LINKEDIN SCOUT
- Услуги
- ИИ-скоринг, лидогенерация, обучение на вердиктах
- Направление
- B2B-продажи / поиск клиентов
- Год
- 2026
Скаут в LinkedIn
93Co-Founder & CTO · London
88Founder · San Francisco
Recruiter · Amsterdam
жду описание типа
результат прогона
A. K.
Co-Founder & CTO · AI study platform
London, United Kingdom
Строит своё и уже с трекшном: 50k+ студентов, продукт масштабируется. Ровно тот тип, который просили.
M. S.
Founder · adaptive learning, YC-батч
San Francisco, CA
Запускает продукт в той же нише, в about — прямой сигнал амбиции и поиска партнёров.
схема · куда внедрено
[ вход ]рынок в LinkedIn[ исход ]разговор
[ решает человек ]сорсер на part-time
подбирать запросылистать выдачучитать профиличистить мусорсводить в таблицу
Руками: сорсинг заново каждую неделю6–8 ч*
времени в неделю
≈ $500 / мес*
стоимость канала
≈ 20*
годных контактов в неделю
* Цифры ориентировочные: детали проектов под NDA.
разбор появится, когда прогон закончится
О проекте
Описываешь словами, кого ищешь. Модель сама разворачивает описание в 5–8 разных поисков, дедуплицирует выдачу, оценивает каждого от 0 до 100 и калибруется по твоим 👍/👎.
Окно самого инструмента
Так это выглядит вживую: баланс Apify в шапке, полоса уже найденных, форма поиска по типу. Нажатие «Искать» запускает тот же прогон, что в полосе выше, — справа от формы видно, что система делает по шагам.
LinkedIn → CoConnect ParserApify: $4.90 / $29.00 · остаток $24.10сброс ~15 числа
Теги / запрос (роль, сфера, ключевые слова)
Технические фаундеры early-stage AI/EdTech, есть трекшн
Локация (через запятую)
London, San Francisco
Должности (опц., через запятую)
Founder, Co-Founder, CTO
Сколько профилей
25
≈ $0.50 за поиск (5×$0.10)
·нажми «Искать» — пойдёт прогон
результат прогона
···
💾 💾 Сохранённые: 400 — копятся автоматически из всех поисков — база растёт сама
B. W.
Founder @ соцсеть с миссией
Ottawa, Ontario, Canada
100
fit
основатель, строит новую соцсеть, амбициозный — идеальный кандидат
Открыть LinkedIn ↗✔ уже есть👍👎
V. G.
Founder & CEO @ AI-данные
Greater Toronto Area, Canada
100
fit
серийный предприниматель, основатель нескольких тех-стартапов
Открыть LinkedIn ↗✔ уже есть👍👎
M. K.
Founder & CEO @ AI-стартап
Canada
95
fit
основатель и CEO, активно разрабатывает технологию
Открыть LinkedIn ↗✔ уже есть👍👎
Интерфейс поиска по типу
Интерфейс воссоздан по самому инструменту — те же градиентные карточки, оценка справа и живой бюджет. Нажми 👎 на нерелевантной карточке: вердикт уходит в контекст, оценки соседей пересчитываются. Профили обезличены.
LinkedIn → CoConnect Parserпотрачено $4.90 / $29
🔍 Простой поиск🎯 Поиск по типу💾 Сохранённые
Описание типа
Технические фаундеры early-stage AI/EdTech стартапов, что-то активно строят, есть трекшнAK
A. K.
Co-Founder & CTO · AI study platform
London
0
fit
строит своё, измеримый трекшн: 50k+ студентов, масштабируется
Открыть LinkedIn
MS
M. S.
Founder · adaptive learning, YC-батч
San Francisco
0
fit
запускает продукт, сильный сигнал амбиции в about
Открыть LinkedIn
RD
R. D.
Head of Product · EdTech scale-up
Berlin
0
fit
продуктовый лидер, но не основатель и без своего проекта
Открыть LinkedIn
VT
V. T.
Technical Recruiter · EdTech & AI
Amsterdam
0
fit
рекрутер: отсекается эвристикой ещё до оплаты
Открыть LinkedInнажми 👎 — система запомнит
KP
K. P.
Growth Consultant · «financial freedom»
Dubai
0
fit
коуч без продукта и следов строительства
Открыть LinkedIn
Лидерборд запросов
AI founder edtechпроверен14/25
technical cofounder learning platform11/25
building AI tutor startup9/23
machine learning education product4/25
edtech growth1/25
этот прогон: 5 запросов ≈ $0.50
Как внедряли
Поиск не отдавали модели сразу: сначала она училась разворачивать описание в запросы, потом отсекать мусор до оплаты, потом оценивать — и только в конце начала учиться на вердиктах.
01Один запрос рукамиСначала простой поиск: одна строка, одна страница, живая выдача.
02Fan-outОписание типа развернулось в 5–8 разных запросов вместо вариаций одного.
03Отсев до оплатыДедуп, исключения и эвристика встали перед скорингом — за мусор больше не платим.
04Скоринг с причинойБатч по 30 профилей при температуре 0: балл 0–100 и строка, почему именно такой.
05Обучение на вердиктах👍/👎 пошли в скоринг и в генератор запросов — система стала оценивать в твоём вкусе.
06База и лимитНайденные копятся сами, бюджет упёрся в жёсткий лимит — остаток виден в интерфейсе.
Где остаётся человек
Система приводит людей, но не пишет им от твоего имени: там, где ошибка дороже строки в таблице, решение остаётся за человеком.
Первое сообщениеСкаут доводит до списка и открывает профиль — писать идёт человек, рассылки в системе нет.
Спорные профилиБалл в середине шкалы — не приговор: такие карточки читают глазами, а 👎 остаётся у человека.
Описание типаКого мы вообще ищем, формулирует человек. Модель разворачивает это в запросы, но не переписывает задачу.
Смена рынкаМеняется ниша или гео — рубрику оценки правит человек, модель её только применяет.
Как это устроено
Стек и детали реализации
Ядро
Node.jsExpressGemini 2.5 FlashJSON-mode, t=0
Данные
Apify HarvestAPIдедуп по ссылкевердикты few-shotхранилище запросов
Эксплуатация
pm2basic-authлимит бюджетаCSV-экспорт
Отсев стоит перед деньгамиДедуп, исключения и эвристика работают до запроса страницы: за уже обработанных и за рекрутеров не платится ни цента.
Оценки стабильны между прогонамиБатч по 30 профилей в один вызов при температуре 0 — один и тот же профиль не прыгает в баллах от прогона к прогону.
Вердикты лежат в данных👍/👎 хранятся как примеры и подмешиваются в промпт скоринга и в генератор запросов: система калибруется без правки кода.
Бюджет упирается в лимитЛимит $29 в месяц проверяется до запроса, а не по факту: в минус уйти нельзя, остаток виден в шапке.
Поставить такой скаут себе
Ниша, гео и признаки «своего» человека меняются под задачу — цикл остаётся тем же. Расскажите, кого ищете, и мы покажем, что система заберёт себе.