GojiberryAI：LinkedIn 意图信号驱动的 B2B 获客工具，小团队的 AI SDR

2026-03-03 | Product Hunt | 官网

这是 Gojiberry 的线索（Leads）面板。左侧导航包含线索、AI 智能体、营销活动、洞察、集成。主区域是一个线索列表，每行显示联系人姓名、职位、信号（如“刚刚互动过某条帖子”）、AI 评分、重要程度、所属列表、发现时间，右侧有“立即联系”按钮。整体设计简洁，暗色侧边栏搭配白色主区域，是典型的 SaaS 控制面板风格。

AI Agents 页面展示了 8 个预配置的智能体卡片：公司竞品画像、影响力人物画像、最近换工作、前 5% 的理想客户、最近获得融资、互动与兴趣、访问过你的主页、你的公司。每个智能体都有可爱的草莓 IP 形象，可以独立启停。这是 Gojiberry 的核心——用不同智能体监控不同类型的意图信号。

30秒快速判断

这App干嘛的：用 AI Agent 实时监控 LinkedIn 上的“购买意图信号”（点赞、评论、换工作、融资），自动筛出高意向线索，帮 B2B 销售团队把冷触达变成暖触达。

值不值得关注：值得。基于意图的触达（intent-based outbound）是 2026 年 B2B 销售最明确的趋势之一，Gojiberry 用 $99/月的价格把原本 6sense 要 $10万+/年才能干的事拉到了中小企业能用的水平。创始人从失败转型到 60 天获得 100 个客户的故事也很有参考价值。

与我有关三问

与我有关吗？

目标用户是谁：B2B 创始人、SDR（销售开发代表）、小型销售团队（2-20人）、外贸或 SaaS 出海团队。核心场景是“你在卖 B2B 产品，但每天花大量时间手动找线索、发冷邮件，回复率只有 2-3%”。

我是吗：

• 如果你在做 B2B SaaS 或服务，需要持续获取客户 → 你就是目标用户
• 如果你是独立开发者，产品卖给企业 → 可以考虑
• 如果你做 C 端产品、内容创作、电商 → 跟你没关系

什么场景会用到：

• 你刚发了个 B2B 工具，想找前 100 个客户 → 用这个找意图信号
• 你的销售团队每天手动刷 LinkedIn 找线索 → 让 AI Agent 替你干
• 你想知道谁在关注竞品 → 追踪竞品内容互动者

对我有用吗？

ROI 判断：如果你正在做 B2B 冷触达且回复率低于 5%，花 $99/月试一个月完全值得。但如果你的目标客户不活跃在 LinkedIn 上（比如传统制造业老板），这工具帮不了你。

喜闻乐见吗？

爽点在哪：

• 告别盲打：不再从 50 万人的数据库里盲选，而是只看“正在关注你竞品”的人
• AI Agent 不睡觉：配好之后 24/7 自动跑，每天 Slack 推送新发现的暖线索
• 一句话就能跑：输入理想客户画像描述，Agent 自动拆解成信号追踪任务

“哇”的瞬间：

“我们已经赚回了 6 倍的成本，现在一周的日程都被 GojiberryAI 帮我们找的线索约满了。” — G2 用户

用户真实评价：

正面：“我们的 AI Agent 只找了 30 个线索，我们就成功约到了 5 个演示。” — G2 验证用户 正面：“回复率从 3% 飙升至 28%，演示预约率从 0.8% 提升至 8.6%。” — 案例数据 吐槽：“主要的缺点是它高度依赖社交和公开信号。如果你的目标受众在 LinkedIn 上不活跃，你获得的意图信号就会很少。” — G2 用户

给独立开发者

技术栈

• 前端：Web 控制面板（暗色主题 SaaS 风格，React 或类似框架）
• 后端：AI Agent 架构，24/7 后台运行，多 Agent 并行监控
• AI/模型：自研意图评分系统（“三重堆栈”意图评分），组合社交互动+活动报名+招聘信号
• 数据层：LinkedIn 公开数据抓取 + 15+ 邮件瀑布式富化数据提供商
• 集成：HubSpot、Pipedrive、Slack、Instantly、通用 CRM API

