Potężne narzędzie AI, które zmieni Twój prospecting - Clay

Potężne narzędzie AI, które zmieni Twój prospecting - Clay

Czego dowiesz się z tego materiału:

• Jak Clay zmienia jakość docierania do potencjalnych klientów?
• Jak zbudować listę firm i osób decyzyjnych i wychwycić sygnały zakupowe?
• Gdzie leży granica między sensownym użyciem AI a leniwą automatyzacją procesów, która przynosi słabe efekty?

Jak pozyskiwać klientów przy wykorzystaniu AI? Tak, dokładnie. Słuchajcie, jest tak, że jak dzisiaj idziemy do klientów i mówimy o jakichś strategiach, o jakichś metodach, o takich rzeczach fundamentalnych, to oni mówią: „Tak, dobra, dobra, ale co z tym AI? Jakby się Pan więcej tam poopowiadał, to byłoby super”. Więc tak, jest w końcu odcinek, jak AI do tego pozyskiwania klientów używać, a przy okazji trochę nam wejdzie też, jak używać go do tego, żeby u klientów współpracę odrobinę rozszerzać w sposób bardziej świadomy.

Odcinek praktyczny, krótki. Będziemy dzisiaj prezentowali to na przykładzie clay.com. Miłego oglądania.

AI, które „pozyskuje klientów samo”, kontra rzeczywistość

Słuchajcie, za każdym razem, jak widzę na LinkedInie wariata albo na Iksie wariata, który mówi: „Zautomatyzowałem pracę działu sprzedaży i mam 16 agentów, i oni wiążą mi buty rano, robią kawę, pozyskują klientów, robią research, głęboką hiperpersonalizację”, to mam ochotę odpisać - nie powiem, bo to przekleństwa będą, ale naprawdę mam ochotę, serio.

Dlaczego? Dlatego, że świat dzieli się na dwie części. Na tę rzeczywistość kreowaną przez tych ludzi i na tę drugą, prawdziwą rzeczywistość. Dlaczego? Ano dlatego, że my mamy naprawdę dużą - myślę, że mogę tak powiedzieć - dużą szansę, dużą okazję oglądać, jak to naprawdę działa w firmach od wewnątrz.

Czyli czytamy na LinkedIn, a potem wchodzimy do środka i widzimy, jak to działa i czy działa. Bo jedno to obietnice w mediach społecznościowych, a drugie to realne wyzwania, które widać dopiero w firmie od środka.I w praktyce jest tak, że owszem, jakiś agent zrobił listę 200 firm. Owszem, wysłał, nawet napisał tego maila dla każdego z tych 200 osobna. Nawet to wysłał, ale na koniec to, że to działa, to się okazuje, że działa dlatego, że dwóch odpisało albo ośmiu chciało się spotkać, z czego potem czterech zniknęło, a na tym spotkaniu to tak naprawdę był jeden i on w sumie nie kupił, ale się zastanawia. No i ta granica, słuchajcie, interpretacji, czym jest „u mnie działa”, jest szeroka. W praktyce oznacza to, że sama liczba wysłanych wiadomości niewiele mówi o tym, czy proces prospectingu faktycznie działa.

I też przy okazji zupełnie - to, że ktoś jest freelancerem, pasuje na ten AI i u niego działa, bo pozyskałem u jednego klienta, który płaci 10 koła miesięcznie albo 30, to przełożenie tego, że to działa, na prawdziwą firmę, no to wiecie, ja z jednego klienta no nie utrzymałbym 200 współpracowników, nie dałbym rady, więc dla mnie to, że to działa u niego, jest nic niewarte.

Więc claim na sam początek. Nie widziałem dotąd AI - samodzielnego pozyskiwacza klientów, który działa w dużej, dojrzałej firmie na skali i naprawdę eliminuje jakąkolwiek pracę ludzką, pracę handlowców: klikam guzik i wyskakują klienci. Nie widziałem, a widziałem firm setki, a nawet i tysiące. Niestety, smutne to.

Co daje AI w docieraniu do nowych klientów?

Ale na szczęście AI mimo wszystko sens ma - w rękach tych, którzy wiedzą, jak z niego korzystać, wiedzą, po co on jest. I teraz, po co on jest, słuchajcie.

