15 scenariuszy drip dla różnych person — 64% leadów przechodzi w MQL

Sytuacja przed wdrożeniem

Software B2B (rozwiązania dla retail), 140 osób. Drip campaign: 5-emaili dla wszystkich nowych leadów. Generic content "kim jesteśmy, co robimy, case studies". 18% leadów dochodziło do MQL. Personalizacja: 0%. Sales narzekał, że "leady nieprzygotowane".

Co zrobiliśmy

• AI klasyfikuje każdy nowy lead na bazie: branża, wielkość firmy, rola, źródło, zachowanie na stronie, pobrany content.
• 15 person zidentyfikowanych: CFO retail, COO retail, IT director, store manager, marketing director, etc.
• Dla każdej persony — 12-emailowy drip nurture, 4 miesiące:
• Email 1–3: edukacja (problemy, których nie wiedzieli, że mają).
• Email 4–6: case studies z ich branży/wielkości.
• Email 7–9: deep-dive konkretne use case.
• Email 10–12: ROI calculator, demo, kontakt z sales.
• Każdy email napisany językiem persony: CFO dostaje ROI, COO operational efficiency, IT integrations.
• Behavior-based forks: jeśli kliknął ROI calc → 3 dni później email od sales z analizą; jeśli nie otworzył 3 maile z rzędu → "powietrze" 30 dni, potem reaktywacja.

Rezultat

Lead → MQL conversion: z 18% na 64%. Sales-ready leads: x3.5. Sales cycle: -32 dni. MQL → SQL: +47%. Sales nie ściga "zimnych" — leadów dostają już ogrzanych. Marketing-influenced revenue: +180%.