【Clay攻略】「正しく使い、成果を出す。Clay実践編：企業・人物リスト作成の鉄則とワークフロー」（Clay uni 5・6）
前回の投稿では、Clayの料金・「GTM（市場参入戦略）における実験の重要性」について整理した。今回は、実践編の第一歩として、あらゆるワークフローの起点となる「企業検索（Find Companies）」・「最適な担当者（People）」の具体的な手法と、成果を出すための鉄則をまとめる。
①「企業検索（Find Companies）」について
1. 100以上のソースを統合した「最強のデータセット」
Clayにおける企業検索の真価は、単一のデータベースではない点にある。100以上のデータプロバイダーを統合し、独自のクリーニングを施したネイティブデータセットだ。
これにより、従来のツールでは見落とされがちだった企業の属性を、高い精度で抽出することが可能になる。
フィルタリング項目： 業種、従業員数、所在地、会社概要のキーワード、設立日など多岐にわたる。
データの性質： 無料で利用できる強力な出発点だが、あくまで「自己申告データ」のスナップショットである。精度の高い「ライブデータ」が必要な場合は、後の工程でEnrich（補完）を組み合わせるのがClayの定石だ。
2. 実践：企業リスト作成のワークフロー
Clayで質の高い企業リストを構築するプロセスは、以下の4ステップに集約される。
① ワークブックの作成
Clayにおいて、ワークブックはすべての作業の中心地だ。「ワークブック＝Excelのファイル」「テーブル＝シート」という概念で整理すると理解しやすい。まずは New > Workbook から「Find Companies」を選択する。
② 検索フィルターの定義
理想の顧客プロフィール（ICP）に基づき、条件を絞り込む。
業種/カテゴリー： 標準タグだけでなく、キーワード検索で微細なセグメントを指定。
従業員数： 50人未満のスタートアップから、数万人規模の大企業までレンジで指定。
所在地： 国、州、都市単位で指定し、地域特化型キャンペーンの精度を高める。
③ プレビューと検証
インポート前に必ず内容を確認する。会社概要やLinkedInのURLを横断的にチェックし、抽出された企業が「自分の意図したターゲット」と合致しているかを確認する。
④ インポート
ここで重要なのは、インポート時の自動エンリッチメントはあえてスキップすることだ。まずはリストを確定させ、Clayの仕組みを理解した後に必要な分だけクレジットを消費するのが、効率的な運用への近道である。
3. 企業検索を成功させる「4つの鉄則」
単にリストを作るだけでなく、ビジネス成果に直結させるためのベストプラクティスを共有する。
「小さく、鋭い」リストを構築せよ 1,000〜3,000社程度の小規模なリストから始める。システムに負荷をかけすぎず、オファーの有効性を素早く検証するためだ。
仮説ベースでセグメントを分ける 「シリーズB調達直後の急成長企業」と「技術系創業者が率いる自己資本経営の企業」では、刺さる文脈が全く異なる。巨大な1つのリストを作るのではなく、仮説ごとにリストを分けるべきだ。
除外設定（Negative Exclusions）の徹底 「エージェンシー」や「コンサルタント」など、ターゲット外のキーワードを徹底して除外する。リストのノイズを減らすことが、後の自動化プロセスの精度を左右する。
「下流」のエンリッチメントを逆算する Jigsawフレームワークに従い、ドメイン名やLinkedIn URLという「鍵」を確実に取得する。これらが、後のAIスクレイピングや個人特定において深いインサイトを引き出す武器となる。
②「最適な担当者（People）」について
1. 人物検索を始める前の「準備」
Clayで人物を検索する際、闇雲にキーワードを入力するのではない。Jigsawフレームワークに基づいた、以下の3つの要素が揃っていることが重要だ。
企業リストと識別子： 前回のレッスンで作成した企業リスト。特にLinkedInの会社URLやドメイン名が、「角のピース」として人物を特定するための鍵となる。
明確なターゲット像（ペルソナ）： マーケティングの意思決定者なのか、エンジニアリングの技術者なのか。職位や職能を明確に定義しておく。
2. 実践：担当者を特定するステップ
企業テーブルが整理されたら、右上の「Actions」ボタンから「Find People at These Companies」を選択し、以下の手順で進める。
① フィールドのマッピング
Table Reference： 企業データが含まれるテーブルを選択。
