Как заставить АІ продавать ваши ІТ услуги

Редактор субтитров А.Захарова Корректор А.Егорова Здравствуйте. Меня зовут Дмитрий Роденко. Я основатель сообщества SaaS Founders. Помогаю фаундерам IT-компаний находить новых крупных клиентов с помощью лиды генерации в LinkedIn. Сегодня мы проведем стрим вопросов и ответов по теме, как заставить искусственный интеллект продавать ваши IT-услуги. В частности, рассмотрим такие вопросы, которые приходят на вебинарах и так далее. Как научить искусственный интеллект различать потенциальных клиентов, которые действительно нуждаются в разработке от тех, кто просто интересуется? Как искусственный интеллект может персонализировать первое сообщение на основе профиля от потенциального клиента? Может ли искусственный интеллект предсказать, какие контакты с большей вероятностью превратятся в клиентов? Стоит ли раскрывать клиентам, что часть коммуникации осуществляется через искусственный интеллект? И как искусственный интеллект может помочь создать долгосрочные отношения, а не только краткосрочные продажи? Масса вопросов на эту тему на самом деле, но давайте потихонечку в ней разберемся. Давайте вообще для начала... Определимся ситуацией. Что у нас сейчас происходит на рынке? На рынке все непросто, потому что аутсорсинговых компаний много, клиентов сейчас мало. Поэтому существует большая конкуренция за реальных клиентов. За маленького клиента, за среднего и за большого. Это значит, это будет общее вступление, которое, наверное, ответ на часть вопроса. Это значит, что нам надо находить клиента или подбирать клиента более точно и более быстро. То есть, пока другие занимаются то, что называется фирмографией. Это аналог слова по демографии, только среди фирм, да? Фирмография, то, что называется. Ищут компании определенного размера, с определенным количеством и так далее. И это все. Этого недостаточно. Надо смотреть, какие у людей есть намерения, как эти намерения они проявляют. И на основании этих проявленных намерений уже выстраивать с ними коммуникацию. Пример. Вот простой практичный пример, который мы сейчас активно тестируем. Смотрите, предположим, вы Команда, которая занимается разработкой. У вас есть разработчики, вы продаете команду, ну, по сути как там, на аутсорс, аутстав и так далее. Возникает вопрос. В линкдене масса потенциальных возможностей, но часть клиентов говорит, да ну, мы устали, нас постоянно в линкдене спамят, там, сеньора дешевле рынка, у меня все есть, только там, пожалуйста, начни работать со мной. Поэтому многие фаундеры этих компаний уже устали от Линкдина, поскольку там слишком много спама. Это не значит, что есть какие-то другие каналы, которые сработают гораздо лучше, когда мы говорим о трансграничных коммуникациях, когда вы не едете туда вживую, когда вы не общаетесь с людьми какое-то длительное время. Линкдин все равно работает. Вопрос в том, заходить надо правильно, заходить надо конкретно. Что я имею в виду? Ну вот смотрите, как обычно ведет себя клиент, у которого есть какая-то проблема или боль. Клиент говорит, обсуждает это с друзьями, с партнерами, с сотрудниками и так далее. После этого, если проблема достаточно острая, пишет об этом в социальной сети. В том числе пишет об этом в LinkedIn. Поэтому мы настроили фильтры, где по ряду поисковых слов, поисковых запросов, ну, например, Для стартапов это может быть problem with MVP, MVP fail, что-то такого плана. По фильтру последние посты, которые я включаю или hiring developer или так далее. Launch fail, что-то такого плана. То есть, мы выбрали некие группы ключевых слов. Как обычно, клиенты описывают нужные нам ситуации. Да, или там IT struggle. Много разных параметров, да. Значит, мы описали эти запросы. Банально в LinkedIn ищем посты, где люди упоминают эти фразы. И там обычно несколько вариантов, несколько типов людей размещают подобные фразы. Значит, первое — это сами разработчики, которые пишут контент на эту тему и используют подобные ключевые слова. Их можно отфильтровать, банально просто не указывая отрасль Software Development в результатах поисков. Дальше — это различные консультанты, которые занимаются подобными вопросами. Ну, то есть, по сути, тоже как бы конкуренты, которые используют подобные слова. И третье самое интересное – это фаундеры компаний, это лица, принимающие решения, которые говорят, вот у меня вот это, что с этим делать? И это работает достаточно интересно, потому что если вы будете использовать узкие запросы, вы будете находить меньшее количество, но гораздо более точных, гораздо более точные, гораздо более точные теплые лиды. То есть смотрите, в чем состоит логика, как работает логика отбора.

