Prospección automatizada e inteligente con ChatGPT-4

En un mundo cada vez más competitivo, mejorar la atracción de clientes y digitalizar los procesos empresariales se ha convertido en una necesidad imperante para cualquier negocio que desee sobrevivir en el mercado actual. Afortunadamente, la tecnología ofrece herramientas poderosas que pueden ayudar a lograr estos objetivos de manera eficiente y efectiva.

En este sentido, hoy quiero presentarles un sistema de enriquecimiento de datos que permite realizar prospección inteligente de forma automatizada utilizando ChatGPT-4 y Make, mi plataforma de automatización de procesos favorita. 

No te pierdas la sección donde te enseño los prompt de GPT-4 que he creado para hiper-personalizar los mensajes. 🤩 

El objetivo de este sistema es conseguir reuniones con empresas con las cuales tengamos algún tipo de vinculación con algunos de sus empleados, mediante la utilización de diversas fuentes de información y la aplicación de técnicas de personalización avanzadas.

1. Emplearemos la red de contactos de LinkedIn para buscar las empresas de las personas que han interactuado en los últimos 90 días.
2. Extraemos datos desde el sitio web de la empresa
3. Buscaremos información de la empresa en LinkedIn.
4. Buscaremos los contactos con cierto cargo en LinkedIn de la empresa.
5. Analizaremos el perfil de las personas, así conocer su personalidad y realizar una auténtica personalización en los mensajes.
6. Crearemos con el modelo GPT4 de OpenAI los distintos mensajes hiper-personalizados y cerrar más reuniones.

En resumen, la idea es:

Ejecutar un análisis de nuestra red de contactos para así detectar empresas que se ajusten a nuestro cliente ideal.

Por ejemplo, detectamos a la empresa Teslla es una de ellas y Juan Carlos que es un contacto en esta red trabaja en dicha empresa.

El siguiente paso es obtener mayor información de la empresa, el sitio web, email, teléfono y un listado de personas que tienen un cargo de CEO o director de tecnología.

Para cada persona, obtendremos un análisis de personalidad, así comprender el comportamiento de estos y conocer la forma de comunicación que debemos utilizar con ellos para personalizar los distintos mensajes a entregar.

Por último, crearemos 2 mensajes hiper-personalizados a enviar por email al CEO o director de tecnología y 1 mensaje de LinkedIn que enviaremos al contacto.

Si buscas una solución para mejorar tus procesos de ventas y atraer más clientes de manera eficiente, no te pierdas la sección donde se muestran los prompt de GPT-4 creados para hiper-personalizar los mensajes.

🚀 ¡No esperes más para automatizar tus procesos y mejorar tus resultados!

Por qué automatizar la prospección de clientes

Automatizar la prospección de clientes no solo nos permite ahorrar tiempo y recursos, sino también mejorar la efectividad en el proceso de venta. Al utilizar tecnología como el sistema de enriquecimiento de datos y los modelos de personalización de mensajes, podemos llegar a nuestro cliente ideal de manera más eficiente y con una comunicación más efectiva.

Además, es importante tener en cuenta que cada vez más empresas están adoptando un enfoque más basado en datos para la venta y que la personalización de la comunicación se ha convertido en una necesidad para sobresalir en un mercado cada vez más competitivo. Por lo tanto, si queremos mantenernos a la vanguardia de las tendencias de ventas, debemos considerar seriamente la automatización de la prospección de clientes.

En definitiva, la tecnología está revolucionando el mundo de las ventas y debemos estar dispuestos a adaptarnos para aprovechar sus beneficios. No te quedes atrás y comienza a explorar las opciones que la automatización de la prospección de clientes tiene para ofrecer.

Stack tecnológico a utilizar

Bueno, volviendo al tema de este artículo, las herramientas que vamos a usar son:

• Make, nuestra plataforma de automatización de procesos.
• Apollo.io, la plataforma de inteligencia de ventas que permite encontrar prospectos ideales, enriquecer sus datos para convertirlos en sus clientes.
• Humantic AI, plataforma que nos ayudará a evaluar y comprender la personalidad y el comportamiento de cada contacto utilizando IA de última generación.
• OpenAI, sí, vamos a emplear #GPT4, me sumo a la ola de publicaciones de ChatGPT.
• MailTrack.io, es una herramienta de rastreo (o tracking) de correo electrónico.
• Google Task, aplicación de Google diseñada para crear listas de tareas por hacer.
• Google Sheet: Una simple planilla de cálculo para registrar todos los datos que vayamos obteniendo.

