Claude, Instantly & Supabase로 자체 콜드 이메일 시스템을 구축한 이유

모든 에이전시는 콜드 이메일을 싫어한다고 말합니다. 우리도 그랬습니다 — 문제가 콜드 이메일 자체가 아니라, 콜드 이메일을 사용하기 위해 시도한 모든 도구였다는 것을 깨달을 때까지 말이죠. 일반적인 템플릿. "Hi {firstName}" 느낌. 여전히 수시간의 수동 작업이 필요한 월 $300 플랫폼들. 그래서 우리는 개발자처럼 행동했습니다: 우리만의 시스템을 구축했습니다.

이것은 이론적인 아키텍처 포스트가 아닙니다. 우리는 이 시스템을 프로덕션에서 몇 개월 동안 운영해 왔으며, 실제로 답장을 받는 수천 개의 개인화된 이메일을 보내고 있습니다. 우리가 정확히 왜 이것을 구축했는지, 어떻게 모든 조각들이 맞아떨어지는지, 그리고 우리가 어렵게 배운 것들을 설명해 드리겠습니다.

목차

• 기성품 아웃리치의 문제점
• 우리의 기술 스택과 선택 이유
• 아키텍처 개요
• Hunter를 이용한 리드 찾기 및 보강
• Claude를 활용한 AI 개인화
• 오케스트레이션 레이어로서의 Supabase
• Instantly를 통한 대규모 발송
• 자동화 접착제
• 결과 및 배운 점
• 비용 분석
• FAQ

기성품 아웃리치의 문제점

우리는 일반적인 의심되는 업체들을 시도했습니다. Lemlist. Apollo. Woodpecker. 많은 사용 사례에서는 좋은 도구들입니다. 하지만 헤드리스 웹 개발 에이전시로서, 우리의 아웃리치 요구사항은 이러한 플랫폼이 처리할 수 없는 방식으로 구체적이었습니다.

계속 문제가 되었던 것들:

일반적인 개인화 필드는 개인화가 아닙니다. 누군가의 회사 이름과 직책을 템플릿에 삽입하는 것은 2025년에 아무도 속이지 못합니다. 우리는 잠재 고객의 실제 기술 스택, 그들의 사이트 성능 문제, 또는 공개 웹사이트에 보이는 특정 아키텍처 결정을 참조하는 이메일이 필요했습니다.

리서치 단계가 병목이었습니다. 우리의 최고 성과 아웃리치는 항상 팀의 누군가가 실제로 잠재 고객의 사이트를 살펴보고, PageSpeed Insights를 통해 실행하고, 그들의 프레임워크를 확인하고, 구체적인 것을 작성하는 것과 관련이 있었습니다. 그것은 리드당 10-15분이 걸렸습니다. 규모가 커지면, 그것은 풀타임 업무입니다.

데이터가 너무 많은 곳에 살고 있었습니다. 한 스프레드시트의 리드, 다른 플랫폼의 이메일 시퀀스, 세 번째 대시보드의 결과. 아무것도 서로 대화하지 않았기 때문에 피드백 루프를 구축할 수 없었습니다.

AI 통합이 표면 수준이었습니다. 일부 플랫폼은 "AI 쓰기" 기능을 추가했지만, 기본적으로 모든 사람이 보내는 것과 같은 평범한 사본을 생성하는 GPT 래퍼였습니다. 사용자 정의 컨텍스트를 피드할 수 없고, 프롬프트를 제어할 수 없으며, 다단계 추론 체인을 구축할 방법이 없었습니다.

우리는 AI가 쓰기뿐만 아니라 리서치를 수행하는 시스템이 필요했습니다.

