Cheetah - всё о B2B лидогенерации, AI и Sales-tech

Написал лонгрид про стэкинг сигналов с разными примерами как их собирать в Clay, Deepline и далее кастомно выстраивать пайплайна для масштабирования и снижения цены Но главная ценность здесь не инструмент и даже не сами данные. Главный актив - интерпретация, которую трудно купить в готовом виде. https://vc.ru/marketing/3073577-kak-ispolzovat-neochevidnye-signaly-dlya-b2b-prodazh Также недавно делал краткий обзор как использую Clay CLI и Deepline в кодексе - поддержите лайком и шером по-братски! https://www.youtube.com/watch?v=0YzCWWahv3g

Ваши конкуренты уже написали вам рекламную стратегию найди всех своих конкурентов в Linkedin Ad Library через Apify выгрузи все их рекламные креативы передай изображения и видео в Gemini и попроси описать каждый креатив особое внимание удели подаче, обещаниям и результатам, которые они продают теперь у тебя есть карта того, как компании в этой категории говорят о себе затем попроси Codex найти незанятые ниши и пробелы на рынке, в которые можно зайти чтобы проверить эти гипотезы, пусть он соберёт обсуждения на Reddit через Parallel AI на этом этапе у тебя уже есть достаточно точная карта индустрии теперь используй Nano Banana и Seedance, чтобы создать объявления на основе этого анализа загрузи новые объявления в Linkedin Ads через Synter через пару дней подключи Synter MCP к Codex и попроси его проанализировать, что работает отключи проигрывающие объявления и записывай каждый креатив, тест, результат и решение в общую память системы когда система заработает, разверни её на сервере, чтобы весь цикл выполнялся автономно и луп замкнулся

рубрика - Маркетологи, АСТАНАВИТЕСЬ Печатаешь рекламу на пенке кофе. Фотографируешь. Загружаешь в Google Maps как обычный посетитель. Бесплатная реклама… и отличный способ получить миллионы просмотров и пожизненный бан от всех малых бизов Не одобряю, но снимаю шляпу 😅

Как собрать AI-native ABM-систему, которая помнит историю каждого аккаунта и каждое утро предлагает next best action. Давненько не писал подробные гайды и эта статья как раз такой редкий случай 🙂 Рассказываю про современный Account-Based маркетинг, из чего состоит и как использовать с связке с AI агентами. Будет интересно тем, у кого не работает spray and pray и высокий средний чек. Пиши @kesselmanf если нужно построить такую же систему! https://vc.ru/marketing/3023886-kak-sozdat-abm-sistemu-s-ai-agentami-dlya-upravleniya-akkauntami

3 скучных способа использовать AI агентов, которые могут приносить тёплые лиды каждый день на автомате.  Настроить их можно с помощью разных харнессов, например сейчас у меня в фаворе Codex, но можно и через Claude, Cursor, Hermes и всякие клешни. Важно чтобы оно умело запускать задачу по расписанию каждый день. Эти инструменты способны выполнять все эти способы самостоятельно. Но я советую добавить сверху Parallel.ai или Exa + у них много интересных фичей, о которых рассказывал в видосе - https://www.youtube.com/watch?v=-CBFkkSIiaM. Для начала нужны ICP, Buyer person’ы aka ЛПР’ы, Value prop и офферы. Скоро выпощу видео и пост о том, как забутстрапить и системно их обновлять. 1. Просим агента находить по 3 идеальные компании в день на основе какого-то триггерного события.  Засетапьте Google Sheets плагин, чтобы он их туда складывал и чекал дубликаты. На скриншоте я попросил Parallel найти 3 компании, которые нанимают GTM инженеров. 2. Мониторим ближайшие отраслевые мероприятия и его спонсоров. Мероприятий не так уж много, но когда они появляются, нам нужна автоматизация, который находит новые события и собирает (по возможности) спонсоров / участников - потому что такой список даёт очень высокий уровень интента. 3. Автоматизируем работу с Dream 100. Гуру продаж Chet Holmes придумал подход Dream 100: «на что вы готовы пойти, чтобы заполучить своих 100 клиентов мечты?» Как только мы ответим на этот вопрос, окажется, что большую часть того, что мы стали бы делать, агент вполне способен сделать за нас. Запускаем скилл на 5-10 компаниях в день (или больше) и собрать ресурс по Dream 100 - а затем вручную (или, конечно, автоматически) отправлять сообщения лидам. Для автоматического способа используем Codex Automation или Claude Routines вместе с ChromeDevTools MCP, чтобы он управлял вашим авторизованным Google Chrome.

