LinkedIn ഔട്ട്റീച്ചിനായി AI ഉപയോഗിക്കുന്ന മിക്ക സെയിൽസ് ടീമുകൾക്കും ശരാശരി ഫലങ്ങൾ മാത്രമേ ലഭിക്കുന്നുള്ളൂ - കൂടാതെ AI-യെ കുറ്റപ്പെടുത്തുകയും ചെയ്യുന്നു. മോഡൽ പ്രശ്നമല്ല. പ്രോംപ്റ്റ് അതാണ്.
പ്രോംപ്റ്റ് എഞ്ചിനീയറിംഗ് എന്നത് വിശ്വസനീയമായി ഉപയോഗപ്രദമായ ഇൻപുട്ടുകൾ നിർമ്മിക്കുന്ന രീതി, ഒരു ഭാഷാ മോഡലിൽ നിന്നുള്ള ഉയർന്ന നിലവാരമുള്ള ഔട്ട്പുട്ടുകൾ. ഒരു ഉപഭോക്തൃ സാഹചര്യത്തിൽ, ChatGPT യോട് മികച്ച ചോദ്യം എങ്ങനെ ചോദിക്കാമെന്ന് അറിയുക എന്നതാണ് ഇതിനർത്ഥം.
ഒരു B2B വിൽപ്പന സാഹചര്യത്തിൽ, ഇത് കൂടുതൽ കൃത്യമായ ഒന്നിനെയാണ് അർത്ഥമാക്കുന്നത്: നൂറുകണക്കിന് വ്യത്യസ്ത പ്രോസ്പെക്റ്റുകളിൽ സ്കെയിലിൽ, സ്ഥിരതയോടെ, നിങ്ങളുടെ AI ഔട്ട്റീച്ച് സന്ദേശങ്ങൾ, അഭിപ്രായങ്ങൾ, ഫോളോ-അപ്പുകൾ എന്നിവ എങ്ങനെ ഡ്രാഫ്റ്റ് ചെയ്യുന്നുവെന്ന് നിർണ്ണയിക്കുന്ന നിർദ്ദേശങ്ങൾ രൂപകൽപ്പന ചെയ്യുക.
നന്നായി ചെയ്താൽ, ശക്തമായ ഒരു പ്രോംപ്റ്റ് ഒരു AI-യെ യഥാർത്ഥത്തിൽ ഫലപ്രദമായ ഒരു വിൽപ്പന വികസന ഉപകരണമാക്കി മാറ്റുന്നു. മോശമായി ചെയ്താൽ, അത് പ്രോംപ്റ്റുകളെ ഭയപ്പെടുത്തുകയും ഇല്ലാതാക്കുകയും ചെയ്യുന്ന തരത്തിലുള്ള പൊതുവായ, അല്പം വ്യത്യസ്തമായ സന്ദേശങ്ങൾ സൃഷ്ടിക്കുന്നു. ആ രണ്ട് ഫലങ്ങൾക്കിടയിലുള്ള വിടവ് ഏതാണ്ട് പൂർണ്ണമായും പ്രോംപ്റ്റിലാണ്.
സാങ്കേതികമായും വാണിജ്യപരമായും പ്രവർത്തിക്കുന്ന AI ഔട്ട്റീച്ച് സീക്വൻസുകൾ നിർമ്മിക്കാൻ ആഗ്രഹിക്കുന്ന വിൽപ്പന നേതാക്കൾ, SDR മാനേജർമാർ, റവന്യൂ ഓപ്പറേറ്റർമാർ എന്നിവർക്കുള്ളതാണ് ഈ ലേഖനം.
വിൽപ്പന വ്യാപനത്തിന് പ്രോംപ്റ്റ് എഞ്ചിനീയറിംഗ് യഥാർത്ഥത്തിൽ എന്താണ് അർത്ഥമാക്കുന്നത്?
