找到了 YouTube 达人，却没有联系方式？这个工具可以批量提取商务邮箱

最近和 Wayne 聊到 YouTube 达人开发。

现在其实越来越多人开始用 AI 做这件事了。

找达人、看频道、判断适不适合自己的产品、整理名单，甚至连开发信，现在都可以让 AI 帮忙。

但 Wayne 跟我说，他真正卡住的是另外一步：

或者更准确一点：

我觉得这个问题挺典型的。

很多人现在说“AI 达人建联”，第一反应还是模型够不够聪明、Prompt 怎么写、开发信怎么自动生成。

但真正在业务里跑起来以后，你会发现：

AI 会判断，不代表数据就一定拿得到。

而 YouTube Business Email，恰好就是一个很典型的例子。

✦

现在前面几步其实越来越容易了。

比如你想找一批做 portable ice maker 的 YouTube Creator。

最简单，可以直接搜：

portable ice maker review

countertop ice maker review

RV ice maker

camping ice maker

small kitchen appliance review

也可以反查竞品。

比如：

量再大一点，可以直接用 scraper 拉一批频道，再让 AI 做初筛。

AI 可以帮你看：

这些都没什么问题。

但到了下一步：

很多团队就开始回到人工操作。

打开 Channel

↓

找到 About

↓

找商务联系方式

↓

点击 View email address

↓

登录

↓

验证

↓

复制

↓

贴到表格

↓

继续下一个

20 个还好。

200 个就开始烦。

2,000 个基本就不是“顺手做一下”了。

✦

先说一个很基础的区别。

YouTube 上很多数据，其实相对容易获取。

比如：

这些本身就是页面公开信息。

但 Business Email 不完全一样。

很多频道的商务邮箱，需要进入频道以后，通过类似：

这样的入口去看。

也就是说，它不是简单把网页 HTML 下载下来，然后搜一下有没有@gmail.com就完事了。

这个 Actor 的开发者自己也明确说，它会使用已经登录的 Google Account 去访问频道、点击 “View email address”，处理 CAPTCHA，再提取 Creator 放在 YouTube 上的商务邮箱。

