Construí un bucle de IA que genera leads mientras duermo (47 en 30 días)

He agregado 47 leads a mi CRM este mes y no he enviado un solo correo electrónico frío ni scrollado un solo feed de LinkedIn.Un bucle de IA los genera mientras trabajo en otras cosas.Hoy lo estoy construyendo con ustedes en dieciocho minutos.

Aquí está la imagen. Make.com se ejecuta cada seis horas. Extrae publicaciones nuevas de una lista de fuentes públicas, para mí es un conjunto curado de subreddits y cuentas X donde mis clientes ideales se quejan de problemas que resuelvo. Cada publicación se envía a un Lead Scout, un sistema de instrucciones que conoce mi perfil de cliente ideal.

Paso uno, el Scout Principal. Este es el cerebro. No estamos construyendo un GPT personalizado esta vez, estamos construyendo el sistema de respuesta que los GPT personalizados están hechos de, y lo desplegamos dentro de Make.com. La misma lógica, un contexto diferente. Aquí está la estructura de respuesta. Identidad: Usted es un candidato B2B para un CMO fraccionario que sirve a empresas SaaS entre cinco y cincuenta empleados, con ingresos entre dos y veinte millones. Substituye su propio ICP. Reglas: Lea la publicación. Decida si es calificado o no. Calificado significa: coincide con el tamaño de la empresa, menciona un problema relacionado con el crecimiento o el marketing, y la persona que publica tiene autoridad de toma de decisiones. Formatos de salida: Responder en JSON. Si es calificado, devuelve el nombre de la empresa, la dirección de correo, el problema, sugerido primero. No devuelva, no. Si lo hacemos, lo guardamos en dos minutos.

Paso dos, el gatillo. Abierto Make.com, haga clic en Crear un nuevo escenario. El módulo de gatillo depende de su fuente. Para X, utilice el módulo X. Observe los mensajes filtrados por palabras clave o por una lista de cuentas. Para Reddit, utilice el módulo Reddit. Observe los nuevos mensajes en subreddit. Para RSS, utilice el módulo RSS. Observe los artículos de RSS, mejor para blogs de nicho de la industria. Estoy usando Reddit porque tres subredits cubren todo mi ICP. Configure el gatillo: nombre de subreddit, limite diez nuevos mensajes por ejecución, programa el escenario para ejecutarse cada seis horas. El calendario está en la parte inferior izquierda del lienzo, Run Once dropdown, cambia a cada X horas. Guarde. Ahora tenemos un flujo de mensajes frescos entrando en nuestro escenario de seis horas, listos para que el Lead Scout evalúe.

Paso tres, el calificador. Añadir un módulo OpenAI después del gatillo, elegir Crear una complementación. Modelo: gpt-4o-mini. El pedido de sistema es exactamente lo que escribimos en el paso uno, pegarlo en el campo de mensaje del sistema. El mensaje del usuario: solo el contenido de la publicación del gatillo, mapeado desde la salida del módulo Reddit. Ahora, la configuración de temperatura, deje esto en el punto uno. Baja temperatura significa salida consistente, que necesitamos porque estamos analizando JSON aguas abajo. Alta temperatura significa salida creativa, que aquí significaría formato JSON inconsistente y automatización rota. Guardar. Prueba una vez con Run Once. El módulo OpenAI debe devolver una cadena de salida JSON en el panel, ya sea datos calificados o nulo. Si ves esto, el cerebro está trabajando.

Cuarto paso, el filtro. Sólo queremos actuar sobre los prospectos calificados. Haz clic en el conector después de OpenAI, añade un filtro. Condición: la respuesta JSON no es igual a nula, lo que significa que el prospectos calificado. Ahora necesitamos analizar esa cadena JSON en campos individuales que Make.com puede usar. Agregue un módulo JSON Parse JSON. Mapee la respuesta OpenAI en el campo de la cadena JSON. La primera vez que ejecutes esto, pegar una muestra de respuesta calificada en el campo de muestra para que Make.com conozca la estructura. Después de analizar, tendrás el nombre del prospectos calificado, la compañía, el problema y el mensaje sugerido disponibles como variables separadas.

Paso cinco, las acciones. Volvemos a un territorio familiar desde el último video. En la misma rama, añade Noción Crea un elemento de base de datos. Elija su base de datos CRM. Mapear los campos JSON analizados: Nombre a título, columna de empresa a empresa, Problema a notas, mensaje sugerido a una columna de Proyecto de alcance. Establezca estado a nuevo ingresado. Guarde. Agregue un Slack Envía un módulo de mensaje. Canal: Lideros. Mensaje: Nuevo lead, nombre de empresa. Problema: problema. Mensaje preparado en Noción. Mapear los campos analizados. Guarde. Ahora, cuando se detecta un lead calificado en cualquier lugar de sus fuentes monitoreadas, suceden dos cosas automáticamente: una entrada CRM con un mensaje de alcance listo, y un ping de Slack para que sepa revisarlo. Tiempo total desde la publicación a mi Slack: menos de treinta segundos.

Aquí es donde se cierra el bucle.Cuando reviso un prospecto en Notion, abro el mensaje de borrador, lo edito durante treinta segundos, lo envío desde Gmail. El destinatario responde. Esa respuesta llega a mi bandeja de entrada de Gmail, y el sistema de triaje de correo electrónico del último video lo capta, lo clasifica como un prospecto, actualiza la misma entrada de Notion con la respuesta y me pings de nuevo. Así que el flujo de trabajo va: AI encuentra el prospecto, AI redacta el mensaje, yo envío, las respuestas del destinatario, AI capta la respuesta, AI actualiza CRM, veo notificación. Bucle cerrado. Toqué toda esta tubería durante treinta segundos.

Tres errores a evitar. Uno, usar el modelo pesado GPT-4 para la calificación. El mini modelo es suficiente para la calificación binaria a una décima parte del costo. Dos, dejar que el escenario se ejecute sin un interruptor de ejecución en el costo. Agregar un límite de uso OpenAI dentro de las configuraciones de Make. La mía se establece en veinte dólares al mes. Tres, fuentes demasiado amplias. Empecé con doce subreddits y obtuve ruido. Tres fuentes de alta señal vencen a doce mediocres cada vez. Curate las entradas, no los filtros.

Resultados de treinta días. Cuarenta y siete clientes potenciales calificados se agregaron a CRM. Seis respondieron a mi alcance. Dos se convirtieron en clientes pagantes. Uno reservó un compromiso de treinta mil dólares. Costo total: doce dólares en cargos de OpenAI, veinte y nueve dólares en Make.com. Pasé unos diez minutos al día revisando los clientes potenciales en Notion y editando los mensajes de borrador antes de enviar. Eso es todo. El sistema encontró, calificó y pre-escrito todo lo demás. Comparar eso con el antiguo estilo de la comunicación fría: cincuenta horas al mes para los mismos resultados.

El plan de diseño completo del sistema Lead Scout y el plan de diseño Make.com están en la descripción.Mudice el plan de diseño para su ICP, cambie sus fuentes, tendrá el mismo bucle en veinte minutos.Abonéase porque en el próximo video voy a comparar Notion AI, ChatGPT y Claude lado a lado después de treinta días usando cada uno como mi conductor diario.El veredicto no es lo que esperaba.