Prospezione automatizzata: come creare una macchina no-code con l'IA
Di Etienne DouillardAggiornato il 9 min di lettura
Indice
Passi ore a cercare prospect, a personalizzare i tuoi messaggi e a cercare di attirare l’attenzione dei tuoi target su LinkedIn?
E se potessi automatizzare una parte di questo processo usando strumenti no-code e l’intelligenza artificiale (IA)?
In questo tutorial ti guideremo passo passo per creare la tua macchina di prospezione automatizzata, senza scrivere codice.
Perché automatizzare la propria prospezione con l’IA?
L’IA e gli strumenti no-code hanno rivoluzionato il modo in cui possiamo affrontare la prospezione. Permettono di:
- Risparmiare tempo automatizzando i compiti ripetitivi.
- Personalizzare i messaggi su larga scala grazie all’IA.
- Targettizzare con precisione i prospect in base alle loro interazioni e ai loro interessi sui social network.
- Migliorare i tassi di risposta inviando messaggi pertinenti e individualizzati al momento giusto.
Questo video è il seguito tecnico del webinar LinkedIn: 🔴 Masterclass: Crea la tua macchina di prospezione LinkedIn grazie all’IA:
Video tutorial
Il caso d’uso che costruiremo oggi è il seguente:
Ricevi l’automazione già sviluppata via e-mail 🤌
Importa direttamente il workflow in formato JSON nel tuo spazio Make 👇🏼😎
Workflow Make: scrivere messaggi di prospezione per prospect che mettono like a post LinkedIn
Panoramica degli strumenti usati
Per costruire la nostra macchina di prospezione, useremo i seguenti strumenti:
Lo scraper che ti servirà è il seguente: https://apify.com/meetmagnet-owner/linkedin-post-like-scraper
L’abbiamo sviluppato per te creando l’attore più economico di questo tipo sulla piattaforma 🎁
- Make: per orchestrare le automazioni senza codice.
- OpenAI GPT: per filtrare i prospect e generare messaggi personalizzati grazie all’IA.
Passaggi per creare la tua macchina di prospezione
1. Avviare l’automazione con un trigger: Tally
Momento nel video: 0:40
Inizia creando un modulo Tally che servirà come punto di partenza della tua automazione. Questo modulo può essere usato per raccogliere informazioni specifiche o per avviare il processo quando viene eseguita un’azione.
- Creazione del modulo: includi i campi necessari, come l’URL del post LinkedIn target e i tuoi cookie di sessione per fare scraping di LinkedIn.
- Integrazione con Make: collega Tally a Make in modo che ogni nuovo invio del modulo avvii la tua automazione.
Raccogliere i propri cookie LinkedIn
I cookie sono essenziali per fare scraping di dati online perché permettono di autenticare le richieste, evitando così attacchi a forza bruta. Il loro utilizzo garantisce una raccolta sicura ed efficace delle informazioni su internet.
Installare l’estensione Cookie-Editor
Ti invitiamo a installare e scaricare l’estensione Chrome Cookie-Editor.
Raccogliere i cookie
Una volta installata, puoi recuperare i tuoi cookie cliccando sull’icona del cookie (1) e poi esportando i cookie (2).
⚠️ Attenzione a non sbagliare icona!!
Poi incolla i tuoi cookie su Tally e invia 🏁
2. Configurazione delle variabili di filtraggio: persona e mestieri
Momento nel video: 2:32
Definisci i criteri del tuo pubblico target:
- Persona: chi sono i tuoi prospect ideali? Quali sono i loro interessi?
- Mestieri: quali ruoli o funzioni ricoprono?
Queste variabili verranno usate per filtrare i dati più avanti nel processo.
3. Fare scraping di LinkedIn con APIFY
Momento nel video: 5:40
Usa APIFY per estrarre i profili LinkedIn che hanno messo like al post LinkedIn.
- Configurazione dell’agente: imposta APIFY per fare scraping dei like, dei commenti o dei post dei tuoi prospect target.