우리의 기술 스택과 선택 이유

몇 번의 반복 후 우리가 착지한 것은 다음과 같습니다:

컴포넌트	도구	역할	월간 비용
리드 찾기 및 이메일 확인	Hunter.io	이메일 주소 찾기 및 확인	$49 (Starter)
AI 리서치 및 카피라이팅	Claude (Anthropic API)	잠재 고객 분석, 개인화된 이메일 생성	~$30-60
데이터베이스 및 오케스트레이션	Supabase	리드 저장, 상태 관리, 워크플로 트리거	$25 (Pro)
이메일 발송 및 웜업	Instantly.ai	전달 가능성, 발송 인프라, 웜업	$30 (Growth)
자동화 접착제	Custom Edge Functions + Cron	모든 것 연결	$0 (Supabase에 포함)

우리는 많은 대안을 평가했습니다. 우리가 선택한 것을 선택한 이유의 짧은 버전:

GPT-4보다 Claude: 우리는 둘 다 광범위하게 테스트했습니다. Claude 3.5 Sonnet (그리고 이제 2025년의 Claude 4 Sonnet)은 일관되게 더 자연스럽고 덜 "AI 같은" 이메일을 생성했습니다. 또한 표류 없이 복잡한 시스템 프롬프트를 따르는 데 더 좋았습니다. 가격은 비슷했지만, Claude의 더 긴 컨텍스트 윈도우는 우리가 잠재 고객당 더 많은 리서치 데이터를 피드할 수 있다는 의미였습니다.

Airtable이나 사용자 정의 Postgres 설정보다 Supabase: 우리는 행 수준 보안이 있는 실제 데이터베이스가 필요했지만, 인프라를 관리하고 싶지 않았습니다. Supabase는 Postgres, Edge Functions, Cron 작업 및 체면 있는 대시보드 — 모두 한 곳에서 제공했습니다. 우리는 클라이언트 프로젝트에서도 Supabase를 많이 사용하므로, 팀은 이미 그것을 잘 알고 있었습니다.

Lemlist나 Smartlead보다 Instantly: Instantly의 웜업 네트워크는 정말 좋으며, 그들의 API는 깔끔하고, 가격이 우리 볼륨에 맞았습니다. 우리가 시퀀싱 로직을 직접 처리하므로 Instantly의 내장 시퀀스 빌더가 필요하지 않습니다.

Apollo나 Snov.io보다 Hunter: Hunter의 이메일 확인은 우리가 테스트한 것 중 가장 정확합니다. 그들의 도메인 검색 API는 빠르고 데이터 품질이 높습니다. Apollo는 더 많은 데이터 포인트를 가지고 있지만, 우리는 그들의 이메일 정확도가 낮아서 전달 가능성을 해친다는 것을 발견했습니다.

아키텍처 개요

시스템은 5단계로 작동하며, 각 단계는 독립적으로 실행됩니다:

[Lead Sources] → [Hunter Enrichment] → [Supabase DB] → [Claude Research + Copy] → [Instantly Sending]
     ↑                                       ↑                                           |
     |                                       |                                           |
     +----------- Feedback Loop -------------+-------------------------------------------+

1. 수집: 다양한 소스(수동 목록, 스크래이퍼, 추천 데이터)에서 잠재 고객 도메인 피드
2. 보강: Hunter가 연락처를 찾고 이메일 확인
3. 저장: 모든 것이 상태 추적과 함께 Supabase에 저장됨
4. 리서치 + 작성: Claude가 각 잠재 고객을 분석하고 개인화된 사본 생성
5. 발송: 승인된 이메일이 Instantly 캠페인으로 푸시됨
6. 학습: 답장 데이터가 Supabase로 흐르고, 향후 개인화에 영향을 미침

각 단계는 분리되어 있습니다. Hunter의 API가 다운되면, 보강 큐가 백업될 뿐 발송이 끊기지 않습니다. Claude를 다른 모델로 바꾸고 싶으면, 한 함수만 바꾸면 됩니다.

Hunter를 이용한 리드 찾기 및 보강

Hunter.io는 두 가지 중요한 작업을 처리합니다: 회사의 올바른 담당자를 찾고 그들의 이메일이 실제로 작동하는지 확인합니다.

