Lições práticas da automação de prospecção no LinkedIn com OpenClaw

Um desenvolvedor documentou sua experiência automatizando prospecção no LinkedIn com o OpenClaw após três semanas de tentativa e erro, compartilhando abordagens técnicas específicas que funcionaram e armadilhas a serem evitadas.

Detecção de automação do LinkedIn

Dar a um agente acesso ao navegador para navegar no LinkedIn e enviar solicitações de conexão não funciona na prática. O LinkedIn detecta automação no nível da sessão quase instantaneamente, levando a restrições de conta em até dois dias. O problema não é o agente em si, mas tratar o LinkedIn como um site normal que pode ser raspado e clicado.

Requisitos de aquecimento de conta

Contas do LinkedIn têm pontuações de confiança que exigem aquecimento progressivo. Uma conta nova ou que de repente envia 40 solicitações de conexão em um dia é sinalizada, independentemente de quão humano o comportamento pareça. Um período mínimo de aquecimento de 2 a 3 semanas é necessário antes de tocar em qualquer volume real; pular isso arrisca queimar sua conta.

Pontuação de ICP com sinais de intenção

Conectar-se com todos que correspondem a pesquisas amplas por palavras-chave produz resultados terríveis. Adicionar uma camada de pontuação antes da prospecção melhora significativamente os resultados. Essa camada deve incluir sinais de engajamento, como se a pessoa postou recentemente, comentou em conteúdo relevante ou mudou de emprego nos últimos 90 dias, não apenas cargo e empresa. Adicionar esses sinais de intenção à filtragem aumentou as taxas de resposta de ruído para níveis úteis.

Nuances de limitação de taxa

Contas gratuitas do LinkedIn, Premium e Sales Navigator têm limites seguros completamente diferentes. Executar os mesmos limites de taxa entre tipos de conta é uma maneira rápida de ser restringido. O agente precisa saber em que tipo de conta está operando e ajustar-se de acordo.

Design de fluxo de conversa

Conseguir que as conexões sejam aceitas é relativamente fácil, mas fazer o agente lidar com conversas de acompanhamento até reuniões agendadas é a parte difícil. Isso requer árvores de decisão explícitas cobrindo o que dizer se alguém responder com uma pergunta, o que dizer se ficarem em silêncio e quando escalar para um link de calendário. A maioria das configurações de agente para no envio de solicitações de conexão e primeiras mensagens, o que representa apenas cerca de 20% do fluxo de trabalho.

Estratégia de roteamento de modelo

A pontuação de ICP e a detecção de sinais de intenção podem ser executadas nos modelos Haiku ou Sonnet, que são baratos e rápidos. A redação real da conversa, onde tom e tempo importam, beneficia-se de modelos mais fortes. Isso segue o princípio geral do OpenClaw de não executar o Opus em partes que não precisam dele.

O desenvolvedor agora executa um ciclo completo onde o agente encontra leads com base em sinais de intenção, pontua-os em relação ao seu ICP e lida com conversas desde solicitações de conexão até agendamentos de demonstração, com custo por lead essencialmente limitado a custos de token além da configuração.