Путь к тому, чтобы стать незаменимым, уже здесь, и он куда проще, чем кажется.
Решил написать немного философский пост о том как относиться к ИИ.
В последнее время часто слышу вопрос от фаундеров и продавцов: «Я не понимаю, как подойти / работать с ИИ, с чего начать?»
Ответ на удивление прост: все сводится к одному действию и одной ключевой идее.
1. ДЕЙСТВИЕ. Пытайтесь решать абсолютно любую задачу сначала через ChatGPT. Всегда начинайте с него. Возможно, решение вы найдете не сразу, но вы узнаете, что он может писать и выполнять код.
Вы откроете, что Claude умеет создавать клевые интерактивные графики. Узнаете, что Gemini принимает до 1 млн токенов - можно вставлять целые таблицы. DeepResearch поможет структурировать информацию из сети.
Просто описываем задачу и жмякаем «Отправить».
2. ИДЕЯ. Подумайте: «Если бы мой клиент имел идеальные внешние и внутренние данные ровно в тот момент, когда они нужны для достижения желаемого результата, чего бы он захотел?
Зачем?
Ради какой цели?
Как я могу дать это так, как никто другой не сможет?»
ИИ - это горизонтальный инструмент, он влияет на написание кода, создание текстов, коммуникацию во всех её формах.
Это машина для МЫШЛЕНИЯ, но, что удивительно, не для ПРИНЯТИЯ РЕШЕНИЙ.
ИИ не очень хорош в подсказках, ЧТО делать, но отлично учит, КАК это сделать.
Он не лучший помощник, когда дело касается мотивации («зачем»), но прекрасно помогает понять, стоит ли вообще что-то делать.
Правильных ответов не будет, если не задать узкий точный вопрос.
Главный компонент по-прежнему ВЫ. Надо думать о данных на входе и на выходе, о том, как структурировать информацию и кому она нужна в конкретный момент.
Теперь можно не беспокоиться о новых инструментах и еженедельных AI «революциях». Всё это бесполезно, если вы не ответите на ОДИН вопрос:
«Если бы перед клиентом в каждый момент взаимодействия с моим софтом находился весь интеллект компании, что могла бы сделать наша команда, чтобы коренным образом изменить клиентский опыт?»
Ответьте на этот вопрос, чтобы понять, что делать. С тем же вопросом обратитесь к ИИ - только дайте ему контекст.
Играйте с ChatGPT, чтобы понять, где он помогает и где, без вашей редакторской правки, может навредить.
Нам нужны редакторы, которые понимают авторов. Ведь совсем скоро первые черновики практически всего, что мы видим вокруг, будут писать именно они - машины.
И именно редакторы будут решать, понравится нам прочитанное или это будет очередной проходной роман.
Теперь редактор - это вы.
Решил написать немного философский пост о том как относиться к ИИ.
В последнее время часто слышу вопрос от фаундеров и продавцов: «Я не понимаю, как подойти / работать с ИИ, с чего начать?»
Ответ на удивление прост: все сводится к одному действию и одной ключевой идее.
1. ДЕЙСТВИЕ. Пытайтесь решать абсолютно любую задачу сначала через ChatGPT. Всегда начинайте с него. Возможно, решение вы найдете не сразу, но вы узнаете, что он может писать и выполнять код.
Вы откроете, что Claude умеет создавать клевые интерактивные графики. Узнаете, что Gemini принимает до 1 млн токенов - можно вставлять целые таблицы. DeepResearch поможет структурировать информацию из сети.
Просто описываем задачу и жмякаем «Отправить».
2. ИДЕЯ. Подумайте: «Если бы мой клиент имел идеальные внешние и внутренние данные ровно в тот момент, когда они нужны для достижения желаемого результата, чего бы он захотел?
Зачем?
Ради какой цели?
Как я могу дать это так, как никто другой не сможет?»
ИИ - это горизонтальный инструмент, он влияет на написание кода, создание текстов, коммуникацию во всех её формах.
Это машина для МЫШЛЕНИЯ, но, что удивительно, не для ПРИНЯТИЯ РЕШЕНИЙ.
ИИ не очень хорош в подсказках, ЧТО делать, но отлично учит, КАК это сделать.
Он не лучший помощник, когда дело касается мотивации («зачем»), но прекрасно помогает понять, стоит ли вообще что-то делать.
Правильных ответов не будет, если не задать узкий точный вопрос.
Главный компонент по-прежнему ВЫ. Надо думать о данных на входе и на выходе, о том, как структурировать информацию и кому она нужна в конкретный момент.
Теперь можно не беспокоиться о новых инструментах и еженедельных AI «революциях». Всё это бесполезно, если вы не ответите на ОДИН вопрос:
«Если бы перед клиентом в каждый момент взаимодействия с моим софтом находился весь интеллект компании, что могла бы сделать наша команда, чтобы коренным образом изменить клиентский опыт?»
Ответьте на этот вопрос, чтобы понять, что делать. С тем же вопросом обратитесь к ИИ - только дайте ему контекст.
Играйте с ChatGPT, чтобы понять, где он помогает и где, без вашей редакторской правки, может навредить.
Нам нужны редакторы, которые понимают авторов. Ведь совсем скоро первые черновики практически всего, что мы видим вокруг, будут писать именно они - машины.
И именно редакторы будут решать, понравится нам прочитанное или это будет очередной проходной роман.
Теперь редактор - это вы.
❤8👍2
Как использовать последнюю модель GPT в Clay
Записал видео, где показываю как настроить последнюю модель o3 (которая умеет долго думать и ходить в интернет) для скоринга базы лидов в Clay.
На вход мы даем Company Website и Linkedin URL (да да, o3 умеет парсить и Linkedin) и на выходе получаем анализ попадания в наш ICP, сигналы / интенты и cold opener, который можно использовать в холодном сообщении.
Воркфлоу подойдет как для inbound, так и для outbound задач.
По стоимости, получается около 5 центов за строчку.
https://youtu.be/BLky_C_yQJA
Записал видео, где показываю как настроить последнюю модель o3 (которая умеет долго думать и ходить в интернет) для скоринга базы лидов в Clay.
На вход мы даем Company Website и Linkedin URL (да да, o3 умеет парсить и Linkedin) и на выходе получаем анализ попадания в наш ICP, сигналы / интенты и cold opener, который можно использовать в холодном сообщении.
Воркфлоу подойдет как для inbound, так и для outbound задач.
По стоимости, получается около 5 центов за строчку.
https://youtu.be/BLky_C_yQJA
YouTube
Как o3 помогает в B2B рисерче лидов и компаний
Показываю как настроить скоринг через последнюю (и самую умную) модель o3 в Clay.
→ Вставь свой URL и профиль компании в LinkedIn в таблицу Clay
→ Добавь свои лиды
→ o3 сама анализирует LinkedIn-профили и сайт
→ Затем она ищет сигналы по твоей отрасли —…
→ Вставь свой URL и профиль компании в LinkedIn в таблицу Clay
→ Добавь свои лиды
→ o3 сама анализирует LinkedIn-профили и сайт
→ Затем она ищет сигналы по твоей отрасли —…
Питчить в личке - это норм, главное - не ходить вокруг да около.
Я могу гарантировать, что ни один exec уровня C-suite или VP не хочет, чтобы вы ежедневно лайкали и комментили их посты и спустя три недели наконец-то отправили им питч.
Просто действуйте сразу.
Ниже процесс, который я использовал сам, когда работал SDR'ом и теперь советую всем фаундерам, которые строят founder-led sales, последние 6 лет.
Он требует усилий и настоящей вовлечённости, так что автоматизировать не получится. Всё делаем ручками.
Начинаем со стратегии 5x3x1:
(5 аккаунтов/компаний, по 3 ЛПР в каждой, 1 действие - комментарий, лайк или подписка на их LinkedIn профиль). Затем отправляем запрос на добавление без сопроводительной записки.
⬇️
Утром следующего дня просыпаемся, и 8 из 15 заявок приняты, отлично!
⬇️
Проводим исследование и находим что болит в их компании (сделать это просто: открываем комп, читаем новости об их компании, смотрим подкаст с их CEO или фин показатели - это не сложно, но делают это единицы).
Еще проще - открыть perplexity и сделать быстрый дип ресерч.
⬇️
Выходим на улицу с телефоном и записываем 8 видеосообщений прямо в LinkedIn (никаких специальных инструментов, просто встроенная функция LinkedIn, если юзать другие способы, то ниже конверсия). Либо записываем голосовушки.
⬇️
Что в этом видео?
«Vasya! Thanks so so much for connecting, hope you are having an awesome morning.
Sorry if you hear the littles in the background, just wrapping up the day and almost forgot to send this over!
I know you probably get an incredible amount of outreach, hopefully this feels different. I did connect with you for a reason and it’s part of my job to make sure you know we exist and that I also identify areas where we might be able to support.
On Monday I was listening to a podcast and your CEO mentioned churn or retention of current customers lagging compared to last quarter, that pushed me to dig a little deeper into data.
Jumped into sales nav and saw that only one of your AMs / CSMs had engaged with your current customers content (used a couple samples from your case study customers) so that might be something to look into.
I’m happy to help as that’s what I do for a living, and am happy to introduce you to a couple other similar customers if you want to hear from them vs me, I don’t even need to be in the room!
Anyways, have a great day and I hope you enjoy the offsite in Belize next week with the team!
Cheers»
———
Делюсь этим с надеждой, что вы действительно примените это на практике, хотя в реальности только 1% это сделает.
Именно поэтому планка в продажах сейчас такая низкая и именно поэтому сейчас лучшее время быть продавцом - покупателям не хватает нормального живого аутрича.
Я могу гарантировать, что ни один exec уровня C-suite или VP не хочет, чтобы вы ежедневно лайкали и комментили их посты и спустя три недели наконец-то отправили им питч.
Просто действуйте сразу.
