Pokud jste se někdy pokusili rychle rozšířit svou síť LinkedIn, problém už znáte: generické žádosti o připojení jsou ignorovány, ale napsání promyšlený, personalizovaný vzkaz pro každého jednotlivce, s nímž se chcete spojit, je bolestivě časově náročné. A přesně zde nástroje umělé inteligence, jako je ChatGPT a Claude, mění rovnici. Pokud se používají správně, umožňují vám personalizujte poznámky o kontaktech na LinkedIn ve velkém měřítku – aniž by se obětoval lidský přístup, který lidi skutečně přiměje k přijetí a reakci. Tato příručka vám ukáže, jak přesné pracovní postupy, pokyny a zásady aby to fungovalo.
Proč je personalizace jediná věc, která funguje
Data LinkedInu opakovaně ukazují, že míra přijetí žádostí o připojení s personalizovanými poznámkami je výrazně vyšší než u prázdných žádostí. Rozdíl není malý. V závislosti na publiku a kontextu mohou personalizované poznámky překonat prázdné žádosti dvakrát až pětkrát.
Důvod je jednoduchý: lidé jsou zaneprázdnění, skeptičtí a topí se v obecné informovanosti. Kdy někdo se dostane do jeho schránky S poznámkou, která odkazuje na jejich konkrétní práci, příspěvek, který napsali, vzájemné spojení nebo sdílenou zkušenost, signalizujete, že jste se na ně skutečně dívali jako na osobu – ne jen jako na jméno na seznamu. Právě tento signál je to, co si toto spojení vydělává. Výzvou byl vždy čas. Psaní dvacet skutečně personalizovaných poznámek za den je vyčerpávající. Napsat sto je nemožné bez systému.
Umělá inteligence nenahrazuje personalizaci – urychluje proces její tvorby, takže můžete pracovat ve velkém objemu, aniž byste zněli jako hromadný rozesílatel.
ChatGPT vs. Claude: Který nástroj pro kterou práci
| vlastnost | ChatGPT (OpenAI) | Claude (Antropický) |
|---|---|---|
| Dostupnost a ekosystém | Široce dostupný s velkou uživatelskou základnou a silnými integracemi třetích stran. | Rostoucí ekosystém, ale méně automatizačních integrací ve srovnání s ChatGPT. |
| Integrace automatizace | Snadno se integruje se Zapierem, Make (dříve Integromat), Clayem a pracovními postupy založenými na API. | Omezenější podpora automatizace bez kódu ve velkém měřítku. |
| Konzistence dávkového výstupu | Vynikající v dodržování strukturovaných šablon a dosahování konzistentních výsledků napříč velkými dávkami. | Vysoká kvalita výstupu, ale optimalizovaná spíše pro nuance než pro generování rovnoměrných obrazů ve velkém objemu. |
| Tón a plynulost konverzace | Jasné a strukturované, ale někdy může působit trochu šablonovitě, pokud není pečlivě podněcováno. | Vysoce přirozené, nuancované a konverzační – často méně robotické v kadenci. |
| Nejlepší případ použití | Budování automatizovaných kanálů pro oslovování na LinkedIn a generování rozsáhlých kontaktních poznámek. | Tvorba personalizovaných poznámek pro vysoce hodnotné potenciální zákazníky, kde nejdůležitější je tón a jemnost. |
Pro většinu lidí je nejlepším nástrojem ten, se kterým již znáte práci. Návody a principy v této příručce fungují stejně dobře v obou případech. Mnoho odborníků používá ChatGPT pro hromadné generování poznámek a Claude pro hodnotné individuální poznámky – pracovní postup je však stejný.
Co si shromáždit, než napíšete jedinou poznámku
Kvalita vašich poznámek na LinkedInu generovaných umělou inteligencí je přímo úměrná kvalitě informací, které umělé inteligenci poskytujete. Čím více informací, tím méně informací. Než otevřete ChatGPT nebo Claude, musíte shromáždit personalizační data pro každou osobu, kterou plánujete oslovit.
