Construir listas de leads para cold email en agencias de reclutamiento

El cold email para una agencia de reclutamiento vive o muere por la lista. Puedes escribir copy perfecto (corto, personal, bien acompasado) y aun así no recibir nada de vuelta si los nombres debajo están equivocados. El destinatario no es un comprador, así que las open rates caen. Nada en el pitch resuena, así que las respuestas no llegan. La empresa en realidad no necesitaba un reclutador cuando los contactaste, así que las reuniones nunca se agendan.

La mayoría de los dueños de agencia construyen su lista de una forma: scrapear empresas con puestos abiertos, mandar masivo a cada CEO. Eric Nowoslawski, que dirige growth ops para clientes de staffing y reclutamiento, llama a esto el “playbook de puestos abiertos” y dice sin rodeos que es “la razón por la que es tan difícil obtener una respuesta positiva en staffing y reclutamiento.” Toda otra agencia está corriendo la misma jugada, y el inbox del comprador ya está lleno de pitches idénticos.

Tres enfoques de construcción de listas pasan más allá de ese amontonamiento: puestos abiertos hechos bien, señales de tracción y salidas de empleados. El primero es estándar. Los otros dos son donde la mayoría de las agencias no se molesta en competir.

Por qué la lista es todo el juego en el cold email de agencia

En resumen: El BD de agencia es un canal de bajo volumen, alto valor. Una reunión agendada puede convertirse en una búsqueda contingente firmada que vale una fracción significativa del salario del candidato colocado. Esa asimetría significa que la calidad de la lista importa más que el volumen de envío. Enviar a empresas mal ajustadas desperdicia tu reputación de dominio, tu tiempo y tu deliverability futura.

Algunas cosas hacen que el cold email para agencias de reclutamiento sea más difícil que la versión genérica B2B. Los compradores son escasos: un equipo SaaS puede pichear a cada VP of Sales en un vertical, pero una agencia de reclutamiento solo puede pichear a empresas que necesitan contratar ahora y que no tienen ya un reclutador interno manejándolo. La competencia es alta (el resumen contundente de Nowoslawski de nuevo: es “la razón por la que es tan difícil obtener una respuesta positiva en staffing y reclutamiento”). Y el coste de reemplazo es real. Quema un dominio en una lista de baja calidad y pasas semanas reconstruyendo deliverability antes de tu próxima campaña.

La construcción de listas es la primera mitad del problema del cold email; la infraestructura de mensajes es la segunda. El post de infraestructura de cold email cubre dominios, IPs de envío, cadencia de secuencia y gestión de respuestas una vez que tienes la lista. Esta guía está upstream de todo eso.

Playbook 1: puestos abiertos hechos mejor que todos los demás

En resumen: Scrapear un nombre de empresa y un título de puesto no es suficiente. Enriquece cada fila con la descripción real del puesto, usa IA para extraer la cualidad más importante que el candidato necesitaría, y abre el email con esa inferencia. El punto no es el volumen. El punto es mostrarle al prospect que leíste lo que escribieron.

Toda agencia de reclutamiento corre el playbook de puestos abiertos. La mayoría lo hace mal: scrapear nombre de empresa, scrapear título de puesto, pegar ambos en una plantilla genérica (“veo que estás contratando para X, tengo candidatos”). El resultado es un muro de pitches idénticos en el inbox del prospect.

La versión de Nowoslawski de este playbook trabaja hacia atrás desde el mensaje. Empieza scrapeando puestos de una fuente que exponga la descripción del puesto. Él usa el scraper de Indeed de Apify, que devuelve título y nombre de empresa; luego conviertes el nombre de la empresa en un sitio web usando Clearbit o Apollo, porque, en su framing, “si tienes un sitio web puedes encontrar gente, y si tienes un perfil de LinkedIn puedes encontrar gente.” Sin uno de esos dos anclajes, la fila está muerta.