여기 우리 보강 함수의 단순화된 버전입니다:

import { createClient } from '@supabase/supabase-js';

const HUNTER_API_KEY = Deno.env.get('HUNTER_API_KEY');

async function enrichLead(domain: string) {
  // 의사 결정권자를 찾기 위한 도메인 검색
  const searchRes = await fetch(
    `https://api.hunter.io/v2/domain-search?domain=${domain}&department=executive,it&api_key=${HUNTER_API_KEY}`
  );
  const searchData = await searchRes.json();
  
  const contacts = searchData.data.emails
    .filter((e: any) => e.confidence > 70)
    .slice(0, 3); // 도메인당 상위 3명 연락처
  
  // 각 이메일 확인
  for (const contact of contacts) {
    const verifyRes = await fetch(
      `https://api.hunter.io/v2/email-verifier?email=${contact.value}&api_key=${HUNTER_API_KEY}`
    );
    const verifyData = await verifyRes.json();
    
    if (verifyData.data.status === 'valid') {
      await supabase.from('leads').insert({
        domain,
        email: contact.value,
        first_name: contact.first_name,
        last_name: contact.last_name,
        position: contact.position,
        confidence: contact.confidence,
        status: 'enriched',
        enriched_at: new Date().toISOString()
      });
    }
  }
}

우리는 executive과 it 부서로 필터링합니다. 왜냐하면 그들이 우리의 구매자 — CTO, 엔지니어링 VP, 기술 창업자 — 이기 때문입니다. Hunter의 부서 필터링은 완벽하지 않지만, 많은 노이즈를 제거합니다.

한 가지 우리가 배운 것: 이메일 확인을 절대 건너뛰지 마세요. Hunter의 신뢰도 점수가 높아도, 우리는 여전히 모든 주소를 확인합니다. 3% 이상의 반송률은 발송 도메인의 평판을 망칠 것입니다. 우리는 한 번의 나쁜 배치에서 도메인이 95% 받은편지함 배치에서 40% 스팸 폴더로 가는 것을 봤습니다.

우리는 주당 약 500개의 Hunter 검색 크레딧을 실행하며, 이는 그들의 Starter 플랜에 편하게 맞습니다.

Claude를 활용한 AI 개인화

이것이 흥미로워지는 곳입니다. Claude 통합은 단지 "내게 콜드 이메일을 작성해 줘"가 아닙니다. 이것은 다단계 리서치 및 쓰기 파이프라인입니다.

단계 1: 웹사이트 분석

Claude가 뭔가를 작성하기 전에, 우리는 그것에 잠재 고객의 웹사이트에 관한 데이터를 피드합니다. 우리는 경량 함수를 사용하여 기본 정보를 스크랩합니다:

async function analyzeProspectSite(domain: string) {
  // 홈페이지 및 핵심 페이지 가져오기
  const homepage = await fetch(`https://${domain}`);
  const html = await homepage.text();
  
  // HTML에서 기술 신호 추출
  const signals = {
    hasNextJs: html.includes('__next') || html.includes('_next/static'),
    hasReact: html.includes('react') || html.includes('__REACT'),
    hasWordPress: html.includes('wp-content') || html.includes('wp-includes'),
    hasShopify: html.includes('shopify') || html.includes('cdn.shopify'),
    hasGatsby: html.includes('gatsby'),
    usesJQuery: html.includes('jquery'),
    metaGenerator: extractMeta(html, 'generator'),
    pageSize: html.length,
    // ... 더 많은 신호
  };
  
  // PageSpeed 확인 API를 통해 실행
  const psiData = await fetchPageSpeedInsights(domain);
  
  return {
    ...signals,
    performanceScore: psiData.lighthouseResult.categories.performance.score * 100,
    lcp: psiData.lighthouseResult.audits['largest-contentful-paint'].numericValue,
    cls: psiData.lighthouseResult.audits['cumulative-layout-shift'].numericValue,
    fid: psiData.lighthouseResult.audits['max-potential-fid'].numericValue
  };
}

이것은 Claude에게 실제 데이터를 제공합니다. "안녕하세요, 당신의 회사가 X를 한다는 것을 알았습니다"보다는 더 나아가서 "당신의 홈페이지 LCP는 4.2초이고 당신은 여전히 jQuery를 React와 함께 실행 중이며, 이것은 초기 번들에 90KB를 추가하고 있습니다."