Ja w ostatnim odcinku mówiłem o tym, że używamy AI do tego, żeby być bardziej przygotowanym do rozmowy, żeby moje wiadomości do klienta były ekstremalnie, bardzo hiperpersonalizowane, żeby były naprawdę o nim, a nie do tego, żeby wysłać tej wiadomości 10 tysięcy. Bo zaawansowana personalizacja wiadomości robi tu większą różnicę niż sama skala wysyłki. I teraz AI tak naprawdę w tym procesie pośredniczy pomiędzy danymi a prospectingiem. Czyli jak są wszystkie dane na rynku - jakieś aplikacje z numerami telefonów, jakieś systemy z mailami, z bazami firm, systemy takie, śmakie, wszystkie wyniki Google - to wszystko z perspektywy internetu jest danymi. Różnych źródeł danych jest tu naprawdę sporo.

To AI pośredniczy dla mnie pomiędzy tymi danymi a wykonanymi działaniami. Czyli ono jest tutaj w środku i w rękach osoby, która jest w stanie bystro z tego korzystać, tak naprawdę AI sprawia, że ten prospecting - maile, telefony, spotkania, cokolwiek byśmy tutaj nie robili - będzie po prostu skrajnie lepszy. Czy to przy mailu, czy przy rozmowie telefonicznej - to samo przygotowanie podnosi jakość każdego kontaktu. W praktyce sztuczna inteligencja zwiększa więc skuteczność prospectingu w każdym z tych kanałów.

Clay jako narzędzie do prospectingu

Dzisiaj będziemy pracowali na przykładzie clay.com. I teraz pierwsza informacja: Clay nie jest jedynym rozwiązaniem na rynku, które robi tę robotę. Jest na pewno jednym z najbardziej rozpoznawalnych, być może największych, dlatego będziemy bazowali właśnie na tym przykładzie. Dobór narzędzi do prospectingu B2B to zresztą temat na osobny materiał - tu skupiamy się na jednym.

Przy okazji, Clay twierdzi, że taka rola jak GTM engineer będzie rolą przyszłości, czyli to jest osoba, która potrafi właśnie przy użyciu narzędzi AI odpowiednio łączyć dane ze sprzedażą i w ogóle, że to będzie niesamowita rola. Myślę, że do Polski to doleci za wiele, wiele lat.

Ale teraz zastanówmy się, co Clay konkretnie potrafi zrobić. No dobrze, słuchajcie, trafiliśmy teraz na stronę Claya. Clay tu ładnie o sobie mówi, że jest do budowania systemów, które zwiększają przychód, i pewnie trochę tak jest. Bardzo dużo tutaj na tej stronie można poczytać - są tu funkcjonalności od naprawdę bardzo dużych firm. Tutaj też Clay tłumaczy, czym tak naprawdę jest ta rola GTM engineera, co on tutaj może w Clayu zrobić, że może zrobić scoring leadów, że może zrobić automatyczny outbound. Bardzo wiele różnych rzeczy jest w stanie wykonać przy użyciu Claya. To narzędzie oferuje więc więcej zaawansowanych funkcji, niż niejeden rozbudowany zestaw osobnych aplikacji. Tutaj w ogóle bardzo fajna funkcjonalność - też na stronie internetowej możecie powiedzieć, co chcecie zrobić, i ona z wami pogada. Piękna rzecz.

Budowanie listy firm - jak trafić do grupy docelowej?

W każdym razie, jak znajdziemy się w Clayu, pewnie najważniejsze funkcjonalności to te, które pośredniczą między tymi danymi a wykonanymi kampaniami. Pierwszą, najważniejszą - zrobimy sobie taki workbook, nazwiemy go „Czyste Hale” i w ramach tego workbooka stworzymy sobie listę firm dla spółki Czyste Hale.

Ci z was, którzy nie znają: Czyste Hale to jest przykład, z którego korzystam na kursie aisales.pl. To jest taka spółka, która nie istnieje, która jak sama nazwa wskazuje sprząta hale. Na tym przykładzie między innymi pracujemy na kursie, więc osoby z AI Sales będą kojarzyły ten przykład, a ci z was, którzy tam nie byli, no to Czyste Hale, Boże drogi, trzeba posprzątać fabrykę.

