TL;DR: Автоматизация поиска клиентов в LinkedIn работает, когда вы автоматизируете исследовательский слой — поиск нужных людей, отслеживание сигналов, подготовку персонализированных сообщений — и оставляете само общение живым. Массовые боты для рассылки запросов на добавление в контакты приводят к ограничениям аккаунта и портят репутацию бренда. Это руководство четко проводит грань: что автоматизировать, что — никогда, каковы границы соответствия правилам и как выстроить пятиэтапный рабочий процесс на основе сигналов, который масштабируется, не звуча при этом роботизированно.
LinkedIn — это место, где можно связаться с B2B-покупателями, и где ленивая автоматизация наиболее заметна. Каждый специалист получал мгновенное коммерческое предложение после принятия запроса в друзья, отправленное программой, притворяющейся человеком. Результат — парадокс: поиск клиентов в LinkedIn никогда не был таким автоматизируемым, и в то же время бездумная автоматизация никогда не работала хуже. Ответ не в том, чтобы меньше автоматизировать. А в том, чтобы автоматизировать правильный слой.
Что можно безопасно автоматизировать при поиске клиентов в LinkedIn?
Вы можете безопасно автоматизировать все, что происходит до контакта человека с человеком: поиск, мониторинг сигналов, исследование, квалификацию и составление черновиков. Эти задачи занимают большую часть времени SDR в LinkedIn, и ни одна из них не требует притворяться вами.
- Поиск нужных людей. Превращение описания идеального клиента в список реальных, актуальных профилей — это поисковая работа. ИИ делает это быстрее и на основе более свежих данных, чем ручная фильтрация.
- Мониторинг сигналов. Отслеживание смены работы, постов о финансировании, объявлений о найме и релевантной активности в сотнях аккаунтов — это именно та постоянная работа, для которой и созданы машины.
- Исследование и квалификация. Изучение профиля, недавних постов и контекста компании, чтобы определить соответствие и своевременность, можно сократить с двадцати минут до нескольких секунд.
- Подготовка персонализированных черновиков. Первый черновик, основанный на реальном сигнале и написанный для того, чтобы вы его отредактировали и отправили, сохраняет ваш стиль, избавляя от проблемы «чистого листа».
Что должно оставаться человеческим: отправка, ответы и все, что следует за ними. В тот момент, когда потенциальный клиент вступает в диалог, он общается с вашим брендом — этот разговор является результатом всей проделанной работы, и это единственное, что автоматизация демонстративно ухудшает.
Что вредит аккаунтам и брендам?
Массовые автоматизированные действия через ваш собственный профиль вредят и тому, и другому. Условия использования LinkedIn запрещают стороннюю автоматизацию, которая собирает данные или выполняет массовые действия от вашего имени, а системы обнаружения ищут именно те паттерны, которые создают боты — всплески запросов на добавление в контакты, одинаковые сообщения, нечеловеческие ритмы активности.
- Риск для аккаунта. Ограничения и блокировки накладываются на профиль, с которого вы продаете. Аккаунт опытного менеджера по продажам — с годами наработанных связей и авторитета — плохая ставка в игре с инструментом для массовой рассылки запросов.
- Риск для бренда. Мгновенное коммерческое предложение в личных сообщениях запоминается. Покупатели делают скриншоты худших из них. Сотня бот-сообщений, которые никого не конвертируют, все равно учат сотню покупателей тому, как ваша компания ценит их время.
- Риск в цифрах. Массовая рассылка оптимизирует показатель, который не имеет значения. Пятьдесят сообщений, основанных на сигналах и отправленных человеком, обычно приносят больше ответов, чем тысяча автоматизированных, и при этом не несут риска блокировки.
Граница соответствия правилам проста: автоматизируйте анализ общедоступной информации и собственный процесс составления черновиков; не автоматизируйте массовые действия внутри LinkedIn через ваш профиль. Эта черта позволяет вам оставаться эффективным, быть в безопасности и — что немаловажно — вызывать симпатию.
