Akquise automatisieren: eine No-Code-Akquise-Maschine mit KI bauen

Sie verbringen Stunden damit, Interessenten zu suchen, Ihre Nachrichten zu personalisieren und die Aufmerksamkeit Ihrer Zielgruppe auf LinkedIn zu gewinnen?

Was, wenn Sie einen Teil dieses Prozesses mit No-Code-Tools und künstlicher Intelligenz (KI) automatisieren könnten?

In diesem Tutorial zeigen wir Ihnen Schritt für Schritt, wie Sie Ihre eigene automatisierte Akquise-Maschine bauen, ganz ohne Code.

Warum die eigene Akquise mit KI automatisieren?

KI und No-Code-Tools haben die Art, wie wir Akquise angehen können, revolutioniert. Sie ermöglichen es:

• Zeit zu sparen, indem repetitive Aufgaben automatisiert werden.
• Nachrichten in großem Maßstab zu personalisieren dank KI.
• Interessenten präzise zu gezielt anzusprechen, basierend auf ihren Interaktionen und Interessen in sozialen Netzwerken.
• Antwortquoten zu verbessern, indem relevante, individuelle Nachrichten zum richtigen Zeitpunkt verschickt werden.

Dieses Video ist die technische Fortsetzung des LinkedIn-Webinars:
🔴 Masterclass: Bauen Sie Ihre LinkedIn-Akquise-Maschine mit KI:

• Die Aufzeichnung können Sie hier ansehen ⏪️
• Oder melden Sie sich hier für das nächste Webinar an 📆

Tutorial-Video

Der Anwendungsfall, den wir heute bauen, sieht so aus:

Erhalten Sie die fertig entwickelte Automatisierung per E-Mail 🤌

Importieren Sie den Workflow direkt im JSON-Format in Ihren Make-Bereich 👇🏼😎

Make-Workflow: Akquise-Nachrichten für Interessenten schreiben, die LinkedIn-Posts liken

Übersicht der verwendeten Tools

Um unsere Akquise-Maschine zu bauen, verwenden wir folgende Tools:

• Tally: um Formulare zu erstellen und Automatisierungen auszulösen.
• APIFY: um Daten von LinkedIn zu scrapen.

Der nützliche Scraper ist dieser: https://apify.com/meetmagnet-owner/linkedin-post-like-scraper

Wir haben ihn für Sie entwickelt und dabei den günstigsten Actor dieser Art auf der Plattform gebaut 🎁

• Make: um die Automatisierungen ohne Code zu orchestrieren.
• OpenAI GPT: um Interessenten zu filtern und mit KI personalisierte Nachrichten zu generieren.

Schritte zum Bau Ihrer Akquise-Maschine

1. Die Automatisierung mit einem Trigger starten: Tally

Zeitpunkt im Video: 0:40

Beginnen Sie mit einem Tally-Formular, das als Ausgangspunkt Ihrer Automatisierung dient. Dieses Formular kann genutzt werden, um bestimmte Informationen zu sammeln oder den Prozess bei einer Aktion auszulösen.

• Formular erstellen: Fügen Sie die nötigen Felder hinzu, etwa die URL des Ziel-LinkedIn-Posts und Ihre Session-Cookies zum Scrapen von LinkedIn.
• Integration mit Make: Verbinden Sie Tally mit Make, damit jede neue Formular-Übermittlung Ihre Automatisierung auslöst.

Ihre LinkedIn-Cookies sammeln

Cookies sind unerlässlich, um Daten online zu scrapen, denn sie authentifizieren Anfragen und verhindern so Brute-Force-Angriffe.
Ihre Nutzung sichert eine sichere und effiziente Erfassung von Informationen im Internet.

Die Erweiterung Cookie-Editor installieren

Installieren Sie die Chrome-Erweiterung Cookie-Editor.

INSTALLIEREN

Cookies sammeln

Nach der Installation können Sie Ihre Cookies abrufen, indem Sie auf das Cookie-Symbol (1) klicken und dann die Cookies exportieren (2).

⚠️ Achten Sie darauf, nicht das falsche Symbol zu verwenden!!