Ниже процесс, который я использовал сам, когда работал SDR'ом и теперь советую всем фаундерам, которые строят founder-led sales, последние 6 лет.
Он требует усилий и настоящей вовлечённости, так что автоматизировать не получится. Всё делаем ручками.
Начинаем со стратегии 5x3x1:
(5 аккаунтов/компаний, по 3 ЛПР в каждой, 1 действие - комментарий, лайк или подписка на их LinkedIn профиль). Затем отправляем запрос на добавление без сопроводительной записки.
⬇️
Утром следующего дня просыпаемся, и 8 из 15 заявок приняты, отлично!
⬇️
Проводим исследование и находим что болит в их компании (сделать это просто: открываем комп, читаем новости об их компании, смотрим подкаст с их CEO или фин показатели - это не сложно, но делают это единицы).
Еще проще - открыть perplexity и сделать быстрый дип ресерч.
⬇️
Выходим на улицу с телефоном и записываем 8 видеосообщений прямо в LinkedIn (никаких специальных инструментов, просто встроенная функция LinkedIn, если юзать другие способы, то ниже конверсия). Либо записываем голосовушки.
⬇️
Что в этом видео?
«Vasya! Thanks so so much for connecting, hope you are having an awesome morning.
Sorry if you hear the littles in the background, just wrapping up the day and almost forgot to send this over!
I know you probably get an incredible amount of outreach, hopefully this feels different. I did connect with you for a reason and it’s part of my job to make sure you know we exist and that I also identify areas where we might be able to support.
On Monday I was listening to a podcast and your CEO mentioned churn or retention of current customers lagging compared to last quarter, that pushed me to dig a little deeper into data.
Jumped into sales nav and saw that only one of your AMs / CSMs had engaged with your current customers content (used a couple samples from your case study customers) so that might be something to look into.
I’m happy to help as that’s what I do for a living, and am happy to introduce you to a couple other similar customers if you want to hear from them vs me, I don’t even need to be in the room!
Anyways, have a great day and I hope you enjoy the offsite in Belize next week with the team!
Cheers»
———
Делюсь этим с надеждой, что вы действительно примените это на практике, хотя в реальности только 1% это сделает.
Именно поэтому планка в продажах сейчас такая низкая и именно поэтому сейчас лучшее время быть продавцом - покупателям не хватает нормального живого аутрича.
🔥13😁4
Что будет с SaaS стартапами?
Меня беспокоит судьба основателей стартапов с VC инвестициями, построивших свой бизнес до 2021–2023 годов. Объясню почему.
Почти все SaaS-стартапы пытаются прикрутить AI к своим продуктам (вспомните хотя бы провалившийся Apple Intelligence), но они просто не созданы для этого.
У нас есть невероятно мощная технология (AI), которая плохо приживается в системах, изначально созданных людьми для людей.
Возьмем, например, CRM-ки. Они построены так, чтобы их заполнял, вел и обновлял именно человек - он же создавал отчёты, делал заметки, выстраивал процессы. И да, AI-помощник может помочь человеку с этими задачами.
Но это абсолютно несравнимо с тем, если бы мы изначально проектировали продукт под AI агентов, а не людей. Представьте, что мы избавляемся от 90% UX и создаём софт, ориентированный исключительно на работу AI - с понятными API / MCP, надёжной проверкой данных и осмысленным контролем со стороны человека.
Вы бы тратили 90% времени на то, что происходит под капотом, а остальные 10% - на обучение пользователей работе с системой, которая в 100 раз автономнее того, к чему они привыкли.
Многие из стартапов, которые были построены раньше, сегодня можно было бы просто навайбкодить в Cursor или похожих инструментах. Некоторые принципиально не дружат с AI. Но поскольку люди супер подвержены эффекту Конкорда, они будут цепляться за то, что уже создано.
Хотел бы я, чтобы инвесторы говорили своим основателям: если у вас есть идеи получше, мы поможем вам пойти на бóльший риск и освободиться от вашего старого решения, придуманного ещё до AI.
Сейчас не время для постепенных улучшений, не время цепляться за построенное, только потому что у вас есть клиентская база - вы не Google. Ваше преимущество именно в способности мыслить с чистого листа.
Спросите себя честно: «Если бы сегодня был первый день, стал бы я создавать именно этот бизнес? Дает ли он сейчас реальную пользу, превышающую то, что можно получить от ChatGPT, подключенного к какой-то системе?»
Если ответ отрицательный, нужно искать пути выхода и попробовать начать с нуля - хотя бы в виде мысленного эксперимента.
Причина, по которой мы пока не видим действительно крутых штук помимо основных LLM (кроме инструментов для кодинга), в том, что люди продолжают мыслить в формате «прикрутить AI к старой системе».
Мне кажется, мы не осознаём, насколько обречена большая часть SaaS, и поскольку венчур хочет крупных экзитов, они переоценивают текущие активы своих компаний и недооценивают, какой огромный потенциал есть у их основателей для создания по-настоящему трансформационных вещей.
Если раньше сложность разработки была конкурентным преимуществом, то сейчас, когда кодинг становится общедоступным, возникает вопрос: а какие вообще продукты смогут выжить, если у них нет уникального набора данных?
Меня беспокоит судьба основателей стартапов с VC инвестициями, построивших свой бизнес до 2021–2023 годов. Объясню почему.
Почти все SaaS-стартапы пытаются прикрутить AI к своим продуктам (вспомните хотя бы провалившийся Apple Intelligence), но они просто не созданы для этого.
У нас есть невероятно мощная технология (AI), которая плохо приживается в системах, изначально созданных людьми для людей.
Возьмем, например, CRM-ки. Они построены так, чтобы их заполнял, вел и обновлял именно человек - он же создавал отчёты, делал заметки, выстраивал процессы. И да, AI-помощник может помочь человеку с этими задачами.
Но это абсолютно несравнимо с тем, если бы мы изначально проектировали продукт под AI агентов, а не людей. Представьте, что мы избавляемся от 90% UX и создаём софт, ориентированный исключительно на работу AI - с понятными API / MCP, надёжной проверкой данных и осмысленным контролем со стороны человека.
Вы бы тратили 90% времени на то, что происходит под капотом, а остальные 10% - на обучение пользователей работе с системой, которая в 100 раз автономнее того, к чему они привыкли.
Многие из стартапов, которые были построены раньше, сегодня можно было бы просто навайбкодить в Cursor или похожих инструментах. Некоторые принципиально не дружат с AI. Но поскольку люди супер подвержены эффекту Конкорда, они будут цепляться за то, что уже создано.
Хотел бы я, чтобы инвесторы говорили своим основателям: если у вас есть идеи получше, мы поможем вам пойти на бóльший риск и освободиться от вашего старого решения, придуманного ещё до AI.
Сейчас не время для постепенных улучшений, не время цепляться за построенное, только потому что у вас есть клиентская база - вы не Google. Ваше преимущество именно в способности мыслить с чистого листа.
Спросите себя честно: «Если бы сегодня был первый день, стал бы я создавать именно этот бизнес? Дает ли он сейчас реальную пользу, превышающую то, что можно получить от ChatGPT, подключенного к какой-то системе?»
Если ответ отрицательный, нужно искать пути выхода и попробовать начать с нуля - хотя бы в виде мысленного эксперимента.
Причина, по которой мы пока не видим действительно крутых штук помимо основных LLM (кроме инструментов для кодинга), в том, что люди продолжают мыслить в формате «прикрутить AI к старой системе».
Мне кажется, мы не осознаём, насколько обречена большая часть SaaS, и поскольку венчур хочет крупных экзитов, они переоценивают текущие активы своих компаний и недооценивают, какой огромный потенциал есть у их основателей для создания по-настоящему трансформационных вещей.
Если раньше сложность разработки была конкурентным преимуществом, то сейчас, когда кодинг становится общедоступным, возникает вопрос: а какие вообще продукты смогут выжить, если у них нет уникального набора данных?
❤7👍6🤔1💯1
Правила квалификации и персонализации лидов снова изменились
На днях вышла нова модель Gemini 2.5 Flash Lite Thinking - самая экономная думающая модель. В видео я показываю как ее интегрировать в Clay, как написать для нее промпт и как мы ее применяем.
По цене получается в среднем $10 за 10,000 лидов. Неплохо, да?)
Также показал / рассказал про Sonar Deep Research от Perplexity AI - на данный момент единственная дип ресерч модель, доступная по API.
Стоимость у нее конечно самая дорогая, в моей выборке доходило до $0,50 за одного лида. Но оно того стоит для лидов идеально попадающих в ICP.
Теперь рекомендованный флоу сбора базы лидов такой:
1 - скрейпим из Apollo, Linkedin, Apify и тд
2 - квалифицируем через Gemini
3 - ищем сигналы через Clay, Trigify
4 - энричим и персонализируем через Sonar Deep Research
Если понравилось видео - подпишись на ютуб канал!
https://youtu.be/_J6NAa7VM7M
На днях вышла нова модель Gemini 2.5 Flash Lite Thinking - самая экономная думающая модель. В видео я показываю как ее интегрировать в Clay, как написать для нее промпт и как мы ее применяем.
По цене получается в среднем $10 за 10,000 лидов. Неплохо, да?)
Также показал / рассказал про Sonar Deep Research от Perplexity AI - на данный момент единственная дип ресерч модель, доступная по API.
Стоимость у нее конечно самая дорогая, в моей выборке доходило до $0,50 за одного лида. Но оно того стоит для лидов идеально попадающих в ICP.
Теперь рекомендованный флоу сбора базы лидов такой:
1 - скрейпим из Apollo, Linkedin, Apify и тд
2 - квалифицируем через Gemini
3 - ищем сигналы через Clay, Trigify
4 - энричим и персонализируем через Sonar Deep Research
Если понравилось видео - подпишись на ютуб канал!
https://youtu.be/_J6NAa7VM7M
YouTube
Как сэкономить на квалификации лидов с помощью AI (Gemini 2.5 Flash Lite + Sonar Deep Research)
Подписывайся на тг - http://t.me/becheetah
В этом видео покажу, как с помощью AI-стека (Gemini 2.5 Flash Lite + Perplexity Sonar Deep Research + Clay) сократить расходы на квалификацию лидов на 98,8%, повысив качество персонализации в 10 раз.