Первое.

Мы выбираем специализированные термины, которые характерны для определенной индустрии. Раз. То есть есть некий жаргон, в рамках которого люди рассказывают о своих проблемах.

Первое.

Второе. Ищем посты с подобными ключевыми словами. Третье. Из большого количества постов отфильтровываем, первое, тех, кто является лицами, принимающими решения. То есть кто-то пишет не просто разработчик, а CTO, например, пишет про эту проблему, или еще кто-то, или фаундер, или так далее. То есть лицо, принимающее решение. Читаем этот пост ручками и понимаем, что на самом деле подходит нам этот чек или не подходит. Если подходит, мы размещаем комментарий. Говорим, о, привет, вижу твой пост. Я как раз занимаюсь тем, что помогаю в таких ситуациях. Я напишу в личку, давай свяжемся. И следующим сообщением делаем реквест на добавление в друзья. Добавление в друзья с контекстом, что читал твой комментарий и как раз помогаю в решении подобных ситуаций. Мы сейчас как раз тестируем подобный подход в двух проектах, специально в разных нишах, в разных подходах, и я с удовольствием поделюсь результатами.

Это первое.

А при чем здесь искусственный интеллект? А искусственный интеллект помогает нам создать правильный портрет клиента, использовать правильный словарь и правильно подбирать вот эти запросы, которые используются в... в постах. Естественно, есть решения автоматизированные, которые позволяют это делать, скажем так, не вручную в рамках LinkedIn. Ну, например, это может делать Phantom Buster. Это может делать Taplio по ключевым запросам, да. Ну, Taplio он делает очень просто. Он просто копирует весь LinkedIn, а дальше вы уже поверх ищите в его базе, да. Там у них своя история. Вот, но формально вы, как бы, LinkedIn, как бы, правила пользования Линкдином вы не нарушаете, их нарушает Tapio. Это их риски. Вот, соответственно, вот такой вот вам в начале подход, как можно находить людей, которые не просто лица, принимающие решения, находятся в определенной локации и так далее, но это люди, у которых прямо есть запрос. И этот запрос очень часто является индикатором больших существующих проблем. Именно вот здесь вы можете быть достаточно уникальными. Таких запросов в день может быть 5-6. Разными фильтрами, понятно. Я имею ввиду содержательных запросов, где человек говорит, мы команда, нам нужны люди, которые помогут нам в решении подобных вопросов и так далее. То есть нам нужны люди с такой экспертизой. Это не объявление о найме, это именно запрос на некую консультацию, запрос на некую экспертизу. Вы абсолютно комфортно можете зайти туда как специалист и продавать свои услуги. Поэтому фокусируйтесь на тех, кому надо, на тех, кому не надо. Ну, собственно говоря, не фокусируйтесь. Идем дальше. Давайте по вопросам. Я, соответственно, поделюсь с этими результатами. Ну, по сути, я вот уже ответил на первый вопрос. Сейчас я его выведу сюда в вопросы. Да, это реально очень важный вопрос на самом деле. Вот смотрите, как научить искусственный интеллект различать потенциальных клиентов, которые действительно нуждаются в разработке, от тех, кто просто интересуется.

Первое.

Искусственный интеллект здесь не панацея. Искусственный интеллект – это механизм, сбора и квалификации потенциальных людей. Его можно для этого использовать. Но вначале, до того, как использовать искусственный интеллект, я рекомендую сделать вам этот процесс, ну, как минимум, набросать его в рамках того же диалога с искусственным интеллектом. И самое важное здесь что? Нам нужно с вами найти список признаков, которые мы можем... На основании которых мы можем отличать клиента, которому действительно нужно, от клиента, который просто интересуется. Какие это могут быть признаки?

Первое.