Základní datové body
Minimálně chcete znát křestní jméno dané osoby, její současnou pracovní pozici a firmu, ve které působí, a jeden konkrétní, skutečný důvod, proč ji oslovujete. Tento důvod je motorem personalizace.
Datové body s vysokou hodnotou
Pokud chcete poznámky, které působí skutečně přizpůsobeně, a nikoli jako šablony, jděte hlouběji. Hledejte nedávný příspěvek nebo článek, který publikovali, a poznamenejte si téma nebo konkrétní bod, který rezonoval. Zkontrolujte, zda máte nějaké společné vazby, a pokud ano, kdo to je. Hledejte společné profesní zkušenosti – pracovali jste oba ve stejném odvětví, zúčastnili se stejné konference nebo prošli stejnou kariérní změnou? Zaznamenejte si veškerá relevantní ocenění, milníky nebo firemní zprávy, které jsou dostatečně nedávné, aby působily aktuálním dojmem. Tyto datové body se stávají surovým materiálem, který vaše umělá inteligence promění v osobní a relevantní poznámku.
Kde tyto informace najít
Jejich profil na LinkedInu je vaším primárním zdrojem. Jděte nad rámec titulku – přečtěte si sekci „O mně“, zkontrolujte jejich nedávnou aktivitu (příspěvky a komentáře), podívejte se na společnosti, pro které pracovali, a projděte si sekci „Doporučené“. Pokud mají newsletter, podcast nebo publikovaný obsah, na který odkazuje jejich profil, i letmý pohled vám poskytne materiál, který by téměř nikdo jiný, kdo by se s nimi spojil, nenašel.
Organizace vašeho výzkumu
Pro škálování tohoto procesu si uložte svůj výzkum do jednoduché tabulky. Sloupce by měly obsahovat: Jméno, Aktuální titul, Společnost, Obor, Personalizační úchyt (jedna konkrétní věc, na kterou se budete odkazovat), Důvod, proč jste nás kontaktovali, a případný další kontext. Tato tabulka se stane vstupem pro vaše výzvy umělé inteligence ve velkém měřítku.
Číst dále—> Role umělé inteligence v moderním networkingu na LinkedInu
Základní rámec promptu pro poznámky na LinkedInu
Dobře strukturovaný výzva je rozdílem mezi výstupem umělé inteligence, který můžete odeslat okamžitě, a výstupem umělé inteligence, který vyžaduje kompletní přepsatZde je framework, který konzistentně vytváří nejlepší poznámky k propojení s LinkedInem v různých případech použití.
Šest prvků vysoce konverzní výzvy s umělou inteligencí
1. Role
Sdělte umělé inteligenci, pod kým píše. Uveďte své jméno, svou současnou roli a veškerý relevantní kontext týkající se vašeho profesního zaměření. Umělá inteligence potřebuje vědět, čí hlas píše. Příklad: „Píšete jménem [Vaše jméno], marketingového konzultanta B2B SaaS, který pomáhá začínajícím startupům budovat jejich první růstový motor.“
2. Kontext příjemce
Poskytněte umělé inteligenci klíčová fakta o osobě, kterou oslovujete. Uveďte její jméno, roli, společnost a konkrétní personalizační prvek, který jste identifikovali ve svém výzkumu. Příklad: „Příjemce je [Jméno], viceprezident pro produkt ve společnosti [Společnost]. Nedávno publikoval(a) příspěvek o výzvě, kterou představuje sladění produktových a prodejních týmů v rámci iniciativy PLG.“
3. Cíl sdělení
Jasně uveďte, čeho chcete zprávou dosáhnout. Poznámky k propojení na LinkedInu mají limit 300 znaků, takže cílem téměř nikdy není uzavřít obchod – jde o to, získat propojení a signalizovat skutečnou relevanci. V zadání to jasně uveďte: „Cílem je získat propojení projevením skutečné relevance, nikoli nabídnout produkt nebo službu.“
4. Tón a hlas
Explicitně specifikujte tón. Možnosti zahrnují: vřelý a konverzační, přímočarý a profesionální, zvědavý a rovnocenný, nadšený, ale s respektem. Přizpůsobte tón své osobní značce a pravděpodobným preferencím příjemce. Zakladatel startupu bude na zprávu reagovat jinak než viceprezident korporace.
