"AI lead generation" dipasarkan sebagai cara untuk menghasilkan lebih banyak lead. Sebenarnya, ini jauh lebih tepat dipahami sebagai cara untuk mengurangi jumlah lead yang hilang dari yang sudah Anda miliki, dan perbedaan ini menentukan apakah alat tersebut membantu Anda atau justru merusak reputasi Anda.
Hitungan yang tidak nyaman
Kebanyakan bisnis afiliasi tidak punya masalah volume lead. Mereka punya masalah tindak lanjut, yang dari luar terlihat seperti masalah volume.
Coba hitung sendiri di pipeline Anda. Hitung lead yang sama sekali belum dihubungi, dan lead yang tidak tersentuh selama dua minggu. Di kebanyakan pipeline, kedua kelompok ini bersama-sama jumlahnya lebih banyak daripada lead yang sedang benar-benar dikerjakan. Setiap satu dari mereka sudah dibayar, entah dengan uang atau usaha, dan sedang meluruh mengikuti kurva yang dijelaskan dengan gamblang oleh riset waktu respons.
Menambahkan kontak hasil AI ke tumpukan itu tidak memperbaiki apa pun. Itu hanya menambah antrean yang memang sudah tidak dikerjakan.
Jadi, penerapan AI yang paling bernilai di sini justru tidak glamor: memastikan lead yang sudah Anda miliki mendapat respons yang tepat waktu, relevan, dan terdengar manusiawi. Itu adalah masalah penyusunan draf dan prioritas, dan model AI unggul di keduanya.
Apa yang benar-benar dilakukan AI dengan baik di sini
Menyusun draf pesan pertama dengan konteks nyata. Dengan mengetahui dari mana lead itu berasal, apa yang mereka tanyakan, dan apa yang biasa Anda katakan, model AI dapat menghasilkan draf pertama yang cukup baik dalam hitungan detik. Dalam seminggu, itu berarti berjam-jam waktu yang kembali ke Anda.
Merangkum satu lead. Setiap catatan, email, dan jawaban formulir dari satu orang, dipadatkan menjadi tiga hal yang perlu Anda ketahui sebelum menelepon.
Menemukan pola yang tidak bisa Anda lihat sendiri. Di antara ratusan lead, pertanyaan apa yang terus berulang, sumber mana yang sepi pada tahap yang sama, keberatan apa yang terus muncul. Ini benar-benar kemampuan baru, bukan sekadar versi lebih cepat dari sesuatu yang sudah Anda lakukan.
Menyusun draf dalam skala kampanye. Naskah landing page, caption untuk sebulan, varian untuk pengujian. Semuanya draf pertama, tetapi draf pertama untuk sebulan penuh adalah awal yang nyata.
Apa yang dilakukannya dengan buruk, dan di mana bahayanya
Memproduksi kontak. Alat yang mengais atau menerka detail kontak lalu mengirim email dalam jumlah besar hanya menghasilkan kontak, bukan lead. Tingkat responsnya sesuai dugaan, dan biayanya bukan cuma usaha yang terbuang: reputasi pengiriman lambat dibangun tapi cepat hancur.
Mengirim tanpa ditinjau. Kegagalan sebenarnya bukan soal tulisan yang buruk. Yang berbahaya adalah pesan yang bertentangan dengan percakapan nyata, karena model tidak tahu percakapan itu pernah terjadi. Itulah yang bisa membuat Anda kehilangan kesepakatan yang sebenarnya sudah di tangan.
Menilai niat dari sinyal yang tipis. Penilaian skor bekerja pada skala besar. Pada skala afiliasi, Anda tahu lebih banyak daripada model tentang siapa yang sedang "hangat".
Kepatuhan tidak berubah
Perlu dikatakan dengan jelas, karena materi pemasaran AI cenderung diam soal ini. Menggunakan model untuk menulis pesan tidak mengubah apa pun dari aturan yang mengatur pengirimannya. Ketentuan CAN-SPAM dari FTC soal header yang akurat, alamat fisik, dan tautan berhenti berlangganan yang berfungsi tetap berlaku sama persis. Di wilayah yang menerapkan rezim persetujuan seperti GDPR, daftar hasil buatan model bukanlah dasar hukum yang sah.