- Raccolta dei dati: recupera informazioni come nome, ruolo, azienda e link al profilo.
4. Elaborazione dei dati con Make
Momento nel video: 8:27
Integra APIFY con Make per automatizzare il flusso di dati.
- Creazione dello scenario: in Make, crea uno scenario che prende i dati da APIFY e li prepara per il filtraggio.
- Pulizia dei dati: assicurati che i dati siano ben strutturati per la fase successiva.
5. Filtraggio con GPT
Momento nel video: 12:00
Usa GPT per filtrare i prospect in base ai criteri definiti in precedenza.
- Configurazione del prompt: scrivi un prompt che chiede a GPT di stabilire se un prospect corrisponde al tuo persona e ai tuoi mestieri target.
- Applicazione del filtro: fai passare ogni prospect attraverso GPT per conservare solo i profili pertinenti.
Esempio di prompt:
Agisci come un filtro sul tipo di mestiere.
Il tuo ruolo è categorizzare se un mestiere corrisponde o meno a delle categorie di mestieri desiderati.
Ecco le categorie di mestieri desiderati:
{{19.`mestiere1`}}
{{19.mestiere2}}
{{19.`mestiere3`}}
{{19.`mestiere4`}}
{{19.`mestiere5`}}
Per esempio:
Per la categoria di mestiere "responsabile commerciale" e il mestiere "commerciale", la risposta è sì.
Per la categoria di mestiere "responsabile HR" e il mestiere "direttore delle risorse umane", la risposta è sì.
Per la categoria di mestiere "responsabile RSE" e il mestiere "responsabile QVT", la risposta è sì.
Per la categoria di mestiere "responsabile commerciale" e il mestiere "head of acquisition", la risposta è sì.
Per la categoria di mestiere "responsabile commerciale" e il mestiere "growth hacker", la risposta è no.
Per la categoria di mestiere "responsabile RSE" e il mestiere "aiuto le aziende a prosperare", la risposta è no.
Rispondi con sì o no se il mestiere "{{34.choices[].message.content}}" seguente corrisponde a una delle categorie di mestieri seguenti:
-{{19.`mestiere1`}}
-{{19.mestiere2}}
-{{19.`mestiere3`}}
-{{19.`mestiere4`}}
-{{19.`mestiere5`}}
Rispondi semplicemente con un solo SÌ o un solo NO se il mestiere corrisponde ad almeno una delle categorie di mestieri.
Non aggiungere nessun'altra frase né nessun'altra parola nella risposta oltre a sì o no6. Generazione di messaggi di prospezione personalizzati con GPT
Momento nel video: 17:00
Per ogni prospect filtrato, genera un messaggio personalizzato.
- Creazione del prompt del messaggio: includi variabili come il nome del prospect, il suo ruolo e l’interazione che ha avuto (per esempio, un like su un post specifico).
- Generazione del messaggio: usa GPT per creare un messaggio che sembri scritto a mano e che faccia riferimento a dettagli specifici del prospect.
Esempio di prompt:
Agisci come uno specialista in copywriting di messaggi di prospezione.
In quanto venditore, devi scrivere un messaggio di prospezione molto breve (max 500 caratteri) per un prospect in modo da essere sicuro di ottenere una risposta.
Il tono del messaggio è il "tu" (registro informale ma professionale).
Il messaggio è di tipo e-mail.
Per aiutarti riceverai diverse informazioni:
1- Informazioni sul prospect e sul suo punto di dolore.
2- Informazioni sul venditore e sulla soluzione venduta.
3- Informazioni sul contesto della prospezione.
4 - Un esempio di formulazione di messaggio da seguire
L'obiettivo è attirare l'attenzione del prospect per avviare la discussione in rapporto con il contesto senza vendere direttamente una soluzione.
Usa parole chiave legate al prospect per catturare la sua attenzione e termina idealmente con una domanda che inviti alla discussione.
