Prospection automatisée avec l'IA : créer sa machine no-code

Vous passez des heures à chercher des prospects, à personnaliser vos messages et à essayer d’attirer l’attention de vos cibles sur LinkedIn ?

Et si vous pouviez automatiser une partie de ce processus en utilisant des outils no-code et l’intelligence artificielle (IA) ?

Dans ce tuto, nous allons vous guider étape par étape pour créer votre propre machine de prospection automatisée, sans coder.

Pourquoi automatiser sa prospection avec l’IA ?

L’IA et les outils no-code ont révolutionné la manière dont nous pouvons approcher la prospection. Ils permettent de :

• Gagner du temps en automatisant les tâches répétitives.
• Personnaliser les messages à grande échelle grâce à l’IA.
• Cibler précisément les prospects en fonction de leurs interactions et intérêts sur les réseaux sociaux.
• Améliorer les taux de réponse en envoyant des messages pertinents et individualisés au bon moment.

Tout part du timing : la méthode pour trouver le bon moment pour contacter un prospect est le point de départ de cette machine.

Cette vidéo est la suite technique du webinaire LinkedIn :
🔴 Masterclass : Créez votre machine de prospection LinkedIn grâce à l’IA :

• Vous pouvez visualiser le replay ici ⏪️
• Ou vous inscrire au prochain webinaire juste ici 📆

Vidéo tuto

Le cas d’usage que nous allons construire aujourd’hui est le suivant :

Recevez l’automatisation déjà développée par e-mail 🤌

Importez directement le workflow au format JSON dans votre espace Make 👇🏼😎

Workflow Make : rédiger des messages de prospection pour des prospects qui aiment des posts LinkedIn

Aperçu des outils utilisés

Pour construire notre machine de prospection, nous utiliserons les outils suivants :

• Tally : Pour créer des formulaires et déclencher des automatisations.
• APIFY : Pour scraper les données de LinkedIn.

Le scraper qui vous sera utile est le suivant : https://apify.com/meetmagnet-owner/linkedin-post-like-scraper

Nous l’avons développé pour vous en créant l’acteur le moins cher de ce type sur la plateforme 🎁

• Make : Pour orchestrer les automatisations sans code.
• OpenAI GPT : Pour filtrer les prospects et générer des messages personnalisés grâce à l’IA.

Étapes pour créer votre machine de prospection

1. Lancer l’automatisation avec un trigger : Tally

Temps dans la vidéo : 0:40

Commencez par créer un formulaire Tally qui servira de point de départ à votre automatisation. Ce formulaire peut être utilisé pour collecter des informations spécifiques ou pour déclencher le processus lorsqu’une action est effectuée.

• Création du formulaire : Incluez les champs nécessaires, comme l’Url du post LinkedIn cible et vos cookies de session pour scraper LinkedIn.
• Intégration avec Make : Connectez Tally à Make pour que chaque nouvelle soumission de formulaire déclenche votre automatisation.

Collecter ses cookies LinkedIn

Les cookies sont essentiels pour scraper des données en ligne car ils permettent d’authentifier les requêtes, évitant ainsi les attaques par force brute.
Leur utilisation garantit une collecte sécurisée et efficace des informations sur internet.

Installer l’extension Cookie-Editor

Nous vous invitons à installer et télécharger l’extension chrome Cookie-Editor.

INSTALLER

Collecter les cookies

Une fois installée, vous pouvez récupérer vos cookies en cliquant sur le cookie (1) puis en exportant les cookies (2).

⚠️ Ne pas se tromper d’icône !!

Puis collez vos cookies sur Tally et envoyez 🏁

2. Configuration des variables de filtrage : persona & métiers

Temps dans la vidéo : 2:32

Définissez les critères de votre audience cible :

• Persona : Qui sont vos prospects idéaux ? Quels sont leurs centres d’intérêt ?
• Métiers : Quels postes ou fonctions occupent-ils ?

Ces variables seront utilisées pour filtrer les données plus tard dans le processus.

3. Scraper LinkedIn avec APIFY

Temps dans la vidéo : 5:40

Utilisez APIFY pour extraire les profils LinkedIn qui ont liké le post LinkedIn.

• Configuration de l’agent : Paramétrez APIFY pour scraper les likes, les commentaires ou les posts de vos prospects cibles.
• Collecte des données : Récupérez des informations telles que le nom, le poste, l’entreprise, et le lien vers le profil.

4. Traitement des données avec Make

Temps dans la vidéo : 8:27

Intégrez APIFY à Make pour automatiser le flux de données.

• Création du scénario : Dans Make, créez un scénario qui prend les données d’APIFY et les prépare pour le filtrage.
• Nettoyage des données : Assurez-vous que les données sont bien structurées pour l’étape suivante.

