Cara Memperkaya Data Inbound Leads dengan Agen AI, Bukan Akun Apollo

TL;DR: Untuk memperkaya data prospek masuk (inbound lead) menggunakan agen, kirimkan email dan domain dari setiap pendaftaran ke webhook yang akan memulai eksekusi agen. Agen ini akan memperkaya data individu melalui People Data Labs, data perusahaan melalui Apollo, menyaring nama terhadap daftar sanksi, menilai hasilnya berdasarkan ICP Anda, dan membuat satu tugas untuk setiap prospek. Seseorang akan meninjau setiap prospek yang memenuhi kualifikasi sebelum ada yang membalas. Anda membayar per prospek dengan kredit Firecrawl, bukan biaya per kursi (per-seat).

Pendaftaran baru biasanya hanya menyertakan dua bidang data yang berguna: alamat email dan domain perusahaan. Seseorang harus mengubah informasi tersebut menjadi sebuah keputusan. Apakah ini calon pembeli, mahasiswa, pesaing, atau nama yang secara hukum tidak boleh diajak berbisnis?

Solusi yang lazim digunakan adalah membeli lisensi kursi (seat) pada alat pengayaan data untuk setiap orang yang menyortir prospek. Apollo menagih biaya per kursi, dan halaman harganya mencatat bahwa semua kursi dalam satu akun berbagi paket yang sama. Hal itu masuk akal jika manusia yang melakukan pencarian data. Namun ketika agen yang melakukannya, orang yang membaca hasilnya sama sekali tidak memerlukan lisensi kursi.

Panduan ini membangun alur tersebut di Sharkly, dengan Claude Code atau Codex sebagai runtime dan Firecrawl Alexandria sebagai lapisan datanya. Setiap harga kredit di bawah ini adalah harga resmi yang tercantum di Firecrawl per 3 November 2026. Kami tidak memproses prospek langsung untuk artikel ini, jadi anggap total biayanya sebagai contoh simulasi dan pastikan untuk memeriksa harga di playground sebelum menghubungkan semuanya.

Mengapa memperkaya inbound lead dengan agen

Pengayaan inbound lead berarti melengkapi informasi pekerjaan, perusahaan, dan kecocokan kontak baru sebelum tim Anda menghabiskan waktu untuk menanganinya. Agen dapat menjalankan pencarian data, menerapkan aturan Anda, dan menyusun ringkasan singkat satu paragraf. Keputusan mengenai siapa yang berhak menerima balasan tetap berada di tangan manusia.

Tiga hal berubah ketika agen yang melakukan pencarian data:

1. Penagihan mengikuti volume prospek. Satu kunci API Firecrawl mencakup semua penyedia data. Setiap pencarian memiliki tarif kredit yang jelas, dan pencarian yang tidak membuahkan hasil pada penyedia di bawah ini tidak dikenakan biaya.
2. Aturan menjadi berkas kode. ICP Anda tersimpan dalam berkas terdokumentasi yang dibaca agen di setiap eksekusi, bukan sekadar ada di kepala peninjau.
3. Setiap prospek mendapat pemeriksaan yang sama. Pendaftaran ke-40 pada hari itu tetap diperiksa sanksinya sama persis seperti pendaftaran pertama.

Sekilas tentang pipeline pengayaan inbound

Langkah 1: Webhook memulai eksekusi pengayaan

Di Sharkly, sebuah Automation adalah aturan di tingkat Space yang menyerahkan tugas berulang kepada satu Agent atau Crew. Salah satu jenis pemicunya (trigger) adalah webhook: URL rahasia yang menerima permintaan POST dari layanan lain. Backend pendaftaran Anda akan mengirimkan data prospek baru ke webhook ini.

# From your signup handler. The URL is a secret; keep it in your app's env.
curl -X POST "$SHARKLY_LEAD_WEBHOOK_URL" \
  -H "Content-Type: application/json" \
  -d '{"signup_id": "su_10482", "email": "[email protected]", "domain": "example-corp.com"}'

Sharkly menampilkan URL lengkap hanya sekali, saat Anda membuat atau membuat ulang (regenerate) pemicu tersebut. Setelah itu, kartu pemicu hanya akan menyatakan bahwa URL aktif. Anda dapat menambahkan signing secret agar setiap permintaan juga harus lolos verifikasi tanda tangan.

