • 这样的好处：
    • 初期低成本（免费版可以trial）
    • 随业务增长，支付proportional到增长（自动扩大化）
    • 企业的多个部门（sales、marketing、cs）都可以用，credit pool共享
    • 从成本中心→收益驱动中心（enrichment多 = leads多 = 成交多 = ROI正）

反共识观点

一般观点：「Clay的竞争对手是ZoomInfo和Apollo」 反共识：Clay的真正竞争对手不是他们，而是「用户自建的数据pipeline」

  • 很多企业（特别是大型tech公司）有自己的工程团队
  • 他们用Zapier/Make + 自定义脚本搭建enrichment流水线
  • Clay的真正价值是「let RevOps teams do what engineers do，不需要写一行代码」
  • Clay在竞争的是「自建vs外购」的决策，而非在ZoomInfo/Apollo之间抢用户

商业模式的隐藏逻辑

当前（2024-2025）：subscription SaaS + 消费制定价

  • 看起来很simple，但有「三重扩大化」：
    1. 座位扩大化：从1人 → team → 企业多个部门
    2. 使用扩大化：从月enrichment 100 leads → 10,000 leads
    3. 工作流扩大化：从1个工作流 → 10+自动化工作流

未来可能的演变：

  1. 数据marketplace：Clay成为「数据源的中介」，对接ZoomInfo、Apollo、Cognism等

    • 用户不需要买ZoomInfo和Apollo，只在Clay里按需购买
    • Clay从「工具」→「data broker」，margin↑

  2. AI Agent化：「描述你的enrichment需求，系统自动选择最优数据源和工作流」

    • 这样定价可能转向「按enrichment record」（而非credit）
    • 会变成「真正的成果导向」

  3. Industry-specific solutions：垂直化SOP（如「房地产agent enrichment」「保险sales enrichment」）

    • 从horizontal tool → vertical platform
    • margin和粘性↑↑

风险警示

  1. 数据源的反噬：

    • Clay依赖ZoomInfo、Apollo等第三方数据源
    • 如果这些源头自己建立了enrichment平台，Clay成了「中间商」
    • Apollo其实已经在做waterfall enrichment，直接在平台内
    • 威胁：一旦数据源整合自己的工作流能力，Clay的价值↓

  2. Enterprise的定制化陷阱：

    • 向上打破Enterprise是好事，但Enterprise需要custom integrations
    • 成本↑（professional service成本高）
    • 边际利润可能下降
    • Clay能否维持「PLG + Enterprise hybrid」的模式？

  3. 数据质量问题：

    • 如果enrichment结果不准确，用户会流失
    • 问题是：Clay本身不控制data，控制的是「选择和组合」
    • 一旦某个上游数据源quality下降，Clay被backlash
    • 风险：护城河其实很脆弱（dependence on third-party）

  4. 定价的天花板：

    • 目前$720/月是「小团队」的价格
    • Enterprise pricing能到多高？
    • 如果cap在$10-20K/月，TAM会被限制
    • vs Apollo可以做到$2-5K/座位×100人，上限更高

机会窗口

短期（2026年）：

  • AI Columns还在early stage，有机会做成「killer feature」
  • 如果Clay能用AI自动写出「enrichment的SQL logic」，用户体验会质变
  • 同时，ZoomInfo/Apollo还没把AI fully integrated

中期（2027-2028）：

  • 「数据编排」品类的市场认可会more mainstream
  • 企业会意识到「我需要自己的数据管道，而不是被单一数据源锁定」
  • Clay的TAM会expand从「SMB RevOps」 → 「所有有数据工程需求的团队」

长期（2029+）：

  • AI Agent能否把「Spreadsheet interface」升级到「natural language interface」？
  • 如果可以，Clay就从「工具」→「AI co-pilot for data」
  • 可能面临更大的挑战：Anthropic、OpenAI等基础模型公司会不会自己做这个？

对产品人的启示

  1. 「新品类」的威力远大于「新产品」

    • Clay不是first mover，但通过定义「数据编排」这个新品类，撕开了ZoomInfo/Apollo的护城河
    • 教训：产品差异化的最高形式，是创造新品类而非模仿

  2. 「民主化」vs「专业化」的平衡

    • Clay的成功源于「让RevOps能做工程师的事」
    • 但风险也在这里：定位太low-code可能被真正的工程师化工具打败
    • 必须始终保持「易用性和深度的平衡」

  3. 「开放」的护城河vs「垄断」的护城河

    • ZoomInfo/Apollo = data monopoly（垄断型护城河）
    • Clay = openness + integration depth（开放型护城河）
    • 哪种更sustainable？答案取决于「市场对choice的需求程度」

  4. 「消费式定价」是SMB→Enterprise的升级通道

    • 按座位定价 = CAC高，不适合SMB
    • 按消费量定价 = CAC低，但需要精细化的usage monitoring
    • Clay的模式更scalable，值得其他SaaS学习

相关产品/对标

  • ZoomInfo - 数据库巨头，但工具能力弱且定价贵
  • Apollo.io - 全能GTM工具，但数据编排能力limited
  • Outreach - Execution king，无自建数据，需依赖Clay或ZoomInfo
  • HubSpot - CRM全家桶，正在build enrichment能力
  • Lemlist - 轻量级冷邮件工具，逐步添加数据功能
  • Amplemarket - 新兴对手，更便宜但depth不足

时间线

时间事件
2017年Kareem Amin、Varun Anand创立Clay，初期提供人工数据编辑服务
2018年转向自动化数据编排平台
2022年末ARR约$1-2M，5年磨剑期结束，寻找PMF
2023年3月获$62M Series A，推出无代码Spreadsheet界面
2023年末推出AI Columns、Conditional Workflows、Credit消费制
2024年6月获$46M Series B，估值$500M
2024年底ARR达$60M+，6x YoY增长，开始Enterprise upmarket
2025年1月Series B Expansion募资$40M，估值$1.25B
2025年8月获$100M Series C，估值$3.1B，CapitalG、Sequoia等参投
2025年11月ARR突破$100M，客户数5,000+

参考资源

更新日志

v4.0 (2026-03-19)

  • 完整梳理Clay从「人工编辑」→「数据编排平台」→「AI自动化中枢」的三代演进
  • 新增「数据编排」新品类定义和市场定位分析
  • 融合Series C融资($100M、$3.1B估值)的最新数据
  • 补充ARR增长从$30M(2024初)→$100M(2025末)的细节拆解
  • 新增Mars视角：反共识观点、消费式定价的隐藏逻辑、长期风险
  • 补充与ZoomInfo/Apollo的竞争态势和差异化
  • 增加蓝图复刻：五层产品架构和网络效应分析
  • 新增对产品人的启示：新品类威力、民主化vs专业化的平衡

AI 草稿——待 Mars 确认

网络导航

关系图谱

点击展开全屏