Как искать клиентов в Штатах IT-компаниям? Рассказываем по шагам в этом кейсе.
Бизнес-кейс – самый полезный для практики материал. Но описания кейсов обычно слишком общие и неконкретные, дабы не слить приватную информацию. Да, есть такое дело.
Разумеется, никто не покажет клиентских цифр, если в этом не заинтересован сам клиент.
А вот свою собственную технологию, внутреннюю технологию работы по лидогенерации – мы показываем.
Поскольку технологии лидгена используются нами в собственных интересах, то недавно стали сотрудничать с компанией под условным названием InterSoft.
Задача от клиента – найти американские компании, которым нужны услуги IT-аутсорсинга в сфере искусственного интеллекта, блокчейна, web/mobile разработки.
InterSoft два года назад перевел бизнес в ближнее зарубежье. И уже оттуда продолжает выход на внешний рынок.
Постановка задачи
Чтобы задать критерии поиска, задача была уточнена по приоритетам:
- Аутсорсинг по искусственному интеллекту, с упором на компьютерное зрение, но не IoT. Акцент на медицинскую отрасль.
- NLP + машинное обучение, но исключительно для B2B.
В этих областях у клиента есть серьёзные наработки и довольные клиенты, готовые рекомендовать компанию через отзывы, в том числе на Clutch.
Более подробное “поисковое задание” формулируется в ICP, в профиле идеального клиента.
Ресурсы для поиска
Для InterSoft мы воспользовались национальными списками стартапов в области AI, данными по выпускникам акселераторов, локальными Usa job boards, заточенными под IT-специалистов. Отдельный источник – платные базы данных.
Снять нужную информацию есть чем, парсеров готовых хватает, даже не стоит на этом останавливаться. Но это все – полдела.
Главное – найти среди сырых данных потенциального клиента для InterSoft. Тем более что в профинансированные стартапы ломятся примерно все, сегмент выглядит привлекательным плюс известна информация.
Придется отложить лопату и взять скальпель.
Собираем информацию
Выгружаем сайты компаний из полученных баз.
Парсим содержимое их страниц и доступных Linkedin-аккаунтов компании.
Кстати, давайте попросим ChatGPT написать Python код для решения задачи парсинга текста с сайта.
Над кодом немного поколдуем, добавим в него чтение данных из списка сайтов и запись готовых данных в Google Sheets или Excel. После этого работаем с сохраненным текстом c помощью преднастроенных AI-ассистентов.
Например, интересуемся:
– Чем конкретно занимается эта компания? Ответь в 3 предложениях.
Изредка встречаются компании с услугами, которые ставят AI в тупик: “We focused on bringing big ideas to life”. Придется потратить лишнюю минуту на детальные раскопки.
– Это B2B или В2С компания?.
И так далее.
AI не только ответит, но и обоснует свой выбор. Однако на 100% доверять ему не стоит, хотя автоматика есть автоматика: все ответы будут аккуратно разложены по ячейкам в вашей таблице, будь там хоть 100, хоть 10000 строк.
Какие еще вопросы важны для правильной выборки:
- Стек технологий, который используют компании.
- Конкретные области медицины, которые обслуживают компании.
Согласно базовой постановке задачи учли, что именно подходит для InterSoft:
- Анализ УЗИ
- Распознавание рентгеновских снимков, MRT.
Исключили то, что точно не подходит. В нашем случае – анализ геномов, это мимо.
Осталось задать себе финальный вопрос: кто из списка наиболее вероятный идеальный клиент для компании InterSoft? На этом этапе информация изучается глазами, подключается экспертность и насмотренность. Но согласитесь: с задачей легче справляться, когда предварительный анализ уже проведен.
Мы не собирали для InterSoft тысячи компаний в список кандидатов. Работа ведется точнее и через точную нарезку целевых сегментов для персонализации обращений.
Инструменты первичного поиска
- Python — наш верный друг.
- Парсеры: от готовых до полуфабрикатных, типа brightdata.com, crawlbase.com и самописные на фрейворках Requests и Selenium.
- AI: Edenai.co (для выбора и тестирования подходящей LLM), API Open AI, Replicate (для удешевления процесса). Пробовали подбирать модели на Hugging Face – но неудачно, подходящих не нашли.
- Google Sheets или Excel – хранилище для улова.
Появляются на рынке и готовые инструменты, в той или иной мере решающие подобные задачи, как пример, clay.com. Тестировали, но остановились все же на OpenAi.
В поисках ЛПР-ов
Задача: Найти ЛПР-а (лицо, принимающее решение) в ранее выбранных компаниях.
Компания InterSoft уточнила характеристики значимых персон и особенности процедур принятия решений.
Как искали людей в США
1. LinkedIn Sales Navigator:
Запускаем Boolean Search, используя ключевые слова: CEO, Executive, Chief Executive Officer, Strategist, Chairman. Мы используем целую библиотеку синонимов названий должностей. Ладно, со Штатами для InterSoft проще, а для других клиентов использовали национальные языки с их гешефтфюрерами в Германии или капо в Италии.
2. SAS-сервисы, такие как snov.io. Удобно и быстро ищет по списку компаний и c фильтром по должностям, но не всегда информация свежая. Впрочем, и LinkedIn — не панацея, люди ленятся обновлять информацию о себе.
3. Сервисы типа Theorg.com, раскрывающие оргструктуру компаний. Кстати, есть варианты как для западных рынков, так и для СНГ. Применяли точечно, при нехватке информации из Linkedin.
4.Сервисы со специализацией на поиске корпоративных e-mail. Такие, как Hunter.io, Apollo.io, kendoemailapp.com, findymail.com и др. Эти сервисы не ограничиваются данными Linkedin, а ищут информацию сразу по многим источникам. А Hunter даже не скупится дать на них ссылки.