Para cada fila, enriquece con la descripción completa del puesto en LinkedIn. El conector “find jobs from LinkedIn data” de Clay maneja esto; pon criterios como “no tiene reclutador” si quieres filtrar empresas que ya usan sourcers internos. Luego corre un prompt de IA contra cada descripción de puesto para extraer la cualidad más importante que el candidato ideal necesitaría. El último paso es abrir tu email con esa inferencia, citando la parte de la JD de la que la derivaste.

Un prompt que se sostenga necesita unos cuantos controles incorporados. Mantén la inferencia bajo 20 palabras. Dile al modelo que no repita las palabras exactas de la descripción del puesto para que la cita suene humana. Dale un formato de ejemplo fijo a seguir. Sin esas restricciones, el modelo repite la JD como un loro y la personalización se rompe.

En el framing de Nowoslawski, la primera línea resultante se lee algo así: “estás contratando para un Commercial Sales Manager, y leyendo la descripción del puesto, parece que necesitas a alguien que es [cualidad extraída].” Luego una línea corta ofreciendo candidatos que coincidan y una pregunta sobre los próximos pasos. Ese es un mensaje distinto a “Veo que estás contratando para un Commercial Sales Manager. Tenemos grandes candidatos.”

Una JD parseada dentro de tu CRM se compone aquí. Si ya estás extrayendo requisitos estructurados de cada JD del lado del candidato, tienes la misma estructura de datos que puedes reutilizar para targeting de cold email del lado del BD.

Playbook 2: señales de tracción como indicador previo a la contratación

En resumen: Llega a las empresas antes de que publiquen el puesto. Las métricas de tracción (financiación, crecimiento de headcount, spikes de tráfico, nuevas oficinas, ATS recién instalado) señalan que la contratación es inminente. Hacer outreach en la etapa de tracción significa que estás compitiendo con casi ningún otro reclutador en lugar de con todo el montón.

El scraping de puestos abiertos es reactivo. Las señales de tracción son proactivas. El framing de Nowoslawski: “En lugar de buscar empresas con puestos abiertos, quieres tratar de llegar a ellas antes de que publiquen ese puesto, cuando están pensando en publicar ese puesto.”

Señales de tracción a vigilar:

Señal	Fuente	Por qué importa
Spike de tráfico web a 3 meses	SimilarWeb (scrapeado vía Apify o CAgent)	Crecimiento correlaciona con contratación
Crecimiento de headcount de empleados	LinkedIn / Clay	Proxy directo de contratación
Apertura de nueva oficina	Menciones en noticias, posts de LinkedIn	Señala contratación impulsada por expansión
Ronda reciente de fundraising	Crunchbase, noticias	Cash → headcount en 6 meses
Crecimiento de seguidores en redes sociales	APIs / scrapers de la plataforma	El momentum de marketing a menudo precede a la contratación comercial
ATS recientemente instalado	BuiltWith	”Empezando a tomar el reclutamiento bastante en serio”
Nueva contratación de CMO / CRO	LinkedIn	Nuevo líder = nuevo equipo a construir

La señal de instalación de ATS está particularmente subutilizada. BuiltWith rastrea cuándo una empresa añade Greenhouse, Lever o cualquier otro ATS a su stack. Si una empresa instaló Lever hace dos meses, probablemente está por empezar a contratar a volumen, y probablemente todavía no ha elegido un partner de agencia.

No hay una sola query fija para el playbook de tracción. El trigger que importa depende de tu industria. Nowoslawski menciona warehousing como un ejemplo de un vertical con patrones estacionales de contratación. El principio más amplio: elige las dos o tres señales que coincidan con tu nicho y construye scrapers separados para cada una.

Un segundo filtro se compone bonito encima: puntúa cada empresa por si ya tiene un reclutador interno. Nowoslawski usa “find employee headcount by job title” de Clay para chequear títulos como “recruiter”, “sourcer” o “human resources” en el equipo. Las empresas con reclutadores internos se desprioritizan porque probablemente ya tienen cobertura de contratación. Las empresas sin son los objetivos de mayor palanca.