5. Filtrage avec GPT

Temps dans la vidéo : 12:00

Utilisez GPT pour filtrer les prospects en fonction de vos critères définis précédemment.

• Configuration du prompt : Rédigez un prompt qui demande à GPT de déterminer si un prospect correspond à votre persona et à vos métiers cibles.
• Application du filtre : Passez chaque prospect à travers GPT pour ne conserver que les profils pertinents.

Exemple de prompt :

Agis-en tant que filtre sur le type de métier. 

Ton rôle est de catégoriser si un métier correspond ou pas à des catégories de métiers souhaités. 

Voici les catégories de métiers souhaités : 

{{19.`métier1`}}
{{19.metier2}}
{{19.`métier3`}}
{{19.`métier4`}}
{{19.`métier5`}} 


Par exemple : 
Pour la catégorie de métier "responsable commercial" et le métier "commercial" , la réponse est oui. 

Pour la catégorie de métier "responsable RH" et le métier "directeur des ressources humaines" , la réponse est oui. 

Pour la catégorie de métier "responsable RSE" et le métier "responsable QVT" , la réponse est oui. 

Pour la catégorie de métier "responsable commercial" et le métier "head of acquisition" , la réponse est oui. 

Pour la catégorie de métier "responsable commercial" et le métier "growth hacker" , la réponse est non. 

Pour la catégorie de métier "responsable RSE" et le métier "j'aide les entreprises à prospérer" , la réponse est non.


Répond par oui ou non si le métier "{{34.choices[].message.content}}" suivant correspond à l'un des catégories de métiers suivants : 
-{{19.`métier1`}}  
-{{19.metier2}}
-{{19.`métier3`}}
-{{19.`métier4`}}
-{{19.`métier5`}}

Répond simplement par un seul OUI ou un seul NON si le métier correspond au moins à une des catégories de métiers. 

n'ajoute aucune autre phrase ni aucun autre mot dans la réponse que oui ou non

6. Génération de messages de prospection personnalisés avec GPT

Temps dans la vidéo : 17:00

Pour chaque prospect filtré, générez un message personnalisé.

• Création du prompt de message : Incluez des variables comme le nom du prospect, son poste, et l’interaction qu’il a eue (par exemple, un like sur un post spécifique).
• Génération du message : Utilisez GPT pour créer un message qui semble écrit à la main et qui fait référence à des détails spécifiques du prospect.

Exemple de prompt :

Agis en tant que  specialiste en copywritting de message de prospection.

En tant que vendeur, tu dois  rédiger un très court message de prospection (500caractere max)  pour  un prospect de manière à être sûr d'obtenir une réponse. 

La tonalité du message est le vouvoiement

Le message est de type e-mail.

Pour t'aider tu vas recevoir plusieurs informations : 


1- Des informations sur le prospect et son point de douleur.
2- Des informations sur le vendeur et la solution vendue. 
3- Des informations sur le contexte de la prospection.  
4 - Un exemple de formulation de message à suivre 


L’objectif est d’attirer l’attention du prospect pour engager la discussion en rapport avec le contexte sans vendre directement une solution. 

Utilise des mots-clés liés au prospect pour capter son attention et termine idéalement par une question qui invite à la discussion.

----------------------------
1- Des informations sur le prospect et son point de douleur 

Nom du prospect : {{48.lastName}}
Prénom du prospect  : {{48.firstName}}
Nom d'entreprise ou d'organisation du prospect : {{32.`Nom Entreprise`}}.
Secteur d'activité : {{32.Secteur}}
Headline : {{48.headline}}

La douleur du prospect est la suivante : 
{{1.`douleur du persona `}}
---------------------------------------------------

2- Des informations sur le vendeur et la solution vendue. 

Prénom du vendeur : {{1.`Prénom vendeur`}}
Nom du vendeur : {{1.`Nom vendeur`}} 
Il est  {{1.`Métier vendeur`}} chez{{1.`Nom entreprise vendeur`}}
Il vend la solution suivante : {{1.`activité clé de l'entreprise `}}

L'ensemble des bénéfices apportés par cette solution sont : 

{{1.`bénéfice du persona`}}

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

3- Des informations sur le contexte de la prospection.  