ഒരു പ്രോംപ്റ്റ് എന്നത് ഒരു AI മോഡൽ ഔട്ട്പുട്ട് സൃഷ്ടിക്കുന്നതിന് മുമ്പ് നിങ്ങൾ നൽകുന്ന നിർദ്ദേശങ്ങളുടെ പൂർണ്ണ സെറ്റാണ്. ഒരു അടിസ്ഥാന ഉപഭോക്തൃ ഇടപെടലിൽ, അത് ഒരൊറ്റ ചോദ്യമായിരിക്കാം. ഒരു ഘടനാപരമായ വിൽപ്പന വർക്ക്ഫ്ലോയിൽ, ഇത് AI-യോട് പറയുന്ന ശ്രദ്ധാപൂർവ്വം നിർമ്മിച്ച ഒരു സിസ്റ്റമാണ്:
- ആരായിട്ടാണ് എഴുതുന്നത് — വ്യക്തിത്വം, പ്രൊഫഷണൽ ശബ്ദം, സ്വരം
- ആർക്കാണ് എഴുതുന്നത് — പ്രോസ്പെക്റ്റിന്റെ പങ്ക്, കമ്പനി ഘട്ടം, അറിയപ്പെടുന്ന വെല്ലുവിളികൾ
- പ്രോസ്പെക്റ്റിനെക്കുറിച്ച് അതിന് അറിയാവുന്ന കാര്യങ്ങൾ - സിഗ്നലുകൾ, സമീപകാല പോസ്റ്റുകൾ, റോൾ മാറ്റങ്ങൾ, ഇടപഴകൽ രീതികൾ
- സന്ദേശം എന്താണ് നേടേണ്ടത് — അവബോധം, ഒരു മറുപടി, ഒരു ചോദ്യത്തിനുള്ള ഉത്തരം
- അത് ചെയ്യാൻ പാടില്ലാത്തത് — വളരെ നേരത്തെ തന്നെ പറയുക, പ്രത്യേക ശൈലികൾ ഉപയോഗിക്കുക, ഒരു നിശ്ചിത ദൈർഘ്യം കവിയുക
ആ പാരാമീറ്ററുകൾ കൂടുതൽ കൃത്യമായി നിർവചിക്കുമ്പോൾ, ഔട്ട്പുട്ട് കൂടുതൽ സ്ഥിരതയോടെ ഉപയോഗപ്രദമാകും. അവ്യക്തമായ പ്രോംപ്റ്റുകൾ അവ്യക്തമായ സന്ദേശങ്ങൾ നൽകുന്നു. നിർദ്ദിഷ്ട പ്രോംപ്റ്റുകൾ യഥാർത്ഥത്തിൽ ഗവേഷണം നടത്തിയ ഒരു മനുഷ്യനിൽ നിന്ന് വന്നതുപോലെ വായിക്കുന്ന നിർദ്ദിഷ്ടവും സന്ദർഭോചിതവുമായ സന്ദേശങ്ങൾ സൃഷ്ടിക്കുന്നു.
ഇത് എഞ്ചിനീയർമാർക്ക് മാത്രമുള്ള ഒരു സാങ്കേതിക വൈദഗ്ധ്യമല്ല. ഇത് എഴുത്തും തന്ത്രപരവുമായ ഒരു വൈദഗ്ധ്യമാണ് - കൂടാതെ ഇത് വികസിപ്പിക്കുന്ന വിൽപ്പന പ്രൊഫഷണലുകൾക്ക് AI-യെ ഒറ്റ-ക്ലിക്ക് പരിഹാരമായി ഇപ്പോഴും പരിഗണിക്കുന്ന ടീമുകളേക്കാൾ ഘടനാപരമായ ഒരു മുൻതൂക്കമുണ്ട്.