단계 2: Claude 리서치 프롬프트

우리는 신중하게 작성된 시스템 프롬프트와 함께 Claude의 API를 사용합니다. 여기 단순화된 버전입니다:

const researchPrompt = `You are a senior web developer analyzing a prospect's website for a headless development agency. Given the following technical data about their site, identify:

1. Their current tech stack (be specific)
2. 2-3 concrete performance or architecture issues
3. What a migration to a modern headless architecture could improve
4. A specific, non-obvious observation that shows genuine analysis

Do NOT be generic. If you can't find something specific, say so.
Do NOT mention "in today's digital landscape" or similar filler.
Be direct and technical.

Site data:
${JSON.stringify(siteAnalysis, null, 2)}

Prospect: ${lead.first_name} ${lead.last_name}, ${lead.position} at ${lead.domain}`;

const research = await anthropic.messages.create({
  model: 'claude-sonnet-4-20250514',
  max_tokens: 1000,
  messages: [{ role: 'user', content: researchPrompt }]
});

단계 3: 이메일 생성

리서치 출력이 실제 이메일을 작성하는 두 번째 Claude 호출로 피드됩니다. 리서치를 쓰기에서 분리하는 것은 주요 통찰력이었습니다 — 우리가 한 프롬프트에서 둘 다 수행하려고 할 때, 이메일은 더 나빴습니다. Claude는 더 빨리 쓰기로 가기 위해 리서치를 건너뛸 것입니다.

const emailPrompt = `Write a cold email from a senior developer at a headless web agency.

Research notes:
${research.content[0].text}

Rules:
- 4-6 sentences max. Every sentence must earn its place.
- Lead with the most specific technical observation.
- No flattery. No "I love what you're doing."
- One clear CTA: ask if they'd want to see a performance audit.
- Sound like a developer, not a salesperson.
- Use their first name. No last name in greeting.
- Subject line: short, specific to their tech issue, lowercase.`;

결과는? "안녕하세요" 같은 일반적인 것 대신 "당신의 Shopify Plus 스토어는 정적으로 생성될 수 있는 제품 페이지를 서버 렌더링하고 있습니다 — 그것은 모든 제품 보기에 2+ 초를 추가하고 있습니다"로 시작하는 이메일들입니다.

오케스트레이션 레이어로서의 Supabase

Supabase는 작업의 뇌입니다. 여기 우리의 핵심 스키마입니다:

create table leads (
  id uuid primary key default gen_random_uuid(),
  domain text not null,
  email text,
  first_name text,
  last_name text,
  position text,
  confidence int,
  status text default 'new', -- new, enriched, researched, drafted, approved, sent, replied, bounced
  site_analysis jsonb,
  research_notes text,
  email_subject text,
  email_body text,
  instantly_campaign_id text,
  sent_at timestamptz,
  opened_at timestamptz,
  replied_at timestamptz,
  created_at timestamptz default now(),
  updated_at timestamptz default now()
);

create index idx_leads_status on leads(status);
create index idx_leads_domain on leads(domain);

status 필드가 모든 것을 주도합니다. Supabase Cron 작업은 15분마다 실행되어, 각 단계에서 리드를 픽업하고 다음 단계로 푸시합니다:

-- Cron: Claude 리서치를 통해 풍부한 리드 처리
select cron.schedule(
  'process-research',
  '*/15 * * * *',
  $$select net.http_post(
    'https://your-project.supabase.co/functions/v1/process-research',
    '{}',
    '{"Authorization": "Bearer your-service-key"}'::jsonb
  )$$
);

우리는 실행당 20개의 리드를 배치 처리하여 Claude의 레이트 제한 내에 머물고 비용을 예측 가능하게 유지합니다.

site_analysis JSONB 열은 매우 유용합니다. 우리는 모든 리드를 쿼리하여 패턴을 찾을 수 있습니다 — "성능 점수가 50 미만인 WordPress를 실행 중인 모든 리드를 보여 줘" — 그리고 이러한 세그먼트에서 목표 캠페인을 구축합니다.

