Я построил AI-лупу, которая генерирует лиды во время сна (47 дней за 30 дней)

В этом месяце я добавил 47 лидов к своему CRM, и я не отправлял ни одного холодного электронного письма или не прокрутил ни одного корма LinkedIn.

Вот картина. Make.com работает каждые шесть часов. Он вытягивает свежие сообщения из списка публичных источников, для меня это - кураторный набор субредитов и учетных записей X, где мои идеальные клиенты жалуются на проблемы, которые я решаю. Каждый пост отправляется в Lead Scout, системный запрос, который знает мой идеальный клиентский профиль холодным. Он возвращается либо квалифицированно-с-причинами, либо выскакивает.

Шаг один - Лид-скаут. Это мозг. Мы не строим настройку GPT на этот раз, мы строим системный промплет, из которого состоят настройки GPT, и развертываем его внутри Make.com. Та же логика, другой контекст. Вот структура промпльта. Идентичность: Вы B2B-промплт-квалификатор для фракционного CMO, который обслуживает SaaS-компании от пяти до пятидесяти сотрудников, с доходом от двух до двадцати миллионов. Замените свой собственный ICP. Правила: Прочитайте пост. Решите, квалифицированы ли вы. Квалифицированный означает: соответствует размер компании, упоминает проблему, связанную с ростом или маркетингом, а человек, размещающий сообщение, имеет право принимать решения. Формат выхода: Ответь в JSON. Если квалифицированно, имя компании, URL, сообщение, проблема, упомянута в первую очередь. не возвращайте, нулевой. Если мы сделаем это, мы будем вставлять это в два минуты.

На следующий шаг, нажмите на "Откройте Make.com", нажмите "Создать новый сценарий". Модуль "Откройте новый сценарий" зависит от вашего источника. Для X используйте модуль "X" "Смотрите сообщения, фильтрованные ключевыми словами или списком учетных записей". Для Reddit используйте модуль "Reddit" "Смотрите новые сообщения в субреддите". Для RSS используйте модуль "RSS" "Смотрите RSS-подачу", лучший для нишевых блогов. Я использую Reddit, потому что три субреддит охватывают весь мой ICP. Настройте "Trigger": имя субреддите, ограничьте десять новых сообщений на каждый поход, распределите сценарий каждые шесть часов. Расписание находится внизу слева по полости, "Стагируйте раз, переходите на каждые X часа". Теперь у нас есть поток свежих сообщений, которые входят в наш сценарий за шесть часов, готовый для оценки Лейд-скаута.

Третий шаг - квалификатор. Добавьте модуль OpenAI после запуска, выберите Создать завершение. Модель: gpt-4o-mini. Система проставка - это именно то, что мы написали в шаге один, вставьте его в поле системного сообщения. Пользовательское сообщение: просто содержание сообщений от запуска, отображаемое из выпуска модуля Reddit. Теперь при настройке температуры, сбросьте это в точку один. Низкая температура означает последовательный выпуск, который нам нужен, потому что мы просматриваем JSON вдоль потока. Высокая температура означает творческий выпуск, который здесь означает несовместимое форматирование JSON и сломанную автоматику. Сохранить. Проверьте это один раз с Run Once. Открытый модуль должен вернуть выходную строку JSON в панели, будь то квалифицированные данные или нулевые. Если вы видите это, мозг работает.

Шаг четвертый - фильтр. Мы хотим действовать только на квалифицированных лидах. Нажмите на соединитель после OpenAI, добавьте фильтр. Условие: ответ JSON не равен нулю, а значит, ответ был квалифицирован. Теперь нам нужно проанализировать этот JSON-провод в отдельные поля, которые может использовать Make.com. Добавьте модуль JSON Parse JSON. Ориентируйте ответ OpenAI в поле JSON-провод. В первый раз, когда вы запускаете это, вставьте образцы квалифицированного ответа в поле образца, чтобы Make.com знал структуру. После проанализирования у вас будет доступно имя, компания, проблема и предложенное сообщение квалифицированного лида в качестве отдельных переменных.

На той же ветке добавляйте Notion Create a database item. Выберите свою базу данных CRM. Картируйте продемонстрированные поля JSON: Name to Title, Company to Company column, Problem to Notes, Suggested message to a Draft Outreach column. Set Status to New Inbound. Save. Add a Slack Send a message module. Channel: leads. Message: New inbound lead, name from company. Problem: problem. Draft message ready in Notion. Map the parsed fields. Save. Now when a qualified lead is detected anywhere in your monitored sources, two things happen automatically: CRM entry with an outreach message ready, and a draft ping so I know to review it. Total time from post to my Slack: under thirty seconds.

Вот где заканчивается цикл.Когда я просматриваю лид в Notion, я открываю проектное сообщение, редактирую его на тридцать секунд, отправляю его из Gmail.Получатель отвечает.Этот ответ попадет в мой почтовый ящик Gmail, а система электронной почты от последнего видео погружает его в лид, классифицирует его как лид, обновляет тот же вход Notion с ответом и снова заставляет меня пинг.Так что рабочий процесс идет: AI находит лид, AI составляет сообщение, я отправляю, ответы получателя, AI набирает ответ, AI обновляет CRM, я вижу уведомление.Закрытый цикл.Я трогал весь этот трубопровод на тридцать секунд.

Три ошибки, которые следует избежать. Одно, использование тяжелой модели GPT-4 для квалификации. Мини-модель достаточно для двойной квалификации по одной десятой стоимости. Второе, позволить сценарию работать без смены смены на стоимость. Добавить ограничение использования OpenAI внутри настроек Make. Моя установлена на двадцать долларов в месяц. Три, чрезмерно широкие источники. Я начал с двенадцати субредитов и получил шум. Три высокосигнальные источники каждый раз побеждают двенадцать посредственных. Курируйте входы, а не фильтры.

Результаты за тридцать дней. Четырнадцать семь квалифицированных лидов добавили в CRM. Шесть ответили на мой охват. Два стали платными клиентами. Один забронировал заказ на тридцать тысяч долларов. Общая стоимость: двенадцать долларов в OpenAI, двадцать девять долларов в Make.com. Я проводил около десяти минут в день, пересматривая лиды в Notion и редактируя проекты сообщений перед отправкой. Это все. Система нашла, квалифицировала и предварительно составляла все остальное. Сравните это с старой школой холодной охват: пятьдесят часов в месяц для тех же результатов. Математика не близка.

Полный промплет системы Lead Scout и план Make.com в описании.Изменить промплет для своего ICP, обменять свои источники, вы получите ту же петлю в двадцать минут. Подпишитесь, потому что в следующем видео я сравниваю Notion AI, ChatGPT и Claude бок о бок после тридцати дней использования каждого из них как моего ежедневного водителя.