ഉയർന്ന പ്രകടനമുള്ള വിൽപ്പന പ്രോംപ്റ്റിന്റെ ഘടന
നന്നായി നിർമ്മിച്ച ഒരു വിൽപ്പന പ്രോംപ്റ്റിൽ അഞ്ച് ഘടകങ്ങളുണ്ട്. ഓരോന്നും വ്യത്യസ്തമായ ഒരു ജോലി ചെയ്യുന്നു, അവയിൽ ഏതെങ്കിലുമൊന്ന് ഒഴിവാക്കുന്നത് ഔട്ട്പുട്ടിന്റെ ഗുണനിലവാരം കുറയ്ക്കുന്നു.
1. റോൾ അസൈൻമെന്റ്
അത് ആരാണെന്ന് AI-യോട് പറയുക. പൊതുവായി അല്ല - പ്രത്യേകിച്ച്. "നിങ്ങൾ ഒരു B2B SaaS കമ്പനിയിലെ ഒരു സീനിയർ അക്കൗണ്ട് എക്സിക്യൂട്ടീവാണ്" എന്നത് മോഡലിന് "ഒരു LinkedIn സന്ദേശം എഴുതുന്നതിനേക്കാൾ" സൃഷ്ടിക്കാൻ സമ്പന്നമായ ഒരു സന്ദർഭം നൽകുന്നു. റോൾ അസൈൻമെന്റ് പ്രൊഫഷണൽ രജിസ്റ്റർ, അനുമാനിക്കപ്പെട്ട അറിവ്, എഴുത്തുകാരന് വായനക്കാരനുമായുള്ള വ്യക്തമായ ബന്ധം എന്നിവ സജ്ജമാക്കുന്നു.
ഉദാഹരണം: "B2B സെയിൽസ് ടീമുകൾക്കായുള്ള ലിങ്ക്ഡ്ഇൻ ഔട്ട്റീച്ചിൽ വൈദഗ്ദ്ധ്യം നേടിയ ഒരു സീനിയർ അക്കൗണ്ട് എക്സിക്യൂട്ടീവാണ് നിങ്ങൾ. ഉൽപ്പന്നങ്ങൾ അവതരിപ്പിക്കുന്നതിനുപകരം സംഭാഷണങ്ങൾ തുറക്കുന്ന സംക്ഷിപ്തവും നേരിട്ടുള്ളതുമായ സന്ദേശങ്ങൾ നിങ്ങൾ എഴുതുന്നു. നിങ്ങളുടെ സ്വരം പ്രൊഫഷണലാണ്, പക്ഷേ സംഭാഷണാത്മകമാണ് - സമ്മർദ്ദമില്ലാതെ ആത്മവിശ്വാസത്തോടെ."
2. പ്രോസ്പെക്റ്റ് സന്ദർഭം
ഇത് എവിടെയാണ് ലിങ്ക്ഡ്ഇൻ സോഷ്യൽ സിഗ്നലുകൾ പ്രോംപ്റ്റിലേക്ക് നേരിട്ട് ഫീഡ് ചെയ്യുക. പ്രോസ്പെക്റ്റിനെക്കുറിച്ച് നിങ്ങൾക്കറിയാവുന്നതെല്ലാം - അവരുടെ പങ്ക്, അവരുടെ സമീപകാല പോസ്റ്റുകൾ, അവർ പ്രകടിപ്പിച്ച വെല്ലുവിളികൾ, അവർ ഇടപഴകുന്ന ഉള്ളടക്കം - ഇവിടെയാണ്. ഈ സന്ദർഭം കൂടുതൽ സമ്പന്നമാകുമ്പോൾ, ഔട്ട്പുട്ട് കൂടുതൽ പ്രസക്തമാകും.