Wyobraźmy sobie, że pracujemy w tej firmie i chcemy teraz znaleźć firmy, które będą naszym idealnym klientem. No i ja mogę tutaj na przykład szukać firm produkcyjnych, które są zlokalizowane w Polsce i zatrudniają od dwustu do tysiąca pracowników. Pięknie. To już jest pierwszy zarys profilu idealnego klienta: branża, kraj i wielkość firmy.

I zobaczcie, co Clay zrobi. Mimo że napisałem do niego po polsku, to na szczęście AI mówi w każdym języku, dostanę dokładnie to, o co zapytałem. Czyli dostanę firmy produkcyjne. Zwróćcie uwagę, on tutaj dołączył sobie kryteria. Dołączył trzy kryteria. Możecie w tych kryteriach grzebać, możecie dodawać, odejmować. Nie zawsze to, co robi AI w Clay, jest ready. Czasami trzeba się w tym nieco pobawić. Takie precyzyjne wyszukiwanie to podstawa, jeśli chcemy trafić do właściwych osób.

Jak sobie spojrzymy na lokalizację, no to Warszawa, Katowice, Raszyn, Gdańsk, Elbląg. To wszystko jest właściwe. Jak spojrzymy sobie na nazwy firm, pewnie są tu spółki, które kojarzycie. Są to wszystko dane publiczne, więc możemy je pokazać między innymi na tym kanale. Ale zwróćcie uwagę, tutaj pojawia się na przykład spółka, która jest zlokalizowana - to nie jest polska spółka, ale widocznie ma lokalizację w Toruniu, co też jest dla mnie jako dla sprzedawcy ciekawe i pewnie użyteczne.

Teraz jak kliknę continue - zapisz tych ludzi do nowej tabeli. Ciach. To tak naprawdę mam Excela, z którym za moment będę mógł pracować. Taką listę mogę potem podpiąć choćby pod system CRM, z którego korzysta zespół.

Wzbogacanie danych o firmach

I przy okazji Clay może od razu ubogacić dla mnie tego Excela. Sugeruje mi różne ubogacenia, tak zwane enrichmenty po angielsku. Ja sobie tutaj wybiorę, żeby wzbogacić firmy, ale mógłbym na przykład znaleźć ich konkurentów, mógłbym znaleźć ogłoszenia o pracę, mógłbym znaleźć aktualne newsy na ich temat. Ale zróbmy samo wzbogacenie tej firmy. Klikam zapisz i zwróćcie uwagę - mam listę.

Mam listę firm, które mają jakąś produkcję w Polsce. Mam tutaj wiele informacji. Mam informacje o mieście pochodzenia. State of province. Enrichment company. Piękne rzeczy wyszły mi z tego, a mianowicie na przykład mogę sobie tutaj kliknąć i mam pełny description, kim oni są, ile mają osób, i za moment będę mógł z tego korzystać, jeżeli tylko będę chciał.

I teraz jak spojrzycie sobie na to, co się teraz wydarzyło, to w sumie nie jest to nic wielkiego. Wiele systemów to umożliwia. To znaczy zbudowaliśmy sobie listę. Tak naprawdę, gdyby się nad tym zastanowić, to nie ma w tym wiele chwalebnego, ale moglibyśmy tutaj teraz użyć narzędzi i zrobić całą masę wzbogaceń dla tej listy firm, która powstała po lewej stronie. Czyli moglibyśmy na przykład zastanowić się, w jakiej technologii jest napisana ich strona internetowa. O, tu było. Website tech stack.

Moglibyśmy tutaj zrobić wyszukanie na przykład. No to zróbmy. Przeszukajmy Googla. I teraz użyjmy - bo to w końcu Excel, to mogę tego zrobić - użyjmy sobie nazwy tej firmy. Name. Ciach. Dokładnie o tej kolumnie mówię. I opinie. Możemy zrobić przecież. Oczywiście mógłbym robić to wyszukanie ręcznie. Handlowca posadzić, żeby szukał cały dzień. Tylko pytanie - po co? I puf. Cała ta automatyzacja pozwala oszczędzić handlowcom godziny żmudnej analizy danych. Zamiast marnowania czasu na ręczne klikanie zostaje im energia na rozmowy z klientem.

Puśćmy to w takim razie. Zobaczmy sobie. Dla pierwszych dziesięciu wierszy. Ja to będę uruchamiał dla dziesięciu wierszy, żeby nie uruchamiać tego dla całej bazy. To zjada kredyty. A robię to w ten sposób, żeby dzięki temu móc zobaczyć, czy to jest to, o co mi chodziło.

