Saltar al contenido

CrawlForge TeamEquipo de Ingeniería

5 min de lectura

API de ofertas de empleo para B2B SaaS: señales del stack

Un equipo comercial de B2B SaaS quiere saber tres cosas de una cuenta objetivo: qué usa hoy, qué está a punto de cambiar y quién se quedará con la decisión. La cuenta publica las tres en sus descripciones de puesto. "Own sales activity and monthly revenue forecasting in Salesforce." "Experience with Zendesk Copilot, agent assist, or other AI-powered support tooling." Una oferta para la primera persona de operaciones de ingresos (RevOps) de la empresa.

Una API de ofertas de empleo para B2B SaaS merece la pena por ese texto, no por el número de puestos abiertos. Localizar el tablón de una cuenta es un paso resuelto, explicado en el artículo para consultores, y el de due diligence mira hacia atrás en el tiempo. Lo que sigue lee lo que dicen los puestos, a lo largo de toda una lista de cuentas objetivo.

¿Qué le dice una descripción de puesto a quien vende B2B SaaS?

Más que la web. Una página de empleo enumera títulos. La descripción enumera el stack tecnológico, porque los candidatos necesitan conocerlo:

  • Qué usa el equipo. "Hands-on experience with Salesforce (RLM or CPQ), an ERP such as NetSuite, and a payment processor such as Stripe" es un dato sobre lo que la cuenta tiene implantado, escrito por la propia cuenta.
  • Qué está a punto de cambiar. Palabras como implement, migrate y build from scratch (implantar, migrar, construir desde cero) señalan un proyecto, y los proyectos compran software.
  • A quién se contrata para encargarse. El primer puesto de operaciones de soporte es la persona que elegirá las herramientas.

Un tablón público de Greenhouse que leímos el 7 de noviembre de 2026 ocupaba 1,7 MB con las descripciones incluidas. "Salesforce" aparecía 11 veces, en puestos de ventas, soporte, sistemas financieros e ingeniería, junto a NetSuite, Workday, Snowflake, Zendesk y Gainsight. Leerlo a mano obliga a abrir cada puesto.

¿Dónde está el texto de la descripción en cada tablón?

En un campo distinto en cada uno, y dos de los tres guardan HTML. Los endpoints están en el código de más abajo.

ATSTexto de la descripciónPublicadoEnlace al puesto
Greenhouse (/jobs?content=true)content, HTML con las etiquetas escapadas (<p>)first_publishedabsolute_url
LeverdescriptionPlain, additionalPlain y lists[].content (HTML)createdAt (ms)hostedUrl
AshbydescriptionPlainpublishedAtjobUrl

Dos trampas. Greenhouse omite content salvo que pidas ?content=true, y lo devuelve escapado, así que desescápalo antes de quitar las etiquetas. Si te saltas ese paso, el marcado sobrevive como texto y un término corto puede coincidir con una etiqueta o un nombre de clase en lugar de con la descripción. Lever guarda los requisitos, que es donde suelen aparecer las herramientas, en lists, así que cruzar solo descriptionPlain se los pierde.

¿Cómo cruzas una lista entera de cuentas objetivo?

Lee cada tablón con fetch_url por 1 credit, conviértelo en texto plano por puesto y haz el cruce en local. Funciona con Node 18 o posterior; guárdalo como signals.mts y ejecuta npx tsx signals.mts:

Typescript
type Ats = 'greenhouse' | 'lever' | 'ashby';
type Account = { name: string; ats: Ats; token: string };
type Role = { title: string; url: string; posted: string; text: string };

const ACCOUNTS: Account[] = [
  { name: 'Acme', ats: 'greenhouse', token: 'acme' },
  { name: 'Globex', ats: 'lever', token: 'globex' },
  { name: 'Initech', ats: 'ashby', token: 'initech' },
];