Cada una de las herramientas cumple una función específica dentro del proceso, desde la automatización de tareas con Make, la búsqueda de prospectos con Apollo.io, la evaluación de personalidad con Humantic.ai y la creación de mensajes personalizados con GPT-4 de OpenAI.

Sin embargo, me gustaría señalar que el costo de estas herramientas puede variar significativamente dependiendo de varios factores, como el tamaño del negocio, la cantidad de datos que se manejan, la cantidad de usuarios y el tipo de funcionalidades que se necesiten. Por lo tanto, es importante realizar un análisis detallado de los costos antes de decidir implementar cualquier sistema.

¡Bienvenido al mundo de la automatización!

A continuación presentaré los distintos procesos automatizados que se han armado para la prospección inteligente, todas las automatizaciones han sido creadas con Make (ex Integromat).

Paso 1: Buscar los sitios web de las empresas a contactar.

Este será uno de los pasos manuales a efectuar, yo te presentaré como lo hago y además te presentaré una segunda estrategia para extraer información de sitios web, pero estoy seguro de que idearás otras formas de obtener el dato que necesitamos.

El objetivo de este paso es obtener un listado de sitios web de las empresas a contactar.

🚨 IMPORTANTE: El único dato de entrada que necesitamos para el sistema es la dirección del sitio web.

Mi recomendación, usar el poder de la red de contactos

Los grandes ejecutivos de ventas dicen que es más fácil venderles a personas con las cuales ya tenemos cierta relación, los que ya nos conocen, por lo que emplearemos la red de contacto para buscar las empresas de las personas que han interactuado en los últimos 120 días.

🎓 El filtro que voy a aplicar es:

• Contactos de primer grado.
• Que estén conectados con nosotros al menos desde hace 120 días.
• Que se encuentren en España.
• Que trabajen en la industria de marketing y publicidad.
• Que hayan realizado al menos 20 reacciones y 5 comentarios en nuestras publicaciones.
• Que tengamos al menos 5 contactos en común.
• Que la empresa tenga al menos 2.000 seguidores.

Creo que es un buen filtro, al aplicarlo trae datos interesantes, aunque seguro se puede afinar aún más los resultados.

🚨 IMPORTANTE: De estos datos solo vamos a usar la dirección del sitio web.

Una vez realizado el filtro, vamos a copiar la lista de sitios web a una planilla de Google, en este caso el formato es el siguiente:

En la primera columna ingresamos el listado de sitio web, el resto de las columnas se autocompletará con las distintas automatizaciones que explico a continuación.

No te preocupes ahora por las columnas, solo ten presente que hay columnas que contienen datos y columnas que las utilizo como control, como ser las columnas D, E y F.

Ahora, te enseñaré otro procedimiento para generar un listado de sitios web que podemos emplearlo para iniciar una prospección más fría.

Extracción de datos de sitios web con SimpleScraper

Utilizaremos SimpleScraper que es una extensión de Chrome que permite realizar scraping de sitios web desde el navegador, sin necesidad de código.

La idea de esta extensión es usarla en un directorio online de empresas, extraer los datos y exportarlos a un archivo CSV para luego ingresarlos a la planilla que anteriormente explique.

Puedes ver a continuación como es el procedimiento de uso.

https://simplescraper.io/

Bueno, llegado a este punto debemos tener un listado de sitios web en la planilla de Google, te comparto mi listado.

Paso 2: Extraer datos desde el sitio web y registrarla en la planilla

Esta será la primera automatización a crear con Make y tiene como objetivo extraer desde el sitio web el número telefónico, email y perfil de LinkedIn de la empresa.

Esta automatización se transforma en un web scraping, si no estás familiarizado con el concepto, web scraping es un proceso dentro de Data Science que se utiliza para la extracción de datos de sitios web.

Datos de entrada:

• Dirección del sitio web

Datos de salida:

• # telefónico
• Email
• Dirección web del perfil de LinkedIn

Como puede ver en la siguiente imagen se ha autocompletado las columnas G, H e I, que pertenecen a los datos del número telefónico, email y perfil de LinkedIn.

Paso 3: Buscar y extraer información de la empresa en LinkedIn

Para realizar esta automatización, se puede utilizar la plataforma Apollo.io. Se creará un escenario que tome como entrada la dirección del sitio web de la empresa, busque en la base de datos de Apollo.io los datos necesarios y los registre en una hoja de cálculo de Google Sheets.

Además, Apollo.io te permite generar listas de correo electrónico y perfiles de LinkedIn de tus potenciales clientes.