Company Identifier： LinkedInの会社URLを優先的に使用する。これが最も精度が高い。
② 詳細なフィルタリング
Clayでは、従来のデータベースよりも遥かに細かい条件指定が可能だ。
役職と職能（Job title / Function）： 「VP of Marketing」のような具体的な役職や、広く「Marketing」といった職能で網羅的に指定。
経験年数（Experience）： 現在のポジションに就いて6ヶ月以上、1年以上といった「定着度」で絞り込む。
プロフィールキーワード： LinkedInの自己紹介欄（Bio）に含まれる特定のスキルや専門性を狙い撃つ。
除外設定（Exclusions）： 既存顧客や特定のアカウントをリストから排除し、無駄なアプローチを防ぐ。
③ プレビューとインポート
インポート前に必ずプレビューを行い、意図したターゲットが抽出されているか検証する。ここでの微調整が、後の工数を大幅に削減する。インポート時は、企業検索の際と同様にデフォルトのエンリッチメントはスキップするのが鉄則だ。
3. Clayの真骨頂：「リンクされたテーブル（Linked Tables）」
人物検索を完了すると、企業テーブルと人物テーブルが自動的に「リンク」される。これがClayを使いこなす上で非常に強力な武器となる。
コストの最適化： 例えば、ある企業に10人のターゲットがいる場合、10人それぞれに企業情報をエンリッチメント（補完）すると10クレジットかかる。しかし、企業テーブル側で1回だけエンリッチメントを行い、その情報を人物テーブルへ引き込むことで、1クレジットで10人分のデータを最新化できる。
一貫したメッセージング： 企業レベルでの最新ニュースや採用情報を一度取得すれば、その企業に属する全担当者に対して、一貫した文脈でパーソナライズされたアプローチが可能になる。
haruta's view（日本での活用について）
今回の内容を通して、日本でClayを「リスト作成ツール」として使うには、情報の網羅性からまだまだ難しそう。日本市場におけるClayの活用は、米国流の「フルオートメーション」をそのまま持ち込むのではなく、日本のビジネス環境に即した役割の再定義が必要である。
1. 現状認識：日本に「食材屋」としてのClayは不要
わかりやすく例えるため、営業活動を料理にして例え、以下記載する。
米国市場では「リスト作成から自動化できる」点がClayの強みだが、日本においては以下の理由からその優位性は薄い。
網羅性の壁: 日本企業の詳細なライブデータにおいて、LinkedInベースの海外ツールは国内専門DB（FORCAS, uSonar等）に到底及ばない。
既存資産の活用: 多くの日本企業は、すでに国内産DBから質の高い「具材（リード）」を調達し、Salesforce等の基幹システムに蓄積している。
したがって、日本でClayに「リスト作成（食材調達）」を期待するのは時期尚早である。
2. 本質的価値：Clayは最強の「調理器具」である
日本市場におけるClayの勝機は、調達したリストを磨き上げ、アプローチの勝率を劇的に高める「調理（ディープ・リサーチ）」にこそある。
3. なぜ「調理（B）」が日本の空白地帯なのか
これまで日本のセールステックにおいて、個別リサーチの自動化が進まなかった理由は3点に集約される。
非構造データの壁: IR資料の注釈、社長ブログ、採用要件の微細な変化など、グチャグチャな情報を扱えるツールがなかった。
言語と文脈の壁: 日本語特有の曖昧な文脈から「企業の本当の課題」を抽出するには、高度なAI推論が必要だった。
精神論の壁: 「顧客サイトを読み込む手間＝誠意」という文化が強く、効率化の発想自体がタブー視されていた。
4. Claygentが切り拓く「新しい攻撃の形」
Claygent（AI）は、人間が数十年かけて守ってきた「誠意（手作業）」の聖域を1秒でアップデートする。
本音の透視: インタビュー記事や採用ページの更新から「今、社内のどこに予算が動いたか」を特定。
解像度の爆上げ: 単なるテンプレートではない、相手のことを見透かしたような「高精度なラブレター」を数千社に同時に送付。
これは単なる「効率化」ではない。人間には不可能な解像度で、組織的にパーソナライズを完結させる新しい戦略である。
結論：2026年の勝敗を分けるもの
データベースビジネス（食材屋）を今から構築するには資金と時間が必要だが、目の前のリストを最高の提案に変える「調理（B）」のハックは、Clayがあれば今すぐ始められる。
2026年のアウトバウンドを制するのは、「リストの数」を誇る組織ではない。「リスト1件あたりの読解量」をAIで爆上げし、一通の重みを変えた組織である。