отличная иллюстрация к посту выше и тому, чем занимаюсь сейчас с клиентами

Четвёртый слой - действие. Что можно сделать дальше? Написать письмо, обновить запись, создать документ, подготовить краткую сводку, попросить недостающие данные. Пятый слой - контроль. Можно ли выполнить действие сразу или нужен человек? Нужно ли показать черновик? Нужно ли запросить подтверждение перед изменением в СRM? Шестой слой - память. Что должно сохраниться после этой задачи? Какой вывод пригодится в следующий раз? Какое обещание нельзя забыть? Какую гипотезу уже проверяли? И память это наверно самое интересное что есть сейчас в агентах помимо self-evolution. Стандарта пока нет. Вот это и есть основа агентного процесса. Не “сделай мне аутрич”. А “веди рабочий объект через источники, решения, действия и память”. Почему память сама по себе не решает проблему Сейчас все говорят про память. И это правильно, но часто слишком поверхностно. Память в чат-боте может помнить, что ты любишь короткие ответы, работаешь в такой-то сфере и строишь такой-то продукт. Но рабочая память устроена иначе. Ей важно не просто “запомнить факт”. Ей важно понимать статус факта. Например: — это подтверждённое решение — это гипотеза — это мнение одного человека — это правило компании — это временное исключение — это обещание клиенту — это риск, который надо поднять позже Если агент просто складывает всё в память, он создаёт новую проблему. Теперь человек должен проверять не только исходные данные, но и память агента. В рабочих процессах память должна быть управляемой. Агент должен уметь сказать: — я использовал вот эти источники — вот это факт — вот это вывод — вот это я предлагаю запомнить — вот это требует подтверждения — вот это нужно проверить позже Именно поэтому “память” без карты процесса быстро превращается в кашу. Что дальше для GTM и AI? аутрич был первым понятным применением. Там легко увидеть ценность: лучше база, лучше персонализация, быстрее тексты, быстрее обработка ответов. Но следующий этап больше. Это не “агент пишет письма”. Это агент, который понимает коммерческий процесс вокруг письма. Он знает, почему мы пишем именно этой компании. Какая гипотеза проверяется. Какие сигналы уже были. Какие люди релевантны. Что было в прошлых касаниях. Какой ответ считать успехом. Когда надо остановиться. Что передать продавцу. Что сохранить для следующей кампании. То же самое будет в продажах, партнёрствах, маркетинге, найме, финансах, поддержке, операционке. Победят не команды, которые “подключили ИИ к инструментам”. Победят команды, которые описали свои рабочие процессы так, что агент может в них жить. Что будет дальше в канале Раньше я больше писал про продажи и лидген: базы, обогащение, сигналы, письма, кампании. Эта тема никуда не уходит. Но теперь я буду смотреть на неё как на часть более широкой темы - агентные рабочие процессы для роста, продаж и операционки. Буду писать и снимать видосы про: — проектирование рабочих объектов — как правильно давать агенту доступ к инструментам (кастомные MCP, CLI) — как строить память и world model компании аля Джек Дорси — как контролировать агентов перед действиями — как проверять качество работы агента (evals, harness engineering) Если вы тут из-за моих постов по продажам и GTM - не уходите. Аутрич просто был первым уровнем 🙂 Дальше будет только интереснее, будем строить системы, которые понимают работу.