I teraz spójrzcie. Na przykład dla firmy Matel dostałem wynik. Tutaj mogę sobie go podejrzeć. Takie wyniki tutaj trafiły. I tyle tych wyników jest.

Ocena opinii przez AI - jak lepiej poznać potencjalnych klientów?

I teraz patrzcie. Między tymi danymi powstało wyszukiwanie na temat opinii o tych firmach. Użyję teraz AI. I powiem mu tak: „Sprawdź wyniki wyszukiwania” - tam było linki - „tu Google Search, i oceń opinie firmy w skali od zera do pięć, przy czym zero to najgorsze, a pięć najlepsze. Dodatkowo uzasadnij swój wybór”.

I teraz Clay robi coś niezwykłego. To znaczy w momencie, kiedy kliknę tutaj Generate, zastanowi się, kogo użyć oraz jakiego modelu użyć, i sam napisze prompt, który zrobi dokładnie to działanie, o które teraz poprosiłem. Ten prompt jest niezwykle szerszy i oczywiście, jeżeli robiłbym to teraz profesjonalnie, to powinienem go przeczytać, powinienem go zmodyfikować, powinienem się nad nim pozastanawiać, zrobić go nieco lepiej być może. Natomiast w tym odcinku nie mamy na to czasu. Po prostu ruszę dziesięć wierszy i zaczekamy na uzasadnienie AI.

Patrzcie, jaka to jest robota. Wykonuję dowolne zapytanie w Google, następnie używam AI do tego, żeby przeczytał to zapytanie i wyciągnął mi z tego wniosek. Mógłbym to robić ręcznie, ale pytanie - po co? I teraz wyobraźcie sobie, jaka jest liczba scenariuszy w ogóle dookoła tego zastosowania, które obecnie pokazuję.

Ta robota, która kiedyś była wykonywana przez cały miesiąc rękami człowieka, żeby robić jakiś research na jakiejś liście firm, dzisiaj może być wykonana równolegle w ogóle w pięć minut. Czyli możecie poznać całą waszą grupę klientów na poziomie niezwykle, niezwykle dokładnym. Najprawdopodobniej dokładniejszym niż kiedykolwiek wcześniej. Oczywiście na podstawie danych, które są dostępne w sieci i u zewnętrznych dostawców. A im lepiej rozumiemy preferencje klientów, tym trafniej dobierzemy potem sam komunikat.

Program powstaje dzięki doświadczeniu WiseGroup - grupy spółek, która pomaga firmom B2B mądrze rosnąć. U nas wierzymy, że biznes musi działać jako całość, dlatego doradzamy i szkolimy w sprzedaży, marketingu oraz strategii. Realizujemy marketing B2B od podstaw, rekrutujemy kompetentnych ludzi i wdrażamy HR, automatyzujemy procesy i wprowadzamy AI oraz dbamy o prawo, podatki i finanse.

No i patrzcie, mamy odpowiedzi, np. „Ogólny obraz jest mieszany, ale wyraźnie obciążony bardzo negatywnymi opiniami klientów, oba profile Trustpilot mają Trustscore 1,5 na 5, a 85% ocen stanowią recenzje jednogwiazdkowe. Opinie pracowników są umiarkowanie pozytywne”. Zwróćcie uwagę, nawet to uzasadnienie, jak się zastanowimy - tutaj mamy dobre opinie np. „Publiczne sygnały dotyczące [firmy] są wyraźnie pozytywne, np. pokazuje 4,9 na 5, Glassdoor 4,4 na 5, pracowników poleca firmę. Dodatkowym, choć mniej bezpośrednim sygnałem jest ocena 4,5 dla indyjskiej spółki. Brakuje jednak dużego, jednoznacznie przypisanego zbioru opinii dotyczących samej centrali, dlatego ocena 4,5 jest oparta głównie na opiniach pracowników i podmiotów powiązanych”.

Zwróćcie uwagę, jaki to jest research i tak naprawdę ile roboty tutaj zostało wykonane - nie wiem, w sekundę.

Możecie się teraz zastanawiać - np. możemy teraz znowuż użyć AI i teraz zastanowić się: „Sprawdź, czy firma ma negatywne opinie pracowników” w kolumnie, która to będzie ta ostatnia w tym miejscu, „oraz zwróć tak lub nie”. Tak poproszę, tak lub nie.

I teraz w momencie, w którym znowuż AI przeczyta mi te odpowiedzi, pojawi się tutaj „tak” lub „nie”. No, to jeżeli jestem spółką, która sprzedaje coś, co może być użyte do np. poprawy opinii pracowników, no to w pewien sposób jestem gotowy. To już jest praca na intencjach zakupowych, a nie na przypadkowej liście. Tutaj oczywiście można byłoby szukać np. czystych hal, informacji o halach, o rozmiarze tych hal, AI mogłoby robić całe wielkie Google Searche, zastanawiać się itd.

No i teraz kiedy mam odpowiedź AI, czy tak, czy nie - patrzcie: „Nie, ogólny sentyment pracowników nie jest negatywny”, można byłoby to teraz przeczytać - to jestem w stanie też filtrować po tej liście i znaleźć firmy. Tu jest cała funkcjonalność filtrowania, która też jest bardzo bogata i znaleźć tylko te firmy, z którymi być może chciałbym wykonać jakieś działania. Taka wstępna kwalifikacja szans sprzedażowych oszczędza mnóstwo późniejszej roboty. To największe wyzwanie na górze lejka sprzedażowego: oddzielić firmy warte kontaktu od tych, które tylko pochłaniają czas handlowca.

Jak zastanowimy się, jakie rzeczy tutaj można dodać, to naprawdę można dodać całą masę informacji, jeszcze szczególnie przy użyciu AI. Tutaj możecie sobie zawsze podejrzeć te, które są sugerowane przez Claya, które są być może stworzone przez Was - tzw. Claygenty, czyli agenty, np. czy firma sprzedaje na eksport. Teraz mógłbym to uruchomić, to jest coś, co jest gotowe, i dostałbym tutaj informację, którą w tym agencie sobie ustawiłem.

Budowanie listy osób i pozyskiwanie adresów email

Natomiast lista firm to jest tylko jeden z rodzajów listy, który mogę zbudować i wzbogacić. Drugim rodzajem listy jest - uwaga, jak sobie wrócimy tutaj - ja bym chciał znaleźć ludzi. Jakich ludzi bym chciał znaleźć? No jak jestem firmą, no to szukam osób odpowiedzialnych za zarządzanie produkcją. Równie dobrze mogliby to być na przykład dyrektorzy marketingu - zależnie od tego, kogo mam w konkretnym dziale po drugiej stronie. I teraz uwaga, w jakich firmach szukam tych ludzi? No oczywiście dodaję tutaj tabelę, którą stworzyłem przed chwilą, czyli nie interesują mnie wszyscy ludzie, tylko interesują mnie ci z firm, które przed chwilą stworzyliśmy. Chodzi o wyłuskanie właśnie tych osób pracujących na stanowiskach, które decydują o zakupie. Czyli w tych firmach, które przed chwilą powstały, chciałbym znaleźć ludzi, którzy zarządzają produkcją, i proszę - mam 188 osób, które są znalezione.

No i teraz w tym agencie, w którym się znajdujemy, buduję nową tablicę i uwaga - to również są dane publiczne, które pochodzą z LinkedIna i z podobnych źródeł. I tu ponownie mogę sobie wzbogacić, od razu mogę poszukać maila, i teraz działa ta niebywała rzecz, dlatego że Clay nie będzie szukał maila w jednym miejscu. Clay będzie działał według Waterfalla, czyli będzie szukał w sześciu narzędziach tego maila i tam, gdzie go znajdzie, to mi go zwróci. Jak pójdzie do jednego narzędzia, nie znajdzie, do drugiego nie znajdzie, do trzeciego znajdzie - i dopiero za to zapłacę. W praktyce to działa więc trochę jak wbudowana weryfikacja adresów email na wielu źródłach naraz. I save, zapisz.

Patrzcie, ponownie mam tabelę i ponownie mogę zrobić dokładnie te same działania, które robiliśmy przed momentem. Czyli mogę na temat tych ludzi zrobić całą masę rzeczy: znaleźć work mail, personal mail, mobile phone, znaleźć jego mobile phone. To komplet danych kontaktowych, które normalnie zbierałoby się ręcznie tygodniami. Mogę znowu zrobić searcha, mogę zrobić absurdalną liczbę rzeczy, która tak naprawdę limitowana jest w dużej mierze moją wyobraźnią i tym, jak daleko ona zawędruje. Bo w pewien sposób dzięki Clayowi mogę zautomatyzować cały research na temat tych ludzi.