少量人工操作的时候，你不会觉得这件事有什么难。

但只要一批量，就完全是另外一个问题。

因为程序持续访问网站时，会涉及很多普通运营平时不太需要关心的东西：

这些词看起来很技术。

其实你只需要理解一件事：

很多人自己写 scraper，最后卡住的也往往不是“这一行数据怎么提取”。

而是：

怎么让它稳定地跑。

✦

这一块其实有很多高手有自己的玩法。

像黄子阳、火箭叔这种 AI 大神，我平时看他们玩工具，很多时候是真的自己手搓。

这个当然很厉害。

但我自己的习惯一直没有那么“工程师”。

如果市场上已经有一个成熟工具，可以解决我 70% 到 80% 的问题，我一般会先用现成的。

原因很简单。

比如 Proxy、Session、Browser Automation、Retry，这些东西你当然都可以自己研究。

但对我来说，它们不是我的业务核心。

我的核心问题是：

所以如果底层基础设施有人已经做好了，我一般不会为了证明自己会写，再重新造一遍轮子。

也就是因为这个原因，我又回到了一个之前分享过很多次的平台：

✦

如果你完全不懂技术，可以先不用管什么 crawler、proxy、actor 这些词。

把 Apify 理解成：

Apify 里面具体帮你干活的程序，叫：

Actor。

这个名字听起来很玄。

其实你可以把 Actor 理解成：

你给它输入。

它在云端帮你跑。

然后把结果返回给你。

整个逻辑很简单：

比如这次：

就这么简单。

Apify 这类平台的价值，是把很多网页抓取和自动化需要的基础能力封装好了。

例如：

你不一定要懂它们背后是怎么实现的。

对普通业务人员来说，可以先这样理解：

✦

这次我用的是：

它不是帮你“找达人”的。

这个区别一定要先搞清楚。

它解决的是：

它支持输入：

然后输出：

开发者推荐优先用 Channel ID，因为它更稳定，不会因为 Handle 修改或者 URL Redirect 出问题。

所以整个逻辑是：

✦

虽然这篇重点不是讲“怎么找达人”，但前面这一段还是得补上。

因为 Email Scraper 不会帮你自动找出所有 Creator。

你得先有名单。

我一般会从三个方向开始。

比如：

你还可以继续扩：

我的思路一直是：

因为你真正要找的，不是“提过这个产品的人”。

而是：

有可能为这个产品做内容的人。

直接搜：

Competitor Brand + review Competitor Product + review Competitor vs XXX

为什么我比较喜欢这一种？

因为做过竞品内容的 Creator，往往已经证明了三件事：

比起一堆泛流量 Creator，这种名单通常更值得优先处理。

比如：

让 AI 帮你先判断：

这里有个很重要的原则：

更合理的流程应该是：

先筛，再拿联系方式。

✦

如果你还没有自己的 Creator Database，其实不用想得太复杂。

先用 Google Sheet 就可以。

我建议至少有这些字段：

如果以后真的规模化，再往 CRM 或 Airtable 迁。

一开始没必要把事情搞得太复杂。

✦

接下来正式开始跑。

进入这个 Actor 以后，找到 Input。

可以输入：

比如：

@ChannelName  https://youtube.com/@ChannelName  UCxxxxxxxxxxxx

单个 Run 最多可以处理 1,000 个 Channel。

但第一次我完全不建议你上来就跑 1,000 个。

先拿：

测试一下。

主要看三件事：

工具能跑，不代表每个 Creator 都一定有商务邮箱。

YouTube Channel 本身没有填写 Business Email，它当然也没东西可以抓。

✦

这里直接关系成本。

这个 Actor 目前有两种逻辑。

所以我自己的建议很简单：

否则你一开始全部 Force Fresh，成本会高很多。

✦

点 Run 以后，不是所有邮箱马上一起出来。

你主要看几个地方：

如果你完全不懂技术，可以把：

Log

理解成：

这个 Actor 的开发者公布的数据是：

所以实际跑的时候，还是看你自己的任务结果。

✦

任务跑完以后，进入：

你就会看到一行一行的数据。

核心就是：

本来你手上只有：

跑完以后，变成：

这一步就是这个工具真正帮你省时间的地方。

✦

拿到结果以后，可以从 Dataset 继续导出。

例如：

然后再放回：

这一步之后，邮箱抓取本身就结束了。

✦

如果你以后真的一次跑很多 Creator，有可能一次 Run 结束以后，还有一部分结果在处理。

这个 Actor 的文档里专门提醒：

如果还有 pending，不要直接：

而是用：

继续拿剩余结果。

这个区别很重要。

因为重新从头跑，可能会把之前已经提交过的 Channel 再提交一遍。

✦

这里其实才进入真正的 Creator Outreach。

完整流程应该是：

这篇文章重点解决的其实只是中间这一段：

Business Email

但如果你只把邮箱抓下来，然后立刻批量群发，整个效率未必真的高。

因为：

所以我还是会建议：

先筛。

再抓邮箱。

再发开发信。

✦

开发信这篇我先不展开。

现在 AI 写一封邮件，已经不难了。

真正影响质量的是：

你给了 AI 什么上下文。

至少应该准备：

然后让 AI 按这个逻辑写：

如果只输入：

那出来的东西大概率也就是一封标准 AI 邮件。

✦

如果只是小团队，最简单的版本已经够用了：

这个版本甚至不需要你会写代码。

已经能省掉不少机械操作。

再进阶一点，可以做成：

这个时候就已经开始接近一个真正的 Creator Outreach Workflow 了。

黄子阳、火箭叔这种大神，可能会直接把这一整套自己手搓出来。

我自己的做法还是一样：

先跑通。

真跑起来以后，再看哪一段：

再决定值不值得自己开发。

我觉得这个顺序对大部分业务团队更实际。

✦

假设你筛选完以后，有：

1,000 个 Creator

最后其中：

400 个找到 Business Email

按照 Standard 的价格：

你真正应该问的问题，其实不是：

$48 贵不贵？

而是：

这才是我愿意用这种工具的原因。

它不是替你判断谁值得合作。

也不是替你做好 Creator Marketing。

它只是把一个：

的工作拿走。

我觉得这就已经有价值了。

✦

我现在用 AI 做很多事情，越来越少追求：

“是不是全部都是我自己做出来的。”

有成熟的数据工具，就先用数据工具。

AI 擅长做判断，就让 AI 做判断。

API 能串，就把 API 串起来。

真遇到现成工具解决不了的问题，再考虑自己做。

因为对我来说：

YouTube 达人开发也是一样。

找达人，可以让搜索和 AI 帮忙。

判断适不适合，可以让 AI 辅助。

商务邮箱，可以调用成熟的数据工具。

开发信，也可以让 AI 帮你准备。

然后再把它们串成 Workflow。

我觉得 AI 自动化真正有价值的地方，从来不是：

让 AI 什么都会。

而是：