Satu detail penting dalam perancangan alur ini: sebuah Automation memulai eksekusi agen, bukan langsung membuat tugas (task). Oleh karena itu, instruksi mengarahkan agen untuk membuat tugas prospek tersebut sendiri di akhir alur. Detail eksekusi tetap menyimpan payload pemicu, memberikan catatan mengenai data awal yang masuk untuk setiap prospek.

Langkah 2: Perkaya data individu dari email

People Data Labs person/enrich tercatat seharga 60 kredit per panggilan API. Nilai email saja sudah cukup sebagai input. Pengaturan yang mengontrol pengeluaran Anda adalah min_likelihood, dengan rentang nilai 1 hingga 10 dan default di angka 2. Jika Anda menaikkannya, kecocokan data yang lemah akan menghasilkan respons 404 dan bukannya data yang keliru. Halaman penyedia Firecrawl menjelaskannya dengan lugas: “respons 404 di sini gratis, sedangkan data yang salah tetap berbayar.”

// enrich-lead.mjs: one call per signup, key injected as $FIRECRAWL_API_KEY
const call = (alexandria) =>
  fetch("https://api.firecrawl.dev/v2/scrape", {
    method: "POST",
    headers: {
      Authorization: `Bearer ${process.env.FIRECRAWL_API_KEY}`,
      "Content-Type": "application/json",
    },
    body: JSON.stringify({ alexandria }),
  }).then((r) => r.json());

const person = await call({
  provider: "people-data-labs",
  capability: "person/enrich",
  options: { email: lead.email, min_likelihood: 6, titlecase: true },
});
const p = person.alexandria?.[0];
if (p?.error) brief.errors.push(p.error); // check every result before using it

Catatan data ini memuat sekitar 150 kolom data. Ringkasan Anda hanya membutuhkan lima di antaranya. Dengan nilai placeholder, bagian yang disimpan oleh agen tampak seperti ini:

{
  "full_name": "Jordan Example",
  "job_title": "Director Of Platform Engineering",
  "job_company_name": "Example Corp",
  "linkedin_url": "linkedin.com/in/placeholder",
  "likelihood": 8
}

Perhatikan juga kuotanya. Melalui Alexandria, People Data Labs mengizinkan 50.000 panggilan API per tahun per organisasi pelanggan untuk seluruh endpoint individu dan perusahaan. Percobaan ulang (retries) tetap dihitung, dan kuota direset pada 1 Januari UTC.

Langkah 3: Perkaya data perusahaan dari domain

Data perusahaan dari Apollo mencakup pendanaan, jumlah karyawan, dan teknologi yang digunakan. Contoh dari Firecrawl sendiri menggunakan kapabilitas companies/bulk-enrich, yang dapat menerima hingga sepuluh domain per panggilan. Perbandingan Firecrawl edisi Oktober 2026 mencantumkan tarifnya sebesar 30 kredit per perusahaan yang cocok, sedangkan domain yang tidak cocok tidak dikenakan biaya.

const company = await call({
  provider: "apollo",
  capability: "companies/bulk-enrich",
  options: { "domains[]": [lead.domain] },
});
const org = company.alexandria?.[0]?.data?.organizations?.[0];
// org.name, org.estimated_num_employees, funding and technology fields

Halaman Alexandria untuk Apollo menyertakan skill bawaan bernama “CRM account data refresh”. Fitur ini memperkaya ulang akun berdasarkan domain dan membandingkan nilai baru dengan data yang sudah ada di CRM. Fungsinya menggunakan panggilan API yang sama, hanya saja ditujukan ke akun lama Anda dan bukan ke pendaftaran baru.