Сначала процесс, потом агент Три месяца ничего не писал сюда. Не потому что тема ИИ-аутрича закончилась. Скорее наоборот: она стала слишком маленькой. Раньше я смотрел на аутрич как на цепочку задач: — собрать базу — обогатить компании и людей — найти сигналы — написать первое сообщение — найти message-market fit — разобрать ответы — передать тёплые лиды продавцу Это всё ещё важно. Но сейчас мне кажется, что это только частный случай более крупной темы. И тема эта - агентные рабочие процессы. Главный сдвиг в том, что мы перестаём строить отдельные автоматизации вокруг инструментов. Вместо этого мы начинаем описывать саму работу: откуда берётся задача, какие источники важны, где лежит правда, какие решения надо принять, что можно сделать автоматически, а где нужен человек. Аутрич был удобной песочницей, потому что там всё видно: есть база, есть компания, есть человек, есть гипотеза, есть письмо, есть ответ, есть следующий шаг. Но если посмотреть глубже, это не “аутрич”. Это рабочий объект (ну или work item). У него есть контекст, источники, цель, ограничения, действие, состояние и память. И вот вокруг таких объектов будут строиться нормальные ИИ-системы. Агент - это не промпт с доступом к инструментам Плохая версия агента выглядит так: “Вот тебе промпт, вот тебе доступ к почте, срмке и базе, делай полезные вещи”. Это почти всегда ломается. Не потому что модель тупая. А потому что рабочий процесс не описан. Модель не знает: — какой источник главный — где данные устарели — что можно менять, а что только читать — когда нужен человек — что считать хорошим результатом — что надо запомнить на будущее — что делать, если инструмент вернул мусор — как понять, что задача застряла Инструменты дают агенту руки. Но не дают ему понимание работы. Если дать агенту доступ к хабспоту, почте и таблицам, он не становится оператором. Он просто получает поверхность для ошибок. Нормальный агент начинается не с промпта. Он начинается с карты рабочего процесса. Рабочий процесс важнее инструмента Последние годы мы строили операционные системы компаний в интерфейсах. Правило в одном сервисе. Таблица в другом. Статус в срмке. Решение в телеге. Контекст в почте. Финальная версия в документе. Настоящая причина решения - у человека в голове. Потом приходит ИИ, и мы делаем вид, что ему достаточно “подключиться к инструментам”. Но проблема не в том, что инструментов мало. Проблема в том, что работа размазана между ними. Например, в аутриче: — срмка знает, что компания есть в пайплайне — почта знает, что им уже писали — таблица знает, какой был сегмент — обогащение знает, кто там работает — прошлый ответ знает, почему они не купили — продавец помнит, что фаундер просил вернуться через два месяца Если агент видит только одну часть, он делает красивую, но бесполезную работу. Он может написать хорошее письмо не тому человеку. Может предложить не тот угол. Может повторить уже проверенную гипотезу. Может открыть старую рану в отношениях с клиентом. Может создать ещё один “почти правильный” текст, который человеку всё равно надо полностью перепроверять. Поэтому главный вопрос теперь не: “Какой инструмент подключить?” А: “Как выглядит рабочий объект, который агент должен вести?” Что такое рабочий объект (work item) Рабочий объект - это не запись в базе и не задача в таск-трекере. Это минимальная единица реальной работы. Для аутрича это может быть “компания, с которой мы хотим начать разговор”. Для продаж - “сделка, которую надо сдвинуть”. Для фаундера - “возможность, которую нельзя потерять”. Для медиа-команды - “бриф от рекламодателя, из которого надо собрать предложение”. У нормального рабочего объекта есть несколько слоёв. Первый слой - источники. Откуда мы знаем, что происходит? Почта, CRM, звонок, документ, таблица, сайт, заметка, прошлый ответ. Второй слой - доверие. Какой источник главный? Что устарело? Что является фактом, а что выводом? Что сказал клиент, а что мы сами предположили? Третий слой - состояние. На каком этапе работа? Кто владелец? Что уже сделано? Что ждём? Где застряли?

