企业官网建设流程全解析

• AI 技能
• 人工智能

RB2B 是一类典型的"访客识别（Visitor Identification）"工具：它通过去匿名化 B2B 网站匿名流量，把"有人访问了你的网站"翻译成"具体的某个人在访问你的网站"，并附带 LinkedIn 主页、邮箱与公司信息。本文以 tools/integrations/rb2b.md 为主线，结合 tools/REGISTRY.md 的访客识别分类定位与仓库内 cold-email、revops、prospecting 等技能，系统讲解 RB2B 的能力边界、接入方式、定价层级、常见 Agent 操作（实时警报、访客转外联管道、意图评分、抑制列表）以及它在完整 B2B 增长链路中的正确用法。读完本文，你将能判断 RB2B 是否适合你的场景，并学会把匿名访客信号编排进外联、ABM 与 RevOps 流程。

RB2B 是什么：从"流量"到"人"的翻译层

RB2B（在仓库中被归入 tools/REGISTRY.md 的Visitor Identification（访客识别）分类）是网站访客身份识别平台，核心能力是去匿名化 B2B 网站流量：当 B2B 访客访问你的站点时，RB2B 会尝试揭示其背后的真实个人身份——包括 LinkedIn 个人主页、工作邮箱和公司数据。

与传统的访客级识别（仅告诉你"某家公司的某个 IP 段访问了网站"，如 SimilarWeb 式的流量分析）不同，RB2B 定位在Person-level（个人级）识别：它揭示的是"谁"，而不只是"哪家公司"。这一差异决定了它在销售外联、ABM 目标名单构建和意图评分中的独特价值。

能力矩阵：以原生集成为主，API 能力受限

RB2B 的接入方式与其产品定位强相关。依据 tools/integrations/rb2b.md 的能力表格：

这与其他在 tools/REGISTRY.md 中提供 CLI/MCP 的工具（如 ga4、clay、zoominfo）形成鲜明对比。大多数团队通过 RB2B 的原生集成（Slack、CRM 推送、Zapier、webhooks）使用它，而非直接调用 API。对 AI Agent 而言，这意味着与 RB2B 的交互通常是"配置式的"而非"编程式的"：你通过 Slack 接收警报、通过 webhook/Zapier 把数据喂给下游工具，而不是写代码调用其 API。

这一结论在仓库的 tools/REGISTRY.md 工具索引表中得到印证：rb2b 一行的 API 列为 ✓、MCP/CLI 列为 -，且其推荐语明确指出"RB2B 用于识别匿名 B2B 网站访客，并将高意向访客路由到外联工具，与 Clay（富化）及 Instantly/Lemlist（冷邮）搭配效果最佳"。

认证方式与免费层级

• 类型：原生集成——标准使用无需 API Key。
• API Partner Program：程序化访问需要独立凭据，走单独的申请通道。
• 免费层级：每月有限积分 + Slack 实时警报。

值得注意的约束（同样来自 tools/integrations/rb2b.md）：免费层级仅限 Slack 警报，不提供 CRM 推送或邮箱导出。这意味着免费用户能"看到谁来了"，但无法自动化地把它送进外联管道——这是一个重要的功能边界，决定免费方案的适用上限。

定价层级参考

RB2B 定价变动频繁，文中数据为参考区间，实际价格需以官方定价页为准。各层级的大致能力分布如下：

价格梯度本质上是能力分层：从"仅 Slack 看名单"（Free）到"邮箱可外联"（Pro）再到"全量集成自动化"（Pro+）。选择层级时应先明确你的消费端——如果只是观察流量画像，Free/Starter 足够；如果要驱动冷邮外联，Pro 的验证邮箱与CRM 推送是硬性前提。

关键集成：数据流向 50+ 工具

RB2B 将识别出的访客数据推送到 50+ 工具，按消费端可分为四类：

• CRM：Salesforce、HubSpot——访客数据进入客户主数据源；
• 外联（Outreach）：Instantly、HeyReach、Lemlist——高意向访客直接进入外联序列；
• 富化（Enrichment）：Clay、Apollo、Clearbit——用"热访客"数据反哺名单构建；
• 自动化与警报：Zapier、Make（工作流编排）、Slack（实时通知）。

