El Desafío de la Generación Constante de Leads

Yfos, una empresa que ofrece un ERP diseñado para optimizar la gestión empresarial en áreas como finanzas, inventarios y operaciones. Anteriormente había colaborado con otras agencias que, aunque conseguían reuniones, no lograban conectar con prospectos verdaderamente interesados en adquirir un ERP. Esta situación los llevo a buscar un proceso que garantizara la generación constante de reuniones con prospectos calificados para su solución.

En este artículo explicaremos cómo hemos ayudado a Yfos a generar un promedio de 5 reuniones mensuales de alta calidad con empresas interesadas en su ERP.

Infraestructura Tecnológica de la Campaña

La infraestructura de una campaña es la base fundamental para poder asegurarte que tus correos sean efectivamente entregados a los tomadores de decisión que contactas.

Cuentas de Correo y Dominios

La campaña opera a través de una infraestructura de correo que consiste en 10 dominios, cada uno con dos cuentas de correo. El sistema utiliza una mezcla de cuentas de Outlook y de un Custom SMTP que es Infraforge. Cada cuenta mantiene un volúmen de envío diario de 30 correos, permitiendo un volumen mensual de 12,000 correos.

Figura 1: Representación gráfica de infraestructura de cuentas de correo

Settings de Warmup

Antes de comenzar con la campaña, las cuentas pasan por un período de calentamiento de 14 días. Para las cuentas de outlook usamos los siguientes parámetros de warmup dentro de Smartlead: 40 correos diarios de calentamiento, incremento diario de 4 correos, y volúmenes de envío aleatorios entre 25-40 correos. En cuanto a las cuentas de Infraforge usamos los parámetros de warmup que vienen por default en su csv para subir las cuentas a smartlead.

Figura 2: Settings de Warmup de Cuentas de Outlook en Smartlead

Estrategia y Scripts de la Campaña

Estructura de Secuencia

La campaña de Yfos tiene una secuencia de 4 mensajes con la siguiente cadencia: el Email 1 se envía inicialmente, seguido del Email 2 después de 4 días. El Email 3 se envía 3 días después del Email 2, y finalmente, el Email 4 se envía 5 días después del Email 3.

En este artículo solo vamos a comentar el primer script de la secuencia ya que es el más importante de todos. A continuación puedes ver el script que estamos usando para el Email 1 de la campaña.

Figura 4: Script del Email 1 utilizado en la campaña de Yfos.

El script del email está dividido en 4 partes: una línea personalizada generada con IA, una pregunta calificadora, la propuesta de valor y un llamado a la acción.

La línea personalizada tiene el mero objetivo de demostrarle a la persona que, antes de mandarle un mensaje, investigamos un poco acerca de lo que hacen. Esta línea básicamente es una observación de lo que vimos que hace la empresa y sigue el formato: "Encontré tu empresa en LinkedIn y estaba viendo que se dedican a {{AI_Personalization}}". Más adelante vamos a detallar cómo creamos esta línea.

La pregunta calificadora está diseñada para determinar si el prospecto ya cuenta con un ERP. Aunque existe la posibilidad de venderle a alguien que ya posee un ERP, la mayoría de usuarios que disponen de uno generalmente no requieren soluciones adicionales ni están dispuestos a efectuar un cambio.

Luego viene la propuesta de valor de manera general explicando lo que ofrece Yfos y finalmente tenemos el llamado a la acción. Este llamado a la  acción está diseñado para ser suave y demostrar que estamos conscientes del hecho que pueden no necesitar un ERP pero en caso de que les interese podemos darles más detalles. Hemos encontrado que un CTA como esté es muy efectivo al vender ERPs.

¿Cómo hicimos la personalización con IA?

El primer paso para poder realizar la personalización con IA es reunir las descripciones de las empresas a las que vamos a enviar mensajes. Para generar las descripciones usamos Claygent con el siguiente prompt. La razón por la que usamos Claygent es debido a que la mayoría de empresas suelen tener descripciones muy etéreas en sus redes sociales, lo que luego genera un mal output, como dicen: "Garbage In, Garbage Out".