Прогноз на 2026: мы перестанем строить GTM-системы в интерфейсе А будем делать это из CLI. Последние лет десять RevOps означал мастерство кликанья по интерфейсам. Мы строили карьеры на знании того, какой тогл в каком подменю спрятан. (Некоторые реально преуспели в этом - я в том числе.) И параллельно мы накапливали configuration debt в промышленных масштабах. Configuration debt это когда твоя GTM-логика размазана по десятку инструментов, нигде не задокументирована и понятна только тому, кто её настраивал. Инструменты, которые должны были упростить сложность, просто сделали её неподдерживаемой. Новая реальность В 2026 лучшие операторы пишут GTM-системы так же, как инженеры шипят фичи. Не потому что выучили Python. А потому что агенты вроде Claude Code позволяют проектировать системы на человеческом языке через CLI, а потом генерировать, версионировать и деплоить то, что раньше приходилось отдавать разрабам. Что меняется Больше никаких “кажется, Саша настроил это правило в 2023-м”. Твоя система задокументирована в коде, который её запускает. Когда что-то ломается, ты откатываешься к последнему рабочему коммиту. Не копаешься в истории воркфлоу в надежде, что кто-то оставил заметку. Твоя scoring-модель не “встроена в HubSpot”. Это код, который сегодня интегрируется с HubSpot, а завтра может работать где угодно. GTM-агенты Представь: ты строишь агента, который живёт в Slack или Telegram. Он оркестрирует весь твой salestech-стек - Prospeo, Heyreach, Smartlead, Instantly, Hubspot и тд - и сохраняет все контакты, ресёрч и сигналы в Supabase. Да и еще запускает кампании и проверяет микро-гипотезы. Почему это все меняет? Потому что RevOps перестаёт быть бутылочным горлышком. Любой в компании - сейлз, маркетолог, фаундер - может просто написать агенту в чат вместо того, чтобы идти к GTM-инженеру с просьбой *“а можешь сделать отчет по последней гипотезе”*. Работа GTM-инженера теперь - построить такую систему один раз. А система сама seamlessly собирает контекст из всех взаимодействий, и этот контекст становится proprietary knowledge компании. Ну и конечно, поддерживать и латать систему все равно придется :) Чем больше команда пользуется агентом, тем умнее он становится - и это конкурентное преимущество, которое нельзя скопировать. В итоге это не RevOps превращается в разработку. Это GTM-работа становится тем, чем она всегда должна была быть: проектированием систем, а не настройкой инструментов. Главный разлом в 2026 будет не между “техническими” и “нетехническими” операторами. А между командами, которые мыслят системами, и командами, которые застряли в мышлении инструментами. Одни строят инфраструктуру, которая накапливает ценность. Другие продолжают писать друг другу в Slack: “а ты помнишь, как мы настраивали lead scoring?”