"AI yang menemukan mereka" bukan pembelaan yang pernah berhasil digunakan siapa pun.
Susunan kerja yang layak ditiru
- Lead masuk dengan tanda sumbernya, ke satu pipeline.
- Begitu satu lead masuk, konfirmasi penerimaan langsung dikirim, agar tak ada yang dibiarkan tanpa kabar.
- Sebuah model menyusun draf tindak lanjut sesungguhnya menggunakan konteks nyata lead: sumbernya, apa yang mereka tanyakan, di tahap mana mereka berada.
- Anda meninjau dan mengirim. Dua menit, bukan dua puluh menit.
- Apa pun yang terbaca sebagai sinyal nyata, sebuah balasan atau pemesanan jadwal, menarik lead itu keluar dari otomasi dan masuk ke daftar Anda untuk hari itu.
- Sekali seminggu, sebuah ringkasan lintas seluruh pipeline: apa yang terus berulang, apa yang macet.
Setiap langkah di sana melipatgandakan nilai dari lead yang sudah Anda miliki. Tidak satu pun bergantung pada memproduksi orang asing, dan itulah bagian dari "AI lead generation" yang layak Anda sikapi dengan skeptis.
Masalah prioritas, yang sebenarnya jadi inti persoalan
Kebanyakan pemasar afiliasi tidak butuh bantuan mencari orang untuk dihubungi. Mereka butuh bantuan memutuskan mana dari sembilan puluh orang yang sudah ada di pipeline yang harus dihubungi hari ini, dan dengan urutan seperti apa.
Ini adalah penggunaan model yang benar-benar baik, dengan satu syarat: model itu harus bisa menjelaskan alasannya. "Hubungi keenam orang ini dulu" tidak berguna. "Keenam orang ini karena mereka mengklik tautan harga dalam seminggu terakhir dan belum ada yang membalas mereka" adalah sesuatu yang bisa ditindaklanjuti, dan juga bisa diverifikasi, yang penting karena tanpa itu Anda tidak akan mempercayainya.
Versi praktisnya adalah ringkasan harian singkat, bukan sekadar skor. Apa yang berubah sejak kemarin, siapa yang melakukan suatu tindakan, siapa yang menjadi sepi pada tahap di mana kesepian biasanya berarti hilang. Itu bisa dibaca dalam tiga puluh detik dan menggantikan sepuluh menit menggulir layar yang biasa dilakukan kebanyakan orang.
Volume tanpa kerusakan
Jika Anda memang akan mengirim dalam jumlah besar, ada tiga hal yang melindungi Anda, dan tak satu pun berkaitan dengan model AI-nya.
Kirim ke orang yang memang meminta. Ini bukan sekadar soal kepatuhan, ini adalah perbedaan antara reputasi pengirim yang membaik dan yang memburuk. Setiap bounce dan setiap keluhan dari daftar yang Anda kumpulkan sendiri merugikan deliverability daftar yang Anda peroleh dengan cara yang benar.
Lakukan pemanasan dan jaga konsistensi. Lonjakan volume mendadak dari domain tanpa riwayat adalah sinyal spam paling kuat yang ada. Pertumbuhan pengiriman seharusnya terlihat bertahap.
Perhatikan balasan, bukan open rate. Pelacakan open rate sudah tidak bisa diandalkan sejak klien email mulai mengambil gambar terlebih dahulu (pre-fetch). Balasan adalah metrik yang belum terdegradasi oleh fitur privasi, dan itu juga metrik yang justru berkorelasi dengan pendapatan.
Contoh kasus
Ambil sebuah pipeline dengan empat ratus lead, di mana enam puluh belum pernah dihubungi, dan seratus dua puluh belum bergerak selama dua minggu.
Tawaran "AI lead generation" adalah menambahkan kontak ke tumpukan itu. Hitungan yang sebenarnya berkata lain: seratus delapan puluh lead sudah ada di sana, sudah dibayar, dalam kondisi di mana pesan yang layak masih bisa berhasil.