// Your competitors, the tools you integrate with, your category. Plain words only.
const TERMS = ['Zendesk', 'Intercom', 'Freshdesk', 'support operations'];
const MATCH = new RegExp('\\b(' + TERMS.join('|') + ')\\b', 'gi');

const BOARDS: Record<Ats, (token: string) => string> = {
  greenhouse: (t) => 'https://boards-api.greenhouse.io/v1/boards/' + t + '/jobs?content=true',
  lever: (t) => 'https://api.lever.co/v0/postings/' + t + '?mode=json',
  ashby: (t) => 'https://api.ashbyhq.com/posting-api/job-board/' + t,
};

// Unescape Greenhouse's &lt;p&gt; first, then drop the tags.
const plain = (html = '') =>
  html.replace(/&lt;/g, '<').replace(/&gt;/g, '>').replace(/&quot;/g, '"')
    .replace(/&#39;/g, "'").replace(/&amp;/g, '&').replace(/<[^>]+>/g, ' ');

async function readBoard(account: Account) {
  const res = await fetch('https://crawlforge.dev/api/v1/tools/fetch_url', {
    method: 'POST',
    headers: { 'X-API-Key': process.env.CRAWLFORGE_API_KEY ?? '', 'Content-Type': 'application/json' },
    // Boards with descriptions run to megabytes; the inline default is 40,000 characters.
    body: JSON.stringify({ url: BOARDS[account.ats](account.token), max_inline_chars: 10000000 }),
  });
  const json = await res.json();
  if (!res.ok) throw new Error(account.name + ': ' + json.error?.message);
  if (json.data.truncated) throw new Error(account.name + ': board too large to return inline');
  if (json.data.status !== 200) throw new Error(account.name + ': board returned ' + json.data.status);
  return JSON.parse(json.data.content);
}

function toRoles(ats: Ats, body: any): Role[] {
  if (ats === 'greenhouse') {
    return body.jobs.map((j: any) => ({
      title: j.title, url: j.absolute_url, posted: j.first_published, text: plain(j.content),
    }));
  }
  if (ats === 'lever') {
    return body.map((j: any) => ({
      title: j.text, url: j.hostedUrl, posted: new Date(j.createdAt).toISOString(),
      // Lever keeps the requirements in lists[], not in descriptionPlain.
      text: [j.descriptionPlain, j.additionalPlain, ...(j.lists ?? []).map((l: any) => plain(l.content))].join(' '),
    }));
  }
  return body.jobs.map((j: any) => ({
    title: j.title, url: j.jobUrl, posted: j.publishedAt, text: j.descriptionPlain ?? '',
  }));
}

for (const account of ACCOUNTS) {
  for (const role of toRoles(account.ats, await readBoard(account))) {
    const hits = new Set((role.text.match(MATCH) ?? []).map((h) => h.toLowerCase()));
    if (hits.size) {
      console.log([account.name, role.title, [...hits].join(', '), role.posted.slice(0, 10), role.url].join('\t'));
    }
  }
}

Cada línea de salida es un puesto: la cuenta, el título, cuáles de tus términos nombra, cuándo se publicó y el enlace que un comercial abre antes de escribir a nadie. Ejecútalo cada semana y quédate solo con los ids de puesto que no hayas visto, como describe el artículo para consultores, para que el comercial reciba puestos nuevos en lugar de la misma lista cada lunes.

¿Cuánto cuesta vigilar 200 cuentas?

Localizar los doscientos tablones cuesta 400 credits una sola vez, a 2 por cuenta. Después, la lectura semanal es 1 credit por tablón: 200 credits a la semana, unos 870 al mes. Al precio de $3 de un paquete de 1.000 credits, son menos de $3 al mes. El cruce se ejecuta en tu máquina y no cuesta nada, así que añadir términos es gratis.

¿Cuándo engaña una API de ofertas de empleo para B2B SaaS?