5. Omezení
Poznámky k propojení na LinkedInu jsou omezeny na 300 znaků. Toto omezení uveďte ve svém pokynu. Také uveďte fráze nebo přístupy, kterým se máte vyhnout – například „nezmiňujte žádné služby ani produkty“, „nepoužívejte slovo synergie“ nebo „nezačínejte na já“.
6. Výstupní formát
Požádejte o dvě nebo tři varianty, abyste měli na výběr. Požadujte, aby každá varianta měla maximálně 300 znaků a byla napsána jako prostý text bez speciálního formátování nebo emotikonů.
Číst dále—-> Mohou agenti s umělou inteligencí zpracovávat odpovědi, aniž by zněli jako roboti?
Šablona hlavního výzvy
Zde je opakovaně použitelný hlavní prompt, který obsahuje všech šest prvků. Zkopírujte ho do ChatGPT nebo Claude a vyplňte pole v závorkách:
Píšete žádost o připojení k LinkedInu jménem [VAŠE JMÉNO], [VAŠE ROLE], která/který/která má [STRUČNÝ POPIS TOHO, CO DĚLÁTE A PRO KOHO].
Příjemce je [JMÉNO], [JEHO POZICE] ve společnosti [JEHO SPOLEČNOST]. [JEDNA VĚTA SE SPECIFICKÝM KONTEXTEM – např. „Nedávno psali o X“ nebo „Právě nastoupili do společnosti Y po Z letech ve společnosti W.“]
Můj důvod pro spojení: [VÁŠ SKUTEČNÝ DŮVOD – společný zájem, obdiv k jejich práci, potenciální spolupráce, stejná komunita atd.]
Tón: [TÓN — např. vřelý a vstřícný, přímý a profesionální, zvědavý a nenátlakový]
Omezení: Méně než 300 znaků. Prostý text. Žádné prezentace. Žádný žargon. Nezačínejte na „já“. Nepoužívejte slova „synergie“, „pákový efekt“ nebo „touch base“.
Napište tři varianty.
Příklady výzev připravených k použití podle případu užití
Různé cíle v oblasti oslovování vyžadují různé výzvy. Zde jsou plně napsané příklady výzev pro nejběžnější scénáře propojení na LinkedInu.
Případová studie 1: Kontaktování po přečtení jejich obsahu
Píšete žádost o spojení na LinkedIn jménem Mayi Chen, výzkumnice UX ve středně velké fintech společnosti. Příjemcem je David Park, produktový designér, který nedávno publikoval příspěvek o tom, proč temné vzory narušují důvěru ve finanční aplikace. Maya shledala příspěvek poučným a chce se s Davidem spojit jako s kolegou v oblasti produktů a designu. Tón: upřímný, vzájemně prospěšný, intelektuálně angažovaný. Méně než 300 znaků. Bez pitch commentu. Tři varianty.
Případová studie 2: Spojení s potenciálním klientem
Píšete žádost o spojení na LinkedIn jménem Jamese Okafora, nezávislého stratéga značky. Příjemcem je Priya Mehta, vedoucí marketingu ve startupu NovaCare v oblasti zdravotnických technologií řady A. James sleduje růst NovaCare a obdivuje, jak se pozicionuje na přeplněném trhu. Chce se spojit bez nabízení – stačí jen otevřít dveře. Tón: uctivý, znalý, nenátlakový. Méně než 300 znaků. Nezmiňujte jeho služby. Tři varianty.
Případová studie 3: Kontaktování potenciálního zaměstnavatele nebo personalisty
Píšete žádost o spojení na LinkedIn jménem Leily Santosové, datové analytičky s pětiletou praxí v oblasti elektronického obchodování a maloobchodu. Příjemcem je Tom Briggs, ředitel analytiky ve společnosti Shopify. Leila aktivně zkoumá nové role a skutečně obdivuje přístup Shopify k analýze obchodníků. Chce se spojit autenticky, nejen proto, že hledá práci. Tón: profesionální, nadšený, upřímný. Méně než 300 znaků. Žádná zmínka o žádostech o zaměstnání. Tři varianty.
