La "lead generation con l'IA" viene venduta come un modo per produrre più lead. È molto meglio intesa come un modo per perderne di meno di quelli che già si possiedono, e questa distinzione determina se gli strumenti vi aiutano o danneggiano la vostra reputazione.
La scomoda aritmetica
La maggior parte delle attività di affiliazione non ha un problema di volume di lead. Ha un problema di follow-up, che dall'interno sembra un problema di volume.
Fate i conti sulla vostra pipeline. Contate i lead senza alcun contatto, e quelli non toccati da due settimane. Nella maggior parte delle pipeline questi due gruppi insieme superano numericamente i lead su cui qualcuno sta effettivamente lavorando. Ognuno è stato pagato, in denaro o in fatica, e sta decadendo lungo una curva che la ricerca sui tempi di risposta descrive con chiarezza.
Aggiungere contatti provenienti dall'IA a tutto ciò non risolve nulla. Aggiunge alla coda che già non viene lavorata.
Quindi l'applicazione di maggior valore dell'IA in questo ambito è poco affascinante: assicurarsi che i lead che avete già ricevano una risposta tempestiva, pertinente e dal suono umano. È un problema di redazione e di definizione delle priorità, e i modelli sono bravi in entrambe le cose.
Ciò che l'IA fa davvero bene in questo ambito
Redigere il primo messaggio con un contesto reale. Dato da dove proviene il lead, cosa ha chiesto e cosa dite di solito, un modello produce una discreta prima bozza in pochi secondi. Nell'arco di una settimana sono ore recuperate.
Riassumere un lead. Ogni nota, email e risposta a un modulo relativi a una persona, compresse nelle tre cose di cui avete bisogno prima di una chiamata.
Trovare lo schema che non riuscite a vedere. Su centinaia di lead, quali domande ricorrono, quali fonti si spengono nella stessa fase, quale obiezione continua a comparire. Questa è una capacità genuinamente nuova, non una versione più veloce di qualcosa che già facevate.
Redigere bozze su scala di campagna. Testi di landing page, un mese di didascalie, le varianti per un test. Sono tutte prime bozze, ma un mese di prime bozze è un vero vantaggio di partenza.
Ciò che fa male, e dove diventa pericoloso
Fabbricare contatti. Gli strumenti che raschiano o inferiscono dettagli di contatto e inviano email in massa producono contatti, non lead. I tassi di risposta sono quelli che ci si aspetterebbe, e il costo non è solo lo sforzo sprecato: la reputazione di invio è lenta da costruire e rapida da perdere.
Inviare senza revisione. Il fallimento specifico non è una prosa scadente. È un messaggio che contraddice una conversazione reale, perché il modello non sapeva che fosse avvenuta. È quello che costa un affare che avevate già in tasca.
Giudicare l'intenzione da segnali deboli. Il punteggio funziona su grandi volumi. Su scala da affiliazione, sapete più voi del modello su chi è realmente interessato.
La conformità normativa non cambia
Vale la pena dirlo chiaramente, perché il materiale di marketing sull'IA tende a tacere su questo punto. Usare un modello per scrivere il messaggio non cambia nulla riguardo alle regole che ne governano l'invio. I requisiti CAN-SPAM della FTC su intestazioni accurate, un indirizzo fisico e una funzione di annullamento iscrizione funzionante si applicano in modo identico. Dove si applicano regimi di consenso come il GDPR, un elenco generato da un modello non costituisce una base giuridica lecita.
"È stata l'IA a trovarli" non è una difesa che qualcuno abbia mai fatto valere con successo.
Una configurazione che vale la pena copiare
- I lead arrivano contrassegnati con la loro fonte, in un'unica pipeline.
- Nel momento in cui uno arriva, parte una conferma di ricezione, così nessuno resta nel silenzio.
- Un modello redige il vero follow-up usando il contesto effettivo del lead: fonte, cosa ha chiesto, a che fase si trova.
- Voi rivedete e inviate. Due minuti, non venti.
- Qualsiasi cosa suoni come un segnale reale, una risposta o una prenotazione, estrae il lead dall'automazione e lo mette sulla vostra lista per oggi.
- Una volta a settimana, un riepilogo su tutta la pipeline: cosa si ripete, cosa si è arenato.
Ogni passaggio moltiplica i lead che già avete. Nulla di tutto ciò dipende dal fabbricare estranei, che è la parte della "lead generation con l'IA" di cui vale la pena diffidare.
Il problema della definizione delle priorità, che è quello vero
La maggior parte degli affiliate marketer non ha bisogno di aiuto per trovare persone da contattare. Ha bisogno di aiuto per decidere quali dei novanta soggetti già presenti nella pipeline contattare oggi, e in quale ordine.
Questo è un uso genuinamente valido di un modello, a una condizione: deve spiegare se stesso. "Contattate prima questi sei" è inutile. "Questi sei perché hanno cliccato sul link dei prezzi nell'ultima settimana e nessuno ha ancora risposto loro" è attuabile, ed è anche verificabile, il che conta perché altrimenti non vi fidereste.