Instantly를 통한 대규모 발송

Instantly는 실제 이메일 전달을 처리합니다. 우리는 그들의 API를 통해 승인된 이메일을 푸시합니다:

async function pushToInstantly(lead: Lead) {
  const response = await fetch('https://api.instantly.ai/api/v1/lead/add', {
    method: 'POST',
    headers: { 'Content-Type': 'application/json' },
    body: JSON.stringify({
      api_key: INSTANTLY_API_KEY,
      campaign_id: lead.instantly_campaign_id,
      skip_if_in_workspace: true,
      leads: [{
        email: lead.email,
        first_name: lead.first_name,
        last_name: lead.last_name,
        company_name: lead.domain,
        personalization_1: lead.email_subject,
        personalization_2: lead.email_body
      }]
    })
  });
  
  if (response.ok) {
    await supabase
      .from('leads')
      .update({ status: 'sent', sent_at: new Date().toISOString() })
      .eq('id', lead.id);
  }
}

Instantly의 캠페인 템플릿은 {{personalization_1}}과 {{personalization_2}} 변수를 사용하며, 이들은 우리의 Claude 생성 제목과 본문에 매핑됩니다. 캠페인 자체는 단지 셸입니다 — 모든 지능은 우리 시스템에 살고 있습니다.

우리는 모든 아웃리치를 보내기 전에 3개의 발송 계정을 Instantly의 웜업을 통해 최소 2주 동안 실행합니다. 도메인 웜업은 선택이 아닙니다. 우리는 이것을 어렵게 배웠습니다. 우리의 첫 도메인이 1주일 안에 플래그되었습니다.

전달 가능성 설정

우리의 발송 인프라:

• 3개의 도메인 (우리의 주요 도메인이 아닌 우리 브랜드의 변형)
• 모두에 구성된 SPF, DKIM, DMARC
• Google Workspace 계정 (Outlook이 아님 — Google은 우리의 테스트에서 콜드 이메일을 더 잘 처리합니다)
• 지속적으로 실행되는 Instantly 웜업, 활동 발송 날에도
• 계정당 최대 35개 이메일/일
• 3-7분 사이의 임의 발송 간격

자동화 접착제

Supabase Edge Functions가 모든 것을 연결합니다. 여기 의사 코드의 흐름입니다:

15분마다:
  1. status='new'인 리드를 픽업하고, Hunter 보강을 실행 → status='enriched'
  2. status='enriched'인 리드를 픽업하고, 사이트 분석을 실행 → status='analyzed'
  3. status='analyzed'인 리드를 픽업하고, Claude 리서치 + 이메일 생성을 실행 → status='drafted'
  4. (인간이 Supabase 대시보드에서 초안 이메일을 검토합니다)
  5. status='approved'인 리드를 픽업하고, Instantly로 푸시 → status='sent'
  6. Instantly API에서 참여 데이터를 풀합니다 → opened_at, replied_at 업데이트

단계 4가 중요합니다. 우리는 발송을 완전히 자동화하지 않습니다. 모든 이메일은 발송되기 전에 인간의 검토를 받습니다. 이것은 가끔의 환각을 잡습니다 (Claude는 한 번 명확히 Next.js인 사이트가 Remix로 구축되었다고 주장했습니다) 그리고 우리가 개인 스러운 터치를 추가할 수 있게 합니다.

검토 단계는 Claude가 95%의 작업을 올바르게 수행하므로 이메일당 약 2-3초가 걸립니다. 우리는 간단한 Supabase 대시보드 보기를 사용하여 배치에서 승인합니다.