Что будет…
В этом видео покажу, как с помощью AI-стека (Gemini 2.5 Flash Lite + Perplexity Sonar Deep Research + Clay) сократить расходы на квалификацию лидов на 98,8%, повысив качество персонализации в 10 раз.
Что будет…
👍7🔥4
3-шаговая GTM-воронка для сбора базы лидов + обогащение данных
(с готовыми промптами)
1. Поиск компаний
Используем GPT-o3 в качестве разведчика
Act as a Lead-Source Scout and find the best places to pull leads for {PRIMARY_INDUSTRY}, {SUB_INDUSTRY}, {REGION}, {TARGET_COMPANY_SIZE}, {CHANNEL_PRIORITY}, {SPECIAL_CRITERIA}, {BUDGET}. Return a ranked list of at least five databases (like Apollo, Crunchbase) and five directories (like trade associations). For each, share the name, URL, type (Database or Directory), coverage, company count, data fields, pricing, how easy it is to scrape, and why it fits the segment.
Rank most to least relevant. Show results in a clean Markdown table and add three clear takeaways.
После выбора источников собираем список компаний, входящих в вашу ЦА.
2. Поиск контактов
Сначала импортируем список компаний в Apollo или Clay.
Затем используем Claude Opus 4 (c Extended Thinking) для генерации ключевиков.
Act as a Keyword Builder for outbound prospecting. For {PRIMARY_INDUSTRY}, {SUB_INDUSTRY}, {REGION}, {TARGET_ROLES}, {SPECIAL_CRITERIA}, list 30–50 unique, relevant job title keywords, comma-separated, no repeats, no extras. Include synonyms, abbreviations, and sector-specific phrases. Maximize match rates for list-building.
Далее грузим эти ключевые слова в Apollo или Clay для поиска ЛПР.
3. Обогащаем лидов чере waterfall
- скрейпим поиски в Apollo (с email и без) через Apify
- находим недостающие email-ы через Fullenrich, Icypeas, Prospeo и LeadMagic в Clay
- валидируем через Zerobounce
Такой подход увеличивает TAM на 20–30%.
Бонус: AI энричмент данных
Clay интегрируется со скрейперами Apify, ZenRows, Serper и Claygent для сбора данных в паблике, которые можно использовать для персонализации, сегментации или квалификации.
Для сегментации и скоринга используем Gemini 2.5 Flash Lite, для персонализации Perplexity Sonar Deep Research или o3. Выше выкладывал видос, как все настроить.
Несколько последних кейсов персонализации:
- идеи кастомной интеграции / рекламы в мероприятии исходя из бизнеса лида
- анализ количества изображений на сайте лидов для формулы в предложении
- поиск ключевиков в рекламных объявлениях компаний
(с готовыми промптами)
1. Поиск компаний
Используем GPT-o3 в качестве разведчика
Act as a Lead-Source Scout and find the best places to pull leads for {PRIMARY_INDUSTRY}, {SUB_INDUSTRY}, {REGION}, {TARGET_COMPANY_SIZE}, {CHANNEL_PRIORITY}, {SPECIAL_CRITERIA}, {BUDGET}. Return a ranked list of at least five databases (like Apollo, Crunchbase) and five directories (like trade associations). For each, share the name, URL, type (Database or Directory), coverage, company count, data fields, pricing, how easy it is to scrape, and why it fits the segment.
Rank most to least relevant. Show results in a clean Markdown table and add three clear takeaways.
После выбора источников собираем список компаний, входящих в вашу ЦА.
2. Поиск контактов
Сначала импортируем список компаний в Apollo или Clay.
Затем используем Claude Opus 4 (c Extended Thinking) для генерации ключевиков.
Act as a Keyword Builder for outbound prospecting. For {PRIMARY_INDUSTRY}, {SUB_INDUSTRY}, {REGION}, {TARGET_ROLES}, {SPECIAL_CRITERIA}, list 30–50 unique, relevant job title keywords, comma-separated, no repeats, no extras. Include synonyms, abbreviations, and sector-specific phrases. Maximize match rates for list-building.
Далее грузим эти ключевые слова в Apollo или Clay для поиска ЛПР.
3. Обогащаем лидов чере waterfall
- скрейпим поиски в Apollo (с email и без) через Apify
- находим недостающие email-ы через Fullenrich, Icypeas, Prospeo и LeadMagic в Clay
- валидируем через Zerobounce
Такой подход увеличивает TAM на 20–30%.
Бонус: AI энричмент данных
Clay интегрируется со скрейперами Apify, ZenRows, Serper и Claygent для сбора данных в паблике, которые можно использовать для персонализации, сегментации или квалификации.
Для сегментации и скоринга используем Gemini 2.5 Flash Lite, для персонализации Perplexity Sonar Deep Research или o3. Выше выкладывал видос, как все настроить.
Несколько последних кейсов персонализации:
- идеи кастомной интеграции / рекламы в мероприятии исходя из бизнеса лида
- анализ количества изображений на сайте лидов для формулы в предложении
- поиск ключевиков в рекламных объявлениях компаний
🔥9👍3🤯2❤1
Вайбкодинга пост
Последний месяц плотно погрузился в вайбкодинг. Начинал еще во времена когда делал свой первый стартап Magic Educator - тогда пилил MVP на Bubble. И это было что-то вроде Тильды, но с возможностью подцепить API и разные воркфлоу. Шаг влево или право и все ломалось. Помню купил какой-то гайд по подключению GPT3 к Bubble, где автор специально что-то сломал, чтобы заставить обратиться к нему за помощью.
Год назад тестил Replit Agent - уже лучше, но для чего-то сложнее лендинга не годится. Bolt, v0 и другие были примерно на том же уровне. Пока не появилась Sonnet 4 от Claude.
Через неделю после релиза потестил Base44 (недавно проданный Wix за $80M). Одним промптом получил то, что хотел - кастомную версию GPCheetah, которая умеет больше, чем просто GTM-рисерч.
Но Base44 сильно ограничен по коду и интеграциям. Так я пересел на Cursor Pro и познал мощь Sonnet 4. И понеслась.
За неделю навайбкодил 3 прототипа:
- AI SDR - генерит GTM-план, собирает лиды через Apify/Apollo/Clay, пушит в Smartlead
- аналог Cluely для продаж - real-time подсказки для продаж на основе контекста лида/компании
- дашборды для клиентов, показывающие сводную аналитику из Heyreach, Instantly и Smartlead + полный путь лида от первого просмотра профиля в Linkedin до Closed/Won в Hubspot
Но вовремя остановился.
Сам же учу фаундеров фокусироваться на том, что нужно рынку. Дашборд получил трекшн у клиентов - значит, копаем туда.
В итоге 90% времени я юзаю Claude Code на Max тарифе внутри Курсора. Широкое окно контекста решает, плюс Anthropic лучше знает свою модель, чем любой реселлер. По разговорам в твиттере и реддите можно судить, что большинство отказывается от Курсора в пользу CC. Если давно хотели запилить продукт, но не хватало техэкспертизы - сейчас лучшее время.
Что строю сейчас
Заметил проблему у клиентов и других команд: есть gap по аналитике аутрича. Мы тестируем гипотезы, получаем положительные ответы и далее продавцы отвечают на эти позитивные ответы. Практически всегда мы используем лид магнит и ответ редко бывает шаблонным. Поэтому пишут его руками внутри аутрич платформ.
Большинство заканчивает аналитику аутрича на моменте получения заинтересованного лида. Далее смотрят на количество звонков и сделок в CRM.
Но практически никто не отслеживает скорость ответа и то, что происходит между ответом и демо звонком.
Есть немало исследований о том, что в inbound высокая скорость ответа в десятки раз увеличивает конверсию в продажу. А мы говорим о холодном аутриче, где мы генерим интерес сами.
Поэтому решил сделать сервис, который подключается по API к аутрич тулу и замеряет скорость ответа ваших продавцов, анализирует по job titles и компании - потенциальный чек лида и показывает все на красивом дашборде. Позже будут алерты в слак или тг.
Если интересно, вэлкам на сайт - https://becheetah.com/
Буду рад любому фидбеку.
Ну и делитесь в комментах, кто что вайбкодит 🙂
Последний месяц плотно погрузился в вайбкодинг. Начинал еще во времена когда делал свой первый стартап Magic Educator - тогда пилил MVP на Bubble. И это было что-то вроде Тильды, но с возможностью подцепить API и разные воркфлоу. Шаг влево или право и все ломалось. Помню купил какой-то гайд по подключению GPT3 к Bubble, где автор специально что-то сломал, чтобы заставить обратиться к нему за помощью.
Год назад тестил Replit Agent - уже лучше, но для чего-то сложнее лендинга не годится. Bolt, v0 и другие были примерно на том же уровне. Пока не появилась Sonnet 4 от Claude.
Через неделю после релиза потестил Base44 (недавно проданный Wix за $80M). Одним промптом получил то, что хотел - кастомную версию GPCheetah, которая умеет больше, чем просто GTM-рисерч.
Но Base44 сильно ограничен по коду и интеграциям. Так я пересел на Cursor Pro и познал мощь Sonnet 4. И понеслась.
За неделю навайбкодил 3 прототипа:
- AI SDR - генерит GTM-план, собирает лиды через Apify/Apollo/Clay, пушит в Smartlead
- аналог Cluely для продаж - real-time подсказки для продаж на основе контекста лида/компании
- дашборды для клиентов, показывающие сводную аналитику из Heyreach, Instantly и Smartlead + полный путь лида от первого просмотра профиля в Linkedin до Closed/Won в Hubspot
Но вовремя остановился.