Подборка YC salestech стартапов за последние полгода. Прошёлся по свежим лончам (Fall 2025 / Winter 2026), изучил сайты и выписал самое интересное из области продаж и лидгена. Половина стартапов - «AI-продавцы в вертикалях», вторая - операционный клей для сейлз-стека. Интересный angle у этих стартапов: Karumi и Primer - агент, который проводит продуктовые демо по видео, 24/7, на любом языке. Агент открывает ваш продукт, кликает, объясняет - всё как живой продаван. То есть это продолжение AI SDR, который проводит демо и квалифицирует лидов. Aside и Caretta - AI-помощник для сейлз-звонков в реальном времени. Слушает твои Zoom/Meet коллы и моментально подсказывает ответы на технические вопросы из документации, Slack и прошлых звонков. То же делает и Lyra - но они пошли дальше и сделали видеозвонки на своей платформе. Ребята не стремятся заменить продавцов, а скорее пилят копайлота. Item, Ergo и Clice - AI-native CRMка, которая работает за тебя. Агент отправляет follow-up'ы, ресёрчит лидов, ищет сигналы. Можно писать агентов как Notion-документы - они будут автономно вести аутбаунд, квалифицировать инбаунд, апсейлить. Сбор/верификация данных и рутина вокруг CRM стремительно автоматизируются. А значит появляется больше времени. Если смотреть вне продаж, виден тренд на бандлинг сервисов и приклеивание сверху intelligence. Например Hog позиционирует себя как Growth as a Service, внутри агенты, которые заменяют CMO, SEO эксперта и делают social listening. Uplane заменяет перформанс маркетолога, а Bluma помогает клепать брейнрот видосы. Ну и ждем новую волну стартапов, пилящую контекст графы - советую почитать годную статью по теме. Думаю что в 2026 всяческие агенты обзаведутся не только памятью, но и реальным опытом принятия решений внутри компании.

Обзор Parallel + Exa Websets + Clay Sculptor Или как собирать базу компаний и лидов в 2026. Записал видос с разбором новых инструментов, которые используют агентский поиск данных. Помогает лучше квалифицировать базу и не писать нерелевантным людям и компаниям. Подпишись на канал в ютубе, сделай хорошее дело 🙂 https://www.youtube.com/watch?v=-CBFkkSIiaM

Что я построил за последний месяц Не перестаю удивляться как выросла моя продуктивность с момента появления Claude Code, Cursor и другого вайбкодинг софта. Перечислю что удалось собрать для клиентов, что уже встроено в рабочий процесс и помогает им с лидгеном и маркетингом. Что-то я заваншотил с одного промпта, с чем-то возился несколько дней. 1. Дашборд с данными по аутричу по всем каналам (Linkedin - Heyreach, cold email - Instantly, Smartlead, дальнейшие фоллоу апы и общение в Hubspot). Теперь можно смотреть сколько было отправлено сообщений в каждом канале, видеть всю воронку от просмотра профиля на линке до подписания контракта. 2. База данных на Supabase, которая выступает бэкендом для дашборда выше. Туда мы сливаем данные по всем лидам (все энричменты, почты, персонализации и engagements по всем каналам). Помогает серьезно экономить на энричменте и эффективнее запускать кампании. 3. Авто-запуск кампаний с нужными настройками в Instantly, Heyreach и Smartlead. C советами по тому как писать письмо / сообщение и как сделать таблицу в Clay для обогащения данными. 4. Тестирование письма / сообщения через симуляцию лидов по 100+ параметрам. Так получаем фидбек до запуска, понимаем чем дышат наши лиды и как лучше структурировать письмо. Показывал на стриме с Даней (см. выше). 5. Квалификация лидов до запуска кампании. Раньше просто делали это через Claygent. Но проблема была в том, что так или иначе проскакивали нерелевантные лиды в базе. Теперь мы крафтим промпт через GEPA оптимайзер и привлекаем продавцов к разметке удачных / неудачных диалогов. Таким образом промпт становится более детальный и учитывает реальный контекст общения продавца с лидами. 6. Категоризация ответов от лидов и присвоение им кастомных тэгов. Сначала складываем в Supabase, потом распределяем по каналам где ответили и пингуем сэйлза в телеге или слаке. Сильно ускоряет время ответа и экономит время сэйлза, так как зачастую Smartlead и Instantly грешат неправильной категоризацией. А так мы сверху добавляем контекст о компании и раскладываем по правильным корзинам. 7. Контент-машину по генерации статей в блог для programmatic SEO / GEO. По сути это 3 агента, которые диприсерчат по заданным топикам, пишут статьи и делают ревью на соответствие бренду (не посоветовали ли случайно конкурента, не придумали лишнюю фичу). За $200 можно нагенерить около 1000 статей таким образом. Раньше на такие штуки ушли бы недели разработки, куча денег и менеджмента. Сейчас уходит максимум несколько дней. И конечно вайбкодинг дает много дофамина. Всем советую попробовать, потом не остановитесь 🙂 ____ не забудь подписаться, если еще не https://t.me/becheetah