Případová studie 4: Obnovení kontaktu s bývalým kolegou nebo kontaktem
Píšete žádost o spojení na LinkedIn jménem Raje Patela, obchodního ředitele. Příjemcem je Sarah Kim, která s Rajem před čtyřmi lety pracovala ve stejné firmě. Nebyli blízcí kolegové, ale setkali se na několika projektech. Raj se chce znovu spojit, aniž by to působilo nuceně nebo jako transakční záležitost. Tón: vřelý, neformální, bez skrytých motivů. Méně než 300 znaků. Tři varianty.
Případová studie 5: Připojení po konferenci nebo akci
Píšete žádost o spojení na LinkedIn jménem Anny Kowalski, zakladatelky startupu. Příjemcem je Ben Torres, partner rizikového kapitálu, se kterým se minulý týden krátce setkala v SaaS. Měli krátký rozhovor o umělé inteligenci ve vertikálním SaaS. Anna chce v konverzaci pokračovat. Tón: vřelý, energický, specifický pro schůzku. Méně než 300 znaků. Žádná otázka. Tři varianty.
Číst dále—-> Bezpečně automatizujte komunikaci na LinkedInu s Konnector.ai
Proměnné personalizace, které skutečně hýbou jehlou
Ne veškerá personalizace je si rovna. Zmínka něčího jména je klíčová – je to základní očekávání, nikoli rozlišovací prvek. Proměnné personalizace, které ve skutečnosti zvyšují míru přijetí a odpovědí, jsou ty, které ukazují, že jste se podívali pod povrch něčího profilu.
Proměnné personalizace s vysokým dopadem
Konkrétní příspěvek nebo článek, který napsali
Odkaz na konkrétní argument, postřeh nebo radu z něčeho, co publikovali, je tím nejsilnějším spouštěčem personalizace. Dokazuje to, že jste si jejich práci přečetli, a většina lidí si hluboce váží toho, že je jejich myšlení uznáno. Nejenže jmenujte příspěvek – odkazujte na něco konkrétního z něj, abyste ukázali, že vás obsah skutečně zaujal.
Nedávný kariérní přechod nebo milník
Nástup do nové role, povýšení, uvedení produktu na trh nebo dosažení milníku ve společnosti jsou silná lákadla. Lidé jsou na tyto okamžiky hrdí a vnímaví k uznání, když se zdá být upřímné, nikoli oportunistické. Udržujte tón blahopřejný a zvědavý, ne podlézavý.
Sdílená komunita nebo zážitek
Studovali jste oba na stejné univerzitě? Oba pracujete ve stejném specializovaném odvětví? Oba procházíte stejným kariérním přechodem, řekněme z poradenství do startupů? Sdílené zkušenosti vytvářejí okamžitý pocit spřízněnosti a umělá inteligence vám může pomoci toto spojení formulovat přirozeným a nenápadným způsobem.
Vzájemné spojení
Zmínka o vzájemném propojení – zvláště pokud je daná osoba vážená – okamžitě dodává sociální důkaz a důvěru. Udělejte to pouze v případě, že se vzájemné propojení týká někoho, koho skutečně znáte a kdo zná vás. Nikdy neuvádějte jméno, které si nemůžete doložit.
Nejnovější zprávy jejich společnosti
Kolo financování, uvedení produktu na trh, tisková zpráva nebo významné přijetí do zaměstnání jsou v pořádku. To signalizuje, že sledujete daný prostor a záleží vám na tom, co se děje v jejich světě – nejen na tom, co pro vás mohou udělat.
Proměnné s nízkým dopadem (ale stále stojí za to je používat)
Jejich pracovní pozice, odvětví, ve kterém pracují, a název společnosti jsou sice lepší než nic, ale samy o sobě nejsou silnými signály pro personalizaci. Jedná se o „základní indikátory relevance“. Použijte je jako podpůrný kontext ve svém výzvě, ale nespoléhejte se na ně jako na primární úvodní bod.
