רוב בעלי העסקים משתמשים כיום ב-AI כדי לבצע התאבדות מותגית בהילוך איטי.
הם רואים כלי שיכול לייצר 1,000 אימיילים בעשר שניות וחושבים: "נהדר, בעיית המכירות שלי נפתרה". מה שהם עושים בפועל הוא לתרום למפולת הגנרית (Generic Avalanche) – גלישה בלתי פוסקת של רעש בינוני מבוסס AI, שהפכה את תיבת הדואר הנכנס הממוצעת ב-B2B לבית קברות של הצעות שמתעלמים מהן. אם אתם משתמשים ב-AI כדי לשלוח 1,000 אימיילים גרועים, אתם לא מגדילים את המכירות שלכם; אתם פשוט נכשלים מהר יותר.
הידיעה כיצד להשתמש ב-AI במכירות אינה קשורה לנפח. מדובר בשימוש בטכנולוגיה כדי להגיע לרמה של עומק ורלוונטיות שבעבר הייתה יקרה מדי או גזלה זמן רב מדי מכדי ליישמה בקנה מידה רחב.
ניתחתי את הפעילות של מאות עסקים שעוברים למודלים של AI-first. המנצחים הם לא אלו עם המגפונים החזקים ביותר; אלו הם העסקים שמשתמשים ב-AI כמיקרוסקופ כדי למצוא את הסיבה המדויקת מדוע עליהם לדבר עם לקוח פוטנציאלי ברגע זה.
היחס ההפוך בין מחקר לתפוקה
💡 רוצה שפני תנתח את העסק שלך? היא ממפה אילו תפקידים בינה מלאכותית יכולה להחליף ובונה תוכנית מדורגת. התחל את תקופת הניסיון בחינם →
במכירות מסורתיות, קיים קשר ישיר בין איכות המחקר לזמן המושקע. אם אתם רוצים אימייל בהתאמה אישית גבוהה, איש מכירות (SDR) צריך להשקיע 20 דקות בחיפוש ב-LinkedIn, בדו"חות שנתיים ובפודקאסטים.
אני מכנה את המודל החדש היחס ההפוך בין מחקר לתפוקה. עם מערך ה-AI הנכון, הזמן המושקע במחקר צונח כמעט לאפס, בעוד שעומק ההתאמה האישית למעשה עולה. AI יכול "לקרוא" דו"ח שנתי שלם של 100 עמודים, למצוא אזכור ספציפי לאתגר שהמוצר שלכם פותר, ולהתייחס אליו בהקשר רלוונטי – וכל זאת בשניות.
אם אתם עדיין משלמים לסוכנות שיווק אלפי פאונד בחודש כדי להריץ רצפי פניות בסיסיים, אתם בעצם משלמים "מס עבודה ידנית" על עבודה ש-AI מבצע כיום בדיוק רב יותר.
שלב 1: שכבת המודיעין של הנתונים
הפסיקו להתחיל מהמסר. התחילו בסיגנל (Signal).
רוב ניסיונות איתור הלידים נכשלים בגלל תזמון שגוי. AI מצטיין בניטור "אירועי טריגר" המצביעים על כך שעסק מוכן לקנות. במקום לגרד רשימה של "מנהלי שיווק בלונדון", עליכם להשתמש ב-AI כדי למצוא:
- שינויים בהנהלה: מי בדיוק התחיל תפקיד חדש וצריך להוכיח את עצמו?
- טריגרים פיננסיים: אילו חברות הזכירו זה עתה "יעילות תפעולית" או "הפחתת עלויות" בשיחת הרווחים האחרונה שלהן?
- פערי טכנולוגיה: אילו חברות משתמשות במוצר של מתחרה אך לא עדכנו את מערך הטכנולוגיה שלהן כבר שלוש שנים?
כלים כמו Clay או Apollo המשולבים עם LLMs (מודלי שפה גדולים) מאפשרים לכם לבנות תהליכי עבודה שלא רק מוצאים אדם, אלא מוצאים סיבה. לדוגמה, ניתן להורות ל-AI לבקר באתר של לקוח פוטנציאלי, למצוא את עמוד ה-"Careers" שלו, ולראות אם הם מגייסים לתפקידים שהשירות שלכם אמור להחליף או לשדרג.