결과 및 배운 점

우리는 2025년 1월 이래로 이 시스템을 운영해 왔습니다. 여기 실제 숫자들입니다:

지표	우리 시스템	업계 평균 (2025)
열람률	62%	24%
회신률	8.4%	1-3%
긍정적 회신률	4.1%	0.5-1%
반송률	0.8%	3-5%
연락된 리드당 비용	$0.18	$0.50-2.00
리드당 시간 (인간)	~5초 (검토)	10-15분

열람률이 높은 이유는 제목 줄이 구체적이기 때문입니다. "your shopify lcp is 4.2s"는 열립니다. "Quick question"은 그렇지 않습니다.

회신률이 높은 이유는 이메일이 진정한 기술적 지식을 보여주기 때문입니다. CTO가 그들의 기술 스택을 올바르게 식별하고 실제 성능 문제를 보여주는 이메일을 읽을 때, 그것이 아웃리치라는 것을 알고 있어도 참여할 가능성이 더 높습니다.

작동하지 않은 것

인간 검토 없이 완전히 자동화된 발송: 우리는 이것을 2주 동안 시도했습니다. Claude는 약 5%의 시간에 기술 스택 세부사항을 환각했습니다. LLM의 경우 낮은 오류율이지만, Vue를 실행하는 사람에게 "당신의 React 앱"이라고 말하는 이메일을 보내는 것은 일반적인 이메일을 보내는 것보다 나쁩니다. 신뢰 손상은 실제입니다.

긴 이메일: 우리의 첫 Claude 프롬프트는 8-10 문장 이메일을 생성했습니다. 회신률은 이제 4-6 문장으로 보는 것의 절반이었습니다. 더 짧은 것이 항상 더 낫습니다.

계정당 하루에 40개 이상의 이메일 발송: 전달 가능성이 절벽에서 떨어집니다. 30-35가 2025년의 최적 지점입니다.

열람을 기반으로 Claude를 사용하여 팔로우업 생성: 우리는 열람으로 트리거된 팔로우업 이메일을 생성하려고 시도했습니다. 팔로우업은 밀어붙이는 느낌이었고 변환은 비용만한 가치가 없었습니다. 우리는 이제 3일 후 간단하고 AI가 아닌 하나의 팔로우업을 보냅니다.

비용 분석

여기 이것이 월간에 비용을 드는 것입니다, 대략 2,000개의 리드를 처리합니다:

서비스	월간 비용	참고
Hunter.io (Starter)	$49	500개 검색 + 확인
Anthropic API (Claude)	$45	~2,000개 리서치 + 이메일 생성
Supabase (Pro)	$25	데이터베이스, Edge Functions, Cron
Instantly (Growth)	$30	발송, 웜업, 분석
Google Workspace (3 계정)	$21	발송 인프라
도메인 (3)	$10	연간 비용 분산
합계	~$180	처리된 리드당 $0.09

Apollo의 월 $79 플랜 (제한된 보강, 기본 시퀀스) 또는 Lemlist의 월 $69/좌석과 비교하세요. 우리는 더 적게 지출하고 있으며 개인화가 템플릿 기반이 아니라 실제이기 때문에 훨씬 더 나은 결과를 얻고 있습니다.

문맥을 위해, 이 시스템은 Next.js 개발 및 Astro 개발 프로젝트로 변환된 월간 비용의 50-100배 가치가 있는 리드를 직접 생성했습니다. ROI는 터무니없습니다.

FAQ

이 시스템을 구축하는 데 얼마나 걸렸나요?

첫 번째 작동 버전은 약 2주의 파트타임 작업이 걸렸습니다 — 총 약 40시간. 우리는 그 이후로 계속 반복했으며, 주로 Claude 프롬프트를 조정하고 엣지 케이스 처리를 추가했습니다. Supabase Edge Functions 및 REST API에 편하다면, 주말에 기본 버전을 실행할 수 있습니다.

이것은 단지 추가 단계가 있는 스팸이 아닌가요?

공정한 질문입니다. 차이점은 모든 이메일이 수신자의 웹사이트에 대한 진정한 기술적 관찰을 포함한다는 것입니다. 우리는 10,000명에게 "전화를 하자"를 폭탄 공격하지 않습니다. 우리는 우리가 해결하는 문제를 실제로 가진 특정하고 유용한 통찰력을 대상 목록에 보냅니다. 우리의 구독 해제율은 0.5% 미만이며, 이는 수신자가 스팸으로 보지 않는다는 것을 제안합니다.

