Guides / 動画ウォークスルー
Treg と Jev でリードをエンリッチする: ICP 判定と登録スコアリング
Treg のワークフローで LinkedIn の反応やウェブサイト登録を Jev に分類させ、動画内の小規模な Treg と Clay のコスト比較と、その適用範囲を確認します。
要点
作者は二つのワークフローを実演します。まず LinkedIn の投稿とコメントを理想顧客像（ICP）に合うシグナルとして分類し、次にウェブサイトの登録ユーザーを enterprise、SMB、influencer、fraud などに分けます。Jev は分類結果を返すもので、営業文面を生成する役割ではありません。データのエンリッチメントと後続アクションは Treg が担います。登録ユーザーの実行結果は画面上で synthetic sample と表示され、コスト比較も作者が示した具体的なデモに基づくため、独立した精度評価や一般的な価格ベンチマークとして扱わないでください。
ステップごとのウォークスルー
- 1
Jev には営業文面ではなく、範囲を絞った分類を任せる
冒頭では、テキストを生成するチャットモデルと、型付きの判定および確率分布を返す Jev が対比されます。リードエンリッチメントでは、コメントが自社の ICP 基準に合うかのように問いを狭く定義し、個別化された文章が必要な次の工程は別の生成モデルに任せます。作者は、分類能力をオープンなウェブ閲覧やコンピューター操作の能力と混同しないようにも注意しています。
分類判断と、外部送信用の文章生成を分けて設計します。タイムスタンプ 0:31 を見る - 2
コスト比較は、画面に示されたサンプルの範囲で読む
Treg と Clay の比較表には、作者の実行で見つかった件数、完全一致件数、精度、レイテンシ、コストが並びます。同じ動画では、20 件の投稿と 368 件のコメントを Jev で分析した別の実行について、$0.00273 だったとも報告しています。これは入力と設定が異なる二つのデモ数値であり、普遍的な価格や品質を示すものではありません。自分の環境を比べるときは、同じレコード、フィールド定義、プロバイダー設定で再実行してください。
作者が一つのサンプル実行で示した比較であり、一般的なベンチマークではありません。タイムスタンプ 3:05 を見る - 3
ICP の基準で LinkedIn の投稿とコメントを選別する
Treg の画面には、分析済みの LinkedIn 投稿・コメントと、Jev による適合判定が並びます。まず、どの人物や企業を関連性ありとみなすかを明文化し、Choice で候補を分類するか、Yes/No の資格判定には Noul を使います。なぜそのリードが抽出されたのかをレビューできるよう、すべての結果に元の URL と根拠となる情報を残してください。
すべての分類判定に、具体的な ICP 基準をひも付けます。タイムスタンプ 3:35 を見る - 4
登録ユーザーを分類し、リスクのあるカテゴリはレビュー可能にする
登録ユーザーのワークフローでは、レコードを enterprise、SMB、influencer、fraud などに分けます。画面にはこの実行が synthetic sample だと明記されているため、表示された件数を実際の顧客成果と解釈してはいけません。まずは分類体系のたたき台として使い、ラベル付きの過去データで検証してください。アカウントのブロックなど影響の大きい操作は、未検証のモデル結果だけで自動化しないでください。
表示データは合成サンプルです。ラベル付きレコードでカテゴリのルールを検証します。タイムスタンプ 4:08 を見る - 5
実データを接続する前に、ワークフローのレシピを点検する
最後の画面では、ワークフローのリポジトリと、企業情報、職種、資金調達、ソーシャル上の反応など、エンリッチメントに使えるシグナルが示されます。リポジトリは実装の出発点として扱い、実際の CRM やアウトリーチ配信につなぐ前に、データの権限、プロバイダー料金、障害処理、Jev に送る正確なフィールドを確認してください。
本番レコードを使う前に、レシピ、データソース、権限をレビューします。タイムスタンプ 4:38 を見る
よくある質問（FAQ）
Jev は個別化された営業文面を書けますか？
いいえ。Jev が返すのはカテゴリ、スコア、Yes/No の確率などの型付き判定です。文面の生成は生成モデルに任せ、そのタスクに必要な情報だけを渡してください。
動画の登録ユーザーのカテゴリは、実際の顧客データですか？
画面では、この実行が synthetic sample と表示されています。カテゴリ件数を本番のコンバージョン、詐欺、精度の結果として読まないでください。
この動画は、Treg が常に Clay より安く、または正確だと証明していますか？
いいえ。特定のサンプル実行について作者が報告した比較を示しているだけです。入力、エンリッチメント項目、プロバイダー設定、料金は結果を変えるため、ベンダーを選ぶ前に自分のデータで同じタスクを再現してください。
チームで Jev のリードスコアを安全に使うにはどうすればよいですか？
判定基準とラベルを定義し、レビュー済みレコードで検証し、誤検知と見逃しを監視してください。不確実な判定や影響の大きい操作は人に回し、未検証のモデル結果だけでアカウントをブロックしないでください。
関連ガイド
Jev で AI リードスコアリング
リードスコア、ホットリード判定、セグメントのスキーマを明示的に設計します。
読むJev Model: Choice、Score、Noul
ICP カテゴリ、順序付きの適合度スコア、二値の資格ゲートに合う出力を選びます。
読むJev API の例: curl、Python、JavaScript
ワークフローを CRM に接続する前に、リクエストとレスポンスの形を確認します。
読むExpanso Edge と Jev でログをトリアージする
運用イベントの一部だけを分類する、別の Jev ワークフローと比較できます。
読むHeym で Jev Decision Node を使う
Heym のワークフローで Jev の言語チェックとタスク別モデルルーティングを確認します。
読むその他の動画ウォークスルー
- Jev Classification Quickstart: OpenRouter API, Primitives & Real Probabilities
- Jev Architecture Explained: Why 70ms Decision Models Beat LLMs for Workflow Automation
- Ultra-Fast Browser Agents with Jev: 178ms DOM Loops & Dual Model Orchestration
- Open Jev Models Are Here: Semif, Nimble, Decider, DiffusionGemma & Laya Hands-On
- Jev vs LLM: Will Jev Replace LLMs? Krish Naik's Whiteboard Explainer
- Jev Trader Tutorial: Build a Subsecond AI Trading Bot on Monad
- Jev Model Router: Build a Privacy-Gated LLM Router with Jev & OpenJev
- Jev Tutorial for Beginners: State, Questions & the TypeScript SDK
- Run Jev Locally: Kev, SemIf & Von on Your Own GPU (OpenJev Guide)
- Jev RAG Reranker: Policy-Steered Reranking for Retrieval-Augmented Generation
- When to Use Jev: An Engineer's Audit of Claims, Gates, and Failure Modes
- LangChain + Jev Integration Tutorial: Routing, Guardrails & Evals
- Jev MCP Server: Connect Jev Decisions to Claude Code & Cursor
- Jev vs Luna: Independent Benchmarks Put "Better, Faster, Cheaper" to the Test
- Jev Agent Harness: Where the Decision Gate Sits in Your LLM Loop
- Jev Playground Walkthrough: The Hotdog Lesson, Criteria, and a Four-Console Token Test
- Jev Text Classification API: Zero-Shot CLI & REST with classifier.dev
- Jev API Examples: First Request, curl & All Three Question Types
- Expanso Edge と Jev でログをトリアージする
- Heym で Jev Decision Node を使う: モデルルーティングを制御する