Una skill de Claude que toma una semilla de diez cuentas ideales y una descripción de por qué encajan, y usa el enrichment de Clay más fuentes de señales públicas para encontrar cien más que se les parezcan. La salida es una tabla de Clay lista para outbound o para ruteo a AEs por territorio.

Lo que vas a necesitar

Cuenta de Clay, plan Pro o superior (lookalike requiere la superficie más grande de enrichment)
Claude.ai o Claude Code
Una lista semilla de diez a veinte cuentas closed-won
Una descripción corta de por qué cada semilla es un buen fit (dos oraciones cada una basta)

Setup

Instala la Skill. icp-list-builder.skill expone extract_seed_signals, propose_filters y score_candidates.
Carga la lista semilla. Un CSV con nombre de empresa, dominio y la nota de dos oraciones “por qué ganamos”. La Skill las lee y le pide a Claude extraer el patrón de señales: qué industrias, qué tamaños, qué tech stacks, qué indicadores de crecimiento.
Genera candidatos de filtro. Claude propone un set de filtros de Clay que deberían acotar el universo a lookalikes. Revisa y edita; este es el paso de mayor palanca. Un set de filtros malo produce mil empresas equivocadas.
Corre la tabla de Clay. Aplica los filtros. Clay enriquece cada candidato con las mismas señales que usó el análisis de semilla. Espera quinientos a dos mil candidatos dependiendo de qué tan apretados sean los filtros.
Califica y rankea. La Skill califica cada candidato contra la firma de la semilla usando la rúbrica implícita en las semillas. Los top cien aterrizan en tu tabla de outbound; el resto queda parqueado.

Cómo funciona

El trabajo interesante es el análisis de la semilla. La mayoría de los ejercicios de ICP son demasiado abstractos: “SaaS mid-market en fintech”. El enfoque de semilla invierte esto. En lugar de escribir una descripción, apuntas a diez empresas que cerraste y dejas que Claude haga ingeniería inversa de qué tienen en común. La salida es concreta: “las diez tienen entre cincuenta y trescientos empleados, las diez usan Stripe, ocho de diez tienen una página de seguridad y compliance, seis de diez contrataron un head of revenue en los últimos doce meses”.

Esa concreción se vuelve el set de filtros. Clay puede filtrar sobre la mayoría de esas señales directamente. El paso de score después cuantifica qué tan cerca cada candidato matchea el patrón completo.

Cuídate de

Sesgo de selección de semilla. Diez cuentas ganadas por el mismo AE en la misma vertical produce una lista que se ve como el territorio de ese AE. Saca semillas a través de reps, segmentos y tiempo.
Obsolescencia de señales públicas. Páginas de hiring, tech stacks y señales de funding se atrasan respecto a la realidad por semanas o meses. Las señales son direccionales, no autoritativas.
Sobre-ajuste de filtros. Un set de filtros que matchea exactamente las diez semillas y solo las diez semillas es inútil. Afloja filtros hasta que el volumen de candidatos pegue quinientos a dos mil.
Costo de créditos de Clay. Las corridas de lookalike pesadas en enrichment queman créditos rápido. Corre primero sobre un set de candidatos sampleado, después expande.

Stack

Clay — substrate de enrichment y motor de filtros
Claude — extracción de señales de semilla, propuesta de filtros, scoring
Destino de outbound — donde sea que vayan los top cien después