5. Сервисы реверсивного поиска. Иногда можно достать инфу о корпоративных мейлах, но не о людях. А если известен корпоративный e-mail и ничего больше, мы использовали сервисы реверсного поиска: epieos.com, emailsherlock.com и другие.
6. Платные бизнес справочники, как правило, содержат нужную информацию, их великое множество.
7. И, наконец, наша тяжелая артиллерия: собственные скрипты, а так же решения, позаимствованные с GitHub. Плюс OSINT-инструменты типа SpiderFoot или Cherlock – в самых сложных случаях (для InterSoft не использовали, но обращаемся, если контакты не нашли, а компания значима для нашего клиента).
На этом шаге мы собрали достаточно информации о потребностях компании и контактах людей для первого обращения.
Обогащение информации по компании и людям
Для продолжения коммуникаций нужна дополнительная информация.
Что и как ищем:
- Job-доски: анализируем вакансии, чтобы понять, какие специалисты нужны компании. Как раз и использовали в данном случае.
- LinkedIn Sales Navigator: аккаунты самой компании и сотрудников.
- Прочие соцсети. Посты и обсуждения в соцсетях – кладезь информации о потребностях и настроениях компании. Чтобы вытащить информацию из социальных сетей, на помощь приходят social-searcher.com, платный sociallinks.io, для специфических случаев phantombuster.com.
- Поиск по СМИ (использовали точечно). Для этих целей хорошо подходят агрегаторы feedly.com, inoreader.com, а самые свежие новости по ключевым словам или названию компании можно найти через newsbrief.eu или google news. В общем случае у нас есть заготовки CSE (пользовательский поиск от Google) с привязанными ресурсами, по которым выполняем поиск.
Такие исследования проводили уже на втором шаге, для тех, кто проявил активность после первого контакта. Включали также для случая, когда SDR’ы готовились к первому звонку.
Без креатива никуда: человечность, информированность, персонализация
Пришла пора выстраивать цепочки касаний от лица компании InterSoft.
У нас собрана и обогащена информация о компаниях и ЛПР. Собрана статистика по заинтересованным компаниям и людям. И далее к каждому нужно найти индивидуальный подход. На основе собранной информации.
Формула коммуникации звучит так: «Show me you know me». И еще одна: “Мало слов, но много смысла”.
На этом шаге мы опять используем API ChatGpt 4.0. Иногда AI выдает такие душевные обращения, что добавить нечего. Но чаще идеи AI нужно полировать, добавляя собственную креативность.
Важный момент – куда “приземлять” потенциального клиента. Быстрые коннекты в LinkedIn хорошо работают, только если у InterSoft есть предложение, отвечающее потребностям клиента.
Поэтому, как минимум, о решениях должно быть рассказано на языке выгод клиента. Как говорится, чтобы он нашел то, о чем давно мечтал, но не мог сформулировать.
Решаем технические вопросы
По ходу работы приходится решать чисто технические вопросы.
- Валидировать адреса электронной почты.
- Предварительно прогреть почтовые ящики, чтобы письма не попадали в спам.
- Настроить цепочку касаний с A/B тестами, учитывая, что в дальнейшем, в зависимости от реакций, придется на ходу многое оптимизировать.
Не забываем про LinkedIn. Лайки, комментарии, инвайты – куда без них.
Существует множество сервисов, которые помогут настроить цепочки касаний, как для e-mail, так и для Linkedin, а также для того и другого сразу. Мы использовали Snov.io и Expandi.
Процессы в действии
Нарезаем аудиторию на узкие сегменты и запускаем процесс.
Выглядит это примерно так:
Далее анализируем отклики и KPI и оптимизируем процессы.
На какие цифры ориентируемся:
Email:
- Open rate: 60-70%
- Reply rate: 3-13%
- Positive reply rate: 2-3%
LinkedIn:
- Connection rate: 20-35%
- Message reply rate: 4-12%
Что в итоге: поток Marketing Qualified Leads
Результат всех этих действий для компании InterSoft – MQL, то есть представители потенциальных клиентов, проявившие активный интерес, теплые лиды. Люди, которые пишут в ответ «This sounds promising, but I’d like to see some case studies or testimonials», «I’m available for a call next week to discuss this further», «I’m definitely interested in learning more about your pricing options».
Для работы в США компания InterSoft организовала там точку присутствия с виртуальным номером телефона и представителем, так как кроме ожидания входящего обращения наш клиент использовал активный исходящий телефонный обзвон.
Наш клиент получил поток лидов, которые специалисты по продажам конвертировали в сделки.
Заключение
Сбор информации, поиск нужных людей, рассылка обращений – не самая простая задача. В описаниях вакансий лидогенераторов пишут: “Нужен человек, готовый выполнять изо дня в день рутинную работу, не теряя энтузиазма”.
Наша команда использует технологичный подход, минимально привлекая людей на рутину. А зачем? Если есть:
- Готовые сервисы.
- Python.
- Искусственный интеллект.
Это адская смесь? Совсем нет! Это наш секретный механизм автоматизации.
Представьте:
Интерфейс в виде AI-ассистентов, которые взаимодействуют между собой и сторонними программами. Эта связка приносит на блюдечке теплые лиды для отдела продаж. Наши AI-ассистенты пашут 24×7, не требуя ничего взамен.
Наш креатив по части постановки задач перед AI, Python и сервисами превосходит тот, который вложен в LLM-ы.
Способность создавать персонализированные личные обращения – всё еще задача человека и это правильно. Пусть так и остается.
Наша команда развивает проект IT-Leadgen.com именно с целью создания технологичного лидгена. Такой подход увеличивает КПД генерации теплых лидов для IT-компаний и не только.
Напишите свой запрос, подумаем над вариантами.
Еще статьи: