Eu construí um loop de IA que gera leads enquanto dormo (47 em 30 dias)

Eu adicionei 47 leads ao meu CRM neste mês e não enviei um único email frio ou deslizei um único feed do LinkedIn.Um loop de IA os gera enquanto trabalho em outras coisas.Hoje vou construí-lo com você em dezoito minutos.

Aqui está a imagem. Make.com é executado a cada seis horas. Ele tira posts novos de uma lista de fontes públicas, para mim, que é um conjunto curado de subreddits e contas X onde meus clientes ideais reclamam de problemas que eu resolvo. Cada post é enviado para um Lead Scout, um sistema de solicitação que sabe que meu perfil de cliente ideal é frio. Ele retorna ou qualificado-com-razões, ou saltar. leads qualificados recebem uma entrada de ping Notion e um Slack. saltar desaparecem. nunca os vejo. Dezoito minutos para construir, nenhum email frio.

Passo um, o Scout-Lead. Este é o cérebro. Não estamos construindo um GPT personalizado desta vez, estamos construindo o sistema de prompt que os GPT personalizados são feitos de, e implantando-o dentro de Make.com. A mesma lógica, contexto diferente. Aqui está a estrutura de prompt. Identidade: Você é um líder B2B qualificado para um CMO fracionário que serve empresas SaaS entre cinco e cinquenta funcionários, com receita entre dois e vinte milhões. Substitua seu próprio ICP. Regras: Leia o post. Decida se é qualificado ou não. Qualificado significa: corresponde ao tamanho da empresa, menciona um problema relacionado ao crescimento ou ao marketing, e a pessoa que publica tem autoridade de tomada de decisão. Formatos de saída: Responder em JSON. Se é qualificado, nome de empresa, URL de post, problema, sugerido em primeiro lugar. Não retorne, válido. Se for qualificado, vamos fazer isso em dois minutos.

Passo dois, o gatilho. Abra Make.com, clique em Criar novo cenário. O módulo de gatilho depende da sua fonte. Para X, use o módulo X. Observe postagens filtradas por palavras-chave ou por uma lista de contas. Para Reddit, use o módulo Reddit. Observe novos posts no subreddit. Para RSS, use o módulo RSS. Observe itens de RSS, melhor para blogs de nicho. Estou usando Reddit porque três subreddits cobrem todo o meu ICP. Configure o gatilho: nome do subreddit, limite dez novas postagens por rodada, agende o cenário para ser executado a cada seis horas. O cronograma está no canto inferior esquerdo da tela, Run Once dropdown, muda para Every X hours. Save. Agora temos um fluxo de postagens frescas entrando em nosso cenário de seis horas, prontas para o Lead Scout avaliar.

Passo três, o qualificador. Adicione um módulo OpenAI após o gatilho, escolha Criar uma conclusão. Modelo: gpt-4o-mini. O prompt do sistema é exatamente o que escrevemos no passo um, cojeio no campo de mensagem do sistema. A mensagem do usuário: apenas o conteúdo de postagem do gatilho, mapeado a partir da saída do módulo Reddit. Agora, na configuração de temperatura, deixe isso cair para ponto um. Baixa temperatura significa saída consistente, que precisamos porque estamos analisando JSON para baixo. Alta temperatura significa saída criativa, que aqui significaria formatamento JSON inconsistente e automação interrompida. Salve. Teste uma vez com Run Once. O módulo OpenAI deve retornar uma cadeia de JSON no painel de saída, seja dados qualificados ou nulo. Se você ver isso, o cérebro está trabalhando.

O quarto passo é o filtro. Só queremos agir em leads qualificados. Clique no conector após o OpenAI, adicione um filtro. Condição: a resposta JSON não é igual a zero, o que significa que o lead foi qualificado. Agora precisamos paralisar essa cadeia JSON em campos individuais que Make.com pode usar. Adicione um módulo JSON Parse JSON. Mapeie a resposta OpenAI no campo de cadeia JSON. A primeira vez que executar isso, colete uma amostra de resposta qualificada no campo de amostra para que Make.com conheça a estrutura. Após paralisar, você terá o nome, empresa, problema e mensagem sugerida do lead qualificado disponíveis como variáveis separadas.

Passo cinco, as ações. Voltamos ao território familiar do último vídeo. No mesmo ramo, adicione Notion Criar um item de banco de dados. Escolha o seu banco de dados CRM. Mapear os campos JSON parseados: Nome a Título, coluna Empresa a Empresa, Problema a Notas, Mensagem Sugestada a uma coluna Draft Outreach. Defina o status para o novo entrada. Salve. Adicione um Slack Envie um módulo de mensagem. Canal: Condutores. Mensagem: Novo lead, nome da empresa. Problema: problema. Mensagem pronta em Notion. Mapear os campos parseados. Salve. Agora, quando um lead qualificado é detectado em qualquer lugar das suas fontes monitoradas, duas coisas acontecem automaticamente: uma entrada CRM com uma mensagem de outreach pronta e um ping de Slack para que eu saiba rever. Tempo total de publicação para o Slack: menos de trinta segundos.

Quando eu revisar um lead em Notion, eu abro a mensagem de rascunho, edito-a por trinta segundos, envio-a do Gmail. O destinatário responde. Essa resposta atinge minha caixa de entrada do Gmail, e o sistema de triagem de e-mail do último vídeo o pega, classifica-o como um lead, atualiza a mesma entrada notion com a resposta e me pings novamente. Então o fluxo de trabalho vai: AI encontra o lead, AI desenha a mensagem, eu envio, os respondimentos do destinatário, AI capta a resposta, AI atualiza o CRM, eu vejo a notificação. Loop fechado. Eu toquei todo esse pipeline por trinta segundos.

Três erros a evitar. Um, usando o modelo pesado GPT-4 para a qualificação. O mini modelo é suficiente para qualificação binária a um décimo do custo. Dois, deixando o cenário funcionar sem um interruptor de execução no custo. Adicione um limite de utilização OpenAI dentro das configurações do Make. Mine é definido em vinte dólares por mês. Três, fontes muito amplas. Comecei com doze sub-vendas e consegui ruído. Três fontes de alto-sinal vencem doze médiocres a cada vez. Curate as entradas, não os filtros.

Resultados de trinta dias. Quarenta e sete leads qualificados foram adicionados ao CRM. Seis responderam ao meu atendimento. Dois se tornaram clientes pagantes. Um reservou um compromisso de trinta mil dólares. Custo total: doze dólares em taxas OpenAI, vinte e nove dólares em Make.com. Passei cerca de dez minutos por dia revisando os leads em Notion e editando rascunhos de mensagens antes de enviar. É isso. O sistema encontrou, qualificou e pre-desenhou tudo o resto. Compare isso com o antigo atendimento de frio: cinquenta horas por mês para os mesmos resultados.

O prompt completo do sistema Lead Scout e o plano Make.com estão na descrição.Modifique o prompt para seu ICP, troque suas fontes, você terá o mesmo loop em vinte minutos.Subscreva porque no próximo vídeo vou comparar Notion AI, ChatGPT e Claude lado a lado após trinta dias usando cada um como meu motorista diário.O veredicto não é o que eu esperava.Você se vê lá.