в пятницу делаем стрим про копирайтинг первого сообщения в холодном аутриче. вместе с Федором @becheetah занимаясь новым SaaS понял, что копирайтинг это механическое ремесло, и лучшие сообщения пишутся AI. по сути это жонглирование дата-поинтами и шаблонами…

в пятницу делаем стрим про копирайтинг первого сообщения в холодном аутриче. вместе с Федором @becheetah занимаясь новым SaaS понял, что копирайтинг это механическое ремесло, и лучшие сообщения пишутся AI. по сути это жонглирование дата-поинтами и шаблонами-промптами. но между аутричем, написанным AI, есть огромная разница по качеству. большинство почти не уходит дальше шаблона с переменными или какой-то generic prompt, но лучшие тексты лучше, чем написал бы любой SDR, которого я знаю. позвал Федора поговорить про это. разберем: — анатомия хорошего письма (структура, data points, персонализация) — когда писать от сигналов, а когда без — почему сегментация > персонализация — как это выглядит в Clay и без него — как делать deep research для аккаунта и компании, чтобы генерировать гипотезы — как тестировать message-market fit перед кампанией на 500+ аккаунтов — ну и то, за чем вы пришли промпты с конверсией 35% в букинг (ладно, нет) доставляемость, сбор базы и техническую настройку почти не трогаем, фокус на тексте. для стрима ищем 2-3 добровольцев: если активно запускаете кампании и готовы получить обратную связь по своим письмам, напишите в комментариях "+". мы разберем их на стриме, и дадим фидбэк, что можно улучшить. время: пятница, 21 ноября, 13:00 UTC+0 ссылка на стрим на ютубе добавить в гугл календарь добавить в эпл календарь

Пятница 8:00 EST | 13:00 UTC | 16:00 по Москве поговорим про то как делать аутрич в 2026

Если искали хорошие промпты для генерации писем, сообщений в Linkedin, фоллоу апов после демо и скриптов для холодных звонков, вам сюда - https://www.regie.ai/prompt-library Очень близко к тем, что мы используем.

После сотен тысяч отправленных писем - вот паттерны, которые убивают конверсию в забуканный звонок. 1. Использовать ссылку на календарь как ваш CTA. Ссылки кажутся удобными, но security и спам фильтры + человеческое поведение работают против них. Люди чаще отвечают «Да, давай созвонимся», чем кликают на рандомную ссылку. Сначала заработайте ответ, затем предлагайте варианты брони. 2. Слишком медленный ответ. Скорость ответа вас и ваших SDR - конкурентное преимущество. Чем дольше тянете, тем холоднее лид. Отвечайте в тот же день - это сигнал, что вы вовлечены. А лучше в пределах часа. Я вон даже софт специальный сделал, который отслеживает скорость ответа в Instantly, Smartlead и Heyareach. 3. Недостаточно фоллоу-апов. Баланс важен: не спамьте, но если человек уже «поднял руку», не останавливайтесь, пока он не забронирует слот или не скажет «нет». 4. В фоллоу апах не транслируется ценность. «Just checking in» - лениво. Каждый контакт должен напоминать, зачем созвон: ROI, снижение риска, case study, новая идея. Через пару попыток добавьте kicker (часто срабатывает оффер с гифт картой, если квалифицировали базу в Clay). 5. Отсутствие вариантов для бронирования. Не заставляйте выбирать только ссылку или только переписку. Делайте и то, и другое: «Подойдёт вторник 9:00 ET или четверг 14:00 ET? Если удобнее - вот мой календарь». Так вы снижаете трение и уважаете предпочтения: кому-то удобен calendly, кого-то он раздражает. Угодите обоим типам. 6. Нет фоллоу апов в других каналах. Reply rate ≠ meeting rate. Иногда лишнее сообщение в LinkedIn или быстрый звонок дожимает тёплый ответ до встречи. Люди бронируют встречи с людьми, а не с почтовыми ящиками. Это всего лишь несколько вещей, которые, как мы видели, имеют значение и которые очевидны, но иногда важно напомнить :)