Fügen Sie dann Ihre Cookies in Tally ein und senden Sie ab 🏁

2. Filtervariablen konfigurieren: Persona & Berufe

Zeitpunkt im Video: 2:32

Definieren Sie die Kriterien Ihrer Zielgruppe:

• Persona: Wer sind Ihre idealen Interessenten? Was sind ihre Interessen?
• Berufe: Welche Positionen oder Funktionen haben sie?

Diese Variablen werden später im Prozess zum Filtern der Daten genutzt.

3. LinkedIn mit APIFY scrapen

Zeitpunkt im Video: 5:40

Nutzen Sie APIFY, um die LinkedIn-Profile zu extrahieren, die den LinkedIn-Post geliked haben.

• Agent konfigurieren: Stellen Sie APIFY so ein, dass Likes, Kommentare oder Posts Ihrer Zielinteressenten gescrapt werden.
• Daten sammeln: Erfassen Sie Informationen wie Name, Position, Unternehmen und den Link zum Profil.

4. Datenverarbeitung mit Make

Zeitpunkt im Video: 8:27

Verbinden Sie APIFY mit Make, um den Datenfluss zu automatisieren.

• Szenario erstellen: Erstellen Sie in Make ein Szenario, das die Daten von APIFY übernimmt und für die Filterung vorbereitet.
• Daten bereinigen: Stellen Sie sicher, dass die Daten für den nächsten Schritt gut strukturiert sind.

5. Filterung mit GPT

Zeitpunkt im Video: 12:00

Nutzen Sie GPT, um die Interessenten anhand Ihrer zuvor definierten Kriterien zu filtern.

• Prompt konfigurieren: Schreiben Sie einen Prompt, der GPT bittet, zu bestimmen, ob ein Interessent zu Ihrem Persona und Ihren Zielberufen passt.
• Filter anwenden: Lassen Sie jeden Interessenten durch GPT laufen, um nur die relevanten Profile zu behalten.

Beispiel-Prompt:

Handle als Filter für Berufsarten. 

Deine Aufgabe ist es, zu kategorisieren, ob ein Beruf zu den gewünschten Berufskategorien passt oder nicht. 

Hier sind die gewünschten Berufskategorien: 

{{19.`beruf1`}}
{{19.beruf2}}
{{19.`beruf3`}}
{{19.`beruf4`}}
{{19.`beruf5`}} 


Zum Beispiel: 
Für die Berufskategorie "Vertriebsleiter" und den Beruf "Vertriebsmitarbeiter" lautet die Antwort ja. 

Für die Berufskategorie "HR-Leiter" und den Beruf "Personaldirektor" lautet die Antwort ja. 

Für die Berufskategorie "CSR-Verantwortlicher" und den Beruf "QVT-Verantwortlicher" lautet die Antwort ja. 

Für die Berufskategorie "Vertriebsleiter" und den Beruf "Head of Acquisition" lautet die Antwort ja. 

Für die Berufskategorie "Vertriebsleiter" und den Beruf "Growth Hacker" lautet die Antwort nein. 

Für die Berufskategorie "CSR-Verantwortlicher" und den Beruf "ich helfe Unternehmen zu wachsen" lautet die Antwort nein.


Antworte mit ja oder nein, ob der folgende Beruf "{{34.choices[].message.content}}" zu einer der folgenden Berufskategorien passt: 
-{{19.`beruf1`}}  
-{{19.beruf2}}
-{{19.`beruf3`}}
-{{19.`beruf4`}}
-{{19.`beruf5`}}

Antworte einfach mit einem einzigen JA oder NEIN, wenn der Beruf zu mindestens einer der Berufskategorien passt. 

Füge keinen weiteren Satz oder kein weiteres Wort in die Antwort ein außer ja oder nein

6. Personalisierte Akquise-Nachrichten mit GPT generieren

Zeitpunkt im Video: 17:00

Generieren Sie für jeden gefilterten Interessenten eine persönliche Nachricht.

• Nachrichten-Prompt erstellen: Fügen Sie Variablen ein wie den Namen des Interessenten, seine Position und die Interaktion, die er hatte (zum Beispiel ein Like auf einen bestimmten Post).
• Nachricht generieren: Nutzen Sie GPT, um eine Nachricht zu erstellen, die wie handgeschrieben wirkt und auf konkrete Details des Interessenten Bezug nimmt.

Beispiel-Prompt:

Handle als Spezialist für das Copywriting von Akquise-Nachrichten.