Claude 대신 GPT-4나 Gemini를 사용하지 않으신 이유는?

우리는 세 가지 모두 테스트했습니다. Claude는 우리의 시스템 프롬프트를 더 안정적으로 따랐습니다 — 특히 "일반적이지 않기"와 "필러 구절을 사용하지 않기"와 같은 제약. GPT-4는 명시적인 지침 없이도 판매적 언어로 표류할 것입니다. Gemini는 빨랐지만 출력 품질이 일관되지 않았습니다. 모델이 진화함에 따라 이것이 변할 수 있으며, 우리 시스템은 쉽게 모델을 바꾸도록 설계되었습니다.

GDPR 및 CAN-SPAM 규정 준수를 어떻게 처리하나요?

우리의 모든 아웃리치는 비즈니스 이메일 (개인 아님)을 대상으로 하며, 우리의 실제 주소를 포함하고, 모든 이메일에 명확한 옵트아웃이 있습니다. GDPR의 경우, 우리는 B2B 아웃리치에 대한 정당한 이익에 따라 데이터를 처리하고, 처리 활동 기록을 유지하고, 자동화된 웹훅을 통해 즉시 제거 요청을 준수합니다. 우리는 또한 자동으로 90일이 지난 리드를 우리 데이터베이스에서 제거합니다. 당신의 구체적인 상황에 대해 변호사와 상담하세요 — 이것은 법률 조언이 아닙니다.

리드가 회신하면 어떻게 되나요?

Instantly의 API에서 회신이 다시 흐르고 Supabase로 됩니다. 우리는 모든 회신에 대해 Slack 알림을 받으며, 인간이 즉시 대화를 인수합니다. 우리는 회신 처리에 AI를 절대 사용하지 않습니다. 누군가 참여하면, 그들은 실제 사람을 받을 자격이 있습니다. 관심있는 잠재 고객은 우리의 contact page 또는 직접 전화 예약 링크로 안내됩니다.

이 접근 방식이 기술 이외의 서비스에 효과가 있을까요?

사이트 분석 조각은 웹 개발에 특정하지만, 아키텍처 패턴 — 리드 보강, AI 사용하여 리서치 및 개인화, 전용 도구를 통해 발송 — 모든 B2B 아웃리치에서 작동합니다. 당신은 단지 다른 리서치 입력이 필요합니다. 디자인 에이전시는 비주얼 디자인 및 UX 패턴을 분석할 수 있습니다. 마케팅 에이전시는 SEO 지표를 풀 수 있습니다. 핵심은 Claude에 실제 데이터를 피드하고, 그것이 것을 만들어내도록 요청하지 않는 것입니다.

이 시스템을 유지하는 데 가장 어려운 부분은 무엇인가요?

프롬프트 유지보수입니다. Claude 모델이 업데이트되면, 완벽하게 작동했던 프롬프트는 때때로 조정이 필요합니다. 우리는 또한 이메일 전달 가능성 모니터링에 시간을 보냅니다 — Google Postmaster Tools를 확인하고, 스팸율 스파이크를 감시하고, 발송 계정을 회전합니다. 그것은 주당 총 2-3시간의 유지보수입니다.

이것을 제품으로 판매하시겠어요?

우리는 생각해 봤지만, 정직하게 경쟁 우위가 너무 가치있습니다. 모든 에이전시가 이 정확한 시스템을 실행하면, 수신자가 AI 리서치 이메일을 어디서나 보기 시작할 것이므로 효과가 떨어질 것입니다. 지금 당분간, 우리는 이것을 내부 도구로 유지하고 있습니다. 당신의 비즈니스를 위해 유사한 시스템을 구축하는 데 도움을 원하신다면, 우리에게 연락하세요 — 우리는 헤드리스 CMS 개발 작업의 일환으로 몇몇 클라이언트가 유사한 시스템을 설정하도록 도왔습니다.