Кому действительно нужно? Ну, во-первых, нам нужно общаться с ЛПРами, с людьми, которые принимают решения. Что с другими? Общаться в 80% случаев неинтересно. Исключаем, возможно, самые крупные компании, где есть целый тендерный комитет и где закупка делается, возможно, с помощью того самого одного из тех людей, с которыми вы общаетесь.

Это первое.

Дальше. Значит, это уровень второе. Все-таки размер компании. Знаете оборот хорошо, можете получить оборот. По американским компаниям обычно оборот получить несложно. Есть масса открытой информации. Вот. И запрос тоже в chat.jpg или в клод или в другие решения позволит вам примерно понимать, в каком диапазоне они находятся. Есть масса открытых сервисов, которые собирают эту информацию и делятся ей. В Европе и в других частях мира с этим посложнее. Но, как минимум, всегда есть индикативная оценка того же LinkedIn по тому, сколько человек там работает. Понимая цены, понимая стоимость труда в тех или иных компаниях, можно примерно получить порядок бюджета, который есть у данных компаний. Дальше что мы смотрим? Наличие определенных видов сотрудников. Ну, например, если вы занимаетесь разработкой, вы видите, что в структуре компании, вот сейчас с навигатором вы заходите в компанию, и он показывает, какое количество людей по функциям, какое распределение количества людей по функциям. И вы видите, что основные люди, которые работают в этой компании, основные функции – это маркетинг, продажи, product development и так далее. И там показывается образование, какие вузы закончили люди. Если там в основном гуманитарные вузы или экономические, то есть там нет технорей, это значит, первое, что они работают с какой-то аутсорсинговой компанией или с несколькими аутсорсинговыми компаниями и так далее. Там есть один CTO, который занимается этими вещами. И это окей, это нормально. Соответственно, вы можете быть им полезны в решении каких-то узких вопросов, и вы можете, соответственно, дальше им предлагать свои услуги, то есть сделать для них одну интеграцию, вторую, третью, то есть влазить потихонечку, открыли дверь и дальше влазить. Какие еще могут быть признаки? География. Опять же, смотрите на структуру профилей, которые работают в данной компании. Это может быть ситуация, когда там все, условно говоря, находятся в Штатах, все работают в белую и так далее. Окей, нормально, абсолютно без проблем. А бывают компании, в которых, условно, компания работает на западный рынок, и несколько человек – это бизнес-девелоперы, которые находятся локально, а вся разработка у них находится в Индии или в Пакистане. Там ловить, соответственно, понятно, нечего. Поэтому нам с вами нужно определиться с набором признаков, которые говорят о том, что люди действительно нуждаются в разработке. Какие еще признаки того, что люди могут нуждаться в разработке? У них есть вакансии разработчиков, которые они долго не могут закрыть. Например, в Indeed есть такая история, когда видно, можно фильтровать открытые вакансии, которые открыты 60 дней тому назад, 120 дней тому назад. Таким образом, увидев... То есть почему образуется такая ситуация? Почему такая ситуация происходит? Люди хотят на одного разработчика повесить функционал пятерых условно. Или просто они хотят некого единорога, то есть человека, который не существует в природе. Он должен делать и это, и это, и это. Это значит, что они недостаточно компетентные, они не разбираются в том, как