Projekt. Ilustracyjny przykład, nie wynik klienta. 8-osobowy zespół sprzedaży B2B na etapie series a i każda liczba tutaj to założenia. Projekt to warstwa researchu i szkiców, która wstępnie wypełnia szkice wiadomości outbound z listy rozmów każdego handlowca. Handlowcy edytują i wysyłają.
Załóż, że zespół to 8 account executives, z których każdy spędza pierwszą godzinę dnia na researchu prospektów i pisaniu zimnych maili od zera. W tym projekcie ta godzina to głównie edycja szkiców, które już cytują niedawne finansowanie, rekrutację lub nowości produktowe prospekta.
Dla szefa przychodów liczy się wskaźnik odpowiedzi i czas handlowców, a ten przykład niczego nie twierdzi o żadnym z nich. Zespół w takiej sytuacji zapisałby oba przed zmianą i porównał po niej. Wolumen pozostaje stały, w ludzkim zakresie od 30 do 80 prospektów na handlowca, co jest założeniem. To nie jest gra na wolumen.
#Czy AI outreach może podnieść wskaźnik odpowiedzi bez szkody dla dostarczalności?
Czy używanie AI do pisania wiadomości outbound szkodzi dostarczalności?
Może, jeśli używasz go, by wysyłać więcej. Nie musi, jeśli wolumen pozostaje taki sam. W tym projekcie każdy handlowiec zostaje w ludzkim zakresie od 30 do 80 prospektów, wysyłając z własnych rozgrzanych skrzynek. AI zmienia to, co jest w każdym mailu, nie to, ile wysyłasz, więc nie ma powodu, by skargi na spam rosły.
Obawa o dostarczalność jest realna. Wyślij 500 niemal identycznych maili dziennie z nowej domeny, a Google i Microsoft szybko skierują cię do spamu. Dlatego projekt robi odwrotnie. Ten sam wolumen w ludzkiej skali, te same rozgrzane skrzynki, których handlowcy już używają w HubSpot, tylko lepiej zbadany tekst w każdej wysyłce.
#Z czego składa się projekt?
Trzy elementy, żaden z nich nie jest egzotyczny. Krok badań, który pobiera ostatnie sygnały każdego prospekta. Krok szkicowania, który pisze e-mail w pierwszej osobie, odwołujący się do jednego z tych sygnałów. I synchronizacja, która upuszcza szkic do sekwencji HubSpot handlowca jako edytowalne zadanie.
- Badania: pobiera sygnały finansowania, zatrudnienia i ogłoszeń o pracy dla każdego konta na jutrzejszej liście połączeń, używając wzbogacenia Clay plus przejścia Claude, żeby wybrać jeden najbardziej trafny hak.
- Szkicowanie: pisze jeden krótki e-mail na prospekta w głosie handlowca, cytując ten hak. Bez zupy merge-tagów.
- Synchronizacja: wpisuje szkic z powrotem do HubSpot jako zadanie, które handlowiec sprawdza do 9:00. Nic nie wysyła się automatycznie.
We are
Warstwa badań i szkicowania, która daje każdemu handlowcowi lepszą pierwszą wersję do edycji. Człowiek czyta i wysyła każdy e-mail.
We aren't
Masowy rozsyłacz spamu, który automatycznie wysyła tysiące szablonowych e-maili i niszczy reputację twojej domeny, żeby wypełnić limit wysyłek.
Ten krok z człowiekiem w pętli to cały sens. Handlowcy czytają każdy szkic i przepisują lub odrzucają te ze słabym haczykiem. Te, które zostawiają, powinny trafiać lepiej, bo haczyk jest konkretny; to teza do sprawdzenia, nie do założenia. To ta sama zasada, co za naszą pracą AI implementation: system pisze szkic, operator decyduje.
#Jak poznasz, że to działa?
Nie pierwszego dnia, a kto mówi inaczej, coś sprzedaje. W takim projekcie krok researchu może na początku wyłapywać słabe haczyki, a handlowcy tracą zaufanie do szkiców. Pierwsze strojenie polega na decyzji, które sygnały się liczą, i wycięciu tych, które dają ogólnikowe otwarcia.
Poprawa, jeśli przyjdzie, pojawia się, gdy haczyki są na tyle konkretne, że handlowcy im ufają. Czas edycji spada, a wskaźnik odpowiedzi to liczba do obserwowania. Jeśli szef sprzedaży mówi ci, że outreach z AI opłaca się od razu, poproś o dane od początku wdrożenia.
Ryzykowny jest początek. Handlowcy, którzy tracą zaufanie do szkiców, przestają ich używać. Rozwiązaniem jest strojenie haczyków, nie ręczne przepisywanie każdego szkicu.
Takie warstwy dowozimy na dwa sposoby. Czasem budujemy pipeline i przekazujemy go. Czasem siadamy w zespole przychodów i stroimy go na żywych danych o odpowiedziach. Więcej takich wpisów jest w dzienniku.
Jeśli prowadzisz zespół sprzedaży lub przychodów i zastanawiasz się, czy AI może podnieść wskaźnik odpowiedzi bez niszczenia dostarczalności, uczciwa odpowiedź brzmi: tak, jeśli utrzymasz wolumen ludzki i zatrzymasz człowieka przy każdej wysyłce. Taką wersję budujemy. powiedz nam, co budujesz.
