VÝROBEK
ŘEŠENÍ
podle případu použití
dozvědět se více
ŠablonyBlogVideaYoutubeCENY
ZDROJE
KOMUNITY A SOCIÁLNÍ MÉDIA
PARTNERI
Ahoj! V tomto článku vám vysvětlím, jak může framework umělé inteligence LangChain výrazně zvýšit kvalitu vašeho oslovení studeným e-mailem, protože ho učiní jedinečným a personalizovaným. Proberu také, jak celý tento proces automatizovat s minimálními náklady pomocí nízkokódové platformy, a podělím se o připravené šablony pro rychlý start.
Mezi personalizací a automatizací existuje přirozené napětí. Nepersonalizované, obecné e-maily se snadno automatizují, ale často vedou k nízké míře zapojení a konverze. Naproti tomu vysoce personalizované e-maily zvyšují zapojení, ale je obtížné je automatizovat.
Platformy pro zasílání studených e-mailů nyní pomáhají tento problém řešit pomocí dynamických proměnných, které automatickým e-mailům dodávají personalizovaný charakter. Tyto proměnné slouží jako zástupné symboly pro vkládání personalizovaných slov, řádků nebo odstavců.
Dynamické proměnné umožňují společnostem efektivně vyvažovat personalizaci a automatizaci. Dnes vytvoříme scénář LangChain na nízkokódové platformě Latenode , abychom vygenerovali přizpůsobený cold e-mailový icebreaker pro každý kontakt v naší oslovovací databázi pomocí následujících nástrojů:
Začněme listem Google obsahujícím základní e-mailové adresy. Jako reálné příklady jsem uvedl některé své pracovní e-maily(po přečtení tohoto textu se prosím zdržte zasílání personalizovaných studených e-mailů! :) )
Nejprve musíme tyto e-maily obohatit o údaje o příjemcích. Pro naše oslovení potřebujeme vědět:
Mohli byste ručně navštívit každou e-mailovou doménu a shromáždit tyto informace, ale pokud máte v databázi stovky nebo tisíce e-mailů, není to praktické. Místo toho můžeme tento úkol automatizovat pomocí nízkokódové platformy Latenode. Tam propojíme náš list Google a pomocí rozhraní ClearBit API doplníme chybějící informace. Funguje to následovně:
Nebojte se! Nemusíte vytvářet vše od začátku. Stačí zkopírovat scénář, který uvádím na konci tohoto článku. Základní kroky této automatizace jsou následující:
To je vše. Naše e-maily jsme obohatili o základní údaje, jako je popis společnosti. Nyní vytvoříme osobní icebreaker, kterým zahájíme naše chladné e-maily a hned na začátku navážeme osobní kontakt.
Pochvala za to, co příjemce dělá na svém pracovišti, je to nejmenší, co můžete udělat. Kromě toho můžete důvod oslovení přizpůsobit profilu společnosti. Můžete to udělat pomocí dalšího scénáře Latenode , který budete moci později zkopírovat.
Jejími hlavními kroky jsou:
Tímto způsobem připojíme ke každému jednotlivci personalizovaný icebreaker, čímž vytvoříme kromě jeho křestního jména a názvu společnosti další vlastní proměnnou. Tato trojice by měla pro začátek stačit. Podívejme se, jak to funguje:
Nejprve si stáhněte tabulku jako soubor CSV. Poté ji nahrajte do své e-mailové platformy jako nový seznam. Budu demonstrovat použití programu Apollo, ale postup je podobný i v jiných nástrojích.
Další kroky jsou zcela standardní - namapujte pole a přiřaďte každému z nich proměnnou. Klíčovou proměnnou je pro nás vlastní pole "icebreaker".
Při sestavování e-mailu pro potenciální zákazníky to funguje takto:
To je prozatím vše. Výzvy odesílané do GPT můžete ve svém scénáři Latenode upravit tak, abyste dosáhli libovolné úrovně přizpůsobení studených e-mailů. Tyto šablony Latenode jsou univerzální pro jakýkoli scénář studeného oslovení, včetně personalizovaných zpráv LinkedIn.
⭐ Jak jsem slíbil, zde je odkaz, kde si můžete zkopírovat mé scénáře: Knihovna šablon
Stačí je vložit do aplikace .latenode.com a zadat klíče API pro ClearBit (který je zdarma) a OpenAI (který je cenově velmi dostupný). Samotná aplikace Latenode je také zdarma a má podpůrnou komunitu, kde je tým vždy připraven pomoci s vaší cestou automatizace.