Playbook 3: salidas de empleados (el subutilizado)

En resumen: Encuentra personas que recientemente dejaron una empresa en un rol senior, luego haz outreach al decision maker de esa empresa ofreciendo encontrar el reemplazo. Casi ninguna agencia corre esta jugada a escala, lo que significa casi ninguna competencia en el inbox.

Nowoslawski llama a esta “probablemente la menos usada” jugada. “Nunca he visto otra empresa de reclutamiento usar este playbook a escala de una forma realmente automatizada.”

La mecánica:

1. Usa Clay (o cualquier fuente de datos de LinkedIn) para encontrar personas que empezaron un nuevo trabajo dentro de los últimos 2-3 meses. La query: el título contiene tu rol objetivo, la ubicación coincide con tu mercado, “max meses en rol actual” puesto a 2-3.
2. Enriquece la línea de tiempo de experiencia completa de cada persona. Necesitas la empresa anterior y la fecha de fin, no solo la fila actual.
3. Filtra a personas cuya fecha de fin del rol anterior esté dentro de los últimos 90 días. Estas son salidas recientes de empresas que probablemente todavía no las han reemplazado por completo.
4. Para cada fila, encuentra al decision maker en la empresa anterior (CEO, head of department, etc.).
5. Haz outreach al decision maker referenciando a la persona específica que se fue.

La línea de apertura se escribe sola. En el framing de Nowoslawski: “Noté que Cameron se fue de la empresa. ¿Cómo han pensado llenar su posición?” Luego ofrece mandar candidatos.

Dos cosas hacen que esto funcione desproporcionadamente bien. Primero, es específico de una manera que ningún scrape genérico de puestos abiertos puede ser, porque estás nombrando a una persona real que realmente se fue. Segundo, la empresa a menudo no ha publicado el reemplazo aún. La mindshare del reclutador llegando antes del listado público de empleo es el punto entero.

La parte más complicada de esta jugada es filtrar correctamente. Algunas personas muestran tres “experiencias” en la misma empresa porque fueron promovidos internamente, lo cual no es una salida. La fórmula de Clay de Nowoslawski maneja esto chequeando si la primera experiencia no actual del candidato tiene un dominio de empresa distinto al de su empleador actual. Ese solo filtro corta los falsos positivos drásticamente.

Herramientas que hacen posibles estas listas

En resumen: Necesitas un scraper para los datos fuente, una capa de enriquecimiento para emails e info de empresa, y una herramienta de flujo para orquestar los pasos. Apify, Apollo, Clay, Clearbit, BuiltWith y SimilarWeb son el stack común. Elige la combinación más barata que llegue a tu escala.

Mapeando las herramientas a los tres playbooks:

Paso	Opciones de herramienta	Notas
Scrapear puestos abiertos	Apify (Indeed scraper), Clay (LinkedIn jobs)	Apify es más barato a escala; Clay es más rápido de configurar
Nombre de empresa → sitio web	Clearbit, Apollo	Apollo viene combinado con enriquecimiento de email, ligeramente más barato combinado
Señal de tracción: tráfico	SimilarWeb (scrapeado vía Apify o CAgent)	La precisión de SimilarWeb es aproximada; úsalo para cambios relativos, no números absolutos
Señal de tracción: instalación de ATS	BuiltWith	El tier gratis es suficiente para empezar
Señal de tracción: fundraising	Integraciones de financiación de Clay	Los scrapers de noticias también funcionan pero son más ruidosos
Encontrar salidas de empleados	Búsqueda de LinkedIn de Clay + enriquecimiento de experiencia	Requiere un plan pagado de Clay
Enriquecimiento de email	Apollo, Hunter, Clearbit	Apollo es el default de la agencia de reclutamiento
Exportación masiva de Apollo	La interfaz de Apollo limita la selección a 25 contactos por página; constructores de herramientas de reclutamiento como Recruitemy distribuyen scrapers que hacen batch de la exportación	Útil cuando ya filtraste a una lista apretada

Un ejemplo práctico: Recruitemy demostró su stack tirando 5.000 enfermeras especializadas en Florida desde Apollo usando un scraper personalizado que evita el límite de exportación de 25 contactos por página de Apollo. El output se exporta como CSV y se carga en el ATS de la agencia para una campaña de email en modo drip. El scraper en sí no es el valor agregado; la exportación incorporada de Apollo hace lo mismo, solo más lento. El valor está en el flujo: filtra agudamente en Apollo, exporta a tu sistema de registro, y secuencia desde ahí.