построен этот процесс, и вы можете предложить им свое решение и сказать, смотрите, ребята, вы хотите нанять человека, он будет вам стоить столько. Мы понимаем, что это долгая история, что вы уже определенное время набираете условно говоря, что сложно такого человека найти. Давайте мы вам предложим решение. Треть работы делает фронт-енд, треть работает тот, треть там и тот, и так далее. Вы даете некий комплекс, который закрывает их работу. Не факт, что этот комплекс будет по нынешнему состоянию рынка дороже, чем работа этого самого единорога. Поэтому здесь важно, что не поддавайтесь на эти вакансии, если вы не используете этот любимый индийский прием, когда вы сами, как фаундер или кто-то из ваших специалистов устраивается на работу, а потом подтягивает всех остальных, сам ходит на совещание, а всю работу делают другие. Это вообще отдельная история. Нет, мы говорим именно про набор клиентов на аутсорс, вот прозрачно. То есть мы компания, вы компания, давайте работать вместе. Итого, показатели самой компании. Раз. Второе. Наличие открытых и незакрытых долговакансий. Третье. Увеличение количества разработчиков в штате. Это тоже видно в статистике, в том же самом LinkedIn и Salesforce навигаторе. Увеличение количества сотрудников в целом. Увеличение... Увеличение... получение финансирования, изменение senior позиций, ну то есть людей, которые где недавно в компаниях брали senior позиции, да, потому что смена top management обычно ведет к смене поставщиков. По крайней мере в малом среднем бизнесе мы с вами вполне можем конкурировать и как бы здесь мы можем использовать этот этот триггер, этот признак для того, чтобы коммуницировать с компаниями. Помимо самого LinkedIn есть еще ряд других систем, которые позволяют понимать, первое, ищет ли компания в интернете, банально, какие-то специализированные услуги. Tabombora, например, можно подписаться, получать подобную информацию тоже. Какие технологии компания использует? Это buildways и другие подобные сервисы, которые агрегируют эту информацию. В основном это информация про фронт-энд решения, конечно же, потому что они анализируют сервера. Про бэк-энд решения там информации, конечно, гораздо меньше, но тоже что-то собирают и тоже что-то предлагают. Не вся информация там мега актуальна, но, тем не менее, такое количество признаков позволяет вам сформировать достаточно узкий и прицельный портрет человека, на которого вы будете охотиться, с которым вы будете дальше в дальнейшем работать. И таким образом вам для подобной стратегии не нужны десятки тысяч аккаунтов, десятки тысяч контактов для того, чтобы общаться с людьми и так далее. В каждый момент времени вы можете общаться с человеком, который ищет это прямо сейчас. Вам для этого хватит квоты, одной или двух квот для работы с профилем. И вначале эту схему можно построить в ручном режиме, либо автоматизировать ее с помощью make, с помощью различных low-code решений, n8n, например, и так далее. А потом ее можно уже дальше автоматизировать. Есть решения, которые уже умеют это делать. Например, тот же самый Clay. Но, если я не ошибаюсь, подписка там в районе 300 долларов в месяц. И вопрос зачем? Эти процессы можно настроить с помощью интеграции с другими сервисами. Все это будет дешевле. Поэтому у нас это все работает, скажем так, собирается из нескольких сервисов. Поэтому в этом смысле я не вижу смысла переплачивать за кредиты в Clay. Итого, алгоритм здесь такой.