Číst dále—-> Příklady a šablony zpráv na LinkedIn First
Pracovní postup škálování: Od jedné noty ke stovce
Jakmile si ověříte, že vaše výzva vytváří skvělé individuální poznámky, je čas vytvořit pracovní postup, který vám umožní generovat personalizované poznámky ve velkém množství bez obětování kvality.
Krok 1: Vytvořte si tabulku pro výzkum
Vytvořte tabulku s jedním řádkem na osobu, kterou plánujete oslovit. Vaše sloupce by měly obsahovat: Jméno, Titul, Společnost, Obor, Personalizace, Důvod kontaktu, Tón (pokud se liší v závislosti na segmentu) a jeden sloupec pro Vygenerovanou poznámku a jeden pro Zkontrolovanou/Závěrečnou poznámku.
Krok 2: Seskupení výzev podle segmentů
Nepište pro každou jednotlivou osobu jedinečnou výzvu. Místo toho seskupte svůj seznam do segmentů – například potenciální klienti, potenciální spolupracovníci, obdivovaní myšlenkoví lídři a bývalí kolegové. Pro každý segment napište jednu hlavní šablonu výzvy. Poté vyplňte proměnné personalizace pro každou osobu v daném segmentu. Tento přístup vám poskytne personalizovaný výstup, aniž byste museli výzvu pokaždé znovu vymýšlet od nuly.
Krok 3: Generování v dávkách
Pro střední objem (deset až třicet poznámek) to můžete provést ručně vkládáním jednotlivých vyplněných výzev do ChatGPT nebo Claude po jednom. Pro větší objem použijte API (ChatGPT OpenAI API nebo Claude Anthropic API) v kombinaci s tabulkovým nástrojem, jako jsou Google Sheets s doplňkem AI, nebo automatizačním nástrojem bez nutnosti kódování, jako jsou Clay, Make nebo Zapier. Tyto platformy vám umožňují předat každý řádek tabulky jako výzvu a automaticky přijmout vygenerovanou poznámku zpět do nového sloupce.
Krok 4: Kontrola, úprava a schválení
Každá poznámka vygenerovaná umělou inteligencí musí před odesláním projít lidskou kontrolou. Toto není volitelné – více o tom se dozvíte v další části. Před odesláním označte každou poznámku jako Schváleno, Vyžaduje úpravu nebo Obnovit.
Krok 5: Odeslat s úmyslem
LinkedIn nemá funkci hromadného odesílání poznámek o připojení – každá žádost musí být odeslána jednotlivě. Jedná se ve skutečnosti o funkci, nikoli o chybu: vynucuje si přirozené tempo, které zabraňuje spuštění spamových filtrů LinkedInu vaším oslovením. Rozumný denní objem pro ruční odesílání je dvacet až padesát žádostí o připojení denně. Rozložte je do celého dne, než abyste je odesílali všechny najednou.
Vrstva lidské kontroly, kterou nelze přeskočit
Poznámky z LinkedInu generované umělou inteligencí jsou prvním návrhem, nikoli finálním produktem. Zacházení s nimi jako s hotovým výstupem je nejčastější a nejnákladnější chybou, které se lidé dopouštějí při snaze o personalizaci poznámek z LinkedInu ve velkém měřítku.
Co zkontrolovat v každé poznámce
Přesnost
Modely umělé inteligence mohou halucinovat nebo dezinterpretovat kontext, který uvedete. Pokud jste umělé inteligenci řekli, že někdo „nedávno zveřejnil příspěvek o vzdáleném řízení týmu“, ověřte si, zda je odkaz na tento příspěvek v poznámce přesný a konkrétní – nikoli vágní parafráze, která by se mohla vztahovat na kohokoli. Poznámka, která uvádí podrobnosti špatně, je horší než obecná poznámka, protože signalizuje spíše nedbalost než skutečný zájem.
Počet znaků
LinkedIn má přísný limit 300 znaků. Před odesláním vložte každou poznámku do počítadla znaků. I když jste omezení zadali ve výzvě, umělá inteligence ho občas překročí. Poznámka, která je zkrácena uprostřed věty, je trapná a neefektivní.