ഉദാഹരണം: "ഏകദേശം 80 ജീവനക്കാരുള്ള ഒരു സീരീസ് ബി SaaS കമ്പനിയിൽ സെയിൽസ് വൈസ് പ്രസിഡന്റാണ് പ്രോസ്പെക്റ്റ്. അവരുടെ SDR ടീം സ്കെയിലുകൾ ചെയ്യുമ്പോൾ ഔട്ട്റീച്ച് ഗുണനിലവാരം നിലനിർത്തുന്നതിലെ ബുദ്ധിമുട്ടിനെക്കുറിച്ച് അവർ മൂന്ന് ദിവസം മുമ്പ് പോസ്റ്റ് ചെയ്തു. കഴിഞ്ഞ രണ്ടാഴ്ചയായി അവർ AI വിൽപ്പന ഉപകരണങ്ങളെക്കുറിച്ചുള്ള ഉള്ളടക്കത്തിൽ ഇടപഴകുന്നു."
3. ലക്ഷ്യവും ഘട്ടവും
ഒരു ശ്രേണിയിലെ ഓരോ സന്ദേശത്തിനും ഒരു പ്രത്യേക ജോലിയുണ്ട്. കണക്ഷൻ അഭ്യർത്ഥന കുറിപ്പിന് സ്വീകാര്യതയ്ക്ക് ശേഷമുള്ള ആദ്യ DM-ൽ നിന്ന് വ്യത്യസ്തമായ ഒരു ലക്ഷ്യമുണ്ട്, തുടർനടപടിയിൽ നിന്ന് വ്യത്യസ്തമായ ഒരു ലക്ഷ്യവുമുണ്ട്. ഈ പ്രത്യേക സന്ദേശം എന്താണ് നേടേണ്ടതെന്ന് വ്യക്തമാക്കുക - കൂടാതെ ഇതുവരെ വ്യക്തമായി എന്താണ് ചെയ്യേണ്ടതെന്ന് വ്യക്തമാക്കുക.
ഉദാഹരണം: "കണക്ഷൻ അഭ്യർത്ഥന സ്വീകരിച്ചതിനുശേഷം അയയ്ക്കേണ്ട ആദ്യ സന്ദേശം എഴുതുക. ഉൽപ്പന്നം അവതരിപ്പിക്കുകയല്ല, മറിച്ച് ഒരു സംഭാഷണം ആരംഭിക്കുക എന്നതാണ് ലക്ഷ്യം. അവരുടെ പോസ്റ്റിൽ അവർ ഉന്നയിച്ച വെല്ലുവിളിയുമായി ബന്ധപ്പെട്ട ഒരു പ്രത്യേക ചോദ്യത്തോടെ അവസാനിപ്പിക്കുക. ഉൽപ്പന്നത്തിന്റെ പേര് പരാമർശിക്കുകയോ ഒരു മീറ്റിംഗിന് അഭ്യർത്ഥിക്കുകയോ ചെയ്യരുത്."
4. നിയന്ത്രണങ്ങളും ഗാർഡ്റെയിലുകളും
മിക്ക ടീമുകളും മറക്കുന്ന ഘടകമാണിത് — പൊതുവായ ഔട്ട്പുട്ടിനെ നേരിട്ട് തടയുന്നതും ഇതാണ്. നിയന്ത്രണങ്ങൾ AI-യോട് എന്തൊക്കെ ഒഴിവാക്കണമെന്ന് പറയുന്നു: നിർദ്ദിഷ്ട ശൈലികൾ, ഘടനാപരമായ പാറ്റേണുകൾ, ദൈർഘ്യ പരിധികൾ, ശ്രേണിയുടെ ഈ ഘട്ടത്തിൽ പരിധിക്ക് പുറത്തുള്ള വിഷയങ്ങൾ.
ഉദാഹരണം: "സന്ദേശം 80 വാക്കുകളിൽ താഴെയാക്കുക. 'ഞാൻ നിങ്ങളുടെ പ്രൊഫൈൽ കണ്ടു' എന്ന് തുറക്കരുത്. 'ഞാൻ കണക്റ്റുചെയ്യാൻ ഇഷ്ടപ്പെടുന്നു' എന്ന വാചകം ഉപയോഗിക്കരുത്. കണക്ടറിന്റെ സവിശേഷതകളെയോ വിലനിർണ്ണയത്തെയോ പരാമർശിക്കരുത്. ആശ്ചര്യചിഹ്നങ്ങൾ ഒഴിവാക്കുക. രണ്ടാമത്തെ വ്യക്തിയിൽ എഴുതുക."