这一生态位与仓库中 tools/integrations/clay.md 的描述高度互补：Clay 是"用 75+ 数据源做瀑布式富化与名单构建"，而 RB2B 是"从网站流量中产生热线索"；前者是数据库侧的拉取，后者是流量侧的捕获。两者配合的标准姿势是：RB2B 捕获 → Clay 富化补全 → 外联工具触达。

RB2B 能揭示的每个访客信息

RB2B 对单个访客的输出字段（依据 tools/integrations/rb2b.md）：

• 全名与 LinkedIn 个人主页 URL
• 职位与公司
• 验证过的商务邮箱（Pro+ 层级提供）
• 访问过的页面与访问时长
• 访问次数与回访频率
• 公司数据（规模、行业、所在地）

注意字段与层级的绑定关系：验证邮箱只在 Pro+ 提供。这决定了数据质量评估时要区分"个人身份信号"（LinkedIn、职位、公司）与"可直接外联信号"（验证邮箱）。

常见 Agent 操作：四类标准玩法

1. 实时访客警报（Real-Time Visitor Alerts）

为高意向访客配置 Slack 警报是 RB2B 最常用的即时消费方式。推荐配置的触发条件：

• 访问过定价页的访客
• 回访 3 次及以上的访客
• 命中目标客户名单（TAL，Target Account List）的访客
• 匹配 ICP 职位关键词的访客

从源码结构看，这一玩法与 skills/prospecting/ 技能中的 ICP 定义逻辑天然衔接：警报条件本质上是"ICP 检查的实时化"——把 Phase 1 定义的 ICP 画像（职位、公司规模、访问页面）翻译成 RB2B 的过滤规则。

2. 访客到外联管道（Visitor-to-Outreach Pipeline）

这是 RB2B 在完整增长链路中的核心价值，标准流程四步：

1. RB2B 识别访客（LinkedIn + 邮箱）；
2. 按 ICP 标准过滤（职位、公司规模、访问过的页面）；
3. 路由到外联工具（Instantly、Lemlist）或 CRM（HubSpot、Salesforce）；
4. 触发个性化冷邮，引用其访问过的页面作为开场。

第 4 步是这套管道的精髓：它直接喂给 skills/cold-email/ 技能的"个性化必须连接到问题"原则——"你访问了我们的定价页"本身就是一个天然、可信、与问题强相关的观察型开场，远强于模板化的 "I came across your profile"。

3. 意图评分（Intent Scoring）

按行为信号对访客打分，RB2B 文档给出的三分层模型：

• 高意向：访问定价页、演示页、对比页，或回访 3+ 次
• 中意向：访问功能页、案例研究页，回访 2 次
• 低意向：仅看博客、单次访问、快速跳出

这个模型与 skills/revops/SKILL.md 中的隐式评分（engagement scoring）维度高度一致——RevOps 技能明确指出"并非所有页面访问同等计分（定价页 ≠ 博客文章）"，而 RB2B 的意图分层正是把这一原则落成可执行的页面权重规则。实践中，可将 RB2B 的意图分层映射为 RevOps 评分模型中的 engagement 分项，与 ICP fit 分合并计算 MQL。

4. 抑制列表（Suppression Lists）

防止对外联到错误对象，标准抑制对象：

• 现有客户（与 CRM 匹配）
• 管道中的活跃商机
• 竞争对手与代理商
• 近期已联系过的线索

抑制列表是数据卫生的关键防线：它防止"识别到访客 → 立即外联"的自动化管道误伤现有客户或竞争情报收集者，也与 skills/prospecting/SKILL.md 的合规护栏（第 3 条"仅使用公开商务联系渠道"、第 7 条"不使用无来源数据"）相互补位。

何时使用 RB2B

RB2B 的最佳适用场景（tools/integrations/rb2b.md 归纳）：

• 为销售外联识别匿名网站访客；
• 从站点流量构建 ABM 目标账户名单；
• 了解哪些公司在研究你的产品；
• 基于页面级意图信号触发个性化外联；
• 向富化工具（Clay、Apollo）输送热访客数据。

