Jak AI pomaga w prospektingu na LinkedIn: wiadomości, Sales Navigator i follow-upy B2B?

AI podpięte do LinkedIn nie wysyła wiadomości za Ciebie. Robi coś innego: zbiera rozproszone dane o kontakcie z kilku miejsc naraz, składa z nich projekt wiadomości dopasowany do konkretnej osoby i pilnuje, żebyś nie zapomniał odezwać się za tydzień. Człowiek czyta, poprawia i wysyła. To nie jest ograniczenie: to jest sedno, bo LinkedIn blokuje masową automatyzację, a klienci B2B natychmiast wyczuwają szablonową wiadomość.

Skąd bierzemy dane z LinkedIn i gdzie one trafiają?

LinkedIn nie udostępnia oficjalnego API do masowego wyciągania danych o kontaktach, więc pracujemy z tym, co jest dostępne legalnie i stabilnie. Główne źródła to:

• Eksport z Sales Navigatora: lista leadów lub lista kont pobrana jako CSV. Pola w pliku to First Name, Last Name, Current Job Title, Company, Industry, Geography, LinkedIn Profile URL, Connection Degree. Eksport robi handlowiec raz w tygodniu albo po stworzeniu nowej listy filtrowanej.
• Eksport znajomości z LinkedIn: Settings > Data Privacy > Get a copy of your data > Connections. Plik Connections.csv zawiera m.in. pole Connected On, więc widać kiedy dany kontakt trafił do sieci i z kim.
• Historia wiadomości: Messages.csv z tego samego eksportu. Długie wątki bywają obcięte, ale ostatnie kilka wymian zazwyczaj jest w całości.
• Reakcje pod wpisami firmowymi: lista osób, które kliknęły "Like" lub zostawiły komentarz pod postem na Company Page. Zbieramy ją ręcznie lub przez narzędzie do zarządzania stroną firmową.

Wszystkie te pliki trafiają do jednego miejsca: do CRM lub do arkusza pełniącego funkcję bazy leadów. Jeśli firma używa HubSpot albo Pipedrive, kontakty importujemy tam, uzupełniając istniejące rekordy o pole LinkedIn URL. To jest punkt wyjścia dla AI.

Sales Navigator: co filtrujemy i czemu to robi różnicę?

Sales Navigator pozwala tworzyć Lead Lists i Account Lists z filtrami, których nie ma w standardowym LinkedIn. Typowo wygląda to tak, że handlowiec ustawia: Job Title zawiera "dyrektor" albo "head of", Company Size między 50 a 500 pracowników, Industry: Manufacturing lub Construction, Geography: Polska. Efektem jest lista kilkudziesięciu lub kilkuset osób.

Z tej listy eksport CSV trafia do AI. System porównuje go z bazą CRM i odpowiada na dwa pytania: kto z tej listy jest już w bazie (i co wiemy o tym kontakcie), a kto jest nowy i wymaga zimnego podejścia. To dwie różne wiadomości, z dwóch różnych punktów startu.

Drugi przypadek użycia Sales Navigatora to śledzenie zmian u istniejących kontaktów. Jeśli ktoś z bazy zmienił pracę, Sales Navigator pokazuje nowe stanowisko w polu Current Job Title. AI może przejrzeć listę i wyciągnąć te osoby, flagując je jako "zmiana pracy: warto się odezwać". Zmiana stanowiska w B2B często idzie w parze z nowym budżetem i inną decyzyjnością. To jeden z najkonkretniejszych pretekstów do kontaktu, jaki istnieje.

Kto zareagował na wpis firmowy i co dalej z tą listą?

Tu jest sporo ręcznej pracy, przynajmniej na początku. Gdy firma opublikuje wpis na Company Page i zbierze reakcje, ktoś z zespołu schodzi po liście osób, które kliknęły "Like" lub zostawiły komentarz. Kopiuje imiona, firmy i linki do profili do arkusza. AI dostaje ten arkusz i przeszukuje CRM: które z tych osób są już w bazie, na jakim etapie lejka, kiedy był ostatni kontakt.

Wynik to krótka lista. Na przykład: "5 osób z tej listy to leady już w CRM, 3 z nich bez kontaktu od ponad 30 dni, 12 to nowe twarze spoza bazy". Handlowiec nie musi tego liczyć samodzielnie. Dostaje gotowe zestawienie i decyduje, do kogo się odezwać i w jakiej kolejności.

U jednego z klientów dostarczającego oprogramowanie dla produkcji właśnie reakcje pod wpisami okazały się cieplejszym źródłem niż zimne listy z Sales Navigatora. Osoby, które kliknęły "Like" pod artykułem o automatyzacji linii montażowej, miały już jakiś kontekst. Wiadomość zaczynała się od czegoś konkretnego, nie od "cześć, piszę bo może Cię zainteresuje". Odpowiedzi przychodziły szybciej.

Jak AI przygotowuje projekt wiadomości pod konkretną osobę?