核心功能实现

Gojiberry 的技术核心是一套“信号-过滤-富化-触达”的管线：

1. 信号监控层：AI Agent 持续扫描 LinkedIn 公开数据，追踪 15+ 种意图信号（竞品内容互动、换工作、融资公告、加入行业群组、参加活动等）
2. ICP 过滤层：每个发现的信号会与用户预设的 ICP（理想客户画像）做匹配，不符合的自动过滤
3. 数据富化层：匹配后的线索通过 15+ 数据源的瀑布式富化获取邮箱、电话等联系方式
4. 触达层：自动生成个性化 LinkedIn 私信和冷邮件，支持多通道营销活动

开源情况

• 开源吗：否，GitHub 上没有任何公开仓库
• 类似开源项目：没有直接的开源替代品。最接近的是用 Clay + Phantombuster + n8n 自己搭一套
• 自己做难度：高。LinkedIn 数据采集有反爬限制，意图信号评分需要大量数据积累，富化需要接入多个付费数据源。预计 3-4 人月可出 MVP，但数据质量短期内难以追平

商业模式

• 变现方式：月度订阅（SaaS 按席位收费）
• 定价：免费入门版 → 专业版 $99/月/席位 → 精英版自定义
• 收入数据：4 个月做到 $33K MRR，博客声称已达 $500K ARR（9 个月）
• 客户量：100+ 付费客户（60 天内获取）

巨头风险

中等偏高。LinkedIn（微软）自己的 Sales Navigator 已经有部分类似功能（$99/月起），如果 LinkedIn 决定在 Sales Nav 里原生加入意图信号追踪 + AI 自动触达，Gojiberry 的核心价值会被压缩。不过 LinkedIn 的产品节奏通常很慢，而且 Gojiberry 的差异化在于“跨信号综合评分”和“自动触达”，这不是 Sales Nav 目前的重点。

另外，Apollo.io（拥有 2.75 亿联系人数据库）如果加强意图层，也会是威胁。但 Apollo 的基因是数据库，而不是意图智能体。

给产品经理

痛点分析

• 解决什么问题：B2B 销售团队每天花 2-3 小时手动在 LinkedIn 上找线索，发出去的冷邮件回复率极低，大量时间浪费在“不感兴趣的人”身上
• 痛点有多痛：高频刚需。Gartner 数据显示，B2B 买家 83% 的购买旅程发生在接触销售之前，谁先发现意图谁就赢了

用户画像

• 核心用户：B2B SaaS 创始人（自己跑销售）、SDR/BDR（每天需要约演示）
• 延伸用户：增长团队、外包销售机构、猎头
• 使用场景：早上打开 Slack 看到 Gojiberry 推送的“昨晚新发现的 5 个暖线索”，直接点进去发消息

功能拆解

竞品差异

可借鉴的点

1. Agent 卡片化设计：把复杂的信号追踪拆成 8 个“AI Agent 卡片”，每个负责一种信号，用户理解成本极低
2. 吃自己的狗粮：创始人用 Gojiberry 找 Gojiberry 的客户，5 个 LinkedIn 账号同时跑自家产品
3. 信号组合评分：不是单一信号判断，而是多信号叠加（社交互动 + 融资 + 招聘 = 高分），这个思路可以用到很多场景

给科技博主

创始人故事

Pierre-Eliott Lallemant 和 Romàn Czerny，两个法国小伙子，之前做了一个叫 Coco 的 WhatsApp 营销工具，从 $0 做到 $50K MRR，没投广告。卖掉 Coco 后，Pierre-Eliott 做了 Gojiberry 的第一版——一个 AI 会议笔记工具。

结果很尴尬：2000 人的等待名单，0 人付费。

他们没有死磕，几周内直接转型：从 AI 笔记转向基于意图的线索生成。这次市场买账了。60 天内从 0 做到 100+ 付费客户，4 个月做到 $33K MRR。

Romàn 分享的增长策略堪称暴力：12 个渠道同时跑——每天 5000 封冷邮件、每周 800 条 LinkedIn 私信、每周 5 个 YouTube 视频、每周 3 篇 Reddit 帖子。“疯狂的增长不是来自单一渠道，而是来自每天坚持做所有渠道。”