  • Una mención no prueba que la usen. "Experience with Zendesk" puede describir al candidato que busca la cuenta, no el stack de la propia cuenta. Lee la frase antes de asignarla, y trata un puesto que te nombra a ti y a tres rivales como una lista de opciones que están comparando, no como una señal.
  • La cobertura depende de qué ATS usa tu lista. Las cuentas que contratan con Workday o desde su propia web no tienen tablón que leer, así que nunca generan una coincidencia. Eso es silencio, no un negativo, y un comercial no debería leerlo como tal.
  • Los tablones más grandes no caben en una respuesta. Por encima de 10.000.000 de caracteres de JSON, el resultado vuelve como una vista previa y un result_handle. Busca en el tablón guardado con read_result por 1 credit por término en lugar de volver a descargarlo.
  • No nombra al comprador. Una coincidencia te dice la cuenta y el puesto, no quién firma. CrawlForge no tiene datos de contacto ni firmográficos; enriquecer una cuenta con ellos es otro pipeline.

Empieza gratis con 1.000 credits. Esa asignación única cubre localizar 200 tablones y tres lecturas semanales. La referencia de fetch_url tiene todos los parámetros.

Pruébalo tú mismo — sin necesidad de registrarte

Explora las 31 herramientas de scraping y extracción de CrawlForge en el playground y luego empieza gratis con 1,000 credits.

1,000 credits gratis • Por única vez • No se requiere tarjeta de crédito

Etiquetas

  • b2b saas
  • job postings
  • fetch_url
  • hiring signals
  • sales intelligence
  • b2b

Sobre el autor

CrawlForge Team

Equipo de Ingeniería

Construimos el MCP server de web scraping más completo. Creamos herramientas que ayudan a los desarrolladores a extraer, analizar y transformar datos web para aplicaciones de IA.

Newsletter

Mantente al día con los últimos artículos

Recibe tutoriales, novedades del producto y consejos de web scraping en tu bandeja de entrada.

Sin spam. Cancela tu suscripción cuando quieras.

FAQ

Preguntas frecuentes

01¿Puede una API de ofertas de empleo decirme qué cuentas usan a un competidor?

Puede decirte qué cuentas nombran a un competidor en una descripción de puesto, que a menudo es lo mismo y a veces no. Una frase que pide a la persona contratada llevar las previsiones de ventas en Salesforce describe el stack de la cuenta; una que pide experiencia con Salesforce o un CRM similar puede describir solo al candidato que busca. Trata cada coincidencia como una pista que debe leer una persona, con el enlace al puesto, no como un uso verificado.

02¿Qué términos debería cruzar un equipo de B2B SaaS en las descripciones de puesto?

Empieza por tres grupos: los productos que sustituyes, las herramientas con las que te integras y los verbos que marcan un proyecto, como migrate, implement y replace (o sus equivalentes en el idioma en que publique la cuenta, como migrar, implantar y sustituir). Evita nombres cortos o palabras comunes que coincidan dentro de frases que no tienen nada que ver, y prefiere una expresión de dos palabras cuando una sola sea ambigua. El cruce se ejecuta en tu propia máquina después de descargar el tablón, así que añadir o cambiar términos no cuesta credits.

03¿Cuánto cuesta vigilar 200 cuentas objetivo?

Unos 870 credits al mes con una lectura semanal, porque cada tablón cuesta 1 credit y 200 tablones a la semana suman eso en un mes. Localizar los tablones cuesta 400 credits una sola vez. El cruce es gratis, porque se ejecuta en tu máquina. A $3 por paquete de 1.000 credits, la lectura mensual cuesta menos de $3.

04¿Por qué un tablón de Greenhouse no devuelve el texto de la descripción?

El endpoint de puestos omite las descripciones salvo que añadas ?content=true. Con él, el campo content de cada puesto contiene HTML cuyas etiquetas están a su vez escapadas (&lt;p&gt; en lugar de <p>), así que desescapa las entidades antes de quitar las etiquetas. Si no, el marcado sobrevive como texto y los términos cortos pueden coincidir con nombres de etiquetas y clases en lugar de con la descripción.

Sigue leyendo

Artículos relacionados