Figura 5: Prompt de Claygent para Obtener Descripciones

Una vez contamos con las descripciones, el siguiente paso es ejecutar el prompt encargado de generar las observaciones. Este prompt pasó por diferentes iteraciones para obtener un resultado óptimo. Además, utilizamos la sección de ejemplos dentro de Clay, redactando manualmente líneas personalizadas para que la IA pudiera generar un output de mayor calidad. Para realizar esta tarea estamos usando 4o mini.

Figura 6: Prompt para generar líneas personalizadas.

Después de la generación de líneas personalizadas, implementamos un proceso de control de calidad para verificar y corregir cualquier línea mal redactada, así como para eliminar aquellas empresas que, según su descripción, no cumplen con los criterios de targeting establecidos.

Construcción de Base de Datos

Esta campaña está dirigida principalmente a CEOs, Gerentes Generales y Fundadores, entre otros roles similares, de empresas latinoamericanas que cuentan con 11 a 20 empleados. Excluimos sectores específicos como instituciones financieras, instituciones educativas y empresas de consultoría, donde la implementación de un ERP puede no ser prioritaria o existen soluciones más especializadas para estos sectores.

Para construir la base de datos buscamos combinar leads de Apollo y de LinkedIn Sales Navigator. Realizamos una búsqueda inicial en Apollo con todas las posibles variaciones de títulos de trabajo, obteniendo aproximadamente 15,600 resultados.

Figura 7: Búsqueda de Apollo

Una vez que realizamos la búsqueda en Apollo exportamos los 15,600 resultados usando https://exportapollo.com/. A pesar del uso de filtros es inevitable obtener puestos de trabajo incorrectos en la base de datos, así que después de exportarla el siguiente paso es hacer una limpieza básica del dataset y eliminar todos los puestos de trabajo incorrectos. Para filtrar bases de datos y eliminar puestos de trabajo incorrectos hemos desarrollado una metodología que puedes revisar a profundidad en el siguiente artículo: https://insights.zsbusinessconsulting.com/article/harnessing-hdbscan-a-quantum-leap-in-b2b-targeting

Como comentamos anteriormente, además de usar Apollo también tenemos como fuente de datos LinkedIn Sales Navigator para así obtener un mayor número de resultados. Para realizar esto básicamente hicimos la misma búsqueda que hicimos en Apollo y luego scrapeamos de manera sistemática la búsqueda usando Vayne.io. Próximamente estaremos compartiendo nuestra metodología de scraping de LinkedIn pero básicamente construimos un diario de scraping donde dividimos la búsqueda en pequeñas partes para así poderla scrapear.

Figura 8: Diario de Scraping

Una vez realizada la extracción completa de datos de LinkedIn, procedemos a ejecutar una limpieza básica y normalizar los nombres de las columnas. Similar al dataset de Apollo, utilizamos HDBSCAN para depurar la información y eliminar títulos de trabajo incorrectos. Posteriormente, para obtener los correos electrónicos de los contactos, implementamos un workflow en Clay que emplea un proceso de waterfall enrichment usando Icypeas, Leadmagic, Findymail, Prospeo y Hunter.io. Para hacer este proceso de búsqueda de correos electrónicos solo necesitas contar con el nombre completo de la persona y su sitio web.

Figura 9: Tabla de Clay con Waterfall Enrichment.

Después de obtener los correos electrónicos de la búsqueda en Sales Navigator, transferimos toda la información a una base de datos principal donde consolidamos los conjuntos de datos de Apollo y Sales Navigator. En esta base de datos principal implementamos un proceso para eliminar correos electrónicos duplicados. Todos los correos electrónicos se someten a un proceso de verificación utilizando Million Verifier y Catchallverifier.com para aquellos que son Catch-all.

Resultados de la Campaña

En esta campaña estamos manejando un volumen mensual de 3500 personas contactadas y un total de 10,000-12,000 correos mensuales tomando en cuenta primeros contactos y seguimientos. Actualmente la campaña tiene una tasa de respuestas de 3.16%, una tasa de respuestas positivas de 12.10% y logramos generar una cita por cada 697 personas contactadas, con un promedio de 5 citas mensuales.

Figura 10: Estadísticas de la campaña en Smartlead

Si te ha parecido interesante este artículo y tienes una empresa B2B que factura arriba de 20k dólares mensuales y te gustaría que te ayudáramos a generar reuniones como a Yfos, puedes agendar una reunión con nosotros en el siguiente enlace: https://calendly.com/ismael-zs/reunion