5. ഫോർമാറ്റ് സ്പെസിഫിക്കേഷൻ
മോഡലിനോട് കൃത്യമായി എന്താണ് എഴുതേണ്ടതെന്ന് പറയുക - എന്തിനെക്കുറിച്ചാണ് എഴുതേണ്ടതെന്ന് മാത്രമല്ല. ഒറ്റ സന്ദേശമോ ഒന്നിലധികം ഓപ്ഷനുകളോ? ഒരു വിഷയ വരി ഉണ്ടോ ഇല്ലയോ? പ്രാരംഭ വരി എന്താണ് നേടേണ്ടത്? പ്രോംപ്റ്റ് തലത്തിൽ ഫോർമാറ്റ് വ്യക്തമാക്കുന്നത് എഡിറ്റിംഗ് സമയം ഗണ്യമായി ലാഭിക്കുന്നു.
ഉദാഹരണം: "ഈ സന്ദേശത്തിന്റെ മൂന്ന് ഇതര പതിപ്പുകൾ നിർമ്മിക്കുക. ഓരോന്നും വ്യത്യസ്തമായി തുറക്കണം. അവയെ ഓപ്ഷൻ എ, ബി, സി എന്ന് ലേബൽ ചെയ്യുക. വിഷയ വരി ആവശ്യമില്ല."
ഒരു പൂർണ്ണ AI ഔട്ട്റീച്ച് ശ്രേണി നിർമ്മിക്കുന്നു: സന്ദേശം വഴി സന്ദേശം
ഒരു ലിങ്ക്ഡ്ഇൻ ഔട്ട്റീച്ച് സീക്വൻസിന് സാധാരണയായി നാല് മുതൽ ആറ് വരെ ടച്ച് പോയിന്റുകൾ ഉണ്ടാകും. ഓരോന്നിനും വ്യത്യസ്ത ലക്ഷ്യങ്ങളുള്ള വ്യത്യസ്ത പ്രോംപ്റ്റ് ആവശ്യമാണ്. ഓരോ ഘട്ടത്തെക്കുറിച്ചും എങ്ങനെ ചിന്തിക്കണമെന്ന് ഇതാ.
| അനുക്രമ ഘട്ടം | വസ്തുനിഷ്ഠമായ | പെട്ടെന്നുള്ള ഫോക്കസ് | ദൈർഘ്യ ലക്ഷ്യം |
|---|---|---|---|
| കണക്ഷൻ അഭ്യർത്ഥന കുറിപ്പ് | സ്വീകാര്യത നേടുക. | പങ്കിട്ട സിഗ്നലിനെയോ പോസ്റ്റിനെയോ കുറിച്ചുള്ള പ്രത്യേക പരാമർശം. പിച്ച് ഇല്ല. | 300-ൽ താഴെ പ്രതീകങ്ങൾ |
| ആദ്യ DM (സ്വീകരണത്തിനു ശേഷം) | ഒരു സംഭാഷണം തുറക്കുക | സിഗ്നൽ റഫർ ചെയ്യുക. ഒരു ചോദ്യം. ഉൽപ്പന്നത്തെക്കുറിച്ച് പരാമർശമില്ല. | 50 മുതൽ 80 വാക്കുകൾ വരെ |
| ഫോളോ-അപ്പ് 1 (മറുപടിയില്ല) | വീണ്ടും ഇടപഴകുക, മൂല്യം ചേർക്കുക | പ്രസക്തമായ എന്തെങ്കിലും പങ്കിടുക. സമ്മർദ്ദമില്ല. പ്രതികരിക്കാൻ എളുപ്പമാണ്. | 40 മുതൽ 60 വാക്കുകൾ വരെ |