Als Verkäufer musst du eine sehr kurze Akquise-Nachricht (max. 500 Zeichen) für einen Interessenten verfassen, um sicherzustellen, dass du eine Antwort erhältst. 

Die Tonalität der Nachricht ist das Siezen.

Die Nachricht ist vom Typ E-Mail.

Um dir zu helfen, erhältst du mehrere Informationen: 


1- Informationen über den Interessenten und seinen Schmerzpunkt.
2- Informationen über den Verkäufer und die verkaufte Lösung. 
3- Informationen über den Kontext der Akquise.  
4 - Ein Beispiel für die zu befolgende Formulierung der Nachricht 


Ziel ist es, die Aufmerksamkeit des Interessenten zu gewinnen, um das Gespräch im Bezug zum Kontext zu beginnen, ohne direkt eine Lösung zu verkaufen. 

Nutze Schlüsselwörter, die sich auf den Interessenten beziehen, um seine Aufmerksamkeit zu gewinnen, und schließe idealerweise mit einer Frage, die zum Gespräch einlädt.

----------------------------
1- Informationen über den Interessenten und seinen Schmerzpunkt 

Nachname des Interessenten: {{48.lastName}}
Vorname des Interessenten: {{48.firstName}}
Name des Unternehmens oder der Organisation des Interessenten: {{32.`Firmenname`}}.
Branche: {{32.Branche}}
Headline: {{48.headline}}

Der Schmerzpunkt des Interessenten ist folgender: 
{{1.`Schmerzpunkt des Personas `}}
---------------------------------------------------

2- Informationen über den Verkäufer und die verkaufte Lösung. 

Vorname des Verkäufers: {{1.`Vorname Verkäufer`}}
Nachname des Verkäufers: {{1.`Nachname Verkäufer`}} 
Er ist {{1.`Beruf Verkäufer`}} bei {{1.`Firmenname Verkäufer`}}
Er verkauft folgende Lösung: {{1.`Kerntätigkeit des Unternehmens `}}

Alle Vorteile dieser Lösung sind: 

{{1.`Nutzen des Personas`}}

---------------------------------------------------

3- Informationen über den Kontext der Akquise.  


Der Interessent {{48.firstName}} {{48.lastName}} wird von Etienne Douillard kontaktiert, weil {{48.firstName}} {{48.lastName}} einen LinkedIn-Post geliked hat. Hier der vollständige Beitrag, den der Interessent {{48.firstName}} {{48.lastName}} geliked hat: 

" {{48.postText}}"

Der Interessent hat den Inhalt des Posts geliked, es geht also darum, auf das Thema des LinkedIn-Posts einzugehen. Das ist wichtig. 
---------------------------------------------------

4-Beispiel für die zu befolgende Formulierung: 

{{1.`Beispielnachricht`}}
---------------------------------------------------
ANWEISUNGEN: 


Hier Anweisungen, um eine gute Akquise-Nachricht zu verfassen: 


Nicht tun: 
🚫 Den Verkäufer nicht sofort vorstellen, sondern erst am Ende der Nachricht.
🚫 Nicht schon am Anfang der Nachricht über das Angebot oder die Lösung sprechen.
🚫 Keine generischen Sätze verwenden.
🚫 Nicht direkt zur Lösung springen, ohne den Kontext herzustellen.
🚫 Nicht davon ausgehen, dass der Interessent das Problem kennt.
🚫 Nicht zu vage bei Herausforderungen und Kontext bleiben.
🚫 Das Produkt nicht als ultimative Lösung darstellen.
🚫 Keine unrealistischen Versprechen machen.
🚫 Die Phasen der Sensibilisierung und Abwägung nicht ignorieren.
🚫 Nicht überflüssig schreiben.
🚫 Nicht blumig schreiben.
🚫 Nicht schmeichlerisch schreiben.