Oczywiście zasada jest taka, że maile i telefony nie zawsze są poprawne. Maile mniej więcej w 75-80%, uśredniając, są poprawne. Telefony są poprawne mniej więcej w 60-70%. Natomiast wciąż jest to skuteczność, która jest absolutnie niebywała.

I tak naprawdę, jak mam firmę Czyste Hale, to dzisiaj zrozumienie roboty tych ludzi, zarządzania tą produkcją, która gdzieś tam w Polsce jest zlokalizowana, może być bardzo szerokie. Ja nawet mogę zastanowić się teraz z AI, jakich kolegów w pracy mają ci ludzie. To już jest mapowanie całej sieci kontaktów wokół jednej osoby. Absurd. Absurd i jeszcze raz absurd - szczególnie jeżeli jesteście firmą, która z tych możliwości zwyczajnie rzecz ujmując nie korzysta, tylko całą tę pracę robi ręcznie i czeka, aż ktoś coś znajdzie. W tej całej liście masy firm na świecie - aż ktoś coś znajdzie.

No i spójrzcie, teraz wszedłem tutaj do wszystkich enrichmentów, które są dostępne. Ja wiem, że enrichment to jest okropne słowo, jest takie zangielszczone, ale nie mam lepszego. Natomiast możecie sobie pogrzebać w Clayu, jak wiele różnych rzeczy można Clayem wyszukać. Na przykład zdarzało mi się szukać wartości firmy, zdarzało mi się szukać wartości konkretnych osób, o czym one pisały, co jest dla nich ważne. Bardzo wiele różnych elementów, które pomagają mi zrozumieć lepiej tych ludzi.

Teraz tak naprawdę, jak sobie przejdziemy do ostatniego odcinka, powinniśmy szukać wszystkich rzeczy, które są skupione na PWE. Czyli jaki problem mają ci ludzie, jakiej wartości szukają, jaki efekt będzie dla nich najważniejszy - na podstawie wszystkich informacji, które publicznie są dostępne na temat tych ludzi.

Sygnały zakupowe - fundament budowania relacji z klientem

I dookoła tego Clay tak naprawdę daje ostatnią - może nie ostatnią, ale jedną z najważniejszych funkcji. Zwróćcie uwagę, jak dzisiaj sobie spojrzymy na to, co tutaj powstało, no to mamy firmy, a następnie osoby, które pracują w tych firmach, które spełniają to kryterium, które zadałem.

I teraz uwaga, w ostatnim odcinku mówiłem o sygnałach, czyli o tych zewnętrznych sygnałach pokazujących, że mamy prawo podejrzewać, że dana firma być może czegoś albo kogoś poszukuje. No i słuchajcie, sygnały też są w Clayu. Zwróćcie uwagę, kliknę sobie tutaj „znajdź źródło”, wybiorę tę tabelę, wybiorę tabelę firm. Niech szuka sygnałów dla firm.

I teraz uwaga, mogę tutaj kliknąć sobie generate. Clay zna moją firmę, więc wypełni ją na przykład: sales strategy, sales model i wiele innych rzeczy. I teraz, jeżeli wykryje sygnał u tych firm dający prawo podejrzewać, że te firmy są zainteresowane strategią sprzedażową, to poinformuje mnie na ten temat na przykład co tydzień, co drugi tydzień, co miesiąc. I ta informacja na przykład trafi do mnie na Slacku. Dzięki temu odzywam się we właściwym czasie i z właściwym komunikatem. Absurd, słuchajcie, absurd i jeszcze raz absurd.

Oczywiście szukanie sygnałów mogę też zrobić w sposób prostszy. To znaczy, zamiast szukać topic intentu, to po prostu będę szukał job change'ów. Czyli na przykład użyję teraz tę tabelę ludzi, których znaleźliśmy, bo ja bym chciał być poinformowany, jak ktoś z nich zmieni pracę. Na przykład uwzględnijmy ostatnie trzy miesiące albo nawet rok - i czekamy na rezultaty tego, kto tę pracę w ostatnim roku z tej ekipy zmienił.

