meirlabs
Мейр РозеншейнКак найти нужного человека для контакта в компании?
Перестаньте искать новые имена и начните выносить вердикт по тем, что уже есть. По каждому контакту один вопрос: говорит ли должность, что этот человек владеет решением, которое вы предлагаете, или влияет на него? Только три ответа: right_contact, wrong_contact, unclear. Работает это на двух правилах: судить строго по должности, а не по своему предчувствию, и держать unclear редким, для голого «менеджера» без всякой функции.Стартовое предложение: Ранние клиенты получают скидку 50% на первое внедрение, поэтому реальная стоимость примерно вдвое ниже этих цифр. Запишитесь на бесплатный AI‑план, чтобы зафиксировать предложение.
Большинство владельцев бизнеса воспринимают это как задачу поиска данных. Купить базу, выгрузить 500 строк, начать рассылку. Неверная рамка. К моменту, когда вы реально застреваете, имя на каждую целевую компанию у вас уже есть. Чего нет, так это решения, заслуживает ли это имя письма, и ничто в выгрузке не подскажет, что «операционный менеджер» из строки 41 вообще никак не влияет на то, что вы продаёте.
Почему список побольше это не чинит?
Потому что список, который у вас уже есть, тоньше, чем кажется. В недавнем проекте клиент, ведущий исходящие рассылки для кадрового бизнеса, передал мне 25 лидов из бухгалтерской сферы, собранных вручную. У двух из 25 был подтверждённый адрес почты. Не двух плохих, а двух подтверждённых из двадцати пяти. Приклеить туда ещё 500 строк не повысит долю имён, которым стоит писать, это просто даст больше строк в том же состоянии. И каждая ошибочная отправка стоит дважды: слот из дневного лимита отправки, который нельзя безопасно превышать, и вмятина в показателе ответов, на котором держится репутация вашего почтового ящика. Не хватает не имён. Не хватает вердикта по каждому имени.
Какие три вердикта вам вообще нужны?
Один вопрос на контакт: говорит ли должность, что этот человек владеет решением, которое вы предлагаете, или влияет на него? Три ответа, четвёртого нет. Вот они, расписанные под предложение кадровых услуг, где решение звучит как «кто утверждает наём на роли, которые эта компания сейчас публикует»:
- right_contact. Правдоподобно владеет наймом на эти роли или влияет на него. Основатель. CEO или COO в компании достаточно маленькой, чтобы он всё ещё утверждал лично. Руководитель или директор той функции, которая нанимает. Лид по People, Talent или рекрутингу.
- wrong_contact. Его функция явно не связана с покупкой этой услуги под эти роли. Инженер-исполнитель, аналитик, специалист поддержки, любая должность, в названии которой нет ни людей в подчинении, ни руководящего уровня.
- unclear. Сама должность действительно двусмысленна. Голый «менеджер». Голый «директор» без указания функции. Это весь список случаев.
Три корзины, четвёртой нет. Если unclear набирается больше небольшого меньшинства партии, рубрику не применяют, а обходят.
Почему судить только по должности?
Потому что альтернатива — судить по тому, на что вы надеетесь. Правило буквальное: не додумывайте уровень, которого нет в названии должности. «Операционный менеджер» в компании на 2000 человек не становится покупателем оттого, что «операции» звучат близко к вашему предложению. У того, кто собирал список, у вас, у ассистента, у стажёра, уже было предчувствие, почему выбрано именно это имя. Оставьте предчувствие как контекст и не давайте ему голосовать. В автоматической версии, которую я собрал, это зашито в промпт: заметка исследователя подаётся как фон, а модели прямо запрещено позволять ей решать.
Почему именно «unclear» обходится вам дороже всего?
Потому что он ощущается ответственным, а ведёт себя как «да». Кучу unclear никто не пересматривает, её рассылают в последний день спринта. Поэтому второе правило — это правило против хеджирования: примите решение и не смягчайте очевидный случай до unclear. «VP of Engineering» — это вердикт, а не загадка. Оставьте unclear для узкого случая, когда должность вообще не называет функцию. Если треть вашего списка возвращается как unclear, рубрику не применяют, а обходят.
Что делать с неверным контактом?
Компанию вы не выбрасываете, вы перенаправляете письмо. И вот ограничитель, который стоит сохранить при автоматизации: лучший контакт обязан браться из информации, уже лежащей в вашем файле целей. Ничто не выдумывает нового человека во время работы. Как только системе разрешено порождать имена, она начнёт порождать правдоподобные, а правдоподобное имя с угаданным адресом — это ровно тот способ, которым сжигают отправляющий домен. По той же причине держите проверку адресов отдельным шагом. Выбрать нужного человека и подтвердить его адрес — две разные работы, и инструмент, который их смешивает, прячет провалы обеих.
Стоит ли это автоматизировать?
Зависит от числа компаний. Руками это пара минут чтения на имя: нормально на 25 компаниях и мучительно на 500. В проекте с кадровым бизнесом я встроил рубрику в конвейер: по каждой компании он собирает главную страницу, страницу «о нас» и до трёх вероятных адресов страницы вакансий, чтобы увидеть, на кого компания нанимает прямо сейчас, а затем просит у модели вердикт, ограниченный ровно этими тремя значениями, с письменным обоснованием. Обходится это в $0,18–$0,40 на компанию на скрейпинг и вызовы модели, занимает от 70 секунд до примерно четырёх минут и составляет письмо, никогда его не отправляя. Честно и об ограничениях. Измеренной точности нет, нигде не фиксируется, оказался ли вердикт верным, а прямое сравнение с живыми исследователями того клиента ещё не проводилось. Рубрика покупает не доказанную точность. Она покупает то, что у каждого имени в списке теперь есть проговорённая, проверяемая причина, почему ему пишут.
Тест, который можно прогнать по своему списку сегодня: прочитайте должность и произнесите вердикт вслух на одном дыхании. Если для обоснования right_contact вам нужна вторая фраза, это wrong_contact. Автоматизация такого суждения — один узко очерченный рабочий процесс, той же формы, что и любой другой проект по внедрению ИИ: возьмите одно решение, которое вы и так принимаете вручную, запишите правило и передайте только его.