----------------------------
1- Informazioni sul prospect e sul suo punto di dolore
Cognome del prospect: {{48.lastName}}
Nome del prospect: {{48.firstName}}
Nome dell'azienda o organizzazione del prospect: {{32.`Nome Azienda`}}.
Settore di attività: {{32.Settore}}
Headline: {{48.headline}}
Il punto di dolore del prospect è il seguente:
{{1.`dolore del persona`}}
---------------------------------------------------
2- Informazioni sul venditore e sulla soluzione venduta.
Nome del venditore: {{1.`Nome venditore`}}
Cognome del venditore: {{1.`Cognome venditore`}}
Fa {{1.`Mestiere venditore`}} presso {{1.`Nome azienda venditore`}}
Vende la soluzione seguente: {{1.`attività chiave dell'azienda`}}
L'insieme dei benefici apportati da questa soluzione sono:
{{1.`beneficio del persona`}}
---------------------------------------------------
3- Informazioni sul contesto della prospezione.
Il prospect {{48.firstName}} {{48.lastName}} viene contattato da Etienne Douillard perché {{48.firstName}} {{48.lastName}} ha messo like a un post LinkedIn. Ecco l'intera pubblicazione a cui il prospect {{48.firstName}} {{48.lastName}} ha messo like:
" {{48.postText}}"
Il prospect ha apprezzato il contenuto del post, quindi si tratta di rispondere sul tema del post LinkedIn. È importante.
---------------------------------------------------
4-Esempio di formulazione di messaggio da seguire:
{{1.`esempio messaggio`}}
---------------------------------------------------
CONSEGNE:
Ecco delle consegne per scrivere un buon messaggio di prospezione:
Non bisogna:
🚫 Non presentare subito il venditore, ma presentarlo alla fine del messaggio.
🚫 Non parlare dell'offerta o della soluzione fin dall'inizio del messaggio.
🚫 Non usare frasi generiche.
🚫 Non andare direttamente alla soluzione senza stabilire il contesto.
🚫 Non supporre che il prospect conosca il problema.
🚫 Non essere troppo vago sulle sfide e il contesto.
🚫 Non presentare il prodotto come la soluzione definitiva.
🚫 Non fare promesse irrealistiche.
🚫 Non ignorare le fasi di sensibilizzazione e considerazione.
🚫 Non scrivere in modo superfluo.
🚫 Non scrivere in modo forbito.
🚫 Non scrivere in modo mieloso.
Le buone pratiche:
✅ Il messaggio deve sembrare scritto da un umano.
✅ Aggiungi emoji per renderlo più coinvolgente 🤗.
✅ Non firmare il messaggio.
✅ Non scrivere un oggetto nel messaggio.
✅ Scrivi solo con informazioni sicure.
✅ Non usare variabili generiche tra parentesi graffe o quadre.
✅ Poni domande che portino il prospect a riflettere e a verbalizzare le sue difficoltà.
✅ Mostra una comprensione profonda degli ostacoli che il prospect affronta.
✅ Sottolinea qualcosa di pertinente nella pubblicazione LinkedIn.
✅ Condividi insight o consigli che portino un valore immediato.
✅ Metti l'accento sul prospect, non sul venditore.
✅ Sii semplice e diretto.
Blacklist: evita di usare frasi come:
"hai apprezzato...",
"hai messo like...",
"in quanto appassionato/a di...",
"ho adorato il post di..."
"sono stato travolto da..."
"la tua opinione era incredibile..."
"la tua pubblicazione è ispirante..."
Se una risorsa o un link URL è specificato nell'esempio da seguire, allora la risposta deve OBBLIGATORIAMENTE riportare il link URL del messaggio d'esempio.
____________________________
Ora che hai tutte le informazioni, scrivi il messaggio di prospezione, non aggiungere nessun'altra parola o frase oltre al messaggio richiesto.7. Invio automatizzato dei messaggi
Integra il tuo sistema con LinkedIn passando da soluzioni di terze parti per inviare i messaggi generati.