Kerjakan itu dulu. Sebuah model menyusun draf pesan pertama untuk masing-masing dari konteks nyata lead, Anda meninjau kelompok berisi dua puluh dalam waktu sekitar setengah jam, dan jumlah yang belum tersentuh turun ke nol dalam waktu seminggu. Setelah itu, ringkasan harian menjaganya tetap begitu.
Tidak ada satu pun dari itu yang membutuhkan penemuan satu orang baru pun, dan bagi kebanyakan bisnis, itu menghasilkan pendapatan lebih besar daripada sebulan lalu lintas baru, karena lead-lead ini sudah menunjukkan minat. Lalu lintas baru belum menunjukkannya.
Apa yang perlu diukur
Dua angka, diambil sebelum dan sesudah.
Tingkat kontak. Persentase lead yang menerima pesan pertama yang nyata dalam waktu dua puluh empat jam. Jika sebuah alat tidak menggerakkan angka ini, alat itu tidak membantu lead generation, apa pun labelnya.
Tingkat balasan pada kontak pertama. Di sinilah kualitas penyusunan draf terlihat. Jika tingkat balasan turun setelah Anda memperkenalkan penyusunan draf dengan AI, berarti model itu kekurangan konteks dan menghasilkan pesan yang generik, yang merupakan masalah yang bisa diperbaiki, bukan alasan untuk meninggalkan pendekatan ini.
Keduanya mudah dihitung dan tidak satu pun muncul di dasbor vendor, itulah sebagian alasan mengapa keduanya layak Anda hitung sendiri.
Apa yang tetap harus Anda kerjakan sendiri
Ada dua hal yang menjadi milik Anda, terlepas seberapa canggih perangkatnya nanti.
Penawarannya. Apa yang Anda sodorkan kepada orang, dan mengapa itu layak mendapat perhatian mereka. Tidak ada model yang mengenal pasar Anda cukup baik untuk memutuskan ini, dan model akan dengan senang hati menghasilkan jawaban yang percaya diri namun sebenarnya hanya campuran dari jawaban orang lain.
Balasan yang benar-benar penting. Ketika seorang lead kembali dengan pertanyaan nyata atau keberatan nyata, itulah momen di mana bisnis dimenangkan atau kalah. Menyusun draf untuk itu dengan model menghasilkan sesuatu yang masuk akal namun generik, dan itu justru register yang salah untuk satu pesan di mana kekhususan adalah keseluruhan intinya.
Semua hal di luar kedua hal itu — konfirmasi penerimaan, tindak lanjut yang tak sempat dikerjakan siapa pun, ringkasan tentang apa yang berubah — bebas Anda serahkan ke AI, dan membereskan semua itu adalah yang memberi Anda ruang perhatian untuk mengerjakan kedua hal di atas dengan benar.
Common questions
Bisakah AI menghasilkan leads dengan sendirinya?
AI bisa menghasilkan kontak. Namun apakah itu leads sungguhan tergantung pada apakah ada orang yang memang ingin mendengar kabar dari Anda, dan tidak ada model yang bisa mengubah hal itu. AI jauh lebih bernilai jika diterapkan pada leads yang sudah Anda miliki, bukan untuk mencari orang asing baru.
Apa penggunaan AI terbaik dalam lead generation?
Menyusun draf follow-up, merangkum apa yang telah disampaikan lead, dan mengenali pola di antara leads yang tidak sempat Anda baca satu per satu. Ketiganya memperbesar nilai leads yang sudah ada, bukan menciptakan leads baru dari nol.
Apakah outreach yang ditulis AI masih efektif?
Jika ditinjau dan diedit, ya. Jika dikirim tanpa peninjauan dalam jumlah besar, hasilnya sama seperti outreach massal lainnya, yaitu buruk, dan ini berisiko merusak reputasi pengiriman Anda.
Apakah AI lead generation tetap sesuai regulasi?
Model AI tidak mengubah aturan yang berlaku. Persyaratan persetujuan menurut GDPR, serta ketentuan header, pelabelan, dan unsubscribe menurut CAN-SPAM, tetap berlaku persis seperti jika Anda mengetik pesan itu sendiri.