Первое.

Выбираете набор признаков. Раз. Второе. Находите источники, где эти признаки есть. Третье. Выбираете параметры, которые вас интересуют. Четвертое. Тестируете это вручную. Пятое. Ставите это на поток. И вот здесь уже нужна автоматизация и искусственный интеллект. Когда вы собрали полностью эту базу, искусственный интеллект уже может вам помочь помочь отобрать тех, кому это действительно нужно сейчас. Так, идем дальше. Так, вот такой вопрос интересный. Давайте выберем. Если есть вопросы, кстати, пишите. Живые вопросы, оно как бы тоже хорошо. Как использовать искусственный интеллект для создания кейсов, когда большинство проектов под NDA? Ну, смотрите. Большинство проектов под NDA – это нормальная история. Что мы можем в данном случае рассказать? Первое, надо рассказывать типовую ситуацию, не ссылаясь на компанию, а говорить о том, что к нам пришла компания, которая входит в большую четверку с таким-то запросом, раз, два, три. Мы решили его так, вот такие примерно были получены результаты. Все. Более того, если у вас даже нет кейсов, вы можете поступить еще хитрее. Вы можете, например, хотите вы работать, например, в AI-разработке, да? У вас собственных кейсов нет. Но вы знаете, как это делается, и знаете, как получить такие результаты. Берите чужие кейсы, рассказывайте, доносите их своей целевой аудитории. Только не говорите, что это ваши кейсы. Говорите, вот смотрите, вот такая проблема решается вот так. Мы можем для вас это сделать. Хотите, давайте обсудим. Если это достаточно актуальная боль, вы четко понимаете, что она актуальна для целевой аудитории, вы можете дальше генерировать хейст и так далее. Вот. Искусственный интеллект уже хорошо работает с текстами, уже неплохо формулирует правильно… формулирует проблему языком клиента, поэтому… Вполне рабочая история. Так, хороший вопрос. Дальше следующий. Стоит ли использовать AI для создания технических постов или лучше фокусироваться на бизнес результатах? Смотрите. Вопрос, кто ваш клиент. Если ваш клиент – лицо, принимающее решение, это бизнес, вы можете рассказывать техническими постами все, что угодно, он все равно вас не поймет и не услышит. Вам надо фокусироваться на бизнес результатах. Есть ребята, которые хорошо продают технолям, техническим специалистам. У них прям целая стратегия, как они заходят в CTO, то есть они показывают технические результаты и говорят, вот как это повлияло на бизнес. Поэтому все сильно зависит от вашей целевой аудитории. Если ваша целевая аудитория – технические специалисты, безусловно. Если бизнес-специалисты, то не перегружайте в бизнес специалистов непонятную информацию. Знаете, вспоминается старый анекдот, как ваш код слышит, как понимает ваш разговор. Бла-бла-бла, бла-бла-бла, вискос. Вот тут то же самое, да? Когда вы рассказываете про новый стэк, про высокопроизводительные, там, рак-системы и прочее, прочее, прочее, человек такой, ну, да, вот какие-то инструменты он рассказывает, ничего не понимает. Как это? Ничего не понятно, но очень интересно. А самое грустное в этой ситуации, что этот человек через, там, две с половиной минуты, в лучшем случае, выключается, он просто перестает понимать, о чем вы говорите. Говорите о бизнес-результатах с бизнесом. Иначе это не работает. Люди просто засыпают. Дальше. Как AI может персонализировать первое сообщение на основе профиля потенциального клиента? Классный вопрос. Мы с ним столкнулись год назад и пробовали разное решение. Значит, обычно... Ну, то есть как? Вы можете сделать следующее. Вот если взять ручной процесс, например. Вы сохраняете профиль человека в LinkedIn в PDF. Этот PDF скармливаете искусственным интеллектом и говорите, пожалуйста, подготовь мне первое сообщение, такое, которое зацепит данного человека с учетом моего бэкграунда, чем мы можем друг к другу пообщаться. Рабочая история. Иногда это бывает, в 80% случаев, это бывают хорошие сообщения, особенно если настроена информация о том, кто вы, что вы, ваш опыт и так далее. Но вы же не будете это делать каждый раз, правильно? И каждый раз это делать сложно. Есть системы, которые заточены под одно сообщение. Разные. Дайте вспомню, как же она называется. Сейлс, сейлс, сейлс и яй, кажется. Что-то такого плана. Напишите мне, кому интересно. Я посмотрю. Это, кстати, украинская система. Украинские разработчики наши. И ребята заточены именно на одношаговое. на хорошее одношаговое сообщение с большим количеством людей. Мы их тестировали где-то примерно год назад. Нам понравилось, как они это сделали именно в рамках одного шага, но мы поняли, что... Поскольку система... Там можно настраивать нашу... Делать нашу базу данных, загружать список лидов. Оно генерирует уникальные сообщения и даже, по-моему, отправляет их. Но проблема состоит в том, что дальше оно не идет. Ну, окей, вы отправили эти запросы людям. А дальше что? Дальше вам нужно садиться и писать самому. А вот это грустная история. Поэтому мы сделали собственное решение. Называется оно это самое... ЛинкедЛидер. Ссылочку сброшу, можете попробовать для себя это. Как оно работает? ЛинкедЛидер анализирует... Ссылочку сейчас сброшу, кому интересно. Я вам прямо в комментарии сюда сброшу, в чатик прямо сброшу. Попробуйте это самое, как оно работает. Смотрите, значит, мы сделали что? Мы понимаем, что нам нужно выстроить цепочку. Мы не продаем с первого раза. И нам для этого нужно, с одной стороны, проанализировать профиль, проанализировать последние посты, о чем этот человек пишет. Сопоставить это с тем, что мы умеем и найти хороший зацеп. Более того, когда человек нам ответит, нам нужно, используя его ответ, дальше строить следующую цепочку в логике полезный контент, наш кейс, приглашение на встречу и так далее. Вот так эта история работает. Поэтому мы сами сделали такое решение, потому что, к сожалению, на рынке не нашли пока решения, которые умеют это делать. И умеют делать это достаточно безопасно. Поэтому, кому интересно, попробуйте. Так. Окей. Вот хороший вопрос тоже. Давайте сейчас отвечу на него. Так. Как научить искусственный интеллект писать follow-up сообщения, которые не выглядят как спам? Смотрите. Как человек определяет сообщение спам или не спам?

Первое.

Это сообщение, его не касается. То есть, оно выглядит стандартно, типично, шаблонно.

Первое.

Второе. Оно неинтересно. То есть оно затрагивает те вопросы, которые для человека невелевантны, то есть к нему неинтересны. И поэтому человек воспринимает их как спам, как некоторые пинки и так далее. Поэтому флап-сообщения должны нестись в себе определенную ценность. Не привет, как дела, я тебе писал, там, friendly reminder и так далее. Это тоже работает. И это окей. Но работает это хуже. Я предлагаю делать фоллуапы, в которых есть ценность, в которых есть в самом сообщении есть некая добавочная ценность. Ну, например, вы договорились, например, с фаундером стартапа связаться через две недели, но человек не назначил с вами созвон. И вы ему там, условно, через полторы пишите. Нет времени, не забит слот в календаре. Вы пишете, привет, Джон, я недавно был на такой выставке, увидел вот такую штуку. Кстати, мы с тобой собираемся через полторы недели пообщаться на такую тему. Могу, кстати, и рассказать тоже, да. То есть выглядит это как вы делитесь чем-то интересным для данного человека, оно действительно должно быть интересным для этого человека, и как-то касаться его работы. И тогда человек говорит, а, да, кстати, вот, да, мы же там говорили, да, мне же на этой встрече что-то будут продавать. Ну, кстати, заодно и на эту тему пообщаемся. То есть фоллоуапы должны быть... есть такое слово английское хорошее – conversational, да, то есть они должны быть разговорные. Это не просто там, типа, привет, как дела, давай встретимся. А должны как-то человека разговаривать, должны как-то к чему-то человека подвести, да. И это хорошо, потому что люди так… Обычно так делают люди. Роботы так обычно не делают. Поэтому хотите, чтобы ваши роботизированные сообщения были интересными и вызывали интерес, то, соответственно, научите их общаться определенным образом. Дайте им алгоритмы, вот это conversational follow-ups. Вот. Прямо так и поставьте им задачу, чтобы они это сделали. И обязательно персонализируйте их с точки зрения, чтобы этот фоллап касался тематики данного человека. Тогда это будет круто. Так, вот хороший вопрос. Давайте еще этот вопрос обсудим, и тогда уже побежим, потому что у меня уже встречи дальше идут. Значит, если есть вопросы, пишите мне в Telegram, пишите в личку, я с удовольствием их собираю и комментирую. Стоит ли использовать искусственный телег для автоматического комментирования постов потенциальных клиентов? Смотрите, этого стало много в данный момент. Есть сервисы, которые говорят, мы отслеживаем в разных пакетах разные условия, условно говоря, 200 потенциальных рядов, и как только у них появляется пост, мы генерируем контент, и этот контент постим от твоего имени. Работает ли тактика регулярного комментирования? Да, эта тактика работает. Работает она к чему? Она позволяет обратить на вас внимание, потому что читателей много, комментаторов в десятки, а то и сотни раз меньше, а людей, которые осознанно еще комментируют, их еще гораздо меньше. Поэтому работает ли сам процесс комментирования? Да. Работает ли AI-комментирование? Те попытки, которые я сейчас вижу, я могу их назвать неуклюжими. Потому что вот есть несколько человек, которые регулярно комментируют мой LinkedIn аккаунт, там различные посты и так далее. Это разные ребята. Это ребята из разных стран, комментируют на английском языке. Я вижу, что это AI с генерированными комментариями. И я не до конца понимаю, чего они хотят. Они хотят обратить внимание? Да. Они обращают. Дальше что? Они не выстраивают эту историю логически дальше. Они не пишут дальше сообщение, что я прочитал этот комментарий, ответил, давай обсудим это лично. Они не строят эту цепочку дальше. Поэтому просто комментирование – это инструмент обращения внимания. Хорошо. Дальше что? Что за этим вниманием стоит? Какие шаги? Какие изменения? Какие действия? Нет шагов – это все впустую. Поэтому, если вы правильно настроите комментирование, чтобы оно было похоже на человекоподобное, окей, оно должно быть коротким, емким, по смыслу и так далее. Не надо выписывать какие-то гигантские эти самые хвостыни текста, которые не имеют никакого смысла, да? А вот короткое комментирование с хорошим ходом дальше в личные сообщения, добавлением в контакты, предложением услуги или предложением решения проблемы, которую вы видите, Это хорошая история. Да, это хорошая история и она работает неплохо. Так, дальше. Это последний. Вот это уж точно последний, побежали. Стоит ли рассказать клиентам, что часть коммуникации осуществляется через искусственный интеллект? Смотрите. Люди относятся к этому по-разному. Первое, в идеале ваши лиды не должны видеть и понимать, что с ним общается искусственный интеллект. Если они видят, что с ним общается искусственный интеллект, значит вы где-то фокапите и вы, ну, как бы не дорабатываете, вы не похожи на человека, потому что общение с человеком ценится, а общение с искусственным интеллектом ценится гораздо меньше. Если мы говорим о продаже дорогих услуг, это всегда должно быть общение на максимально высоком уровне, на максимально высоком уровне компетенции, и поэтому искусственный интеллект девальвирует, ну, как бы, использование искусственного интеллекта девальвирует подобное общение. Поэтому можно готовить сообщение, но их всегда должны проверять люди перед тем, как они отправляются. Это всегда золотое правило, потому что искусственный интеллект тоже бывает галлюцинирует, и поэтому пишет не то, что надо. То есть человек сразу, при первом даже взгляде на это сообщение, понимает, что оно не туда. Поэтому обязательно надо, чтобы все это проверяли люди. Итого, отбирать целевую аудиторию можно с помощью критериев, которые вы сами создали. И искусственный интеллект может быть вашим помощником в этом вопросе. Это раз. Второе. Подготовка сообщений может быть на хорошо обученной базе данных, на хорошо обученной модели, на вашем массиве данных и документов с хорошей спецификацией тоже может быть полезна. Но она должна быть максимально человечна. И у человека не должно быть ощущения, что он общается с роботом, да. С доставкой сложнее, потому что LinkedIn с этим борется. Но, как минимум, если отбор и генерация делается искусственным интеллектом, то отправку уже можно сделать ручками для того, чтобы не рисковать профилем и как бы не попадать в эти пресловутые проценты, которые банятся с помощью автоматизации. Итого. Обучайте свои решения, обучайте свой искусственный интеллект в работе с вашими клиентами. Кормите его кейсами, историями, полезным контентом. Повышайте уровень искусственного интеллекта, но всегда контролируйте человеческий тон. Естественный тон. Допускайте даже небольшие погрешности так, как это пишет человек. Потому что это ценится гораздо больше, чем просто общение с каким-то роботом. Значит, на этом все. Я думаю, тема себя не исчерпала. Мы еще будем говорить на эту тему. И про принципы, и про инструменты и так далее. Вот. Сейчас я больше говорил о принципах, как это делать нужно. Ну, про инструменты вот рассказал про. Протапливал немножко, рассказал немножко про LinkedIn Leader. Соответственно пробуйте, тестируйте. Тоже хорошая история. Поэтому желаю всем новых крупных контрактов. Если есть вопросы, если есть непонимание, где говорят клиентов, как с ними работать, внизу в описании ссылка. Сейчас эта ссылка будет в комментариях. Бронируйте время для созвона с нашей командой. Мы вам подскажем, дальше вы сами либо будете делать самостоятельно эту структуру, либо примете решение и скажете, ребята, сделайте это за меня с финансовой гарантией результата. Тогда мы уже подписываем контракт, мы несем на себе обязательства и, соответственно, делаем для вас эту работу. Желаю всем новых крупных контрактов. До скорой встречи. Пока-пока.