争议点/讨论角度

• 意图信号的“灰色地带”：追踪 LinkedIn 公开行为算不算侵犯隐私？GDPR 合规性够不够？
• “暖线索”到底有多暖：点赞了竞品帖子就代表“准备购买”了吗？信号和真实购买意图之间的差距
• LinkedIn 生态依赖：如果 LinkedIn 收紧 API 或反爬策略，这类工具会怎样？
• 自筹资金 vs 风险投资：在 Apollo/6sense 这种融了上亿美金的赛道里，白手起家能走多远？

热度数据

• PH 排名：2026-03-02 发布当天一度排名第 1，获得 Featured 推荐，最终 255+ 票
• G2 评分：5.0/5（11 条验证评价）
• Twitter/X：创始人 Romàn 的推文获得 51 个赞、29 条回复
• Instagram：6.4 万粉丝

内容建议

• 适合写的角度：从 2000 人等待名单到 0 销售，再到 60 天 100 客户的转型故事
• 蹭热点机会：意图营销是 2026 B2B 圈的热门话题，可以借 Gojiberry 讲“冷触达已死”
• 反向角度：“LinkedIn 意图信号真的靠谱吗？”——质疑意图数据的真实性

给早期采用者

定价分析

上手指南

• 上手时间：约 30 分钟（注册 → 连接 LinkedIn → 配置 ICP → 启动 Agent）
• 学习曲线：低。Agent 卡片化设计，选信号类型 → 设 ICP → 开始跑
• 步骤：
  1. 注册并连接 LinkedIn 账号
  2. 设定理想客户画像（行业、职位、公司规模等）
  3. 选择要启用的 AI Agent（如“竞品互动者”、“最近换工作”等）
  4. 连接 Slack/HubSpot 接收推送
  5. 等 Agent 自动跑出第一批线索（通常几小时内）

坑和吐槽

1. LinkedIn 依赖症：如果你的目标客户不怎么用 LinkedIn（比如餐饮、传统制造业），信号会很少
2. UI 初期有点绕：多个用户提到控制面板的交互刚上手时有点复杂
3. 数据局限：依赖公开社交信号，如果目标受众不公开互动，效果会打折扣
4. 合规风险：仅有 GDPR 基础覆盖，没有 SOC 2、ISO 27001 等企业级认证

安全和隐私

• 数据存储：云端（具体基础设施未公开）
• 隐私政策：符合 GDPR 基础合规
• 安全审计：无公开的 SOC 2 或 ISO 27001 认证

替代方案

给投资人

市场分析

• B2B 线索生成服务: $33.3 亿 (2026) → $91.8 亿 (2035), CAGR 11.91%
• 销售情报: $45.3 亿 (2026) → $114.1 亿 (2035), CAGR 10.7%
• B2B 买家意图数据工具: $44.9 亿 (2026) → $208.9 亿 (2035), CAGR 16.62%（增长最快的细分领域）
• 驱动因素：AI 缩短了销售研究周期（从 3-5 小时缩短到 10-15 分钟），50% 以上的 B2B 营销人员已在使用 AI

竞争格局

市场时机分析

• 为什么是现在：2026 年 B2B 买家只花 17% 的购买旅程与销售接触（Gartner），意图数据的价值从未如此清晰。AI Agent 技术成熟（成本下降、能力提升）让小团队也能做以前只有 6sense 才能做的事
• 技术成熟度：LinkedIn 公开数据获取有现成方案，AI Agent 编排框架（LangGraph 等）已经成熟，邮件富化 API 生态完善
• 市场准备度：高。“意图营销”已经是 B2B 圈的共识词汇，但大部分中小企业还在用 Apollo 发冷邮件

团队背景

• 创始人：Pierre-Eliott Lallemant + Romàn Czerny
• 核心团队：规模未公开，总部在巴黎
• 过往成绩：之前做过 Coco（WhatsApp 营销），从 $0 做到 $50K MRR 后卖掉；Gojiberry 4 个月做到 $33K MRR → 声称 9 个月达到 $500K ARR

融资情况

• 已融资：Crunchbase 有页面但无公开融资数据
• 推测：自筹资金（博客多次提到 bootstrap，且增长策略全靠主动触达而非砸广告）
• 估值：未公开

结论

一句话判断：Gojiberry 把“基于意图的获客”从企业级奢侈品拉到了 $99/月的中小企业价格带，产品逻辑清晰、创始人执行力强、市场切入时机好，但高度依赖 LinkedIn 生态是其最大隐患。

资源链接

2026-03-03 | Trend-Tracker v7.3