Ho costruito un loop di intelligenza artificiale che genera lead mentre dormo (47 in 30 giorni)

Ho aggiunto 47 lead al mio CRM questo mese e non ho inviato una sola email fredda o scorruto un solo feed LinkedIn. Un loop di IA li genera mentre lavoro su altre cose.Oggi lo sto costruendo con voi in diciotto minuti.

Ecco la foto. Make.com funziona ogni sei ore. Trova nuovi post da un elenco di fonti pubbliche, per me è un insieme curato di subreddits e account X in cui i miei clienti ideali si lamentano dei problemi che risolvo. Ogni post viene inviato a un Lead Scout, un prompt di sistema che conosce il mio profilo di cliente ideale. Ritorna qualificato con ragioni, o saltare. Le lead qualificate ricevono un ping Notion entry e un Slack. Gli saltati scompaiono. Non li vedo mai. Diecimila minuti per costruire, nessun email freddo.

Un passo, il Lead Scout. Questo è il cervello. Non stiamo costruendo un GPT personalizzato questa volta, stiamo costruendo il sistema prompt che i GPT personalizzati sono fatti di, e lo distribuendo all'interno di Make.com. La stessa logica, un contesto diverso. Ecco la struttura del prompt. Identità: Sei un lead qualifier B2B per un CMO frazionario che serve aziende SaaS tra cinque e cinquanta dipendenti, con entrate tra due e venti milioni. Sostituisci il tuo ICP. Regole: Leggi il post. Decidi qualificarsi o meno. Qualified significa: corrisponde alla dimensione dell'azienda, menziona un problema relativo alla crescita o al marketing, e la persona che pubblica ha autorità decisionale. Formatto di output: Rispondi in JSON. Se qualificato, nome di azienda, post, URL, problema, suggerito prima. non restituire, nulla. Se qualificato, lo salviamo in due minuti.

Passo due, il trigger. Open Make.com, clicca su Create new scenario. Il modulo trigger dipende dalla tua fonte. Per X, usa il modulo X Guarda i post filtrati da parole chiave o da un elenco di account. Per Reddit, usa il modulo Reddit Guarda i nuovi post nel subreddit. Per RSS, usa il modulo RSS Guarda gli elementi di feed RSS, meglio per i blog di settore di nicchia. Sto usando Reddit perché tre subreddits coprono l'intero mio ICP. Configuri il trigger: nome subreddit, limita dieci nuovi post per esecuzione, programma lo scenario per eseguire ogni sei ore. Il programma è nella parte inferiore sinistra della tela, Run Once dropdown, cambia a Every X hours. Save. Ora abbiamo un flusso di nuovi post che entrano nel nostro scenario di Lead per sei ore, pronti per il Scout per valutare.

Tre, il qualificatore. Aggiungi un modulo OpenAI dopo il trigger, scegli Crea un completamento. Modello: gpt-4o-mini. Il prompt del sistema è esattamente quello che abbiamo scritto nel primo passo, incolla nel campo del messaggio del sistema. Il messaggio dell'utente: solo il contenuto dei post dal trigger, mappato dalla produzione del modulo Reddit. Ora, impostazione della temperatura, scarica questo punto a uno. Bassa temperatura significa output coerente, che abbiamo bisogno perché stiamo analizzando JSON a valle. Alta temperatura significa output creativo, che qui significherebbe un formataggio JSON incoerente e un'automazione rotta. Salva. Prova una volta con Run Once. Il modulo OpenAI dovrebbe restituire una stringa di output JSON nel pannello, sia dati qualificati che nulla. Se vedi questo, il cervello sta lavorando.

Quarto passo, il filtro. Vogliamo agire solo su lead qualificati. Clicca sul connettore dopo OpenAI, aggiungi un filtro. Condizione: la risposta JSON non è uguale a nulla, il che significa che il lead è qualificato. Ora dobbiamo analizzare quella stringa JSON in singoli campi che Make.com può utilizzare. Aggiungi un modulo JSON Parse JSON. Metti la risposta OpenAI nel campo della stringa JSON. La prima volta che esegui questo, incolla un campione di risposta qualificata nel campo del campione in modo che Make.com sappia la struttura. Dopo aver analizzato, avrai il nome del lead qualificato, la società, il problema e il messaggio suggerito disponibili come variabili separate.

Passo cinque, le azioni. Siamo di nuovo in un territorio familiare dall'ultimo video. Sullo stesso ramo, aggiungere Notion Crea un elemento di database. Scegliere il tuo database CRM. Mappare i campi JSON parsi: Nome al titolo, colonna Company to Company, Problema alle note, messaggio suggerito a una colonna Draft Outreach. Imposta lo stato a nuovo inoltro. Salvare. Aggiungere un Slack Inviare un modulo di messaggio. Canale: condotti. Messaggio: Nuovo inoltore, nome da azienda. Problema: problema. Messaggio pronto in Notion. Mappa i campi parsi. Salvare. Ora, quando un lead qualificato viene rilevato ovunque nelle tue fonti monitorate, due cose accadono automaticamente: un'entrata CRM con un messaggio di outreach pronto, e un ping di progetto Slack così so di rivedere. Tempo totale da postare al mio Slack: meno di trenta secondi.

Quando rivo un lead in Notion, apriro il messaggio di bozza, lo edito per trenta secondi, lo invito da Gmail. Il destinatario risponde. Quella risposta colpisce la mia casella di posta in arrivo Gmail, e il sistema di triage email dell'ultimo video lo cattura, lo classifica come lead, aggiorna la stessa voce Notion con la risposta e mi pings di nuovo. Così il flusso di lavoro va: AI trova lead, AI fa progetti di messaggio, io invito, risposte del destinatario, AI cattura risposta, AI aggiorna CRM, vedo notifica.

Tre errori da evitare. Uno, utilizzando il modello pesante GPT-4 per il qualifier. Il modello mini è sufficiente per la qualificazione binaria a un decimo del costo. Due, lasciare che lo scenario si esegui senza un kill-switch sul costo. Aggiungere un limite di utilizzo OpenAI all'interno delle impostazioni di Make. Mine è fissato a venti dollari al mese. Tre, fonti troppo ampie. Ho iniziato con dodici subreddits e ho ottenuto rumore. Tre fonti ad alto segnale battono dodici mediocre ogni volta. Curate gli input, non i filtri.

Trenta giorni di risultati. Quarantasei lead qualificati sono stati aggiunti al CRM. Sei hanno risposto alla mia offerta. Due sono diventati clienti paganti. Uno ha prenotato un impegno di trentamila dollari. Costo totale: dodici dollari in OpenAI, ventinove dollari in Make.com. Ho passato circa dieci minuti al giorno a rivedere i lead in Notion e a modificare i messaggi di bozza prima di inviare. Ecco. Il sistema ha trovato, qualificato e pre-draftato tutto il resto. Compari questo al vecchio cold outreach: cinquanta ore al mese per gli stessi risultati.

Il completo prompt del sistema Lead Scout e il blueprint Make.com sono nella descrizione. Modifica il prompt per il tuo ICP, scambia le tue fonti, hai lo stesso loop in venti minuti. Abbonati perché il prossimo video mi permetterà di confrontare Notion AI, ChatGPT e Claude fianco a fianco dopo trent'anni di uso di ciascuno come mio driver quotidiano.