Сам же учу фаундеров фокусироваться на том, что нужно рынку. Дашборд получил трекшн у клиентов - значит, копаем туда.
В итоге 90% времени я юзаю Claude Code на Max тарифе внутри Курсора. Широкое окно контекста решает, плюс Anthropic лучше знает свою модель, чем любой реселлер. По разговорам в твиттере и реддите можно судить, что большинство отказывается от Курсора в пользу CC. Если давно хотели запилить продукт, но не хватало техэкспертизы - сейчас лучшее время.
Что строю сейчас
Заметил проблему у клиентов и других команд: есть gap по аналитике аутрича. Мы тестируем гипотезы, получаем положительные ответы и далее продавцы отвечают на эти позитивные ответы. Практически всегда мы используем лид магнит и ответ редко бывает шаблонным. Поэтому пишут его руками внутри аутрич платформ.
Большинство заканчивает аналитику аутрича на моменте получения заинтересованного лида. Далее смотрят на количество звонков и сделок в CRM.
Но практически никто не отслеживает скорость ответа и то, что происходит между ответом и демо звонком.
Есть немало исследований о том, что в inbound высокая скорость ответа в десятки раз увеличивает конверсию в продажу. А мы говорим о холодном аутриче, где мы генерим интерес сами.
Поэтому решил сделать сервис, который подключается по API к аутрич тулу и замеряет скорость ответа ваших продавцов, анализирует по job titles и компании - потенциальный чек лида и показывает все на красивом дашборде. Позже будут алерты в слак или тг.
Если интересно, вэлкам на сайт - https://becheetah.com/
Буду рад любому фидбеку.
Ну и делитесь в комментах, кто что вайбкодит 🙂
Becheetah
Cheetah | The context layer your GTM stack is missing.
We map your organization's entire knowledge graph so your agents can think, reason, and close like your best human reps.
🔥8👍3❤2🥰1
Подборка YC salestech стартапов за последние 3 месяца.
Снова прошёлся по свежим лончам YC, чекнул сайты и выписал самое интересное.
Nomi - Cursor для продаж. Во время звонка советует продавцу, что сказать. Дают халявный ноуттейкер.
Fiber AI - верифицированные телефоны и почты в 4 раза дешевле Clay/ZoomInfo с 0% bounce guarantee. Прайс от $250 в месяц. Триала нет, только сразу оплата за год. Забавно, что если букаешь демо - в Calendly фаундера написано, что у них овербукинг и след слот только в сентябре; хочешь раньше - плати :)
Orange Slice - находят лидов, которые уже хотят купить. AI‑агент сканирует сайты компаний, новости, посты и job‑листинги. Цен нет, демо.
Webhound - агент для сборки кастомных датасетов под ваш юзкейс: от «100 YouTube-инфлюенсеров с e-mail» до lead-листов. Бесплатный тариф - до 5 задач в неделю; старт self-serve.
Dash - универсальный агент для сэйлз/маркетинг операционки: подтягивает метрики в отчёты, обогащает лиды в HubSpot, бронирует звонки, шлёт апдейты в Slack. Можно бесплатно попробовать.
Roger - очередной AI‑продавец, который сам находит лиды и назначает встречи. Ценник от $600 в месяц, можно начать с пилота за $200.
Apten - платформа ведёт диалог с лидами по cмс, звонкам и email, запоминает контекст, использует данные из ЦРМ и может вовлечь человека, когда нужно. Цен нет, все через демо.
SixtyFour - «Bloomberg для продаж». Создаёт кастомные TAM‑списки и ищет real‑time сигналы: выявляет потенциальных клиентов по регуляторным документам, строительным докам и кадровым перемещениям и предсказывает готовность к покупке с помощью ML-моделей. Только демо, без цен.
crmCopilot - «AI‑апгрейд для Salesforce». Интегрируется с имейл, чатами и звонками, автоматически апдейтит CRM, напоминает о follow‑up'ах и находит нужную информацию по всем каналам. Пока waitlist.
Также много разных GEO тулов, которые показывают как часто и по каким запросам упоминают вашу компанию ChatGPT, Claude, Perplexity и другие. Интереснее всего Imprezia, они делают контекстную рекламу внутри чатов, установил SDK и крутишь показы.
Половина cтартапов - «AI-продавцы в вертикалях» (их не включил в пост; продают банкам, страховым, автодилерам, недвижка и тд), вторая - операционный клей для сейлз-стека (данные, ресёрч, «сделай за меня в HubSpot»). Сбор/верификация данных и рутина вокруг CRM стремительно автоматизируются.
Снова прошёлся по свежим лончам YC, чекнул сайты и выписал самое интересное.
Nomi - Cursor для продаж. Во время звонка советует продавцу, что сказать. Дают халявный ноуттейкер.
Fiber AI - верифицированные телефоны и почты в 4 раза дешевле Clay/ZoomInfo с 0% bounce guarantee. Прайс от $250 в месяц. Триала нет, только сразу оплата за год. Забавно, что если букаешь демо - в Calendly фаундера написано, что у них овербукинг и след слот только в сентябре; хочешь раньше - плати :)
Orange Slice - находят лидов, которые уже хотят купить. AI‑агент сканирует сайты компаний, новости, посты и job‑листинги. Цен нет, демо.
Webhound - агент для сборки кастомных датасетов под ваш юзкейс: от «100 YouTube-инфлюенсеров с e-mail» до lead-листов. Бесплатный тариф - до 5 задач в неделю; старт self-serve.
Dash - универсальный агент для сэйлз/маркетинг операционки: подтягивает метрики в отчёты, обогащает лиды в HubSpot, бронирует звонки, шлёт апдейты в Slack. Можно бесплатно попробовать.
Roger - очередной AI‑продавец, который сам находит лиды и назначает встречи. Ценник от $600 в месяц, можно начать с пилота за $200.
Apten - платформа ведёт диалог с лидами по cмс, звонкам и email, запоминает контекст, использует данные из ЦРМ и может вовлечь человека, когда нужно. Цен нет, все через демо.
SixtyFour - «Bloomberg для продаж». Создаёт кастомные TAM‑списки и ищет real‑time сигналы: выявляет потенциальных клиентов по регуляторным документам, строительным докам и кадровым перемещениям и предсказывает готовность к покупке с помощью ML-моделей. Только демо, без цен.
crmCopilot - «AI‑апгрейд для Salesforce». Интегрируется с имейл, чатами и звонками, автоматически апдейтит CRM, напоминает о follow‑up'ах и находит нужную информацию по всем каналам. Пока waitlist.
Также много разных GEO тулов, которые показывают как часто и по каким запросам упоминают вашу компанию ChatGPT, Claude, Perplexity и другие. Интереснее всего Imprezia, они делают контекстную рекламу внутри чатов, установил SDK и крутишь показы.
Половина cтартапов - «AI-продавцы в вертикалях» (их не включил в пост; продают банкам, страховым, автодилерам, недвижка и тд), вторая - операционный клей для сейлз-стека (данные, ресёрч, «сделай за меня в HubSpot»). Сбор/верификация данных и рутина вокруг CRM стремительно автоматизируются.
👍11🔥4❤1
Про важность оффера
Использовать сигналы для аутбаунд-кампаний - это классно и делать это нужно, но это не волшебная таблетка для аутбаунда. Гораздо сильнее влияет то, насколько ты довел до ума оффер для холодной аудитории.
По мере того как доступ к данным дешевеет, люди в LinkedIn и компании всё чаще обсуждают, как строить аутбаунд на «умных» сигналах.
Это здорово, так и надо, но есть две пробелмы с сигналами:
1) Тебе нужно больше встреч, чем сигналы вообще могут дать на твоём рынке.
2) Ты гоняешься за сигналом, которого публично не существует, и в попытках добыть «обходными путями» выкидываешь кучу нормальных компаний.
«Только что привлекли раунд», «оформили новых сотрудников», «ищут людей в команду», «анонсировали новый продукт» - это самые частые сигналы, которые я вижу в LinkedIn и которые у нас просят клиенты.
Представь, что в твоём TAM 100 000 лидов, до которых ты реально можешь достучаться. Сколько из них в любой момент начинают новую работу или только что получили повышение? 10%? 20%?
Этого очень мало, чтобы построить весь аутбаунд только на сигналах.
Та же история и с пунктом 2. Один клиент как-то сказал: «Мы хотим писать компаниям, которые тратят $40k+ в месяц на маркетинг».
Окей, публичного способа узнать это нет. Но я могу сказать, у кого в маркетинге 5 человек и кто активно льёт рекламу в Meta/Google/LinkedIn.
А что насчёт компании, где один маркетолог, потому что остальное отдано подрядчикам, и официально крутится только Meta, но на самом деле бюджет на рекламу - $100k в месяц?
Можно спорить, что прокси вроде трафика сайта помогут, но это опять не дает никаких гарантий.
Одна вещь, которая фиксит обе проблемы, - потратить время на оффер (с лидмагнитом), который реально резонирует с аудиторией.
У ImageGen SaaS в холодную лучше работает предложение обновить часть каталога бесплатно.
Маркетинг-агентство, с которым мы работаем, делает первые 3 AI видео, и деньги берёт только после того, как клиент доволен результатом.
У нас, например, первая кампания бесплатно, как пилот для определенных бизнесов. То есть до любой оплаты мы доказываем, что умеем приводить лидов.
Способов тут масса. И, по-моему, людям стоит больше обсуждать, как доводить до ума оффер и лид магниты, а не изобретать очередной «тройной дабл-бэкфлип» в аутбаунд-воркфлоу.
Использовать сигналы для аутбаунд-кампаний - это классно и делать это нужно, но это не волшебная таблетка для аутбаунда. Гораздо сильнее влияет то, насколько ты довел до ума оффер для холодной аудитории.
По мере того как доступ к данным дешевеет, люди в LinkedIn и компании всё чаще обсуждают, как строить аутбаунд на «умных» сигналах.
