account-sourcing

基于职位信号寻找目标客户

职位发布是 B2B 中成本最低、最真实的信号。公司发布“我们的应用是一个宏伟的单体架构”，就已经为此付出了成本，也不会收回这句话。

为什么用 ATS 聚合器，而不是 LinkedIn

LinkedIn 职位抓取只能获取职位名称。真正重要的是职位描述正文——公司会在这里说出自己的问题。使用一个能索引各类 ATS 平台（Greenhouse、Ashby、Lever、Workday 等）招聘网站并提供以下功能的聚合器：

• 在职位描述中进行全文搜索
• 按公司员工人数筛选
• 排除招聘代理机构的标记

在 Apify 上，可用的 Actor 是 fantastic-jobs/career-site-job-listing-api（每条职位约 $0.012）。Apify 之外的同类服务：TheirStack、PredictLeads。

查询设计

要用两个查询，而不是一个。

查询 A——职位信号。 只搜索职位名称：平台、基础设施、SRE、DevOps。扩大搜索范围，了解哪些公司正在为人才缺口招聘。

查询 B——语言信号。 搜索更广泛的工程职位名称，并且在 descriptionSearch 中搜索 legacy、monolith、technical debt、modernization、re-architect。范围较窄，但每条结果都是公司在描述自身问题。

查询 B 更有价值。两个查询都运行，合并结果后按域名去重。

始终设置：国家、员工人数范围、全职、排除招聘代理机构、包含公司详情。

导致一半信号流失的陷阱

“所有活跃职位”模式会按最新优先返回结果，并在达到上限时截断。请求 300 条，你得到的就只是最近一周的职位——永远看不到已开放 139 天的职位，而它是这批数据中最强的产能信号。

解决方法：缩小查询范围，直到结果总数低于上限。 这样就会返回完整的活跃职位积压，包括过期未关闭的职位。通常，缩窄职位名称列表并添加描述筛选就足以做到这一点。

筛选——预计会剔除三分之二

代理机构标记无法过滤掉实际污染结果的内容。需要明确的排除步骤：

• 按行业——IT 服务与咨询、国防、政府、高等教育、招聘、专业服务、非营利组织
• 按名称——维护一份不断更新的承包商和控股公司排除名单，把反复出现的对象加进去
• 按职位名称——包含 clearance、TS/SCI、polygraph 的任何职位
• 按地理位置——总部位于目标市场之外
• 按公司历史——成立不到 3 年的公司没有需要现代化的对象

此技能中的 scripts/filter_score.py 实现了这一步。编辑这些列表；它们因细分领域而异，也是最容易过时的部分。

每次运行后都要检查排除名单。 很容易过滤过度，漏掉只是被错误标记行业的真实产品公司。至少对比一次被剔除的行。

评分

采用加法计分，最高 135 分。始终报告分母。

40  base — cleared every filter
+25 problem language quoted in the posting body
+15 second engineering opening   |  +30 third and beyond
+20 posting open 60+ days        |  +10 open 30–59 days
+10 headcount inside the core band
+10 product in market 3+ years

等级：A ≥ 95 · B 75–94 · C < 75。

空白字段不代表平均分。 缺少成立日期的公司会在不知不觉中少得 10 分。这是正确的——未知情况不能视为正常——但要说明哪些行受到了分数上限限制，以免把数据不足导致的低分误认为匹配度低导致的低分。

发布前核实引文

对 legacy 使用正则会产生误报。某次运行中的真实示例：“building a legendary legacy”，以及营销前言中的“access should not be limited by legacy systems”。大约七分之一的引文都是噪声。

提取匹配位置附近的一个句子，限制在 260 个字符以内，并将其放入 proof_snippet 列。将名单交给数据补充流程前，必须有人亲自查看这一列。每个账户花 10 秒。

输出

CSV，每家公司一行：

rank · score · tier · company · domain · headcount · industry · founded · hq · open_roles · days_open · target_role · proof_snippet

同时报告：提取的原始行数、剔除的行数及原因、员工人数中位数、成立年份中位数、包含已核实引文的公司数量，以及总支出。

要求

集成	用途	必需？
Apify MCP	ATS 招聘网站上的职位信息	是
Python 3	筛选和评分脚本	是
BuiltWith / Wappalyzer	技术栈信号，可选的第二轮筛选	否