Jak AI czyta dane z Woodpecker i lemlist i co realnie robi z odpowiedziami na sekwencje B2B?

Woodpecker i lemlist informują Cię o każdym zdarzeniu w kampanii: otwarciu, kliknięciu, odpowiedzi, odbiciu. Problem w tym, że żadne z tych narzędzi nie powie Ci, co ta odpowiedź znaczy. AI może czytać treść każdej odpowiedzi, klasyfikować ją na zainteresowany/nie teraz/odmowa/poza firmą i natychmiast przekazywać ciepłe leady do CRM, zanim handlowiec zdąży otworzyć skrzynkę. Wdrożenie spina się przez webhooki dostępne w obu narzędziach i nie wymaga zmiany narzędzia ani przepisywania procesu.

Co konkretnie wyciągamy z Woodpecker i lemlist?

Oba narzędzia mają webhooki: mechanizm, który wysyła powiadomienie do zewnętrznego systemu w momencie, gdy coś się dzieje w kampanii. Woodpecker obsługuje zdarzenia: opened, clicked, replied, bounced, invalid, unsubscribed, a także interested i maybe_later, które ustawiasz ręcznie tagując prospekta w aplikacji. lemlist ma analogiczne zdarzenia po stronie API: emailSent, emailOpened, emailClicked, emailReplied, emailBounced, leadInterested, leadUnsubscribed.

Każde zdarzenie niesie dane o kontakcie: adres e-mail, imię, firma, stanowisko, nazwa kampanii, numer kroku sekwencji (Step 1, Step 2 itd.) i data zdarzenia. Gdy zdarzenie to odpowiedź, dostajemy też pełną treść wiadomości. To właśnie tym fragmentem AI zajmuje się głównie.

Poza zdarzeniami na żywo oba narzędzia mają API do pobierania danych hurtowo. Woodpecker przechowuje dla każdego prospekta pole Status z wartościami: ACTIVE, BOUNCED, REPLIED, NOT_NOW, INTERESTED, CALL_SCHEDULED, REMOVED. Do tego mamy do 15 Custom Fields, w których firmy trzymają zazwyczaj: branżę, NIP, wielkość firmy, źródło pozyskania, imię osoby decyzyjnej wyszukanej na LinkedIn. lemlist ma Lead Status (contacted, interested, not_interested, unsubscribed, bounced, out_of_office) i zmienne personalizacyjne użyte w treści maili: {{firstName}}, {{companyName}}, {{icebreaker}}. Zmienna {{icebreaker}} to zazwyczaj personalizowane pierwsze zdanie, które handlowiec wpisał ręcznie albo AI wygenerowało przed wysyłką.

Ten kontekst jest ważny. AI wie nie tylko co napisał prospekt w odpowiedzi, ale też jak do niego dotarliśmy, czym zaczepiliśmy go w Step 1 i ile razy wcześniej dostał maila bez reakcji. Klasyfikacja odpowiedzi z tym tłem jest dokładniejsza niż czytanie jednej wiadomości w oderwaniu.

Jak AI klasyfikuje odpowiedzi na sekwencje B2B?

Standardowy problem wygląda tak: handlowiec wysyła 200 maili przez sekwencję, dostaje 18 odpowiedzi i musi każdą otworzyć, przeczytać i zdecydować co zrobić. Często robi to wieczorem, po całym dniu. Dwie ciepłe odpowiedzi giną w stosie "sprawdzę jutro".

AI dostaje każdą odpowiedź przez webhook dokładnie w momencie, gdy wpada do systemu. Treść trafia do modelu językowego, który przypisuje ją do jednej z kategorii:

• Zainteresowany: prospekt pyta o ofertę, prosi o termin rozmowy, podaje kontakt do decydenta albo zadaje konkretne pytanie o produkt lub usługę.
• Nie teraz: "wróćmy do tego za kwartał", "mamy teraz zamrożone budżety", "odezwij się po nowym roku".
• Odmowa: "nie jesteśmy zainteresowani", "mamy już dostawcę", "proszę usunąć mnie z listy".
• Poza firmą: autoresponder urlopowy, "ta osoba już u nas nie pracuje", przekierowanie do innego działu lub kontaktu.
• Pytanie lub doprecyzowanie: prospekt chce wiedzieć więcej, ale nie deklaruje zainteresowania wprost. Sygnał do działania, tyle że innego rodzaju.

Klasyfikacja nie opiera się na słowach kluczowych. AI patrzy na cały kontekst, ton, obecność pytania zwrotnego i stopień zaangażowania w treść maila. Odpowiedź "to ciekawe, ale musiałbym to skonsultować z prezesem" nie jest odmową. Krótkie "proszę dzwonić" bez żadnych danych to jeden sygnał. Numer telefonu z imieniem, funkcją i "najlepiej w tym tygodniu" to zupełnie inny.

Co się dzieje z ciepłym kontaktem zaraz po klasyfikacji?

Kontakt sklasyfikowany jako zainteresowany nie czeka w skrzynce. AI tworzy nową szansę sprzedaży w CRM z automatycznie wypełnionymi polami: imię, firma, stanowisko, nazwa kampanii w Woodpeckerze lub lemlist, data odpowiedzi, treść maila jako notatka do rekordu. Handlowiec dostaje powiadomienie przez Slack lub SMS, że kontakt wymaga działania.