No słuchajcie, jest to niebywałe. Czyli oprócz tego, że mamy zbudowaną listę firm, oprócz tego, że mamy zbudowaną listę osób w tych firmach, to jeszcze wyszukujemy sygnały: kto w tym okresie zmienił robotę, albo że na przykład dana firma wystawiła ogłoszenie o pracę, albo że dana firma poszukuje wykonawców, którzy coś tam wybudują.

Clay jak Excel - wsparcie na każdym etapie sprzedaży

Sposób użycia Claya - to jest chyba w nim najfajniejsze, że Clay jest trochę jak Excel. Ktoś, kto tworzył Excela, nie zdawał sobie sprawy z tego, jak w wielu zastosowaniach w polskim biznesie będzie użyty. I podobnie jest trochę z Clayem. To znaczy we wszystkich firmach, w których staramy się pośredniczyć między danymi ze świata a prospectingiem i sprzedażą, tego Claya możemy użyć trochę inaczej. Na każdym etapie procesu sprzedażowego to dobrze dobrane narzędzia decydują o tym, ile z tych danych faktycznie wykorzystamy.

Czy na przykład mamy handlowców, którzy budują sobie bazę firm, które są naszymi obecnymi klientami. Następnie znajdują w tych firmach osoby, które decydują o współpracy, i monitorują sygnały u obecnych klientów. Czy się tam coś nie zmienia, żeby się z nimi skontaktować, żeby być może rozszerzyć współpracę. Następnie na przykład mamy pobudowane grupy klientów w czterech Buyer Personach w różnych miejscach świata. Tam znowuż szukamy sygnałów do osób, szukamy zmian pracy, szukamy tego wszystkiego, co może nam zwiastować, że dana firma może być dobrym kontaktem.

Też jest trochę tak, że pomysł na wzbogacenie danych, na to, jak AI użyć, żeby dowiedzieć się więcej, czy o firmie, czy o osobie, też powstaje nam w trakcie. I jest trochę wypadkową tego PWE, o którym mówiliśmy w ostatnim odcinku. Jak wymyślimy, że targetujemy taką grupę klientów, bo oni mają taki problem i mamy taką wartość dla nich, i takim możemy dostarczyć efekt, to Clay nam umożliwia znalezienie często informacji, które byłyby dla nas ręcznie nigdy nie do wykopania. Tu możemy go wysłać, żeby przeczytał wszystkie wyniki w Google, żeby podjął jakąś decyzję, żeby powiedział tak czy nie, żeby poszukał informacji, żeby cokolwiek. Jest to absurdalne.

Cold mailing - najczęstsze błędy i pułapka pozornej personalizacji komunikacji

I oczywiście możemy zrobić Clayem absolutnie bezsensowną kampanię. Możemy napisać... O, ja to zrobię teraz. Przejdziemy sobie do bazy. Patrzcie. Ja mogę teraz zrobić: dodaj kolumnę, use AI, „napisz dobry cold mail do tej osoby na temat usług sprzątania hal produkcyjnych”. I ja mogę oczywiście zrobić to bez sensu.

I on tutaj coś wymyśli, wybrał sobie model GPT-5 mini i patrzcie, nawet prompt jest sensowny. „Jesteś doświadczonym copywriterem sprzedażowym. Masz napisać krótki...” - on już sam założył, że krótki cold mail. Świetnie. 10 wierszy. Czekamy, co tutaj powstanie. To na pewno będzie niebywale wartościowe.

O, patrzcie, jak szybko się napisało. Prawda jest taka, że ten mail i tak jest lepszy niż większość maili pisanych ręcznie przez ludzi. Ale zwróćcie uwagę - maile zostały napisane szybko. Super, mogę teraz powiedzieć: hej, mam hiperpersonalizację.

Czekajcie, zróbmy to jeszcze lepiej. „Napisz cold maila do tej firmy. My sprzątamy hale produkcyjne, a oni mają problem z bałaganem. Użyj w treści informacji na temat ich firmy”. No i tutaj mogę sobie poszukać tej informacji. Pach, całe company table data. Ciach, wspaniale. I teraz zobaczymy, co się teraz wydarzy. Czekajcie, generate, prompt się napisze. Podobnie GPT-5 mini. Oczywiście mogę to potem zmodyfikować, jeżeli mam ochotę. Też swoją drogą na dobieraniu tych modeli dużo ciekawego można ugrać, bo tych modeli jest tutaj bardzo dużo. Przez nawet te najnowsze opusy itd. Więc opcji jest cała masa.