La automatización inicia buscando en la planilla de Google todas las filas donde la columna E (Apollo Company) no tenga datos, es decir, no hayamos ejecutado la búsqueda en Apollo.io anteriormente.

Por cada fila, usamos la columna P (Domain) para buscar el perfil de LinkedIn en Apollo.io, los resultados los actualizamos en la planilla.

Datos de entrada:

• Dirección del sitio web

Datos de salida:

• Tamaño de la empresa (empleados)
• Año de fundación
• Industria
• ID Organización

En la siguiente imagen se ha autocompletado las columnas K, L, M, N, que pertenece a los datos del Tamaño de la empresa (empleados), Año de fundación, Industria, ID Organización.

Paso 4: Buscar empleados con cierto cargo en LinkedIn

Esta automatización tiene como objetivo buscar en LinkedIn los perfiles de los empleados de la empresa que tengan ciertos cargos, en mi caso busco CEO y directores de tecnología.

Seguimos utilizando Apollo.io para realizar la búsqueda de datos en LinkedIn. Es importante destacar que el resultado de la búsqueda en LinkedIn puede ser un listado de personas. Por lo tanto, se agrupan los datos y se insertan de forma masiva en la planilla de Google, con el fin de optimizar el consumo de operaciones en Make.

Datos de entrada:

• Dirección del sitio web

Datos de salida (listado):

• Cargo
• Nombre
• Apellido
• URL LinkedIn
• Estado del email
• Email
• País
• Teléfono
• Antigüedad
• ID Organización

En la siguiente imagen te comparto la estructura de otra hoja que posee la planilla de Google, en esta hoja se registrarán todos los datos de las personas que trabajan en la empresa buscada.

Paso 5: Analizar la personalidad de los contactos

Llegando a este punto, tenemos la información de cada contacto, principalmente lo que nos interesa es la URL del perfil de LinkedIn, la cual utilizaremos para la siguiente automatización donde utilizaremos la plataforma de Humantic.ai.

La IA de Humantic ha demostrado ser una herramienta valiosa para los profesionales de las ventas, ya que proporciona información sobre la personalidad de los prospectos y clientes que puede mejorar significativamente las interacciones.

Los conocimientos sobre la personalidad que se obtienen a través de Humantic AI han demostrado ser eficaces para generar mejores respuestas de los clientes, impulsar conversaciones más efectivas y, en última instancia, ayudar a los profesionales de las ventas a alcanzar sus objetivos en la mitad de tiempo.

Como puedes ver, para usar la plataforma de Humantic.ai, necesitamos crear 2 escenarios, 2 automatizaciones 😎

En la primera, buscamos todas las filas de la hoja donde registramos a las personas y usando la URL del perfil de LinkedIn para solicitar a Humantic el análisis de personalidad, este análisis no es inmediato, se demora un par de segundos, por lo que debemos crear un segundo escenario para rescatar los datos.

Como te decía anteriormente, debemos crear una segunda automatización para rescatar los análisis solicitados a Humantic y esto es lo que hace la siguiente imagen.

La automatización comienza buscando en la planilla de Google los análisis solicitados a Humantic anteriormente, por cada uno, solicitamos el resultado de estos y guardamos la información en la planilla de Google.

Este es el resultado de evaluar mi perfil de LinkedIn, creo que me define bien, ¿qué piensas? 🤔

• Advice type: high steadiness
• Advice description: They focus on the results, but can still be quite procedural and analytical about how to get there
• Advice adjectives: Thorough Evaluator
• Email personalization:

Closing Line: Logically summarize/ask Subject Length: 2-4 words Tone Of Words: Objective, informational Greeting: Yes (Say something formal/usual) Bullet Points: Recommended Closing Greeting: Formal Complimentary Close: Formal Length Of Mail: Medium Salutation: Yes (Something formal) _Overall Messagin_g: Focused on removing doubts

• What to avoid: Don’t nudge them to do something by using the logic that others have done the same Don’t focus on relationship, focus purely on the merit of your product Avoid making strong statements, instead invite them to agree with you by asking them questions

• What to say: Use phrases like ‘the ROI of this’, ‘X% more’ etc. Help them weigh the risks by sharing objective proof points instead of anecdotes and examples Keep a professional, business-like approach; especially if you tend to get informal quickly.

• Key traits: Risk Appetite: They have relatively low risk-appetite and are not very likely to go for something unproven and risky Ability To Say No: They might hesitate a little, but will go ahead and say no when necessary (or asked) Speed: They are unlikely to move very fast, especially when it comes to new products or services Decision Drivers: ROI matters the most to them, followed by process and finally proof of results

• Disc description: High Steadiness High Calculativeness High Dominance

• Ocean description: Somewhat Balanced Agreeable Somewhat Open

Te comparto otros 2 análisis de perfiles distintos.

