Пока большинство стартапов покупают базы и получают 2 ответа на тысячу писем, мы заставили Claude искать компании с признаками реальной потребности. Из 10 000 сайтов получили 50 тёплых ЛПР.
Каждый стартап рано или поздно приходит к одному и тому же.
Нужны клиенты.
Открываешь сервис с базами.
Покупаешь 5 000 контактов.
Запускаешь рассылку.
Через неделю смотришь статистику:
В этот момент появляется ощущение, что холодные продажи умерли.
Но проблема не в холодных продажах.
Проблема в том, что вы пишете людям, которым ваш продукт сейчас вообще не нужен.
Что если искать не контакты.
А намерение купить?
Купить признаки того, что бизнес уже столкнулся с проблемой, которую решает наш продукт.
Тогда мы решили провести эксперимент.
Мы собрали:
Получилось около 10 000 компаний.
Если бы это делал аналитик вручную, он бы потратил несколько месяцев.
Claude справился за несколько часов.
Большинство ищет:
Мы искали признаки боли.
Например:
Значит растёт.
Значит вкладывает деньги в привлечение клиентов.
Значит появляются новые процессы.
Значит скоро начнутся операционные проблемы.
А операционные проблемы — это уже потенциальный спрос на продукт.
Один из запросов выглядел примерно так:
Проанализируй сайт компании.
Определи:
1. Есть ли признаки роста бизнеса.
2. Есть ли признаки масштабирования.
3. Есть ли вероятность потребности в автоматизации.
4. Насколько компания похожа на идеального клиента.
Оцени по шкале от 1 до 10.
Объясни вывод.
На этом этапе Claude перестал быть чат-ботом.
Он превратился в младшего аналитика.
Вот что удивило больше всего.
После фильтрации отпало почти всё.
И это нормально.
Потому что большая часть рынка не ваш клиент.
И никогда им не станет.
Вместо 10 000 компаний мы получили список примерно из 200 организаций, которые действительно выглядели перспективно.
Уже на этом этапе экономия времени была огромной.
Теперь нужно было понять:
Кто принимает решения?
И здесь большинство тоже ошибается.
Они ищут директора.
Но директор далеко не всегда ЛПР.
Иногда решение принимает:
Поэтому мы попросили Claude искать не должность.
А влияние.
Причём тёплых не потому, что они нас знают.
А потому что у них уже есть признаки потребности.
Это принципиальная разница.
После этого первое сообщение выглядело уже не так:
Добрый день, предлагаем сотрудничество.
А так:
Увидели, что вы активно расширяете отдел продаж и нанимаете SDR. Похоже, сейчас растёт нагрузка на лидогенерацию. Мы как раз решаем эту задачу.
Без AI:
С AI:
То есть нейросеть не увеличила продажи напрямую.
Она убрала самый дорогой этап — поиск.
Сегодня многие используют ChatGPT и Claude как дорогой Google.
Спросить.
Получить ответ.
Сгенерировать текст.
На самом деле деньги лежат гораздо глубже.
Самый дорогой ресурс бизнеса — внимание.
Самая дорогая ошибка — потратить его не на тех людей.
Поэтому AI начинает приносить деньги не тогда, когда пишет посты.
А тогда, когда помогает найти правильного клиента раньше конкурентов.
Минимальный стек:
Соберите список компаний, например через парсер 2GIS (он есть в нашем тг-канале)
Спарсите:
Загрузите данные в Claude.
Попросите оценить вероятность покупки.
Отсортируйте компании по рейтингу.
Найдите потенциальных ЛПР.
Сделайте персонализированное касание.
Всё.
Никакой магии.
Раньше выигрывал тот, у кого больше база.
Сегодня выигрывает тот, кто быстрее понимает намерение клиента.
Пока одни продолжают покупать контакты тысячами, другие используют AI как систему разведки рынка.
Если хотите повторить подобную механику, часть материалов я публикую в Telegram-канале Иван Иванов | Делай с AI. Туда загружаю готовые репозитории, рабочие промты и примеры автоматизаций, которые можно забрать и адаптировать под свои задачи.