Отслеживать ли открытия писем? Ниже расскажу о том, как мы используем open tracking. Делаем мы это не ради того, чтобы знать кто открывает наши письма :) В этом году среди GTM и outbound сообщества сложился консенсус относительно использования open tracking пикселя - лучше не использовать. Выше у меня был пост, что Google начал подсвечивать письма с таким пикселем - что дополнительно смотивировало рынок отказаться от этой фичи. Недавно мы решили протестировать несколько кампаний с включённым open tracking только по четвергам и пятницам - и мы остались довольны. Если что, open tracking по сути - это vanity metric (ничего не значащая). После апдейта iOS, если у человека почта привязана в почтовый клиент айфона, каждое письмо, которое попадает во входящие, триггерит пиксель открытия. Иногда меня просят: «Можете дать список всех, кто открыл письмо?» - и я всегда отвечаю: «Давайте лучше скорить лидов по другим вещам - по контенту их сайта и другим сигналам, потому что сам факт открытия ещё не значит, что человек реально открыл письмо». Зато это даёт нам данные о том, попадают ли письма во входящие или идут в спам. Не скажу, что open tracking идеален, но если один из ваших ящиков получает 10% open rate, а другой - 75%, то ящик с 10% можно смело выкинуть и больше не использовать в других кампаниях. Ни одна другая метрика (вроде отслеживания ответов по кампании или out-of-office) не даёт такого ориентира. Они показывают, как идёт кампания в целом, но не дают мгновенной оценки именно по состоянию почтового ящика. Inbox spam placement тесты (есть в Smartlead и Instantly) - неплохая штука, но из-за своей сути, если делать их слишком часто, сам тест «привыкает» к адресу отправителя и начинает направлять письма в основную вкладку. Некоторые встроенные spam testing tools вообще «чинят» ваш inbox health: если видят, что письмо уходит в спам, они переносят его во входящие, и этим обнуляют смысл следующего теста. --- В холодном аутриче есть три кита, от которых зависит успех и масштабируемость: 1) Инфраструктура рассылки (домены, почты, сиквенсеры, профили в линке) 2) База лидов (TAM, сигналы, триггеры, квалификация) 3) Оффер (тексты, лид магниты, персонализация) Не забываем итерировать и улучшать перфоманс в каждом пункте.