Tónové přizpůsobení
Přečtěte si každý vzkaz nahlas. Zní to jako vy? Odpovídá to pravděpodobnému komunikačnímu stylu příjemce? Vzkaz napsaný ve velmi formálním registru pro někoho, kdo píše neformální, humorem nabité příspěvky na LinkedIn, bude působit nepatřičně. Během kontroly upravte tón podle potřeby.
Test „Je to strašidelné?“
Existuje tenká hranice mezi působivým výzkumem a nepříjemným sledováním. Pokud se vaše poznámka zmiňuje o něčem velmi neznámém – například o komentáři, který daná osoba zanechala k příspěvku někoho jiného před dvěma lety – může působit spíše rušivě než personalizovaně. Držte se veřejně viditelného, nedávného a profesionálního kontextu.
Gramatika a plynulost
Výstup umělé inteligence je obvykle gramaticky čistý, ale ne vždy. Čtěte s ohledem na plynulost i správnost. Krátké, úderné věty fungují nejlépe v poznámkách na LinkedInu. Vše, co vyžaduje opakované čtení k pochopení, je třeba zjednodušit.
Co dělat a co ne: Chyby, kvůli kterým se poznámky s umělou inteligencí jeví jako spam
Cílem využití umělé inteligence k personalizaci poznámek o kontaktech na LinkedInu ve velkém měřítku je vytvořit spojení, nikoli automatizovat masovou komunikaci. Existuje několik vzorců, které okamžitě odhalí, že poznámka vygenerovaná umělou inteligencí je neautentická – všem se jim vyhněte.
Poznámky k připojení k LinkedInu: Co dělat vs. čemu se vyhnout
| Oblast | ✅ Udělej | ❌ Nedělej to |
|---|---|---|
| Personalizace | Uveďte něco skutečně konkrétního – název příspěvku, argument, příklad nebo poznatek, který skutečně vynikl. | Pište vágní věty typu „Moc se mi líbil váš nedávný příspěvek o leadershipu.“ Falešná specifičnost signalizuje šablonovitý oslovovací proces. |
| Tón a komplimenty | Udržujte uznání uzemněné a přirozené. Chvála by měla být konkrétní a relevantní. | Nadměrně používejte lichotky typu „neuvěřitelná cesta“ nebo „výjimečné myšlenkové vedení“. Nadměrná chvála působí roboticky. |
| Prodejní záměr | Nejprve si vybudujte spojení. Zaměřte se na sdílenou relevanci nebo zvědavost. | Do poznámky k propojení vložte skrytou prezentaci nebo jemnou výzvu k akci. Prezentace patří do následných úvodů. |
| Jazykový styl | Pište konverzačně a srozumitelně. Používejte jednoduchý, lidský jazyk. | Používejte firemní žargon jako „synergie“, „pákový efekt“, „přidaná hodnota“ nebo „závěr“. Působí to jako generování. |
| Kvalita dávkového oslovování | Měňte strukturu, úhel personalizace a plynulost napříč notami. Projděte si je vedle sebe, zda se shodují. | Posílejte strukturálně identické poznámky podobným profilům. Změna několika slov není skutečnou odchylkou. |
Co se stane po jejich přijetí: Následná péče s pomocí umělé inteligence
Spojovací zpráva vám umožní začít. Následná zpráva je místem, kde dochází ke skutečné konverzi. Umělá inteligence vám může pomoci personalizovat i tento krok, a to pomocí stejných principů s několika důležitými rozdíly.
První následná zpráva
Do dvaceti čtyř až čtyřiceti osmi hodin od přijetí, dokud si vás ještě pamatují, jim pošlete následnou zprávu. Tato zpráva by měla být o něco delší než úvodní poznámka – dvě až čtyři věty – ale stále by měla být neformální a netransakční. Poděkujte jim za navázání kontaktu, zdůrazněte relevantnost kontaktu a začněte konverzaci upřímnou otázkou nebo postřehem.
Vyzývání umělé inteligence k následným zprávám
Použijte stejný rámec hlavních prompts, ale aktualizujte cíl. Místo „získat spojení“ je nyní cílem „zahájit upřímnou konverzaci“. Sdělte umělé inteligenci kontext, proč přijala (pokud ho znáte), původní úvodní bod z vaší poznámky k spojení a jednu konverzační otázku, na kterou skutečně chcete odpověď. Požádejte o zprávu, která končí jedinou snadno odpovědí. Více otázek snižuje míru odpovědí – jedna otázka je vždycky to správné číslo.