Это здорово, так и надо, но есть две пробелмы с сигналами:
1) Тебе нужно больше встреч, чем сигналы вообще могут дать на твоём рынке.
2) Ты гоняешься за сигналом, которого публично не существует, и в попытках добыть «обходными путями» выкидываешь кучу нормальных компаний.
«Только что привлекли раунд», «оформили новых сотрудников», «ищут людей в команду», «анонсировали новый продукт» - это самые частые сигналы, которые я вижу в LinkedIn и которые у нас просят клиенты.
Представь, что в твоём TAM 100 000 лидов, до которых ты реально можешь достучаться. Сколько из них в любой момент начинают новую работу или только что получили повышение? 10%? 20%?
Этого очень мало, чтобы построить весь аутбаунд только на сигналах.
Та же история и с пунктом 2. Один клиент как-то сказал: «Мы хотим писать компаниям, которые тратят $40k+ в месяц на маркетинг».
Окей, публичного способа узнать это нет. Но я могу сказать, у кого в маркетинге 5 человек и кто активно льёт рекламу в Meta/Google/LinkedIn.
А что насчёт компании, где один маркетолог, потому что остальное отдано подрядчикам, и официально крутится только Meta, но на самом деле бюджет на рекламу - $100k в месяц?
Можно спорить, что прокси вроде трафика сайта помогут, но это опять не дает никаких гарантий.
Одна вещь, которая фиксит обе проблемы, - потратить время на оффер (с лидмагнитом), который реально резонирует с аудиторией.
У ImageGen SaaS в холодную лучше работает предложение обновить часть каталога бесплатно.
Маркетинг-агентство, с которым мы работаем, делает первые 3 AI видео, и деньги берёт только после того, как клиент доволен результатом.
У нас, например, первая кампания бесплатно, как пилот для определенных бизнесов. То есть до любой оплаты мы доказываем, что умеем приводить лидов.
Способов тут масса. И, по-моему, людям стоит больше обсуждать, как доводить до ума оффер и лид магниты, а не изобретать очередной «тройной дабл-бэкфлип» в аутбаунд-воркфлоу.
🔥9
Отслеживать ли открытия писем?
Ниже расскажу о том, как мы используем open tracking. Делаем мы это не ради того, чтобы знать кто открывает наши письма :)
В этом году среди GTM и outbound сообщества сложился консенсус относительно использования open tracking пикселя - лучше не использовать. Выше у меня был пост, что Google начал подсвечивать письма с таким пикселем - что дополнительно смотивировало рынок отказаться от этой фичи.
Недавно мы решили протестировать несколько кампаний с включённым open tracking только по четвергам и пятницам - и мы остались довольны.
Если что, open tracking по сути - это vanity metric (ничего не значащая). После апдейта iOS, если у человека почта привязана в почтовый клиент айфона, каждое письмо, которое попадает во входящие, триггерит пиксель открытия.
Иногда меня просят: «Можете дать список всех, кто открыл письмо?» - и я всегда отвечаю: «Давайте лучше скорить лидов по другим вещам - по контенту их сайта и другим сигналам, потому что сам факт открытия ещё не значит, что человек реально открыл письмо».
Зато это даёт нам данные о том, попадают ли письма во входящие или идут в спам.
Не скажу, что open tracking идеален, но если один из ваших ящиков получает 10% open rate, а другой - 75%, то ящик с 10% можно смело выкинуть и больше не использовать в других кампаниях.
Ни одна другая метрика (вроде отслеживания ответов по кампании или out-of-office) не даёт такого ориентира. Они показывают, как идёт кампания в целом, но не дают мгновенной оценки именно по состоянию почтового ящика.
Inbox spam placement тесты (есть в Smartlead и Instantly) - неплохая штука, но из-за своей сути, если делать их слишком часто, сам тест «привыкает» к адресу отправителя и начинает направлять письма в основную вкладку.
Некоторые встроенные spam testing tools вообще «чинят» ваш inbox health: если видят, что письмо уходит в спам, они переносят его во входящие, и этим обнуляют смысл следующего теста.
---
В холодном аутриче есть три кита, от которых зависит успех и масштабируемость:
1) Инфраструктура рассылки (домены, почты, сиквенсеры, профили в линке)
2) База лидов (TAM, сигналы, триггеры, квалификация)
3) Оффер (тексты, лид магниты, персонализация)
Не забываем итерировать и улучшать перфоманс в каждом пункте.
Ниже расскажу о том, как мы используем open tracking. Делаем мы это не ради того, чтобы знать кто открывает наши письма :)
В этом году среди GTM и outbound сообщества сложился консенсус относительно использования open tracking пикселя - лучше не использовать. Выше у меня был пост, что Google начал подсвечивать письма с таким пикселем - что дополнительно смотивировало рынок отказаться от этой фичи.
Недавно мы решили протестировать несколько кампаний с включённым open tracking только по четвергам и пятницам - и мы остались довольны.
Если что, open tracking по сути - это vanity metric (ничего не значащая). После апдейта iOS, если у человека почта привязана в почтовый клиент айфона, каждое письмо, которое попадает во входящие, триггерит пиксель открытия.
Иногда меня просят: «Можете дать список всех, кто открыл письмо?» - и я всегда отвечаю: «Давайте лучше скорить лидов по другим вещам - по контенту их сайта и другим сигналам, потому что сам факт открытия ещё не значит, что человек реально открыл письмо».
Зато это даёт нам данные о том, попадают ли письма во входящие или идут в спам.
Не скажу, что open tracking идеален, но если один из ваших ящиков получает 10% open rate, а другой - 75%, то ящик с 10% можно смело выкинуть и больше не использовать в других кампаниях.
Ни одна другая метрика (вроде отслеживания ответов по кампании или out-of-office) не даёт такого ориентира. Они показывают, как идёт кампания в целом, но не дают мгновенной оценки именно по состоянию почтового ящика.
Inbox spam placement тесты (есть в Smartlead и Instantly) - неплохая штука, но из-за своей сути, если делать их слишком часто, сам тест «привыкает» к адресу отправителя и начинает направлять письма в основную вкладку.
Некоторые встроенные spam testing tools вообще «чинят» ваш inbox health: если видят, что письмо уходит в спам, они переносят его во входящие, и этим обнуляют смысл следующего теста.
---
В холодном аутриче есть три кита, от которых зависит успех и масштабируемость:
1) Инфраструктура рассылки (домены, почты, сиквенсеры, профили в линке)
2) База лидов (TAM, сигналы, триггеры, квалификация)
3) Оффер (тексты, лид магниты, персонализация)
Не забываем итерировать и улучшать перфоманс в каждом пункте.
🔥6
После сотен тысяч отправленных писем - вот паттерны, которые убивают конверсию в забуканный звонок.
1. Использовать ссылку на календарь как ваш CTA.
Ссылки кажутся удобными, но security и спам фильтры + человеческое поведение работают против них. Люди чаще отвечают «Да, давай созвонимся», чем кликают на рандомную ссылку. Сначала заработайте ответ, затем предлагайте варианты брони.
2. Слишком медленный ответ.
Скорость ответа вас и ваших SDR - конкурентное преимущество. Чем дольше тянете, тем холоднее лид. Отвечайте в тот же день - это сигнал, что вы вовлечены. А лучше в пределах часа. Я вон даже софт специальный сделал, который отслеживает скорость ответа в Instantly, Smartlead и Heyareach.
3. Недостаточно фоллоу-апов.
Баланс важен: не спамьте, но если человек уже «поднял руку», не останавливайтесь, пока он не забронирует слот или не скажет «нет».
4. В фоллоу апах не транслируется ценность.
«Just checking in» - лениво. Каждый контакт должен напоминать, зачем созвон: ROI, снижение риска, case study, новая идея. Через пару попыток добавьте kicker (часто срабатывает оффер с гифт картой, если квалифицировали базу в Clay).
5. Отсутствие вариантов для бронирования.
Не заставляйте выбирать только ссылку или только переписку. Делайте и то, и другое:
«Подойдёт вторник 9:00 ET или четверг 14:00 ET? Если удобнее - вот мой календарь».
Так вы снижаете трение и уважаете предпочтения: кому-то удобен calendly, кого-то он раздражает. Угодите обоим типам.
6. Нет фоллоу апов в других каналах.
Reply rate ≠ meeting rate. Иногда лишнее сообщение в LinkedIn или быстрый звонок дожимает тёплый ответ до встречи. Люди бронируют встречи с людьми, а не с почтовыми ящиками.
Это всего лишь несколько вещей, которые, как мы видели, имеют значение и которые очевидны, но иногда важно напомнить :)
1. Использовать ссылку на календарь как ваш CTA.
Ссылки кажутся удобными, но security и спам фильтры + человеческое поведение работают против них. Люди чаще отвечают «Да, давай созвонимся», чем кликают на рандомную ссылку. Сначала заработайте ответ, затем предлагайте варианты брони.
2. Слишком медленный ответ.
Скорость ответа вас и ваших SDR - конкурентное преимущество. Чем дольше тянете, тем холоднее лид. Отвечайте в тот же день - это сигнал, что вы вовлечены. А лучше в пределах часа. Я вон даже софт специальный сделал, который отслеживает скорость ответа в Instantly, Smartlead и Heyareach.
3. Недостаточно фоллоу-апов.
Баланс важен: не спамьте, но если человек уже «поднял руку», не останавливайтесь, пока он не забронирует слот или не скажет «нет».
4. В фоллоу апах не транслируется ценность.
«Just checking in» - лениво. Каждый контакт должен напоминать, зачем созвон: ROI, снижение риска, case study, новая идея. Через пару попыток добавьте kicker (часто срабатывает оффер с гифт картой, если квалифицировали базу в Clay).
5. Отсутствие вариантов для бронирования.
Не заставляйте выбирать только ссылку или только переписку. Делайте и то, и другое:
«Подойдёт вторник 9:00 ET или четверг 14:00 ET? Если удобнее - вот мой календарь».