No ale zobaczmy, co będzie, jak kazaliśmy mu użyć hiperpersonalizacji. O Boże drogi, czekamy. O, wspaniałego to wymyślił:

„Dzień dobry, [firma]. Przy produkcji precyzyjnych narzędzi do tabletarek i części zamiennych nawet drobny bałagan na hali szybko przekłada się na ryzyko błędów, wolniejsze przezbrojenia i większe obciążenie BHP. Pomagamy zakładom produkcyjnym utrzymać porządek bez zatrzymywania pracy. Sprzątanie między zmianami, po produkcji, w weekendy, z naciskiem na strefy krytyczne, ciągi komunikacyjne i stanowiska maszyn. W praktyce daje to lepszą organizację hali, mniej przestojów i łatwiejsze utrzymanie standardów 5S”.

No i tam znowu ta godzina. Prawda jest taka, że to naprawdę są i tak lepsze maile, niż pisze większość, ale druga prawda jest taka, że przyniosą wciąż niewielki skutek. W dłuższej perspektywie to nie sam mail, ale człowiek, który stoi za jego treścią. Potrzebujemy Was, Waszych głów do tego, żeby te maile były bardziej odkrywcze, żeby były lepiej przygotowane, żeby zawierały więcej o osobie i o tej firmie - do czego Clay oczywiście może Wam posłużyć, pod warunkiem że nie użyjecie go w tak leniwy sposób, jak ja teraz w tym ostatnim przykładzie.

Podsumowanie

Żeby ten film nie trwał wieczność, to trzeba go kiedyś zakończyć. Dla tych z Was, którzy chcieliby w sposób bystry nauczyć się używania AI - nie do pisania bezmyślnych maili, tylko do naprawdę zwiększenia skuteczności, czy pozyskiwania klientów, czy ich rozwoju - aisales.pl. Aktualnie rekrutujemy drugą grupę.

Grupa pierwsza w tym roku zawierała, uwaga, ponad 1400 osób. Absurdalnie niesamowite wydarzenie. To była - jest dalej - największa społeczność polskich ludzi sprzedaży, którzy zastanawiali się, jak mądrze tego AI w procesach sprzedaży używać.

Natomiast na AI Sales czeka Was 6 tygodni nauki. W każdym tygodniu dostaniecie nagrane lekcje w podobnym formacie do tej, którą teraz widzicie, ale co ważniejsze - w każdym tygodniu są spotkania na żywo, gdzie przerabiamy na żywo te rzeczy razem z uczestnikami. Każdy uczestnik ma swój kontekst do wypracowania, buduje strategię dla swojej firmy, nie pracuje na sztucznym przykładzie, tylko pracuje na swoim przykładzie. I przez te 6 tygodni przechodzimy od strategii - najważniejszy tydzień - przez właśnie prospecting, pozyskiwanie klientów, pokazujemy, jak pracować z Clayem, następnie przez badanie potrzeb, potem przez spotkanie, zamykanie, a szósty tydzień to jest tydzień dla zarządzających, który pokazuje, jak AI w sprzedaży wdrożyć w całym dziale.

Więc materiałów jest tam cała masa, udostępniamy też dużo skilli, dużo narzędzi, które nie są publicznie dostępne. Na aisales.pl możecie wejść, poczytać. Co bardzo ważne - jest to tak zwany kurs online, który jest fair do dwóch tygodni bez zadawania pytań po starcie. Możecie go zwrócić i cieszyć się pełnym zwrotem, i dwoma tygodniami, które, zakładam, dużo mogły Waszą sprzedaż wnieść.

Tyle. Na aisales.pl znajdziecie więcej, a ja się z Wami żegnam. Dziękuję Wam za to, że obejrzeliście dzisiejszy materiał. Wierzę bardzo głęboko w to, że mądre używanie AI w taki sposób, w jaki dzisiaj pokazaliśmy, może niezwykle ułatwić działania sprzedażowe w polskich firmach. Tyle. Do zobaczenia za tydzień. Cześć.