Langkah 4: Saring prospek terhadap daftar sanksi

Kategori People di Alexandria mencakup OpenSanctions, yaitu basis data sanksi, PEP (Politically Exposed Persons), dan orang-orang yang masuk daftar perhatian (persons-of-interest), ditambah UK Sanctions List. Penemuan alat (discovery) tidak dipungut biaya, jadi mintalah agen mencari kapabilitas penyaringan dan tarifnya sebelum melakukan panggilan berbayar pertama:

firecrawl find-tools --options '{"providers": ["opensanctions-org"]}' --include-costs

Kapabilitas dataset OpenSanctions menunjukkan tarif 5 kredit per eksekusi. Jangan berasumsi pencarian entitas biayanya sama; periksa harga yang dikembalikan oleh find-tools. Perhatikan juga lisensinya. OpenSanctions mempublikasikan datanya di bawah lisensi CC BY-NC 4.0 dan menjual lisensi terpisah untuk penyaringan bisnis, sehingga alur prospek komersial memerlukan lisensi yang sesuai.

Adanya kecocokan bukan berarti agen langsung menolak prospek tersebut. Artinya, tugas akan dialihkan ke peninjau manusia lengkap dengan lampiran temuan kecocokan tersebut.

Langkah 5: Nilai kecocokan terhadap ICP Anda

Penilaian skor tidak memakan biaya karena hanya membaca data yang sudah Anda peroleh sebelumnya. Simpan aturan tersebut dalam sebuah Sharkly Skill, sehingga setiap eksekusi membaca berkas yang sama dan setiap perubahannya dapat ditinjau terlebih dahulu.

# inbound-icp.md (owner: head of sales)
qualify_if: employees >= 50 AND title in [Director, VP, Head, CTO] AND sanctions_match == false
nurture_if: employees < 50 OR title not senior
disqualify_if: free_email_domain OR known_competitor_domain
on_sanctions_match: route to Sales review with the match, never auto-reply
brief_fields: [name, title, company, employees, funding, score, reason, credits_spent]

Mengarahkan prospek di papan tugas

Di tahap perutean inilah Sharkly menunjukkan keunggulannya. Status tugas dapat dikonfigurasi per jenis tugas, dan setiap status masuk ke dalam kategori tetap. Untuk prospek, tiga status berikut sudah memadai:

Agen membuat tugas tersebut sebagai langkah terakhir dari eksekusinya:

sharkly task create \
  --title "Lead: Example Corp (Director Of Platform Engineering)" \
  --body-file brief.md \
  --status "Sales review" \
  --assignee <member> --output json

Penugasan tersebut akan masuk ke Inbox pengguna sebagai sinyal Utama (Primary). Jika agen menyusun draf balasan pertama, draf tersebut hanya tersimpan di badan tugas. Agen tidak pernah mengirimkannya secara langsung. Mekanisme kendali ini mengikuti pola yang sama seperti yang kami jelaskan dalam artikel human-in-the-loop coding agents.

Rincian biaya kredit per prospek

Untuk satu prospek yang datanya cocok di kedua penyedia pengayaan, rincian tarif resminya adalah sebagai berikut:

Pada harga Firecrawl, paket Hobby dibanderol $19 untuk 5.000 kredit per bulan, atau $0,0038 per kredit. Dengan tarif tersebut, 90 kredit setara dengan $0,342 per prospek. Paket Standard seharga $99 untuk 100.000 kredit, atau $0,00099 per kredit, sehingga prospek yang sama hanya memakan biaya $0,0891. Lewatkan panggilan data perusahaan untuk domain email gratis seperti gmail.com, agar Anda tidak membuang 30 kredit hanya untuk mengetahui jumlah karyawan Google.

Dengan 100 prospek yang cocok setiap bulannya, Anda akan menggunakan 9.000 kredit. Jumlah ini melebihi kuota 5.000 kredit di paket Hobby, sehingga Anda perlu membeli kredit tambahan atau beralih ke paket Standard. Hitung estimasi tersebut sesuai volume Anda sendiri sebelum memilih paket.

Satu catatan mengenai perbandingan berbasis kursi (seat). Apollo menagih per kursi. Clay tidak demikian: halaman harganya mencantumkan jumlah pengguna tanpa batas per workspace di setiap paketnya. Poin yang ditekankan di sini bukan sekadar “model per kursi itu buruk”. Intinya, ketika agen yang melakukan pencarian data, penagihan biaya disesuaikan dengan jumlah prospek yang diproses, bukan jumlah orang yang membaca hasilnya.