Так вы снижаете трение и уважаете предпочтения: кому-то удобен calendly, кого-то он раздражает. Угодите обоим типам.
6. Нет фоллоу апов в других каналах.
Reply rate ≠ meeting rate. Иногда лишнее сообщение в LinkedIn или быстрый звонок дожимает тёплый ответ до встречи. Люди бронируют встречи с людьми, а не с почтовыми ящиками.
Это всего лишь несколько вещей, которые, как мы видели, имеют значение и которые очевидны, но иногда важно напомнить :)
🔥10👍5❤1
Если искали хорошие промпты для генерации писем, сообщений в Linkedin, фоллоу апов после демо и скриптов для холодных звонков, вам сюда - https://www.regie.ai/prompt-library
Очень близко к тем, что мы используем.
Очень близко к тем, что мы используем.
www.regie.ai
AI Prompt Library for B2B Sales & Marketing | Regie.ai
Our AI Prompt Library is filled with info to help you harness the power of AI in your sales & marketing efforts. Dive in to see how AI can elevate your work
👍8👎1
Пятница 8:00 EST | 13:00 UTC | 16:00 по Москве
поговорим про то как делать аутрич в 2026
поговорим про то как делать аутрич в 2026
🔥2
Forwarded from nonamevc
в пятницу делаем стрим про копирайтинг первого сообщения в холодном аутриче. вместе с Федором @becheetah
занимаясь новым SaaS понял, что копирайтинг это механическое ремесло, и лучшие сообщения пишутся AI. по сути это жонглирование дата-поинтами и шаблонами-промптами.
но между аутричем, написанным AI, есть огромная разница по качеству. большинство почти не уходит дальше шаблона с переменными или какой-то generic prompt, но лучшие тексты лучше, чем написал бы любой SDR, которого я знаю.
позвал Федора поговорить про это.
разберем:
— анатомия хорошего письма (структура, data points, персонализация)
— когда писать от сигналов, а когда без
— почему сегментация > персонализация
— как это выглядит в Clay и без него
— как делать deep research для аккаунта и компании, чтобы генерировать гипотезы
— как тестировать message-market fit перед кампанией на 500+ аккаунтов
— ну и то, за чем вы пришли промпты с конверсией 35% в букинг (ладно, нет)
доставляемость, сбор базы и техническую настройку почти не трогаем, фокус на тексте.
для стрима ищем 2-3 добровольцев: если активно запускаете кампании и готовы получить обратную связь по своим письмам, напишите в комментариях "+".
мы разберем их на стриме, и дадим фидбэк, что можно улучшить.
время: пятница, 21 ноября, 13:00 UTC+0
ссылка на стрим на ютубе
добавить в гугл календарь
добавить в эпл календарь
занимаясь новым SaaS понял, что копирайтинг это механическое ремесло, и лучшие сообщения пишутся AI. по сути это жонглирование дата-поинтами и шаблонами-промптами.
но между аутричем, написанным AI, есть огромная разница по качеству. большинство почти не уходит дальше шаблона с переменными или какой-то generic prompt, но лучшие тексты лучше, чем написал бы любой SDR, которого я знаю.
позвал Федора поговорить про это.
разберем:
— анатомия хорошего письма (структура, data points, персонализация)
— когда писать от сигналов, а когда без
— почему сегментация > персонализация
— как это выглядит в Clay и без него
— как делать deep research для аккаунта и компании, чтобы генерировать гипотезы
— как тестировать message-market fit перед кампанией на 500+ аккаунтов
— ну и то, за чем вы пришли промпты с конверсией 35% в букинг (ладно, нет)
доставляемость, сбор базы и техническую настройку почти не трогаем, фокус на тексте.
для стрима ищем 2-3 добровольцев: если активно запускаете кампании и готовы получить обратную связь по своим письмам, напишите в комментариях "+".
мы разберем их на стриме, и дадим фидбэк, что можно улучшить.
время: пятница, 21 ноября, 13:00 UTC+0
ссылка на стрим на ютубе
добавить в гугл календарь
добавить в эпл календарь
YouTube
Стрим про копирайтинг первого сообщения при холодном аутриче
Как написать первое письмо в холодном аутриче, на которое реально отвечают
Стрим про копирайтинг первого сообщения в холодном аутриче вместе с Фёдором — без магии и «секретных фреймворков», только практика.
Я делаю новый SaaS и всё больше вижу: современный…
Стрим про копирайтинг первого сообщения в холодном аутриче вместе с Фёдором — без магии и «секретных фреймворков», только практика.
Я делаю новый SaaS и всё больше вижу: современный…
❤6
nonamevc
в пятницу делаем стрим про копирайтинг первого сообщения в холодном аутриче. вместе с Федором @becheetah занимаясь новым SaaS понял, что копирайтинг это механическое ремесло, и лучшие сообщения пишутся AI. по сути это жонглирование дата-поинтами и шаблонами…
YouTube
Стрим про копирайтинг первого сообщения при холодном аутриче
Как написать первое письмо в холодном аутриче, на которое реально отвечают
Стрим про копирайтинг первого сообщения в холодном аутриче вместе с Фёдором — без магии и «секретных фреймворков», только практика.
Я делаю новый SaaS и всё больше вижу: современный…
Стрим про копирайтинг первого сообщения в холодном аутриче вместе с Фёдором — без магии и «секретных фреймворков», только практика.
Я делаю новый SaaS и всё больше вижу: современный…
Что я построил за последний месяц
Не перестаю удивляться как выросла моя продуктивность с момента появления Claude Code, Cursor и другого вайбкодинг софта.
Перечислю что удалось собрать для клиентов, что уже встроено в рабочий процесс и помогает им с лидгеном и маркетингом. Что-то я заваншотил с одного промпта, с чем-то возился несколько дней.
1. Дашборд с данными по аутричу по всем каналам (Linkedin - Heyreach, cold email - Instantly, Smartlead, дальнейшие фоллоу апы и общение в Hubspot). Теперь можно смотреть сколько было отправлено сообщений в каждом канале, видеть всю воронку от просмотра профиля на линке до подписания контракта.
2. База данных на Supabase, которая выступает бэкендом для дашборда выше. Туда мы сливаем данные по всем лидам (все энричменты, почты, персонализации и engagements по всем каналам). Помогает серьезно экономить на энричменте и эффективнее запускать кампании.
3. Авто-запуск кампаний с нужными настройками в Instantly, Heyreach и Smartlead. C советами по тому как писать письмо / сообщение и как сделать таблицу в Clay для обогащения данными.
4. Тестирование письма / сообщения через симуляцию лидов по 100+ параметрам. Так получаем фидбек до запуска, понимаем чем дышат наши лиды и как лучше структурировать письмо. Показывал на стриме с Даней (см. выше).
5. Квалификация лидов до запуска кампании. Раньше просто делали это через Claygent. Но проблема была в том, что так или иначе проскакивали нерелевантные лиды в базе. Теперь мы крафтим промпт через GEPA оптимайзер и привлекаем продавцов к разметке удачных / неудачных диалогов. Таким образом промпт становится более детальный и учитывает реальный контекст общения продавца с лидами.
6. Категоризация ответов от лидов и присвоение им кастомных тэгов. Сначала складываем в Supabase, потом распределяем по каналам где ответили и пингуем сэйлза в телеге или слаке. Сильно ускоряет время ответа и экономит время сэйлза, так как зачастую Smartlead и Instantly грешат неправильной категоризацией. А так мы сверху добавляем контекст о компании и раскладываем по правильным корзинам.
7. Контент-машину по генерации статей в блог для programmatic SEO / GEO. По сути это 3 агента, которые диприсерчат по заданным топикам, пишут статьи и делают ревью на соответствие бренду (не посоветовали ли случайно конкурента, не придумали лишнюю фичу). За $200 можно нагенерить около 1000 статей таким образом.
Раньше на такие штуки ушли бы недели разработки, куча денег и менеджмента. Сейчас уходит максимум несколько дней. И конечно вайбкодинг дает много дофамина. Всем советую попробовать, потом не остановитесь 🙂
____
не забудь подписаться, если еще не
https://t.me/becheetah
Не перестаю удивляться как выросла моя продуктивность с момента появления Claude Code, Cursor и другого вайбкодинг софта.
Перечислю что удалось собрать для клиентов, что уже встроено в рабочий процесс и помогает им с лидгеном и маркетингом. Что-то я заваншотил с одного промпта, с чем-то возился несколько дней.
1. Дашборд с данными по аутричу по всем каналам (Linkedin - Heyreach, cold email - Instantly, Smartlead, дальнейшие фоллоу апы и общение в Hubspot). Теперь можно смотреть сколько было отправлено сообщений в каждом канале, видеть всю воронку от просмотра профиля на линке до подписания контракта.
2. База данных на Supabase, которая выступает бэкендом для дашборда выше. Туда мы сливаем данные по всем лидам (все энричменты, почты, персонализации и engagements по всем каналам). Помогает серьезно экономить на энричменте и эффективнее запускать кампании.
3. Авто-запуск кампаний с нужными настройками в Instantly, Heyreach и Smartlead. C советами по тому как писать письмо / сообщение и как сделать таблицу в Clay для обогащения данными.
4. Тестирование письма / сообщения через симуляцию лидов по 100+ параметрам. Так получаем фидбек до запуска, понимаем чем дышат наши лиды и как лучше структурировать письмо. Показывал на стриме с Даней (см. выше).
5. Квалификация лидов до запуска кампании. Раньше просто делали это через Claygent. Но проблема была в том, что так или иначе проскакивали нерелевантные лиды в базе. Теперь мы крафтим промпт через GEPA оптимайзер и привлекаем продавцов к разметке удачных / неудачных диалогов. Таким образом промпт становится более детальный и учитывает реальный контекст общения продавца с лидами.
