Отбор ICP компаний из большого списка с помощью AI агента (Manus) и скоринг системы 🔍 Когда возникает такая потребность? 1. У вас есть список с конференции. Нужно отобрать целевые компании/ЛПРов среди всех участников 2. Вы спарсили другой источник как BuiltWith (сервис, где можно найти клиентов ваших конкурентов) 3. Другие сценарии, где у вас есть список разнородных компаний, среди которых нужно вытащить только ICP (пост о том, что такое ICP и пост про ICP систему) Варианты решений: 1. Вручную (Займет 100 лет на 5500 компаний как в моем случае 😂) 2. Clay AI Agent (Стоит как почка) 3. Флоу в n8n или Cursor (требует опыта, сложнее) 4. Использовать AI-agent платформу (например, Manus) — это способ, который я описываю Пошаговый план в формате видео 👉 Ссылка на Loom видео (4 минуты) План в формате текста👇 Шаг 1: Просим ИИ (ChatGPT, Perplexity etc) дать вам инфо о компании, вашем ICP и тд Можете использовать этот промпт в проекте, в котором обсуждаете свой бизнес Шаг 2: Строим скоринг-систему (позже выпущу пост о том, как может выглядеть скоринг система) В нашем случае нужно понять: Каким компаниям нужен точный прогноз дождя? Примеры: -Weather Data компании -Приложения с картами (maps) в интерфейсе, где юзеры зависимы от погоды -Аэропорты — нужна (безопасность полетов) -Логистика — нужна (оптимизация маршрутов) -Такси — может быть нужна (динамическое ценообразование) -Недвижимости — не нужна Идеально написать промт, который даже ребенок поймет, упрощеный пример: "Скорим от 1 до 5. Если такие параметры — точно 1, если такие — точно 5". В нашем случае промт был размытый, но это нормально — даже с не идеальным промтом можно получить сносный результат. Шаг 3: Прикрепляем файл с компаниями в AI Мы кинули файл с 5500 компаниями в Manus. Он построил scoring систему, сегменты, узкие и широкие сегменты. Шаг 4: Проверяем руками Оказалось, что AI ошибся: он помечал все слова со словом "port" как судоходство. "Support", "transport", "portal" — все попали в категорию "Maritime & Shipping". Шаг 5: Итерируем -Посмотрели руками, нашли ошибки -Попросили Manus проверить и исправить -Добавили правила: если в описании есть "support" или "portal" — это не maritime -Запустили снова Шаг 6: Финальный скоринг После нескольких итераций получили финальный скоринг, который можно проверить руками. Список получился чистый: только компании, которые действительно зависят от погодных данных. Результат: Из 5400 компаний выделили 500 релевантных. Теперь можем искать ЛПРов и писать им письма Что важно в процессе: 1. Написать хороший промт 2. Запустить на части данных 3. Проверить руками 4. Найти ошибки и исправить 5. Итерировать 6. Первый подход к снаряду самый болезненный, потом если задача повторающася, то будет быстрее и качественнее каждый раз