Bagaimana Sharkly mengintegrasikan seluruh alur kerja

Claude Code atau Codex menjalankan panggilan API tersebut, sementara Sharkly memastikan seluruh proses kerja di sekitarnya tetap transparan dan terpantau.

• Kunci API tetap aman di luar tugas. Atur FIRECRAWL_API_KEY di Environment Variables milik Agent. Sharkly menetapkan pengaturan teks biasa ini dapat dilihat oleh pengelola Agent (Agent managers), jadi gunakan kunci API dengan cakupan khusus untuk tugas ini.
• Agen tidak memakan lisensi kursi. Di Sharkly, lisensi kursi hanya diperuntukkan bagi manusia. Agent, Crew, Computer, dan Runtime tidak memakai lisensi kursi.
• Setiap eksekusi meninggalkan riwayat. Riwayat eksekusi Automation menampilkan payload pemicu, proses eksekusi agen, serta alasan kegagalan jika ada.

Sebelum Anda mengandalkan webhook sepenuhnya, manfaatkan fitur Run now pada Automation dengan data payload uji coba. Kemudian tinjau beberapa hasil eksekusi sebelum Anda menambahkan pembuatan draf balasan otomatis. Panduan Automations mengulas setiap tipe pemicu secara mendalam.

Mulai dari satu webhook

Untuk mulai memperkaya inbound lead menggunakan agen, mulailah dari yang sederhana. Satu webhook, satu agen, dua panggilan pengayaan, satu berkas aturan, dan satu status peninjauan. Jalankan alur ini pada 20 pendaftaran berikutnya dan baca setiap ringkasannya sebelum ada yang membalas. Sharkly gratis untuk memulai, dan penggunaan model AI memanfaatkan paket Claude Code atau Codex yang sudah terhubung ke Runtime Anda.

FAQ

Berapa biaya untuk memperkaya satu inbound lead dengan Firecrawl?

Berdasarkan harga resmi Firecrawl, prospek yang datanya ditemukan di People Data Labs dan Apollo memerlukan 90 kredit sebelum penyaringan sanksi. Biaya tersebut setara dengan sekitar $0,34 pada paket Hobby dan $0,09 pada paket Standard, dengan penagihan bulanan.

Apakah pengayaan data yang gagal tetap memotong kredit?

Tidak untuk kedua penyedia ini. Pencarian People Data Labs dengan kecocokan di bawah min_likelihood Anda akan menghasilkan respons 404 tanpa biaya, dan pengayaan massal perusahaan Apollo tidak memungut biaya untuk domain yang tidak cocok.

Bisakah agen membalas prospek secara mandiri?

Sebaiknya hindari hal tersebut. Biarkan agen membuat tugas lengkap dengan draf balasannya, dan biarkan manusia yang mengirimkan balasan setelah ditinjau.

Apakah OpenSanctions gratis untuk penggunaan komersial?

Tidak. Datanya berlisensi CC BY-NC 4.0, dan penyaringan untuk kebutuhan bisnis memerlukan salah satu lisensi berbayarnya. Pastikan lisensi ini sudah Anda miliki sebelum menerapkannya dalam alur penjualan.

Apakah saya memerlukan lisensi kursi Apollo untuk alur ini?

Tidak diperlukan lisensi kursi untuk panggilan API oleh agen, karena eksekusinya berjalan melalui kunci API Firecrawl Anda. Firecrawl mungkin meminta admin organisasi untuk menyetujui ketentuan data penyedia terlebih dahulu; kode kesalahannya adalah THIRD_PARTY_DATA_TERMS_REQUIRED.

Bagaimana jika Firecrawl meminta persetujuan ketentuan di tengah eksekusi?

Respons akan menyertakan requiresAction.url. Admin organisasi dapat menyetujui ketentuan tersebut melalui tautan itu. Dokumentasi Firecrawl menyatakan bahwa agen memerlukan otorisasi eksplisit dari pengguna sebelum dapat menyetujui ketentuan apa pun, sehingga agen harus membiarkan tugas tersebut menunggu peninjauan manusia.