其中"从站点流量构建 ABM 名单"与 skills/ads/references/abm-playbook.md 的1:few / 1:many 名单机制直接相关：ABM 玩法要求目标账户名单 ≥1,000 家公司（否则走 1:1/1:few 经济学），而 RB2B 产生的"正在研究你产品"的访客名单，正是比纯企业画像名单带意图信号的高质量 ABM 种子。同样，skills/ads/references/abm-playbook.md 强调"无销售跟进的 ABM 广告是广告牌浪费"，RB2B 的实时访客警报恰好可以充当"广告触达后，谁回访了网站"的销售触发信号。

局限性：必须知道的边界

• 识别偏向美国 B2B 流量：个人级识别对非美国流量效果显著下降；
• 识别率有限：并非所有访客都能被识别，典型匹配率 15-30%；
• 需要足够流量：流量过低时性价比不足——这是"识别率 × 流量"的经济学约束；
• 隐私合规：需确保符合适用法规（GDPR 等），去匿名化行为在部分司法辖区需额外审慎；
• 免费层级限制：仅 Slack 警报，无 CRM 推送与邮箱导出。

最后一点对 Agent 自动化尤其重要：免费/低层级无法把访客数据程序化送入 CRM 或外联工具，管道式玩法基本要求 Pro 及以上。从仓库视角看，RB2B 属于"捕获侧"工具，其局限决定了它应与其他工具互补而非替代——例如对无法识别的 70-85% 流量，仍需要 skills/prospecting/ 的名单构建玩法做兜底。

与仓库内相关技能的协同

RB2B 文档标注的相关技能为 cold-email、revops、customer-research、ads。完整协同图如下：

• cold-email：消费 RB2B 的访客页面数据，写"引用其访问页面"的个性化冷邮；其 personalization.md 4 级个性化体系可指导外联文案层级；
• revops：把 RB2B 意图分层映射为隐式评分项，与 ICP fit 合并计算 MQL；skills/revops/SKILL.md 的 MQL 定义（fit + engagement 缺一不可）恰好与 RB2B 输出互补——RB2B 提供 engagement 信号，CRM/富化工具提供 fit 信号；
• customer-research：RB2B 揭示的"哪些公司、哪些角色在研究你的产品"可用于验证 ICP 假设与需求侧证据，辅助 skills/customer-research/ 的模式 2（在线信号挖掘）；
• ads / ABM：构建带意图信号的 ABM 目标名单，并把访客回访作为广告触达后的销售触发（见 skills/ads/references/abm-playbook.md）。

同时，RB2B 在 skills/prospecting/SKILL.md 的工具选择表中被标注为"Visitor identification (warm intent)"——即它提供的是"温暖意图"信号，是冷名单构建的补充而非替代。最自然的流水线是：prospecting 构建冷名单 → cold-email 触达 → RB2B 捕捉触达后的网站回访（温暖信号）→ 二次外联或 RevOps 评分升级。

落地建议：Agent 如何使用 RB2B

由于 RB2B 无 MCP/CLI，Agent 与其协作应围绕配置 + 下游编排展开：

1. 配置层：在 RB2B 后台配置 Slack 警报规则、webhook/Zapier 出口、CRM 推送字段映射——这通常是人工完成的一次性设置；
2. 编排层：Agent 通过 Zapier/Webhook 接收访客事件，执行意图评分、抑制列表匹配与路由决策；
3. 消费层：把通过筛选的访客数据交由 cold-email 技能写外联、revops 技能做评分与路由。

整体判断口径：RB2B 适合"流量已具规模 + 面向美国 B2B + 有明确外联/ABM 消费端"的团队；若识别率（15-30%）与免费层级限制可接受，它是最直接地把"匿名流量"转化为"可外联个人"的桥梁。在 tools/REGISTRY.md 的工具全景中，它处于"访客识别"这一独立生态位，与 Clay（富化）、Instantly/Lemlist（外联）构成推荐组合，而与 SimilarWeb（竞品流量分析）、Gong（收入情报）等功能边界清晰、互不重叠。

• AI 技能
• 人工智能