6. Категоризация ответов от лидов и присвоение им кастомных тэгов. Сначала складываем в Supabase, потом распределяем по каналам где ответили и пингуем сэйлза в телеге или слаке. Сильно ускоряет время ответа и экономит время сэйлза, так как зачастую Smartlead и Instantly грешат неправильной категоризацией. А так мы сверху добавляем контекст о компании и раскладываем по правильным корзинам.
7. Контент-машину по генерации статей в блог для programmatic SEO / GEO. По сути это 3 агента, которые диприсерчат по заданным топикам, пишут статьи и делают ревью на соответствие бренду (не посоветовали ли случайно конкурента, не придумали лишнюю фичу). За $200 можно нагенерить около 1000 статей таким образом.
Раньше на такие штуки ушли бы недели разработки, куча денег и менеджмента. Сейчас уходит максимум несколько дней. И конечно вайбкодинг дает много дофамина. Всем советую попробовать, потом не остановитесь 🙂
____
не забудь подписаться, если еще не
https://t.me/becheetah
🔥8❤5
Обзор Parallel + Exa Websets + Clay Sculptor
Или как собирать базу компаний и лидов в 2026.
Записал видос с разбором новых инструментов, которые используют агентский поиск данных.
Помогает лучше квалифицировать базу и не писать нерелевантным людям и компаниям.
Подпишись на канал в ютубе, сделай хорошее дело 🙂
https://www.youtube.com/watch?v=-CBFkkSIiaM
Или как собирать базу компаний и лидов в 2026.
Записал видос с разбором новых инструментов, которые используют агентский поиск данных.
Помогает лучше квалифицировать базу и не писать нерелевантным людям и компаниям.
Подпишись на канал в ютубе, сделай хорошее дело 🙂
https://www.youtube.com/watch?v=-CBFkkSIiaM
YouTube
LinkedIn больше не нужен? Собираем базу лидов через агентов (Parallel + Exa Websets + Clay Sculptor)
В этом видео показываю, как вывести процесс поиска B2B лидов на новый уровень с помощью связки современных AI-инструментов. Забудьте про ручной скрейпинг LinkedIn и старые базы.
Разбираем на реальной компании, как использовать Parallel.ai (FindAll), Exa…
Разбираем на реальной компании, как использовать Parallel.ai (FindAll), Exa…
❤7
Подборка YC salestech стартапов за последние полгода.
Прошёлся по свежим лончам (Fall 2025 / Winter 2026), изучил сайты и выписал самое интересное из области продаж и лидгена.
Половина стартапов - «AI-продавцы в вертикалях», вторая - операционный клей для сейлз-стека.
Интересный angle у этих стартапов:
Karumi и Primer - агент, который проводит продуктовые демо по видео, 24/7, на любом языке. Агент открывает ваш продукт, кликает, объясняет - всё как живой продаван.
То есть это продолжение AI SDR, который проводит демо и квалифицирует лидов.
Aside и Caretta - AI-помощник для сейлз-звонков в реальном времени. Слушает твои Zoom/Meet коллы и моментально подсказывает ответы на технические вопросы из документации, Slack и прошлых звонков. То же делает и Lyra - но они пошли дальше и сделали видеозвонки на своей платформе.
Ребята не стремятся заменить продавцов, а скорее пилят копайлота.
Item, Ergo и Clice - AI-native CRMка, которая работает за тебя. Агент отправляет follow-up'ы, ресёрчит лидов, ищет сигналы. Можно писать агентов как Notion-документы - они будут автономно вести аутбаунд, квалифицировать инбаунд, апсейлить.
Сбор/верификация данных и рутина вокруг CRM стремительно автоматизируются. А значит появляется больше времени.
Если смотреть вне продаж, виден тренд на бандлинг сервисов и приклеивание сверху intelligence. Например Hog позиционирует себя как Growth as a Service, внутри агенты, которые заменяют CMO, SEO эксперта и делают social listening. Uplane заменяет перформанс маркетолога, а Bluma помогает клепать брейнрот видосы.
Ну и ждем новую волну стартапов, пилящую контекст графы - советую почитать годную статью по теме.
Думаю что в 2026 всяческие агенты обзаведутся не только памятью, но и реальным опытом принятия решений внутри компании.
Прошёлся по свежим лончам (Fall 2025 / Winter 2026), изучил сайты и выписал самое интересное из области продаж и лидгена.
Половина стартапов - «AI-продавцы в вертикалях», вторая - операционный клей для сейлз-стека.
Интересный angle у этих стартапов:
Karumi и Primer - агент, который проводит продуктовые демо по видео, 24/7, на любом языке. Агент открывает ваш продукт, кликает, объясняет - всё как живой продаван.
То есть это продолжение AI SDR, который проводит демо и квалифицирует лидов.
Aside и Caretta - AI-помощник для сейлз-звонков в реальном времени. Слушает твои Zoom/Meet коллы и моментально подсказывает ответы на технические вопросы из документации, Slack и прошлых звонков. То же делает и Lyra - но они пошли дальше и сделали видеозвонки на своей платформе.
Ребята не стремятся заменить продавцов, а скорее пилят копайлота.
Item, Ergo и Clice - AI-native CRMка, которая работает за тебя. Агент отправляет follow-up'ы, ресёрчит лидов, ищет сигналы. Можно писать агентов как Notion-документы - они будут автономно вести аутбаунд, квалифицировать инбаунд, апсейлить.
Сбор/верификация данных и рутина вокруг CRM стремительно автоматизируются. А значит появляется больше времени.
Если смотреть вне продаж, виден тренд на бандлинг сервисов и приклеивание сверху intelligence. Например Hog позиционирует себя как Growth as a Service, внутри агенты, которые заменяют CMO, SEO эксперта и делают social listening. Uplane заменяет перформанс маркетолога, а Bluma помогает клепать брейнрот видосы.
Ну и ждем новую волну стартапов, пилящую контекст графы - советую почитать годную статью по теме.
Думаю что в 2026 всяческие агенты обзаведутся не только памятью, но и реальным опытом принятия решений внутри компании.
👍6🔥3
Прогноз на 2026: мы перестанем строить GTM-системы в интерфейсе
А будем делать это из CLI.
Последние лет десять RevOps означал мастерство кликанья по интерфейсам. Мы строили карьеры на знании того, какой тогл в каком подменю спрятан. (Некоторые реально преуспели в этом - я в том числе.)
И параллельно мы накапливали configuration debt в промышленных масштабах.
Configuration debt это когда твоя GTM-логика размазана по десятку инструментов, нигде не задокументирована и понятна только тому, кто её настраивал.
Инструменты, которые должны были упростить сложность, просто сделали её неподдерживаемой.
Новая реальность
В 2026 лучшие операторы пишут GTM-системы так же, как инженеры шипят фичи.
Не потому что выучили Python. А потому что агенты вроде Claude Code позволяют проектировать системы на человеческом языке через CLI, а потом генерировать, версионировать и деплоить то, что раньше приходилось отдавать разрабам.
Что меняется
Больше никаких “кажется, Саша настроил это правило в 2023-м”. Твоя система задокументирована в коде, который её запускает.
Когда что-то ломается, ты откатываешься к последнему рабочему коммиту. Не копаешься в истории воркфлоу в надежде, что кто-то оставил заметку.
Твоя scoring-модель не “встроена в HubSpot”. Это код, который сегодня интегрируется с HubSpot, а завтра может работать где угодно.
GTM-агенты
Представь: ты строишь агента, который живёт в Slack или Telegram. Он оркестрирует весь твой salestech-стек - Prospeo, Heyreach, Smartlead, Instantly, Hubspot и тд - и сохраняет все контакты, ресёрч и сигналы в Supabase. Да и еще запускает кампании и проверяет микро-гипотезы.
Почему это все меняет?
Потому что RevOps перестаёт быть бутылочным горлышком. Любой в компании - сейлз, маркетолог, фаундер - может просто написать агенту в чат вместо того, чтобы идти к GTM-инженеру с просьбой *“а можешь сделать отчет по последней гипотезе”*.
Работа GTM-инженера теперь - построить такую систему один раз. А система сама seamlessly собирает контекст из всех взаимодействий, и этот контекст становится proprietary knowledge компании. Ну и конечно, поддерживать и латать систему все равно придется :)
Чем больше команда пользуется агентом, тем умнее он становится - и это конкурентное преимущество, которое нельзя скопировать.
В итоге это не RevOps превращается в разработку.
Это GTM-работа становится тем, чем она всегда должна была быть: проектированием систем, а не настройкой инструментов.
Главный разлом в 2026 будет не между “техническими” и “нетехническими” операторами.
А между командами, которые мыслят системами, и командами, которые застряли в мышлении инструментами.
Одни строят инфраструктуру, которая накапливает ценность.
Другие продолжают писать друг другу в Slack: “а ты помнишь, как мы настраивали lead scoring?”
А будем делать это из CLI.
Последние лет десять RevOps означал мастерство кликанья по интерфейсам. Мы строили карьеры на знании того, какой тогл в каком подменю спрятан. (Некоторые реально преуспели в этом - я в том числе.)
И параллельно мы накапливали configuration debt в промышленных масштабах.
Configuration debt это когда твоя GTM-логика размазана по десятку инструментов, нигде не задокументирована и понятна только тому, кто её настраивал.
Инструменты, которые должны были упростить сложность, просто сделали её неподдерживаемой.
Новая реальность
В 2026 лучшие операторы пишут GTM-системы так же, как инженеры шипят фичи.
Не потому что выучили Python. А потому что агенты вроде Claude Code позволяют проектировать системы на человеческом языке через CLI, а потом генерировать, версионировать и деплоить то, что раньше приходилось отдавать разрабам.
Что меняется
Больше никаких “кажется, Саша настроил это правило в 2023-м”. Твоя система задокументирована в коде, который её запускает.
Когда что-то ломается, ты откатываешься к последнему рабочему коммиту. Не копаешься в истории воркфлоу в надежде, что кто-то оставил заметку.