Con esta información, como profesionales de las ventas vamos a adaptar el enfoque y estrategia para satisfacer mejor las necesidades de nuestros potenciales clientes, lo que daría como resultado una mayor tasa de éxito en el cierre de ventas.

En resumen, la IA de Humantic es una herramienta valiosa para los profesionales de las ventas que desean mejorar sus habilidades de comunicación y alcanzar sus objetivos de manera más rápida y efectiva.

Paso 6: Crear mensajes hiper-personalizados con modelo GPT4 de OpenAI

Una vez que hemos recopilado toda la información necesaria, es momento de crear los mensajes personalizados que utilizaremos para contactar a nuestros potenciales clientes. En este artículo, te mostraré cómo se puede utilizar el modelo de GPT-4-0314 de OpenAI para producir dos mensajes de correo electrónico y un mensaje de LinkedIn. Es importante destacar que estos mensajes serán altamente personalizados y adaptados a la personalidad de cada potencial cliente.

🚨 IMPORTANTE: En este proceso, utilizaremos tres prompts diferentes, siendo el primero el más importante, ya que definirá el tipo de comunicación a utilizar según el análisis de personalidad de cada potencial cliente. Cabe destacar que este prompt emplea hasta 13 variables, lo que lo hace extremadamente personalizado.

Es importante señalar que los prompts están escritos en inglés y los resultados también, ya que los datos obtenidos del análisis de personalidad se encuentran en este idioma. Sin embargo, se pueden realizar las traducciones necesarias y hacer los cambios adecuados para adaptar el mensaje a otros idiomas.

En los prompts de GPT-4, utilizamos variables como {NAME}, {COMPANY}, {INDUSTRY}, que tendrán como valor los datos recopilados para cada perfil registrado en la planilla de Google 🤓

Con esto, logramos crear mensajes altamente personalizados y adaptados a las necesidades de cada potencial cliente.

Prompts para GPT-4 hiper-personalizados

🚨 IMPORTANTE: Las capturas de pantallas de los prompts la saqué usando ChatGPT-4 sólo a modo de ejemplo, estos prompts realmente son usados directamente en la automatización pasándoles además los valores de las distintas variables a usar.

Te adjunto un ejemplo.

Mensaje 1 - Primer mensaje por email

Mensaje 2 - Segundo mensaje por email si no responde el anterior

Mensaje 3 - Primer mensaje por LinkedIn

Paso 7: Programar recordatorios para el envío de mensajes

Ahora que ya tenemos los distintos mensajes de la secuencia para contactar a los potenciales clientes, es importante programar recordatorios para asegurarnos de que los mensajes sean enviados en el momento adecuado.

A continuación, te mostraré cómo puedes programar estos recordatorios para no olvidar enviar los mensajes.

Quizás te estés preguntando por qué no enviamos los emails de forma automática, creando así un sistema completamente automatizado. La verdad es que hay varias razones detrás de esta decisión.

En primer lugar, es importante leer y revisar los mensajes generados por GPT-4 para asegurarnos de que se adapten adecuadamente a cada potencial cliente. Además, no todos los clientes están en la misma zona horaria o responden de la misma manera a los correos electrónicos enviados en diferentes horarios. Al enviar manualmente los correos, podemos darle un toque especial y personalizado a cada uno.

En la siguiente imagen se muestra el flujo de la automatización que he generado. Básicamente, se busca en la planilla de Google las filas donde en la columna J (Publicaciones revisadas?) contenga el valor SI y en la columna K (¿Recordatorios programados?) no tenga valor. Por cada fila, se obtienen las columnas G (First Message), H (Second Message), I (Third Message) y se crea una tarea en Google Task, programando así un recordatorio en nuestro calendario. De esta manera, nos aseguramos de enviar los mensajes en el momento adecuado y no olvidar ningún potencial cliente.

🚨 IMPORTANTE: Recuerda, siempre debes revisar y personalizar los mensajes generados por GPT-4 para garantizar que se adapten correctamente a cada potencial cliente. ¡No confíes al 100 % en la generación de texto automatizado!

Puedes ver a continuación cómo aparecen los recordatorios en el calendario de Google.

Paso 8: Registro de envío de mensajes en la planilla de Google

En este paso de la automatización, se registrará en la planilla de Google la fecha y hora de envío de los mensajes a los potenciales clientes. Para ello, se ha creado un escenario que se activa al marcar las tareas de envío de mensaje como realizadas.