שלב 2: לוגיקת הרלוונטיות (מודל שלוש הנקודות)
ברגע שיש לכם את הסיגנל, אתם זקוקים למסגרת לפנייה. אני מדריך את הלקוחות שלי להשתמש ב-Triple-Point Framework כאשר הם מנחים את ה-AI לנסח פנייה:
- העוגן (The Anchor): עובדה ספציפית ולא מובנת מאליה על העסק שלהם (למשל, "שמתי לב להתרחבות האחרונה שלכם לשוק הגרמני...").
- הגשר (The Bridge): מדוע העובדה הזו משנה לכם (למשל, "...בדרך כלל, כשחברות נכנסות לאזור הזה, ציות לרגולציה מקומית הופך לצוואר בקבוק").
- הבקשה בחיכוך נמוך (The Low-Friction Ask): בקשה שכמעט לא דורשת מאמץ כדי לענות עליה (למשל, "האם אתם מטפלים בזה כרגע בתוך החברה או באמצעות שותף מקומי?").
על ידי הזנת הלוגיקה הזו ל-AI, אתם מתרחקים מתבנית ה-"אשמח לקפוץ לשיחת היכרות של 15 דקות" שכולם שונאים. אתם מופיעים כקולגות שעשו שיעורי בית.
שלב 3: בניית מערך כלי ה-AI למכירות
כדי לבצע זאת מבלי להיתפס כספאם, אתם זקוקים לסט ספציפי של כלים שעובדים בהרמוניה. כך נראה מערך מכירות רזה מבוסס AI:
- מקורות נתונים (Clay): חשבו על זה כעל Excel עם מוח. הכלי שואב נתונים מיותר מ-50 מקורות ומשתמש ב-AI כדי לסנן ולהעשיר אותם.
- מחקר מעמיק (Perplexity או GPT-4o): משמש לגלישה ברשת החיה וסינתזה של חדשות חברה ספציפיות לנקודות מפתח.
- תיקוף (Custom GPTs): לפני שאימייל נשלח, תנו ל-AI שני "לשחק את תפקיד הלקוח הפוטנציאלי" ולהעביר ביקורת על הטיוטה. שאלו אותו: "האם האימייל הזה מעצבן? האם הוא מרגיש גנרי? האם הייתי מוחק אותו תוך שלוש שניות?".
- משלוח (Instantly או Salesloft): לניהול השליחה בפועל ובריאות תיבת הדואר הנכנס.
עבור העוסקים בשיווק שירותים מקצועיים, המעבר מצוות SDR גדול ל"מפעיל AI" יחיד יכול להפחית את עלויות רכישת הלקוחות בעד 70%. אתם לא מאבדים את המגע האנושי; אתם שומרים אותו לשיחה האמיתית, במקום לבזבז אותו על עבודת הפרך של הציד.
"כלל ה-90/10" של AI במכירות
אני דוגל ב-90/10 Rule: תנו ל-AI לטפל ב-90% מהמחקר והניסוח, אך השאירו בן אדם בלולאה עבור ה-10% האחרונים – ה"בדיקה האנושית".
AI מבריק בלוגיקה אך יכול להיות לפעמים חסר טאקט. אדם תמיד צריך לעבור על פניות בערך גבוה כדי לוודא ש"העוגן" מרגיש אותנטי. אם ה-AI מצא פודקאסט שהמנכ"ל השתתף בו, האדם צריך לוודא שהציטוט שבו נעשה שימוש אכן הגיוני בהקשר של האימייל.
מדוע רוב העסקים נכשלים בזה
רוב העסקים נכשלים כי הם מתייחסים ל-AI ככלי ליעילות (לעשות את אותו הדבר מהר יותר) במקום לאפקטיביות (לעשות דבר טוב יותר).
אם ההצעה שלכם בינונית, ה-AI רק יעזור לכם לעצבן יותר אנשים מהר יותר. אבל אם יש לכם פתרון אמיתי לבעיה ספציפית, AI הוא הכלי החזק ביותר שנוצר אי פעם למציאת האנשים שיש להם את הבעיה הזו ברגע זה.
הבשורה התחתונה: החלון עבור פניות "טובות מספיק" נסגר. ככל ש-AI מקל על שליחת דואר, הרף למה שנחשב למסר "בעל ערך" עולה. כדי לנצח, עליכם להשתמש ב-AI כדי להיות אנושיים יותר, לא פחות.
אם אתם מוכנים להפסיק את ההפצצה הגנרית ולהתחיל לבנות מנוע מכירות רזה וחכם יותר, בואו נבחן את הפעילות הנוכחית שלכם. העלות של ההמתנה גבוהה מכפי שאתם חושבים.