Přístup dlouhodobé hry
Ne každý, s kým se spojíte, se okamžitě promění v klienta, zaměstnavatele, spolupracovníka nebo obchodní příležitost. Nejcennější kontakty se často vytvářejí v průběhu měsíců prostřednictvím konzistentních interakcí s přidanou hodnotou – komentováním jejich příspěvků, sdílením jejich práce, reagováním na jejich obsah. Umělá inteligence vám může pomoci i s psaním promyšlených komentářů ve velkém. Chovejte se ke své síti LinkedIn jako ke zahradě, ne jako k prodejnímu automatu.
Nástroje a integrace, které automatizují procesní procesy
Pokud chcete personalizovat poznámky o připojení na LinkedInu ve větším měřítku, než umožňuje ruční kopírování a vkládání, tyto nástroje a platformy vám mohou pomoci vybudovat integrovaný proces.
Hlína
Clay je platforma pro obohacení dat a automatizaci oslovování, která se přímo integruje s rozhraními API s využitím umělé inteligence. Můžete si načíst data z profilu na LinkedInu, obohatit je o další kontext z webu a spustit výzvy s využitím umělé inteligence pro generování personalizovaných poznámek – to vše v rámci jednoho pracovního postupu. Je to jeden z nejspecializovanějších nástrojů přesně pro tento případ použití a je široce využíván prodejními týmy a náboráři pro personalizované oslovování s využitím umělé inteligence ve velkém měřítku.
Make (dříve Integromat) a Zapier
Obě platformy vám umožňují propojit Tabulky Google (kde se nachází váš výzkum) s OpenAI nebo Anthropic API. Můžete si vytvořit pracovní postup, kde přidání řádku do tabulky automaticky spustí výzvu, vygeneruje poznámku a zapíše ji zpět do tabulky. Pro základní pracovní postupy není potřeba žádné kódování.
Phantombuster a Dux-Soup
Tyto automatizační nástroje LinkedInu vám mohou pomoci shromažďovat data profilů ve velkém měřítku, která pak vstupují do vašeho pracovního postupu pro tvorbu výzev s využitím umělé inteligence. Používejte je opatrně a v souladu s podmínkami služby LinkedIn – nadměrná automatizace může vést k omezení účtu.
Tabulky Google s doplňky GPT nebo Claude
Několik doplňků Google Workspace přináší umělou inteligenci přímo do Tabulek Google, což vám umožňuje napsat vzorec promptu do buňky a nechat ho generovat výstup na základě dat z jiných buněk ve stejném řádku. Toto je nejdostupnější vstupní bod pro netechnické uživatele, kteří chtějí automatizovat dávkové generování bez nutnosti vytvářet plnou integraci.
Poznámka k podmínkám služby LinkedIn
LinkedIn omezuje automatické nebo hromadné zasílání zpráv a žádosti o připojení, které porušují jeho Pravidla pro uživatelePoužívání umělé inteligence k psaní poznámek není porušením pravidel – obsah je stále kontrolován člověkem a odesílán ručně. Používání botů k automatickému odesílání požadavků na připojení ve velkém objemu je však v rozporu s pravidly platformy a riskuje omezení účtu. Nejbezpečnějším přístupem je vždy psaní s pomocí umělé inteligence v kombinaci s ručním odesíláním.
Kontrolní seznam pro rychlý start: Přizpůsobte si poznámky k připojení k LinkedInu ve velkém měřítku
Použijte tento kontrolní seznam ke spuštění vaší první personalizované kampaně zaměřené na oslovení s využitím umělé inteligence od nuly.
Výzkum a nastavení
Vytvořte si výzkumnou tabulku se sloupci pro jméno, titul, společnost, personalizační háček, důvod pro navázání kontaktu a tón. Pro každou osobu identifikujte alespoň jeden skutečný, specifický personalizační háček. Seskupte svůj seznam do dvou nebo tří segmentů se společnými cíli oslovení.