Gute Praktiken: 
✅ Die Nachricht soll wirken, als wäre sie von einem Menschen geschrieben.
✅ Füge Emojis hinzu, um sie ansprechender zu machen 🤗.
✅ Die Nachricht nicht unterschreiben.
✅ Keine Betreffzeile in die Nachricht schreiben.
✅ Nur mit sicheren Informationen schreiben.
✅ Keine allgemeinen Variablen in geschweiften Klammern oder eckigen Klammern verwenden.
✅ Fragen stellen, die den Interessenten zum Nachdenken bringen und seine Schwierigkeiten benennen lassen. 
✅ Ein tiefes Verständnis der Hindernisse zeigen, vor denen der Interessent steht.
✅ Etwas Relevantes aus dem LinkedIn-Beitrag hervorheben. 
✅ Einblicke oder Ratschläge teilen, die sofortigen Mehrwert bieten.
✅ Den Fokus auf den Interessenten legen, nicht auf den Verkäufer. 
✅ Einfach und direkt sein.



Blacklist: Vermeide Formulierungen wie:
„du hast geliked…“,
„du hast geliket…“, 
„als Fan von…“, 
„ich fand deinen Post großartig…“
„ich war überwältigt von…“
„deine Meinung war unglaublich…“
„Ihr Beitrag ist inspirierend…“


Wenn im zu befolgenden Beispiel eine Ressource oder ein Link angegeben ist, muss die Antwort UNBEDINGT den Link aus der Beispielnachricht übernehmen.  



____________________________

Jetzt, da du alle Informationen hast, verfasse die Akquise-Nachricht, füge kein weiteres Wort oder keinen weiteren Satz hinzu außer der geforderten Nachricht.

7. Automatisierter Versand der Nachrichten

Verbinden Sie Ihr System mit LinkedIn über Drittanbieter-Lösungen, um die generierten Nachrichten zu versenden.

• Versand automatisieren: Richten Sie ein neues Make-Szenario ein, um die Nachrichten über externe Tools zu versenden.
• Antworten nachverfolgen: Bereiten Sie ein System vor, um Antworten zu verwalten und das Gespräch menschlich fortzusetzen.

8. Zukünftige Optimierungen

Ihre Akquise-Maschine läuft jetzt. Um noch weiter zu gehen:

• Leistungsanalyse: Messen Sie Öffnungs-, Antwort- und Engagement-Raten.
• A/B-Tests: Testen Sie verschiedene Nachrichten oder Prompts, um die Ergebnisse zu optimieren.
• Kontinuierliche Weiterentwicklung: Aktualisieren Sie Ihre Kriterien und Nachrichten anhand des erhaltenen Feedbacks.

Fazit

Durch die Kombination von No-Code-Tools und KI lässt sich eine leistungsstarke Akquise-Maschine bauen, die Ihnen Zeit spart und die Wirksamkeit Ihrer Kampagnen erhöht. Aber warum sollten Sie dabei stehen bleiben?

Die Maschine selbst zu bauen, ist lehrreich. Sie jeden Tag laufen zu lassen, ist etwas anderes: Beiträge beobachten, Profile filtern, Nachrichten gegenlesen, nachfassen.

Hier übernimmt MeetMagnet:

• Unbegrenzte Kaufsignale auf LinkedIn: Reaktionen und Beiträge mit Bezug zu Ihrem Angebot, jeden Tag erkannt, ohne Lead-Credits und ohne KI-Credits.
• Ein Einstiegssatz aus dem Signal: Jede erste Nachricht geht von dem aus, was der Interessent gerade gelikt oder geschrieben hat, und Sie lesen sie vor dem Versand gegen, auf LinkedIn oder per E-Mail.
• Ein Mensch an Ihrer Seite, wenn Sie möchten: Im Tarif Begleitet kalibriert eine Person beim Onboarding Zielgruppe und Nachrichten mit Ihnen, prüft die Ergebnisse an Tag 7, 30, 60 und 90, danach in einem Termin pro Monat.

Zwei Tarife: Selbstständig für 149 € zzgl. MwSt. pro Monat, mit 7 Tagen kostenlosem Test, oder Begleitet für 299 € zzgl. MwSt. pro Monat. Die Details stehen auf der Seite Preise.

Sie bauen gern solche Systeme? Unser eigenes KI-Setup für die Akquise gibt es kostenlos. Und wenn Sie ChatGPT oder Claude mit Ihrem CRM und Ihren Vertriebstools verbinden möchten, bei Ihnen installiert, ist das Thema unserer KI-Integration für Vertriebsteams.

👉 Die App MeetMagnet entdecken

---

Hat Ihnen dieser Artikel gefallen? Teilen Sie ihn gerne.