La versione pratica è un breve riepilogo giornaliero anziché un punteggio. Cosa è cambiato da ieri, chi ha compiuto un'azione, chi è rimasto in silenzio in una fase in cui il silenzio di solito significa che è andato perso. Si legge in trenta secondi e sostituisce i dieci minuti di scorrimento che la maggior parte delle persone farebbe altrimenti.
Volume senza danni
Se avete intenzione di inviare a un certo volume, tre cose vi proteggono, e nessuna di esse riguarda il modello.
Inviate a chi ha chiesto di ricevere. Non è solo una questione di conformità, è la differenza tra una reputazione del mittente che migliora e una che si degrada. Ogni rimbalzo e ogni reclamo provenienti da una lista che avete assemblato voi vi costa deliverability sulla lista che vi siete guadagnati.
Fate un riscaldamento graduale e restate costanti. Un volume improvviso da un dominio senza storia è il segnale di spam più forte che esista. La crescita nell'invio dovrebbe apparire graduale.
Osservate le risposte, non le aperture. Il tracciamento delle aperture è inaffidabile da quando i client di posta hanno iniziato a precaricare le immagini. Le risposte sono la metrica che non è stata degradata dalle funzionalità sulla privacy, e sono comunque quella che correla con il fatturato.
Un esempio pratico
Prendete una pipeline con quattrocento lead, di cui sessanta mai contattati, e centoventi che non si muovono da due settimane.
La proposta della "lead generation con l'IA" è di aggiungere contatti a questo insieme. L'aritmetica dice il contrario: centottanta lead sono già lì, pagati, in uno stato in cui un messaggio ben scritto avrebbe ancora effetto.
Lavorateli invece. Un modello redige ogni primo messaggio a partire dal contesto reale del lead, voi rivedete un lotto di venti in circa mezz'ora, e il conteggio dei non contattati va a zero entro una settimana. Poi il riepilogo giornaliero lo mantiene tale.
Nulla di tutto ciò richiede di trovare una sola persona nuova, e per la maggior parte delle attività produce più fatturato di quanto ne produrrebbe un mese di nuovo traffico, perché i lead hanno già dimostrato interesse. Il nuovo traffico no.
Cosa misurare
Due numeri, presi prima e dopo.
Tasso di contatto. La quota di lead che riceve un vero primo messaggio entro ventiquattro ore. Se uno strumento non sposta questo dato, non sta aiutando con la lead generation, qualunque sia l'etichetta che porta.
Tasso di risposta al primo contatto. È qui che emerge la qualità della redazione. Se le risposte diminuiscono dopo aver introdotto la redazione con l'IA, il modello ha troppo poco contesto e sta producendo messaggi generici, il che è un problema risolvibile e non un motivo per abbandonare l'approccio.
Entrambi sono semplici da contare e nessuno dei due compare su una dashboard di un fornitore, il che è parte del motivo per cui vale la pena contarli da soli.
Cosa continuare a fare da soli
Due cose vi appartengono a prescindere da quanto diventino buoni gli strumenti.
L'offerta. Ciò che state proponendo alle persone, e perché merita la loro attenzione. Nessun modello conosce il vostro mercato abbastanza bene da decidere questo, e produrrà volentieri una risposta sicura di sé che è un impasto di quella di tutti gli altri.
La risposta che conta. Quando un lead torna con una domanda reale o un'obiezione reale, è quello il momento in cui l'affare si vince o si perde. Redigerla con un modello produce qualcosa di ragionevole e generico, che è esattamente il registro sbagliato per l'unico messaggio in cui essere specifici è tutto ciò che conta.
Tutto ciò che sta da entrambi i lati di queste due cose — la conferma di ricezione, il follow-up per cui nessuno aveva tempo, il riepilogo di ciò che è cambiato — è terreno di gioco lecito, e liberarsene è ciò che vi compra l'attenzione necessaria per fare bene le due cose sopra.
Common questions
L'AI può generare lead da sola?
Può generare contatti. Se questi siano lead dipende dal fatto che qualcuno volesse sentirsi contattare da voi, e nessun modello cambia questo aspetto. L'AI è molto più utile se applicata ai lead che già avete piuttosto che alla ricerca di nuovi sconosciuti.
Qual è il miglior uso dell'AI nella lead generation?
Redigere il follow-up, riassumere ciò che un lead vi ha comunicato e individuare schemi tra i lead che non avete tempo di leggere. Tutti e tre moltiplicano il valore dei lead esistenti invece di produrne di nuovi.
L'outreach scritto dall'AI funziona ancora?
Se rivisto e corretto, sì. Se inviato senza revisione e in massa, si comporta come qualsiasi altro outreach di massa, ovvero male, e mette a rischio la reputazione del vostro mittente.
La lead generation con AI è conforme alle normative?
Il modello non cambia le regole. I requisiti di consenso previsti dal GDPR e quelli su intestazioni, etichettatura e disiscrizione previsti dal CAN-SPAM si applicano esattamente come se aveste digitato il messaggio voi stessi.