Про важность оффера Использовать сигналы для аутбаунд-кампаний - это классно и делать это нужно, но это не волшебная таблетка для аутбаунда. Гораздо сильнее влияет то, насколько ты довел до ума оффер для холодной аудитории. По мере того как доступ к данным дешевеет, люди в LinkedIn и компании всё чаще обсуждают, как строить аутбаунд на «умных» сигналах. Это здорово, так и надо, но есть две пробелмы с сигналами: 1) Тебе нужно больше встреч, чем сигналы вообще могут дать на твоём рынке. 2) Ты гоняешься за сигналом, которого публично не существует, и в попытках добыть «обходными путями» выкидываешь кучу нормальных компаний. «Только что привлекли раунд», «оформили новых сотрудников», «ищут людей в команду», «анонсировали новый продукт» - это самые частые сигналы, которые я вижу в LinkedIn и которые у нас просят клиенты. Представь, что в твоём TAM 100 000 лидов, до которых ты реально можешь достучаться. Сколько из них в любой момент начинают новую работу или только что получили повышение? 10%? 20%? Этого очень мало, чтобы построить весь аутбаунд только на сигналах. Та же история и с пунктом 2. Один клиент как-то сказал: «Мы хотим писать компаниям, которые тратят $40k+ в месяц на маркетинг». Окей, публичного способа узнать это нет. Но я могу сказать, у кого в маркетинге 5 человек и кто активно льёт рекламу в Meta/Google/LinkedIn. А что насчёт компании, где один маркетолог, потому что остальное отдано подрядчикам, и официально крутится только Meta, но на самом деле бюджет на рекламу - $100k в месяц? Можно спорить, что прокси вроде трафика сайта помогут, но это опять не дает никаких гарантий. Одна вещь, которая фиксит обе проблемы, - потратить время на оффер (с лидмагнитом), который реально резонирует с аудиторией. У ImageGen SaaS в холодную лучше работает предложение обновить часть каталога бесплатно. Маркетинг-агентство, с которым мы работаем, делает первые 3 AI видео, и деньги берёт только после того, как клиент доволен результатом. У нас, например, первая кампания бесплатно, как пилот для определенных бизнесов. То есть до любой оплаты мы доказываем, что умеем приводить лидов. Способов тут масса. И, по-моему, людям стоит больше обсуждать, как доводить до ума оффер и лид магниты, а не изобретать очередной «тройной дабл-бэкфлип» в аутбаунд-воркфлоу.

Подборка YC salestech стартапов за последние 3 месяца. Снова прошёлся по свежим лончам YC, чекнул сайты и выписал самое интересное. Nomi - Cursor для продаж. Во время звонка советует продавцу, что сказать. Дают халявный ноуттейкер. Fiber AI - верифицированные телефоны и почты в 4 раза дешевле Clay/ZoomInfo с 0% bounce guarantee. Прайс от $250 в месяц. Триала нет, только сразу оплата за год. Забавно, что если букаешь демо - в Calendly фаундера написано, что у них овербукинг и след слот только в сентябре; хочешь раньше - плати :) Orange Slice - находят лидов, которые уже хотят купить. AI‑агент сканирует сайты компаний, новости, посты и job‑листинги. Цен нет, демо. Webhound - агент для сборки кастомных датасетов под ваш юзкейс: от «100 YouTube-инфлюенсеров с e-mail» до lead-листов. Бесплатный тариф - до 5 задач в неделю; старт self-serve. Dash - универсальный агент для сэйлз/маркетинг операционки: подтягивает метрики в отчёты, обогащает лиды в HubSpot, бронирует звонки, шлёт апдейты в Slack. Можно бесплатно попробовать. Roger - очередной AI‑продавец, который сам находит лиды и назначает встречи. Ценник от $600 в месяц, можно начать с пилота за $200. Apten - платформа ведёт диалог с лидами по cмс, звонкам и email, запоминает контекст, использует данные из ЦРМ и может вовлечь человека, когда нужно. Цен нет, все через демо. SixtyFour - «Bloomberg для продаж». Создаёт кастомные TAM‑списки и ищет real‑time сигналы: выявляет потенциальных клиентов по регуляторным документам, строительным докам и кадровым перемещениям и предсказывает готовность к покупке с помощью ML-моделей. Только демо, без цен. crmCopilot - «AI‑апгрейд для Salesforce». Интегрируется с имейл, чатами и звонками, автоматически апдейтит CRM, напоминает о follow‑up'ах и находит нужную информацию по всем каналам. Пока waitlist. Также много разных GEO тулов, которые показывают как часто и по каким запросам упоминают вашу компанию ChatGPT, Claude, Perplexity и другие. Интереснее всего Imprezia, они делают контекстную рекламу внутри чатов, установил SDK и крутишь показы. Половина cтартапов - «AI-продавцы в вертикалях» (их не включил в пост; продают банкам, страховым, автодилерам, недвижка и тд), вторая - операционный клей для сейлз-стека (данные, ресёрч, «сделай за меня в HubSpot»). Сбор/верификация данных и рутина вокруг CRM стремительно автоматизируются.