| ഫോളോ-അപ്പ് 2 (മറുപടിയില്ല) | സോഫ്റ്റ് ക്ലോസ് അല്ലെങ്കിൽ പിവറ്റ് | കുറ്റബോധം തോന്നിപ്പിക്കാതെ നിശബ്ദതയെ അംഗീകരിക്കുക. വ്യക്തമായ ഒരു ചോദ്യം. | 30 മുതൽ 50 വാക്കുകൾ വരെ |
| പുനഃപ്രവേശനം (പുതിയ സിഗ്നൽ) | പുതിയ സാഹചര്യത്തിൽ സംഭാഷണം പുനരാരംഭിക്കുക. | പുതിയ സിഗ്നലിനെ പരാമർശിക്കുക. പുതിയ ആംഗിൾ. മുൻ നിശബ്ദതയെക്കുറിച്ച് പരാമർശമില്ല. | 50 മുതൽ 70 വാക്കുകൾ വരെ |
ഓരോ സ്റ്റേജ് പ്രോംപ്റ്റിനും നിങ്ങളുടെ ബേസ് പ്രോംപ്റ്റിൽ നിന്ന് റോൾ അസൈൻമെന്റും ടോണും ലഭിക്കുന്നു - നിങ്ങൾ അത് ഒരിക്കൽ എഴുതുന്നു. അവസാന ടച്ച് പോയിന്റിന് ശേഷം പുതിയ സിഗ്നലുകൾ ഉയർന്നുവന്നിട്ടുണ്ടെങ്കിൽ, ഘട്ടം ഘട്ടമായി മാറുന്നത് ലക്ഷ്യം, നിയന്ത്രണങ്ങൾ, പ്രോസ്പെക്റ്റ് സന്ദർഭം എന്നിവയാണ്.
വേരിയബിൾ ഇഞ്ചക്ഷൻ പ്രശ്നം — അത് എങ്ങനെ പരിഹരിക്കാം
AI-അസിസ്റ്റഡ് ഔട്ട്റീച്ചിലെ ഏറ്റവും സാധാരണമായ പരാജയ രീതികളിൽ ഒന്ന് വേരിയബിൾ ഇഞ്ചക്ഷനെ അമിതമായി ആശ്രയിക്കുന്നതാണ്. ടീമുകൾ പ്ലെയ്സ്ഹോൾഡറുകൾ ഉപയോഗിച്ച് ഒരു പ്രോംപ്റ്റ് നിർമ്മിക്കുന്നു — [PROSPECT_NAME], [COMPANY], [RECENT_POST] — ആ ഫീൽഡുകൾ പൂരിപ്പിക്കുന്നത് വ്യക്തിഗതമാക്കൽ ഉണ്ടാക്കുമെന്ന് അനുമാനിക്കുന്നു. അത് ചെയ്യുന്നില്ല. ഇത് ഒരു മെയിൽ ലയനത്തിന് തുല്യമായ AI സൃഷ്ടിക്കുന്നു.
പ്രോംപ്റ്റ് തലത്തിൽ യഥാർത്ഥ വ്യക്തിഗതമാക്കൽ എന്നാൽ സിഗ്നൽ സന്ദർഭം ഒരു ബ്രാക്കറ്റിലേക്ക് ചുരുക്കുകയല്ല, മറിച്ച് സ്വാഭാവിക ഭാഷയിൽ എഴുതുക എന്നാണ്. ഈ രണ്ട് സമീപനങ്ങളും താരതമ്യം ചെയ്യുക:
വേരിയബിൾ ഇഞ്ചക്ഷൻ സമീപനം: "പ്രോസ്പെക്റ്റ് അടുത്തിടെ [TOPIC] എന്നതിനെക്കുറിച്ച് പോസ്റ്റ് ചെയ്തു. സന്ദേശത്തിൽ ഇത് പരാമർശിക്കുക."
