Zbuduj swoją AI Sales Machine
Automation 25 min
0/21
Problem biznesowy
Wiedza z 14 modułów bez złożenia w system nie zmienia niczego: prompty w notatniku, workflow w głowie, AI w Chrome. Final project wymusza zbudowanie JEDNEJ działającej maszyny — połączonej, monitorowanej, z human-in-the-loop — która realnie wykonuje pracę za handlowca.
Sprawdzona metoda
Zbuduj maszynę w 13 ogniwach (każde z modułów):
- LEAD SOURCES: skąd leady (formularz, import, narzędzie),
- ENRICHMENT (moduł
- : dane firmy i kontaktu,
- ICP QUALIFICATION (moduł
- : AI JSON + reguły (score/qualified/priority),
- RESEARCH (moduł
- : Prospect Brief automatycznie,
- LEAD SCORING (moduł 5/Prospecting): pełny score,
- PERSONALIZATION (moduł
- : otwieracze L4 z sygnałów,
- OUTREACH (moduł
- : sekwencja ze stop conditions,
- REPLY CLASSIFICATION (moduł
- : 8 kategorii,
- AI DRAFT (moduł
- : drafty odpowiedzi,
- HUMAN APPROVAL: zatwierdzanie przed wysyłką,
- CRM (moduł
- : automatyczna aktualizacja,
- FOLLOW-UP (moduł 6 Cold Email + klasyfikacja): reakcje na odpowiedzi,
- ANALYTICS: metryki (reply, spotkania, koszt/leada, quality score). Jak zbudować: zacznij od MINIMUM (4 ogniwa: źródło → kwalifikacja → outreach → CRM) i rozszerzaj (dodawaj research, klasyfikację, drafty w kolejnych iteracjach); każde ogniwo testuj osobno zanim połączysz; human-in-the-loop na wysyłce i odpowiedziach; monitoring od pierwszego dnia (moduł
- . Kryterium ukończenia: system przetwarza lead od źródła do CRM z min. interwencją, a Ty robisz tylko zatwierdzenia i rozmowy.
Przykład z rynku
- ZŁY
- Ręczne, niespójne wykonywanie kroków lub chaotyczna automatyzacja bez walidacji danych.
- DOBRY
- Minimum Viable Machine (dzień 1): Google Sheets (lead źródło) → Make: enrichment (Hunter) + AI scoring (ChatGPT API → JSON) → reguły: score ≥ 70 → kampania email (Instantly) → odpowiedź → klasyfikacja (AI) → draft + task w CRM. Ty robisz: zatwierdzenia wysyłki i odpowiedzi, rozmowy. Iteracja 2: research (Prospect Brief) przed personalizacją. Iteracja 3: pełna klasyfikacja 8 kategorii + auto-CRM. Po 30 dniach: maszyna obsługuje 200 leadów/mies, Ty spędzasz 1h/dzień na zatwierdzeniach i rozmowach zamiast 4h na robotę.
Gotowy prompt do skopiowania
Jesteś recenzentem AI Sales Machine. Kontekst: Zbudowałem moją maszynę: [OPIS — ogniwa, narzędzia, co działa]. Planowane ogniwa: [CO DALEJ]. Zadanie: Oceń i rozwijaj moją maszynę: 1. Mapuj moje ogniwa na 13 kroków (Lead Sources → Analytics) — które mam, których brakuje 2. Minimum: co jest absolutnie potrzebne, żeby maszyna działała end-to-end 3. Słabe ogniwa: 3 miejsca, które mogą zawieść (dane, AI, deliverability) + jak je wzmocnić 4. Human-in-the-loop: gdzie zatwierdza człowiek (sprawdź, czy nic nie wysyła się bez zgody) 5. Monitoring: jakie 5 metryk śledzę od pierwszego dnia (koszt/leada, quality, reply, bounces, faili) 6. Plan 30 dni: iteracje (co dodaję w tygodniu 1/2/3/4) 7. Test end-to-end: opisz przebieg 1 leada przez moją maszynę Format: 7 sekcji.
Model rekomendowany: Claude 3.5 Sonnet / GPT-4o Skopiuj i wklej do ChatGPT, Claude lub Perplexity
ALTERNATYWNE SCENARIUSZE
Warianty i alternatywne scenariusze
Wersja minimum: 4 ogniwa (źródło → kwalifikacja → outreach → CRM).
Wersja pełna: 13 ogniw + monitoring + agent (moduł 12).
Ćwiczenie praktyczne
Zbuduj minimum maszyny (4 ogniwa: źródło → kwalifikacja → outreach → CRM) — skonfiguruj 1 testowy workflow. Zdefiniuj 5 metryk monitoringu. Napisz plan 30 dni (4 iteracje).
Zapisano w przeglądarce