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.
| ATS | Texto de la descripción | Publicado | Enlace al puesto |
|---|---|---|---|
Greenhouse (/jobs?content=true) | content, HTML con las etiquetas escapadas (<p>) | first_published | absolute_url |
| Lever | descriptionPlain, additionalPlain y lists[].content (HTML) | createdAt (ms) | hostedUrl |
| Ashby | descriptionPlain | publishedAt | jobUrl |
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:
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 <p> first, then drop the tags.
const plain = (html = '') =>
html.replace(/</g, '<').replace(/>/g, '>').replace(/"/g, '"')
.replace(/'/g, "'").replace(/&/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 conread_resultpor 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.