Как правильно настроить автоматизацию поиска клиентов в LinkedIn?
Правильный рабочий процесс автоматизируется в пять этапов, каждый из которых питает следующий, а человек вступает в дело именно там, где начинаются суждения и отношения. Вот версия на основе сигналов, которую команды используют с Lessie:
- 1Опишите покупателя простым языком
Напишите описание идеального клиента, которое вы бы дали новому SDR: должность, профиль компании и — что критически важно — сигналы, которые делают контакт с кем-то целесообразным на этой неделе (опубликовал пост о проблеме, сменил работу, компания нанимает). Это предложение — ваша инструкция для автоматизации, поэтому точность здесь приумножает все последующие результаты.
- 2Позвольте агенту найти и квалифицировать людей
Запустите описание через ИИ-агента, который ищет в актуальных источниках, а не в устаревшей базе данных. Основная задача поиска клиентов в LinkedIn — это сопоставление реальных людей с реальными сигналами. Агент возвращает профили с приложенными доказательствами, а не просто имена, совпавшие с ключевыми словами.
- 3Оценивайте вовлеченность, а не только профиль
Для потенциальных клиентов, которые опубликовали что-то релевантное или отреагировали на это, квалифицируйте момент — вставьте пост в Квалификатор лидов из LinkedIn и получите оценку соответствия покупателя, срочности и того, являются ли комментаторы лучшими кандидатами, чем автор.
- 4Отредактируйте черновик сообщения, затем отправьте его сами
Хорошая автоматизация предоставляет вам черновик, привязанный к сигналу («ваш пост о проблемах с онбордингом»), а не шаблон с подставленным именем. Отредактируйте его под свой стиль, а затем отправьте со своего аккаунта в человеческом темпе. Двадцать отличных сообщений в день лучше двухсот автоматизированных — и по ответам, и по безопасности.
- 5Отслеживайте ответы и используйте сигналы повторно
Ответы, просмотры профиля и новая активность — это свежие сигналы. Возвращайте их в цикл. Те, кто не ответил, но позже сменил работу или снова что-то опубликовал, возвращаются в очередь с лучшим поводом для контакта, чем «напоминаю о себе».
Оценивайте рабочий процесс по качеству ответов, а не по объему активности. Цифры, на которые стоит обратить внимание: процент ответов на каждые двадцать отправленных сообщений (сообщения, основанные на сигналах, должны превышать 15-20%, что в несколько раз выше базового уровня массовых рассылок), доля положительных ответов (ответ «не сейчас, но вопрос своевременный» засчитывается — он подтверждает сигнал, даже если ответ отрицательный) и время от сигнала до отправки (сколько времени проходит между появлением сигнала и доставкой вашего сообщения — преимущество во времени дает отправка в течение 48 часов). Если процент ответов падает, решение почти никогда не в увеличении объема; оно в более четком определении сигналов на первом шаге. И если определенный тип сигнала — скажем, смена работы — постоянно показывает лучшие результаты, сместите акцент мониторинга на него и откажитесь от более слабых сигналов. Рабочий процесс улучшается как за счет вычитания, так и за счет сложения.
Как это вписывается в более крупный стек автоматизации?
LinkedIn — это один из каналов в более широкой стратегии. Команды, ведущие полноценный аутрич, сочетают этот рабочий процесс с автономным email-слоем — разделение труда, которое мы подробно сравниваем в нашем обзоре лучших ИИ-инструментов для SDR — и с агентом, таким как ИИ-BDR, который занимается постоянным мониторингом, недоступным ни одному менеджеру. Константа для любой конфигурации стека: сигналы определяют, кто заслуживает внимания, машины делают «домашнюю работу», а человек владеет диалогом.
Если вы выбираете инструменты специально для слоя LinkedIn, наше руководство по ИИ-инструментам для LinkedIn рассматривает эту категорию инструмент за инструментом; эта статья — рабочий процесс, которому эти инструменты должны служить.