摘要： 11x 用 Firecrawl 的爬站與搜尋端點，把官網和公開網路資料整理成公司研究簡報，再供 AI 產生更符合脈絡的銷售外展訊息。文章以超過 1,100 萬次請求與 17.5 萬個網域說明規模，同時指出公開資料與單一供應商依賴是邊界，規模化也需要可靠、快速且成本可控的基礎設施。
想用 AI 接手銷售外展，多數人撞上的第一道牆都是同一件事：要怎樣才能讓 AI 真的「懂」一家公司？只掃過官網首頁並不夠，你得讓它曉得這家公司在賣什麼、替客戶解掉哪些難題、手上握有哪些客戶實績，連技術棧裡放了哪些工具都要知道。
11x 是 AI 成長平台，Checkr、Rho 與 Xerox 都在它的客戶名單上。它的作法是把網站與網路上散落的資訊交給 Firecrawl 整理成研究簡報，AI 再依照簡報內容產出個人化的外展訊息。截至目前，11x 透過 Firecrawl 送出的請求已超過 1,100 萬次，橫跨 17.5 萬個獨特網域。
本文無意替哪個工具背書，而是想拆解一個真實案例：研究為什麼會成為 AI 外展的關鍵，以及產品建構者能從中帶走什麼。
研究簡報為何是外展的起跑點
要讓收件人相信這封訊息不是套版罐頭，前提是你對他的公司確實有掌握。11x 的 CTO Jeson Patel 指出，Firecrawl 負責從網路各處蒐集資訊並加以結構化，讓他們能看清楚一家公司的市場定位，連技術棧的細節都不放過，「這種研究深度讓外展充滿脈絡」。
也就是說，輸入的脈絡夠不夠豐富，幾乎決定了 AI 外展的品質上限。研究做不紮實，AI 產出再多個人化的句子，終究只是空殼。
兩個端點各司其職：一個爬站、一個搜網
11x 的 Firecrawl 請求集中在兩個端點上：
/crawl：鎖定某家公司的網站，順著 sitemap 與站內連結一路往深處爬，把整個網站的輪廓建起來。/search：走出單一網站，到其他來源找資料，像是客戶案例研究、合作公告，以及員工人數、總部位置這類事實。
/crawl 給深度，/search 給廣度，兩邊搭起來才完整。sitemap 追蹤、JavaScript 渲染、內容擷取這些雜事都由 Firecrawl 吸收，回傳的是乾淨的 markdown 與結構化資料。對 11x 而言，這代表不管面對哪個網站，同一套研究流程都能直接套用，不必替不同網站各寫一份客製解析器。
1,100 萬次請求說明了什麼：把重複研究自動化
1,100 萬次請求、17.5 萬個網域，這組數字點出研究在銷售流程裡有多吃人力。若換成手工作業，別說 17.5 萬家，幾千家就足以讓整個團隊動彈不得。
把這類重複的 GTM 工作自動化，目的並非取代業務人員，而是把工時還給銷售裡屬於「人的部分」：建立信任、促成交易。產品建構者可以從中得到一個提醒——設計 AI 工作流程時，先挑出那些「重複、卻又需要脈絡」的任務來做，價值通常高過追求華麗的 AI 功能。
產品建構者的三個著眼點
- 研究品質決定輸出品質：若你的 AI 要產出個人化內容，請先把輸入的資料餵得夠豐富。Firecrawl 這個案例顯示，結構化的研究簡報能直接拉高外展的相關性。
- 深度與廣度得一起顧：單靠爬官網，客戶案例與合作訊息很容易漏掉；只在網路上搜，又拿不到網站內部的細節。兩邊互補，公司圖像才拼得完整。
- 規模化要有撐得住的基礎設施：1,100 萬次請求並非小數目，Firecrawl 的可靠性、速度與成本控制都得同時到位。產品建構者挑工具時，除了看功能，也要看它跟不跟得上你的成長。
當然，這個案例本身也有邊界。Firecrawl 拿到的是「公開網路上的資訊」，碰上非公開內容——例如內部決策或還沒發布的產品計畫——就幫不上忙。此外，把流程綁在單一供應商身上同樣有風險：萬一 Firecrawl 服務中斷或政策調整，11x 的流程就會連帶受影響。
如果你正在打造 AI 外展工具或類似產品，不妨就從「研究簡報」這一環開始實驗：用 Firecrawl 或性質相近的工具搭出自動化研究流程，實際觀察它能讓你的 AI 輸出改善多少。