AI nie generuje jednego szablonu dla wszystkich. Czyta rekord kontaktu w CRM i składa projekt na bazie kilku danych naraz: stanowisko odbiorcy (pole Job Title), branża firmy (pole Industry), ostatnia aktywność w bazie (Last Activity Date), notatka z ostatniej rozmowy (Notes), ewentualnie fakt reakcji pod wpisem lub informacja o zmianie pracy.

Projekt wiadomości to zazwyczaj 3-5 zdań. Nie artykuł. Pierwsze zdanie odnosi się do czegoś konkretnego: zmiany stanowiska, komentarza pod postem, branży. Środek to jedna myśl o tym, czym się zajmujemy i dlaczego to może być istotne dla tej osoby teraz. Zakończenie to prosta propozycja: "czy warto porozmawiać przez 20 minut?"

AI nie decyduje, czy wiadomość jest dobra. Handlowiec czyta projekt, poprawia ton, usuwa co nie pasuje i dopiero wtedy wysyła z własnego konta LinkedIn. Ważny szczegół: AI generuje projekt w języku polskim lub angielskim zależnie od tego, jakim językiem była prowadzona dotychczasowa komunikacja z daną osobą. Pole Country lub Language w CRM decyduje o tym wyborze.

Follow-upy: jak AI pilnuje, żeby nikt nie wypadł z lejka?

Największa dziura w prospektingu B2B to nie brak leadów. To follow-upy, które nie dochodzą do skutku. Handlowiec odezwał się, ktoś powiedział "odezwij się za miesiąc", notatka wpadła do CRM w polu Notes i tyle. Za miesiąc nikt nie pamięta.

AI monitoruje pole Last Activity Date i Deal Stage w CRM. Codziennie rano przegląda bazę i wyciąga leady, przy których upłynął termin follow-upu. Dla każdego z nich generuje krótkie przypomnienie dla handlowca: kto to jest, co było ostatnio ustalane i projekt wiadomości do wysyłki. Handlowiec dostaje tę listę jako podsumowanie w mailu albo w narzędziu, z którego korzysta zespół.

Nie chodzi o to, żeby AI wysłał follow-up automatycznie. Chodzi o to, żeby handlowiec nie musiał trzymać w głowie 40 otwartych wątków naraz. Dostaje listę do przejrzenia, a nie pustą kartę do uzupełnienia.

Streszczenie kontaktu przed rozmową: co AI wyciąga z CRM?

Handlowiec ma za 15 minut rozmowę z kimś, z kim rozmawiał dwa miesiące temu. Wchodzi do CRM, klika kontakt i prosi AI o brief. AI ciągnie dane z kilku pól naraz: stanowisko (Job Title), firma (Company), data ostatniego kontaktu (Last Activity Date), temat maila (Subject w historii aktywności), notatka z ostatniej rozmowy (Notes), etap dealu (Deal Stage), ostatnia reakcja na LinkedIn.

Efekt to 5-6 zdań, nie raport. "Jan Kowalski, dyrektor operacyjny w firmie X z branży logistycznej. Ostatni kontakt 14 lipca, rozmowa telefoniczna, temat: integracja z systemem WMS. Prosił o ofertę do końca miesiąca. Oferta wysłana 18 lipca, brak odpowiedzi. Na LinkedIn zareagował na Wasz wpis z 3 sierpnia." Handlowiec wchodzi na rozmowę z kontekstem, a nie z pytaniem "to o czym rozmawialiśmy ostatnio?"

Od czego zaczęć: trzy rzeczy niezbędne przed wdrożeniem

Zanim uruchomisz AI, potrzebujesz porządku w danych. Bez tego system będzie pracował na pustych polach i nic sensownego z tego nie wyjdzie.

• CRM z wypełnionym polem LinkedIn URL przy kontaktach, do których chcesz pisać. Bez tego AI nie powiąże eksportu z Sales Navigatora z rekordem w bazie.
• Stały rytm eksportu: ktoś w zespole eksportuje listy z Sales Navigatora i zestawienia reakcji regularnie, nie raz na kwartał. Tygodniowy cykl działa dobrze.
• Klarowne pola w CRM: Last Activity Date, Next Follow Up Date, Notes z rozmów. Jeśli handlowcy nie uzupełniają tych pól na bieżąco, AI nie ma skąd czerpać danych i projekt wiadomości będzie generyczny.

Na etapie wdrożenia najpierw robimy audyt: jakie dane są w CRM, w jakim stanie, które pola są puste. Potem spinamy źródła z logiką AI. Na końcu budujemy prosty interfejs dla handlowca: lista follow-upów na dziś, projekty wiadomości do przejrzenia.

Jeśli chcesz zobaczyć, jak to może wyglądać w Twojej firmie, zaproś nas na bezpłatny audyt. Sprawdzimy, co jest w Waszym CRM, jakie dane macie z LinkedIn i co realnie da się z tym zrobić. Możesz też zajrzeć na realne wdrożenia, żeby zobaczyć, jak podobne procesy działają u innych firm B2B.