Твоя scoring-модель не “встроена в HubSpot”. Это код, который сегодня интегрируется с HubSpot, а завтра может работать где угодно.
GTM-агенты
Представь: ты строишь агента, который живёт в Slack или Telegram. Он оркестрирует весь твой salestech-стек - Prospeo, Heyreach, Smartlead, Instantly, Hubspot и тд - и сохраняет все контакты, ресёрч и сигналы в Supabase. Да и еще запускает кампании и проверяет микро-гипотезы.
Почему это все меняет?
Потому что RevOps перестаёт быть бутылочным горлышком. Любой в компании - сейлз, маркетолог, фаундер - может просто написать агенту в чат вместо того, чтобы идти к GTM-инженеру с просьбой *“а можешь сделать отчет по последней гипотезе”*.
Работа GTM-инженера теперь - построить такую систему один раз. А система сама seamlessly собирает контекст из всех взаимодействий, и этот контекст становится proprietary knowledge компании. Ну и конечно, поддерживать и латать систему все равно придется :)
Чем больше команда пользуется агентом, тем умнее он становится - и это конкурентное преимущество, которое нельзя скопировать.
В итоге это не RevOps превращается в разработку.
Это GTM-работа становится тем, чем она всегда должна была быть: проектированием систем, а не настройкой инструментов.
Главный разлом в 2026 будет не между “техническими” и “нетехническими” операторами.
А между командами, которые мыслят системами, и командами, которые застряли в мышлении инструментами.
Одни строят инфраструктуру, которая накапливает ценность.
Другие продолжают писать друг другу в Slack: “а ты помнишь, как мы настраивали lead scoring?”
🔥7❤1
Сначала процесс, потом агент
Три месяца ничего не писал сюда.
Не потому что тема ИИ-аутрича закончилась. Скорее наоборот: она стала слишком маленькой.
Раньше я смотрел на аутрич как на цепочку задач:
— собрать базу
— обогатить компании и людей
— найти сигналы
— написать первое сообщение
— найти message-market fit
— разобрать ответы
— передать тёплые лиды продавцу
Это всё ещё важно. Но сейчас мне кажется, что это только частный случай более крупной темы.
И тема эта - агентные рабочие процессы.
Главный сдвиг в том, что мы перестаём строить отдельные автоматизации вокруг инструментов. Вместо этого мы начинаем описывать саму работу: откуда берётся задача, какие источники важны, где лежит правда, какие решения надо принять, что можно сделать автоматически, а где нужен человек.
Аутрич был удобной песочницей, потому что там всё видно: есть база, есть компания, есть человек, есть гипотеза, есть письмо, есть ответ, есть следующий шаг.
Но если посмотреть глубже, это не “аутрич”.
Это рабочий объект (ну или work item).
У него есть контекст, источники, цель, ограничения, действие, состояние и память.
И вот вокруг таких объектов будут строиться нормальные ИИ-системы.
Агент - это не промпт с доступом к инструментам
Плохая версия агента выглядит так:
“Вот тебе промпт, вот тебе доступ к почте, срмке и базе, делай полезные вещи”.
Это почти всегда ломается.
Не потому что модель тупая. А потому что рабочий процесс не описан.
Модель не знает:
— какой источник главный
— где данные устарели
— что можно менять, а что только читать
— когда нужен человек
— что считать хорошим результатом
— что надо запомнить на будущее
— что делать, если инструмент вернул мусор
— как понять, что задача застряла
Инструменты дают агенту руки. Но не дают ему понимание работы.
Если дать агенту доступ к хабспоту, почте и таблицам, он не становится оператором. Он просто получает поверхность для ошибок.
Нормальный агент начинается не с промпта.
Он начинается с карты рабочего процесса.
Рабочий процесс важнее инструмента
Последние годы мы строили операционные системы компаний в интерфейсах.
Правило в одном сервисе. Таблица в другом. Статус в срмке. Решение в телеге. Контекст в почте. Финальная версия в документе. Настоящая причина решения - у человека в голове.
Потом приходит ИИ, и мы делаем вид, что ему достаточно “подключиться к инструментам”.
Но проблема не в том, что инструментов мало.
Проблема в том, что работа размазана между ними.
Например, в аутриче:
— срмка знает, что компания есть в пайплайне
— почта знает, что им уже писали
— таблица знает, какой был сегмент
— обогащение знает, кто там работает
— прошлый ответ знает, почему они не купили
— продавец помнит, что фаундер просил вернуться через два месяца
Если агент видит только одну часть, он делает красивую, но бесполезную работу.
Он может написать хорошее письмо не тому человеку.
Может предложить не тот угол.
Может повторить уже проверенную гипотезу.
Может открыть старую рану в отношениях с клиентом.
Может создать ещё один “почти правильный” текст, который человеку всё равно надо полностью перепроверять.
Поэтому главный вопрос теперь не:
“Какой инструмент подключить?”
А:
“Как выглядит рабочий объект, который агент должен вести?”
Что такое рабочий объект (work item)
Рабочий объект - это не запись в базе и не задача в таск-трекере.
Это минимальная единица реальной работы.
Для аутрича это может быть “компания, с которой мы хотим начать разговор”.
Для продаж - “сделка, которую надо сдвинуть”.
Для фаундера - “возможность, которую нельзя потерять”.
Для медиа-команды - “бриф от рекламодателя, из которого надо собрать предложение”.
У нормального рабочего объекта есть несколько слоёв.
Первый слой - источники.
Откуда мы знаем, что происходит? Почта, CRM, звонок, документ, таблица, сайт, заметка, прошлый ответ.
Второй слой - доверие.
Какой источник главный? Что устарело? Что является фактом, а что выводом? Что сказал клиент, а что мы сами предположили?
Третий слой - состояние.
На каком этапе работа? Кто владелец? Что уже сделано? Что ждём? Где застряли?
Три месяца ничего не писал сюда.
Не потому что тема ИИ-аутрича закончилась. Скорее наоборот: она стала слишком маленькой.
Раньше я смотрел на аутрич как на цепочку задач:
— собрать базу
— обогатить компании и людей
— найти сигналы
— написать первое сообщение
— найти message-market fit
— разобрать ответы
— передать тёплые лиды продавцу
Это всё ещё важно. Но сейчас мне кажется, что это только частный случай более крупной темы.
И тема эта - агентные рабочие процессы.
Главный сдвиг в том, что мы перестаём строить отдельные автоматизации вокруг инструментов. Вместо этого мы начинаем описывать саму работу: откуда берётся задача, какие источники важны, где лежит правда, какие решения надо принять, что можно сделать автоматически, а где нужен человек.
Аутрич был удобной песочницей, потому что там всё видно: есть база, есть компания, есть человек, есть гипотеза, есть письмо, есть ответ, есть следующий шаг.
Но если посмотреть глубже, это не “аутрич”.
Это рабочий объект (ну или work item).
У него есть контекст, источники, цель, ограничения, действие, состояние и память.
И вот вокруг таких объектов будут строиться нормальные ИИ-системы.
Агент - это не промпт с доступом к инструментам
Плохая версия агента выглядит так:
“Вот тебе промпт, вот тебе доступ к почте, срмке и базе, делай полезные вещи”.
Это почти всегда ломается.
Не потому что модель тупая. А потому что рабочий процесс не описан.
Модель не знает:
— какой источник главный
— где данные устарели
— что можно менять, а что только читать
— когда нужен человек
— что считать хорошим результатом
— что надо запомнить на будущее
— что делать, если инструмент вернул мусор
— как понять, что задача застряла
Инструменты дают агенту руки. Но не дают ему понимание работы.
Если дать агенту доступ к хабспоту, почте и таблицам, он не становится оператором. Он просто получает поверхность для ошибок.
Нормальный агент начинается не с промпта.
Он начинается с карты рабочего процесса.
Рабочий процесс важнее инструмента
Последние годы мы строили операционные системы компаний в интерфейсах.
Правило в одном сервисе. Таблица в другом. Статус в срмке. Решение в телеге. Контекст в почте. Финальная версия в документе. Настоящая причина решения - у человека в голове.
Потом приходит ИИ, и мы делаем вид, что ему достаточно “подключиться к инструментам”.
Но проблема не в том, что инструментов мало.
Проблема в том, что работа размазана между ними.
Например, в аутриче:
— срмка знает, что компания есть в пайплайне
— почта знает, что им уже писали
— таблица знает, какой был сегмент
— обогащение знает, кто там работает
— прошлый ответ знает, почему они не купили
— продавец помнит, что фаундер просил вернуться через два месяца
Если агент видит только одну часть, он делает красивую, но бесполезную работу.
Он может написать хорошее письмо не тому человеку.
Может предложить не тот угол.
Может повторить уже проверенную гипотезу.
Может открыть старую рану в отношениях с клиентом.
Может создать ещё один “почти правильный” текст, который человеку всё равно надо полностью перепроверять.
Поэтому главный вопрос теперь не:
“Какой инструмент подключить?”
А:
“Как выглядит рабочий объект, который агент должен вести?”
Что такое рабочий объект (work item)
Рабочий объект - это не запись в базе и не задача в таск-трекере.
Это минимальная единица реальной работы.
Для аутрича это может быть “компания, с которой мы хотим начать разговор”.
Для продаж - “сделка, которую надо сдвинуть”.
Для фаундера - “возможность, которую нельзя потерять”.
Для медиа-команды - “бриф от рекламодателя, из которого надо собрать предложение”.
У нормального рабочего объекта есть несколько слоёв.
Первый слой - источники.
Откуда мы знаем, что происходит? Почта, CRM, звонок, документ, таблица, сайт, заметка, прошлый ответ.
Второй слой - доверие.
Какой источник главный? Что устарело? Что является фактом, а что выводом? Что сказал клиент, а что мы сами предположили?
Третий слой - состояние.
На каком этапе работа? Кто владелец? Что уже сделано? Что ждём? Где застряли?
❤1