Rychlá stavba
Pro každý segment napište jednu hlavní šablonu promptu s použitím šestiprvkového rámce. Zahrňte omezení 300 znaků, seznam zakázaných slov a specifikaci tónu. Před spuštěním celé dávky otestujte každou šablonu se třemi až pěti lidmi. Zkontrolujte výstupy a promptu upravte, dokud nebudou výsledky konzistentně silné.
Dávkové generování
Generujte poznámky dávkově podle segmentu. Pro objem nad třicet za den použijte integraci AI API s vaší tabulkou. Uložte všechny vygenerované poznámky zpět do tabulky do vyhrazeného sloupce.
Human Review
Před odesláním si přečtěte každou poznámku. Ověřte si její přesnost, počet znaků, tónovou shodu a použijte test „je to strašidelné?“. Každou poznámku označte jako schválenou, vyžadující úpravu nebo regeneraci.
Odeslání a následná péče
Odesílejte ručně dvacet až padesát požadavků denně, rozložené do celého dne. Do dvaceti čtyř až čtyřiceti osmi hodin od přijetí odešlete krátkou konverzační zprávu končící jednou otázkou. Sledujte míru přijetí a míru odpovědí podle segmentů, abyste svůj přístup v průběhu času zdokonalili.
11x váš dosah na LinkedIn
Automatizace a Gen AI
Využijte sílu LinkedIn Automation a Gen AI a rozšiřte svůj dosah jako nikdy předtím. Zaujměte každý týden tisíce potenciálních zákazníků pomocí komentářů řízených umělou inteligencí a cílených kampaní – to vše z jedné platformy vedoucí k úspěchu.
Často kladené dotazy
Oslovení na LinkedInu můžete personalizovat ve velkém měřítku shromažďováním strukturovaných personalizačních dat (příspěvky, milníky, sdílené zážitky) a pomocí nástrojů umělé inteligence, jako je ChatGPT nebo Claude, k generování poznámek k propojení na míru na základě daného kontextu. Před odesláním vždy zahrňte lidskou kontrolu.
Ano. Personalizované kontaktní poznámky na LinkedInu konzistentně překonávají prázdné žádosti – často dvakrát až pětkrát – protože signalizují spíše relevanci a skutečný zájem než masový oslovení.
ChatGPT i Claude fungují dobře. ChatGPT se snáze integruje do automatizovaných pracovních postupů, zatímco Claude často vytváří přirozenější konverzační tón. Nejlepší volba závisí na tom, zda upřednostňujete škálování nebo nuance.
Minimálně:
Jméno
Současná role a společnost
Jeden specifický personalizační hák
Mezi data s vysokým dopadem patří nedávné příspěvky, milníky, vzájemné kontakty nebo sdílené profesní zkušenosti.
Poznámky k propojení na LinkedInu mají striktní limit 300 znaků. Ideální poznámka je stručná, relevantní a zaměřená výhradně na získání kontaktu – nikoli na prezentaci.
Používání umělé inteligence k psaní poznámek k propojení je bezpečné, pokud je ručně kontrolujete a odesíláte. Plně automatizované nástroje pro odesílání, které porušují podmínky služby LinkedIn, však mohou vést k omezení účtu.
Mezi běžné chyby patří:
Falešná specifičnost
Přehnané komplimenty
Nenápadné nadhazování
Firemní žargon
Strukturálně identické poznámky zasílané v dávkách
Tyto vzorce snižují míru důvěry a přijetí.
Bezpečný manuální rozsah je 20–50 žádostí o připojení denně, rozložených do celého dne. Odeslání příliš velkého počtu žádostí najednou může spustit omezení LinkedInu.
Pošlete krátkou následnou zprávu do 24–48 hodin. Poděkujte jim za kontakt, zdůrazněte relevanci a položte jim jednu jednoduchou, snadno zodpovězenou otázku, abyste zahájili konverzaci.
Ano – při zodpovědném používání. Automatizace LinkedIn pomáhá škálovat výzkum a tvorbu zpráv, ale konverze závisí na silné personalizaci a lidském dohledu.