Le prospect {{48.firstName}}  {{48.lastName}} est contacté par Etienne Douillard car  {{48.firstName}}  {{48.lastName}} a aimé un post LinkedIn. Voici l'entièreté de la publication que le prospect {{48.firstName}}  {{48.lastName}} a aimé : 

" {{48.postText}}"

Le prospect a aimé le contenu du post, il s'agit donc de repondir sue le sujet du post LinkedIn. C'est important. 
---------------------------------------------------

4-Exemple de formulation de message à suivre : 

{{1.`exemple message`}}
---------------------------------------------------
CONSIGNES : 


Voici des consignes pour rédiger un bon message de prospection : 


Il ne faut pas : 
🚫 Ne pas présenter immédiatement le vendeur, mais le présenter à la fin du message.
🚫 Ne pas parler de l'offre ou de la solution dès le début du message.
🚫 Ne pas utiliser des phrases génériques.
🚫 Ne pas aller directement à la solution sans établir le contexte.
🚫 Ne pas supposer que le prospect connaît le problème.
🚫 Ne pas être trop vague sur les défis et le contexte.
🚫 Ne pas présenter le produit comme la solution ultime.
🚫 Ne pas faire des promesses irréalistes.
🚫 Ne pas ignorer les étapes de sensibilisation et de considération.
🚫 Ne pas écrire de manière superflue.
🚫 Ne pas écrire de manière fleurie.
🚫 Ne pas écrire de manière mielleux.


Les bonnes pratiques : 
✅ Le message doit sembler rédigé par un humain.
✅ Ajoute des emojis pour le rendre plus engageant 🤗.
✅ Ne pas signer  le message.
✅ Ne mets pas rédiger d’objet dans le message.
✅ Rédige uniquement avec des informations sûres.
✅ Ne pas utiliser des variables générales dans des accolades ou des crochets.
✅ Poser des questions qui amènent le prospect à réfléchir et à verbaliser ses difficultés. 
✅ Montrez une compréhension profonde des obstacles auxquels le prospect est confronté.
✅ Souligner quelque chose de pertinent dans la publication LinkedIn. 
✅ Partager des insights ou des conseils qui apportent de la valeur immédiate.
✅ Mettre l'accent sur le prospect, pas sur le vendeur. 
✅ Être simple et directe.



Blacklist : Évite d’utiliser des phrases comme :
“tu as aimé…”,
“tu as liké…”, 
“en tant que passionné(e) de…”, 
“j’ai adoré le post de…”
"j'ai été submergé par..."
"ton avis était incroyable..."
"votre publication est inspirante..."


Si une ressource ou un lien URL est précisé dans l'exemple à suivre, alors la réponse doit OBLIGATOIREMENT rédiger le lien URL du message d'exemple.  



____________________________

Maintenant que tu as toutes les information, rédige le message de prospection, n'ajoute aucun autre mote ou phrase que le message demandé. 

7. Envoi automatisé des messages

Intégrez votre système à LinkedIn en passant par des solutions tierces pour envoyer les messages générés.

Et si vous préférez obtenir le même résultat sans monter la machine vous-même, c’est ce que fait l’app MeetMagnet : elle repère chaque jour les signaux sur LinkedIn et écrit l’accroche tirée de chacun, que vous relisez avant l’envoi.

• Automatisation de l’envoi : Configurez un nouveau scénario Make pour envoyer les messages via des outils externes.
• Suivi des réponses : Préparez un système pour gérer les réponses et poursuivre la conversation de manière humaine.

8. Optimisations futures

Votre machine de prospection est désormais opérationnelle. Pour aller plus loin :

• Analyse des performances : Mesurez les taux d’ouverture, de réponse, et d’engagement.
• A/B Testing : Testez différents messages ou prompts pour optimiser les résultats.
• Évolution continue : Mettez à jour vos critères et vos messages en fonction des retours obtenus.

Conclusion

En combinant les outils no-code et l’IA, il est possible de créer une machine de prospection puissante qui vous fait gagner du temps tout en augmentant l’efficacité de vos campagnes. Mais pourquoi vous arrêter là ?

Monter sa machine, c’est formateur. La faire tourner tous les jours, c’est une autre histoire : surveiller les posts, filtrer les profils, relire les messages, relancer.

C’est là que MeetMagnet prend le relais :

• Des signaux d’achat illimités sur LinkedIn : les réactions et publications liées à votre offre, repérées chaque jour, sans crédit lead ni crédit IA.
• Une accroche tirée du signal : chaque premier message part de ce que le prospect vient d’aimer ou d’écrire, et vous le relisez avant l’envoi, sur LinkedIn ou par email.
• Un humain avec vous, si vous le souhaitez : dans l’offre Accompagné, une personne calibre la cible et les messages avec vous à l’onboarding, fait le point à J+7, J+30, J+60 et J+90, puis lors d’un rendez-vous par mois.

Deux offres : Autonome à 149 € HT par mois, avec un essai gratuit de 7 jours, ou Accompagné à 299 € HT par mois. Le détail est sur la page tarifs.

Vous aimez construire ce genre de système ? Notre propre setup IA de prospection est disponible gratuitement. Et si vous voulez relier ChatGPT ou Claude à votre CRM et à vos outils commerciaux, installés chez vous, c’est l’objet de notre intégration IA pour équipes commerciales.

👉 Découvrir l’app MeetMagnet

---

Cet article vous a plu ? N’hésitez pas à le partager.