El trabajo de construcción de listas genera un stream de filas estructuradas que contienen la empresa, el decision maker, el email, la señal que encontraste y un dato de personalización. Esa es la misma forma de datos que eventualmente quieres fluyendo a tus flujos del lado del candidato. La JD Intelligence de Recrudoc parsea descripciones de puesto en requisitos estructurados. Útil del lado del candidato para matching, pero la misma lógica de parseo es exactamente lo que potencia el paso de inferencia de IA en el playbook 1.

Anti-patrones a evitar

En resumen: No mandes masivo a una lista gigante de Apollo sin filtrar. No te apoyes solo en la jugada de puestos abiertos. No te saltes el filtro de “¿ya tienen un reclutador interno?”. No mezcles industrias en una campaña. La reputación de dominio se rastrea a la calidad de la lista.

Modos de fallo que aparecen consistentemente:

• Volumen sin señal. Correr un mensaje genérico contra un scrape sin filtrar erosiona la reputación del dominio. Las listas más pequeñas y dirigidas por señales superan a las grandes sin objetivo.
• Solo puestos abiertos. Si tu única jugada es scrapear puestos abiertos, estás compitiendo con cada otra agencia. Añade al menos otro tipo de señal.
• Saltarse el filtro de reclutador interno. Las empresas con un equipo de TA interno casi nunca responden al outreach de agencia. Tienen un proceso de contratación y tú estás fuera de él. Filtra estas antes de enviar.
• Mezclar industrias en una campaña. Una lista que abarca healthcare, manufactura y SaaS confunde tu mensaje y tu triaje de respuestas. Mantén una industria por campaña y por dominio de envío.
• Ignorar la jerarquía de decision-maker. Una lista masiva de “founders y CEOs” a menudo tiene el título equivocado para el comprador real en empresas más grandes, donde las decisiones de contratación están con operadores de nivel VP en lugar de la C-suite. Combina los títulos de decision-maker con el tamaño de la empresa.

Cómo se ve una lista sana

En resumen: Una lista de agencia que funciona es de un solo nicho, etiquetada por señales y refrescada con la frecuencia suficiente para capturar las señales más frescas. Cada fila tiene al menos un dato de personalización más allá del nombre de la empresa y el título. Si no puedes escribir una primera frase única por fila, la fila no debería estar en la lista.

Lo que tiene cada lista sana:

• Un nicho por campaña (sin mezclar industrias)
• Al menos un dato de personalización verificado por fila, ya sea la inferencia de la JD, el evento de financiación o la salida específica
• Refresco frecuente, porque las señales decaen rápido (especialmente las salidas de empleados y las filas de ATS recientemente instalado)
• Un filtro de reclutador interno aplicado, así las empresas con HR/TA in-house se desprioritizan
• Verificación de email antes de enviar. Usa Apollo, Hunter o NeverBounce. Las tasas altas de bounce corroen la deliverability en cada dominio en tu stack.

Una vez que la lista está en su lugar, el stack de infraestructura de cold email maneja los dominios de warm-up, la cadencia de secuencia, la gestión de respuestas y los links de calendario. Si estás cazando triggers de señal de contratación modernos específicamente, el playbook de señales de contratación profundiza en los tipos de trigger que producen reuniones agendadas consistentemente.

Las agencias que crecen ingresos de retainer desde cold email no están enviando más. Están enviando a mejores listas, con señales más afiladas, donde la competencia no está prestando atención.

Fuentes

Las ideas de este artículo se basan en las siguientes discusiones con expertos del sector:

• “Staffing And Recruiting Business Development Outbound Cold Email Playbook” — Eric Nowoslawski, YouTube
• “How to Get Recruiting Clients With Cold Email” — Recruitemy, YouTube