Jednocześnie sekwencja jest wstrzymywana dla tego prospekta. Nie dostaje kolejnych followupów, bo jest już po odpowiedzi. Status w Woodpeckerze zmienia się na INTERESTED lub CALL_SCHEDULED, zależnie od treści odpowiedzi.

Typowo wygląda to tak, że między wpłynięciem odpowiedzi a pojawieniem się nowego rekordu w CRM mija kilkanaście sekund. Handlowiec otwiera telefon, widzi powiadomienie, klika link i ma gotowy rekord z całym kontekstem.

AI pisze też projekt odpowiedzi. Nie szablon z uzupełnionymi polami, lecz konkretny mail nawiązujący do treści, którą napisał prospekt. Jeśli w odpowiedzi wspomniał bolączkę ("nasze faktury spływają z trzech systemów i scalamy je ręcznie"), projekt odpowiedzi nawiązuje do tego wprost. W lemlist AI może korzystać ze zmiennych użytych w oryginalnej kampanii: zna icebreaker, zna personalizację pierwszego zdania i zachowuje ciągłość tonu. Handlowiec przegląda projekt i wysyła. Dwie minuty zamiast dziesięciu.

Kontakty nie teraz trafiają do osobnej kolejki w CRM z datą przyszłego kontaktu. Kontakty poza firmą są oznaczane do weryfikacji: AI próbuje wyciągnąć z autorespondera dane nowej osoby kontaktowej, jeśli są podane w treści. Kontakty odmowa dostają status REMOVED w Woodpeckerze i nie wchodzą w kolejne kampanie.

Które sekwencje dostają odpowiedzi, a które tylko zbierają odbicia?

Tu AI robi coś, co ręcznie jest żmudne: porównuje skuteczność sekwencji nie po ogólnych metrykach open rate, tylko po kategoriach odpowiedzi i konkretnych krokach, na których te odpowiedzi wpadają.

Jeden klient z branży usług dla firm prowadził sześć kampanii w Woodpeckerze jednocześnie. Ręczne tagowanie odpowiedzi się odbywało, ale nikt nie miał czasu zestawiać danych między kampaniami. Po jednorazowym przetworzeniu historycznych danych przez AI okazało się, że dwie kampanie kierowane do branży budowlanej generują wielokrotnie więcej odpowiedzi sklasyfikowanych jako "zainteresowany" niż pozostałe cztery razem. Różnica tkwiła wyłącznie w Subject maila i pierwszym zdaniu Step 1. Reszta kampanii trafiła do archiwum.

Poza porównaniem kampanii AI sprawdza, na którym kroku sekwencji najczęściej wpada wartościowa odpowiedź. Jeśli większość "zainteresowanych" pochodzi z Step 3, a Steps 1 i 2 generują głównie odbicia i rezygnacje, to sygnał, że pierwsze maile są za mocno sprzedażowe. Może też chodzić o timing: Step 3 dociera do skrzynki w środę rano, a Steps 1 i 2 w poniedziałek. AI wskazuje anomalię do sprawdzenia, nie rozstrzyga za Ciebie.

Osobna sprawa to odbicia techniczne. Zdarzenia bounced i invalid AI wyciąga do zbiorczego raportu: które domeny mailowe generują odbicia, czy lista kontaktów wymaga czyszczenia przed kolejną kampanią. Wysoki wskaźnik odbić z określonej branży albo jednej domeny to sygnał, że lista pochodzi ze słabego źródła.

Wynik całej analizy to konkretne wskazanie do działania: zmień Subject w Step 1 kampanii X, bo tematy zawierające nazwę produktu zbierają rezygnacje, a tematy zadające pytanie branżowe docierają do Step 2 i dostają odpowiedzi.

Od czego zaczynamy wdrożenie?

Pierwszym krokiem jest krótki audyt aktualnych kampanii: ile sekwencji masz aktywnych, jakie pola uzupełniasz w rekordzie prospekta, jak teraz tagujecie odpowiedzi i co realnie dzieje się z ciepłymi kontaktami po odpowiedzi. Na tej podstawie ustalamy, jakie kategorie klasyfikacji są potrzebne w Twojej firmie i co ma się dziać z każdą z nich.

Potem konfigurujemy webhooki. Woodpecker ma zakładkę Integrations, w której podajesz adres URL do odbioru zdarzeń. lemlist ma analogiczną konfigurację w ustawieniach kampanii. Zdarzenia zaczynają napływać od pierwszej godziny po konfiguracji.

Integrację z CRM ustawiamy po stronie AI: które pola wypełniać, jaki trigger tworzy nowy rekord. Najczęściej spina się to z Berg System, HubSpotem, Pipedrive albo arkuszem w Notion, zależnie od tego, z czego firma korzysta na co dzień. Nie wymaga to po Twojej stronie żadnej pracy technicznej, tylko opisania procesu: kto dostaje powiadomienie, kiedy i co ma w nim zobaczyć.

Chcesz sprawdzić, co taka integracja zmieniłaby w Twoim procesie sprzedaży? Zacznij od bezpłatnego audytu. Możesz też zajrzeć do realnych wdrożeń, żeby zobaczyć, jak podobne integracje wyglądają u innych firm, zanim zdecydujesz, od czego zacząć.