Este registro es importante, ya que nos permite llevar un control y análisis de los resultados de los mensajes enviados, y así poder evaluar la efectividad de nuestra estrategia de comunicación. En la planilla de Google se podrán ver los detalles de cada envío de mensaje, incluyendo la fecha y hora, el mensaje enviado y a qué potencial cliente se le envió.

Esta información será de gran ayuda para realizar ajustes y mejoras en nuestra estrategia de comunicación en el futuro, y así poder aumentar nuestras posibilidades de captar la atención de potenciales clientes y lograr nuestros objetivos de negocio.

En la siguiente imagen puedes ver la información que se registra en la planilla de Google para cada mensaje que hemos programado enviar.

Paso 9: Cómo detectar aperturas y clics en los mensajes enviados por correo electrónico con Mailtrack

Una forma de saber si los potenciales clientes están interactuando con los correos electrónicos que enviamos es utilizando una herramienta de seguimiento de correos electrónicos como Mailtrack para Gmail.

Mailtrack rastrea los eventos que se producen en los correos electrónicos, como la apertura o el clic en un enlace, y envía una notificación por correo electrónico en el momento en que se detecta un evento.

Para registrar estos datos en la planilla de Google, podemos crear una automatización que espere por las notificaciones de Mailtrack y registre la fecha y hora del evento en la planilla de Google. De esta manera, podremos hacer un seguimiento de la interacción de los potenciales clientes con nuestros correos electrónicos y evaluar la eficacia de nuestra estrategia de correo electrónico.

En la siguiente imagen puedes ver cómo se registran los eventos de la última apertura y último clic en los enlaces que contienen los mensajes.

Paso 10: Detectar reuniones reservadas 

Una vez que hemos llegado al paso 10 de nuestro sistema de prospección y seguimiento de clientes potenciales, estamos listos para comenzar a llenar nuestro calendario de reuniones. Sin embargo, no podemos perder de vista el hecho de que necesitamos mantener toda la información de nuestro sistema actualizada y en un solo lugar.

Es por eso que la automatización que se presenta en este paso es clave para cerrar el ciclo del sistema y tener toda la información necesaria para tomar decisiones informadas. La idea es registrar en la planilla de Google la fecha y hora de la reunión que un contacto nos agende.

¿Por qué es importante tener toda esta información registrada?

La respuesta es sencilla: esto nos permitirá analizar los resultados de nuestra estrategia de prospección y seguimiento de clientes potenciales. Podremos ver si los contactos prospectados están recibiendo correctamente nuestro mensaje, si están abriendo y haciendo clic en los correos electrónicos y si están agendando reuniones con nosotros.

La automatización que se presenta en este paso inicia al detectar una nueva reunión agendada en Calendly. Luego, se obtiene toda la información de la reunión, desde la fecha y hora hasta las personas que asistirán y el enlace de la sala creada en Google Meet.

Esta información se utiliza para crear un contacto en la agenda de contactos de Google, lo que nos permite mantener actualizada nuestra libreta y tener toda la información de nuestros contactos en un solo lugar. Finalmente, se busca en la planilla de Google si existe algún contacto con el correo electrónico que nos han agendado y se registra la fecha y hora de la reunión en la columna Q (Meeting date).

En resumen, este paso es clave para cerrar el ciclo del sistema de prospección y seguimiento de clientes potenciales. Registrar la fecha y hora de las reuniones agendadas nos permitirá analizar los resultados de nuestra estrategia y tomar decisiones informadas. ¡No lo subestimes!

Puedes ver en la siguiente imagen cómo se ha autocompletado las columnas Q (Meeting date) y R (Meeting URL).

Hemos llegado al final, ahora te toca a ti pasar a la acción

En conclusión, la prospección automatizada e inteligente con ChatGPT-4 y Make es una herramienta que nos permite optimizar nuestros procesos y aumentar nuestras oportunidades de negocio. Ya no es necesario gastar largas horas investigando y buscando prospectos de manera manual, crear un sistema automático nos brinda la posibilidad de hacerlo de manera rápida y eficiente.

Si tienes una pequeña o mediana empresa, te invito a considerar la automatización de tus procesos con Make, ya que esto te permitirá ahorrar tiempo y dinero, además de aumentar la productividad de tu equipo de trabajo.

Por otro lado, si este artículo te ha sido útil e interesante, te invito a compartirlo en tus redes sociales y a comentar tus experiencias o dudas en la sección de comentarios. ¡No olvides dar like para apoyar mi trabajo! 🙏