E se preferisci ottenere lo stesso risultato senza montare la macchina da solo, è quello che fa l’app MeetMagnet: individua ogni giorno i segnali su LinkedIn e scrive il messaggio d’apertura tratto da ognuno, che rileggi prima dell’invio.
- Automazione dell’invio: configura un nuovo scenario Make per inviare i messaggi tramite strumenti esterni.
- Gestione delle risposte: prepara un sistema per gestire le risposte e proseguire la conversazione in modo umano.
8. Ottimizzazioni future
La tua macchina di prospezione è ormai operativa. Per andare oltre:
- Analisi delle performance: misura i tassi di apertura, di risposta e di engagement.
- A/B Testing: testa diversi messaggi o prompt per ottimizzare i risultati.
- Evoluzione continua: aggiorna i tuoi criteri e i tuoi messaggi in base ai riscontri ottenuti.
Conclusione
Combinando gli strumenti no-code e l’IA, è possibile creare una macchina di prospezione potente che ti fa risparmiare tempo aumentando l’efficacia delle tue campagne. Ma perché fermarsi qui?
Montare la propria macchina è formativo. Farla girare ogni giorno è un’altra storia: monitorare i post, filtrare i profili, rileggere i messaggi, fare follow-up.
È qui che entra in gioco MeetMagnet:
- Segnali d’acquisto illimitati su LinkedIn: le reazioni e le pubblicazioni legate alla tua offerta, individuate ogni giorno, senza crediti lead né crediti IA.
- Un messaggio d’apertura tratto dal segnale: ogni primo messaggio parte da ciò che il prospect ha appena apprezzato o scritto, e lo rileggi prima dell’invio, su LinkedIn o via email.
- Una persona con te, se lo desideri: nel piano Accompagnato, una persona calibra con te target e messaggi all’onboarding, rivede i risultati a G+7, G+30, G+60 e G+90, poi in un appuntamento al mese.
Due piani: Autonomo a 149 € al mese IVA esclusa, con 7 giorni di prova gratuita, o Accompagnato a 299 € al mese IVA esclusa. Il dettaglio è nella pagina dei prezzi.
Ti piace costruire questo tipo di sistema? Il nostro setup IA per la prospezione è disponibile gratis. E se vuoi collegare ChatGPT o Claude al tuo CRM e ai tuoi strumenti commerciali, installati da te, è l’oggetto della nostra integrazione IA per i team commerciali.
Ti è piaciuto questo articolo? Sentiti libero di condividerlo.
Domande frequenti
Quali strumenti servono per creare una macchina di prospezione no-code?
Il tutorial usa Tally per creare il modulo che avvia l'automazione, Apify per recuperare i profili LinkedIn che hanno messo like a un post, Make per orchestrare le automazioni senza codice, e OpenAI GPT per filtrare i prospect e generare messaggi personalizzati.
Come fa GPT a filtrare i prospect?
Gli si fornisce un prompt che elenca le categorie di mestieri desiderati, con esempi di corrispondenza («responsabile commerciale» e «head of acquisition»: sì; «growth hacker»: no). GPT risponde semplicemente SÌ o NO per ogni prospect, e vengono conservati solo i profili pertinenti.
Cosa deve contenere il prompt per scrivere il messaggio di prospezione?
Informazioni sul prospect e sul suo punto di dolore, sul venditore e sulla sua soluzione, sul contesto (il testo del post LinkedIn apprezzato) e un esempio di messaggio. Si aggiungono consegne: non presentarsi subito, non parlare dell'offerta all'inizio, restare semplici, e un elenco di frasi da evitare come «hai messo like a...».
Etienne Douillard
Cofondatore e CEO di MeetMagnet
Ingegnere e imprenditore da oltre cinque anni, Etienne affianca ogni settimana PMI B2B nella prospezione basata sui segnali d'acquisto.
Dai segnali d'acquisto agli appuntamenti
MeetMagnet individua chi ha un motivo per risponderti adesso, scrive l'apertura che si distingue e una persona vera ti affianca.