സന്ദർഭോചിതമായ പ്രോംപ്റ്റ് സമീപനം: "ടീം പത്ത് ആവർത്തനങ്ങൾ കടന്നുപോകുമ്പോൾ SDR സന്ദേശ നിലവാരം നിലനിർത്തുന്നതിന്റെ വെല്ലുവിളിയെക്കുറിച്ച് പ്രോസ്പെക്റ്റ് നാല് ദിവസം മുമ്പ് പോസ്റ്റ് ചെയ്തു. അവർ അതിനെ 'ഒരു പ്രചോദന പ്രശ്നമല്ല, സ്ഥിരത പ്രശ്നം' എന്നാണ് വിശേഷിപ്പിച്ചത്. പോസ്റ്റിലെ അവരുടെ സ്വരത്തിൽ വിശകലനാത്മകവും അൽപ്പം നിരാശാജനകവുമായിരുന്നു. ഈ ഫ്രെയിമിംഗിനെ പരാമർശിക്കുക - പ്രത്യേകിച്ച് സ്ഥിരതയ്ക്കും പ്രചോദനത്തിനും ഇടയിൽ അവർ വരച്ച വ്യത്യാസം."
രണ്ടാമത്തെ പ്രോംപ്റ്റിൽ പോസ്റ്റ് വായിച്ച് മനസ്സിലാക്കിയ ഒരാൾ എഴുതിയത് പോലെയുള്ള ഒരു സന്ദേശം ലഭിക്കും. ആദ്യത്തേതിൽ പോസ്റ്റ് പരാമർശിക്കാതെ തന്നെ പോസ്റ്റ് പരാമർശിക്കുന്ന ഒരു സന്ദേശം ലഭിക്കും. സ്വീകർത്താവ് അത് വായിക്കുമ്പോൾ അനുഭവിക്കുന്ന വ്യത്യാസമാണിത് - ഇത് പൂർണ്ണമായും ഒരു പെട്ടെന്നുള്ള എഞ്ചിനീയറിംഗ് തീരുമാനമാണ്.
കണക്ടറിന്റെ പ്ലാറ്റ്ഫോം ഈ സന്ദർഭോചിത കുത്തിവയ്പ്പ് യാന്ത്രികമായി കൈകാര്യം ചെയ്യുന്നു, തത്സമയം എത്തിക്കുന്നു ലിങ്ക്ഡ്ഇൻ സോഷ്യൽ സിഗ്നലുകൾ നിങ്ങളുടെ പ്രോസ്പെക്റ്റിന്റെ പ്രവർത്തനത്തിൽ നിന്ന് അവയെ പ്രോംപ്റ്റ് സന്ദർഭത്തിലേക്ക് ക്രമീകരിക്കുന്നതിലൂടെ AI എല്ലായ്പ്പോഴും പൊതുവായ പ്ലെയ്സ്ഹോൾഡറുകളേക്കാൾ യഥാർത്ഥവും നിർദ്ദിഷ്ടവും നിലവിലുള്ളതുമായ വിവരങ്ങളിൽ നിന്നാണ് പ്രവർത്തിക്കുന്നത്.
ടോൺ കാലിബ്രേഷൻ: മിക്ക ടീമുകളും തെറ്റിദ്ധരിക്കുന്ന വേരിയബിൾ
ടോൺ എന്നത് ഒരു അവ്യക്തമായ നിർദ്ദേശമല്ല. "ശബ്ദ പ്രൊഫഷണല്" ശരാശരി ഔട്ട്പുട്ട് നൽകുന്നു. കൃത്യമായി കാലിബ്രേറ്റ് ചെയ്ത ടോൺ നിർദ്ദേശങ്ങൾ നിങ്ങളുടെ ഏറ്റവും മികച്ച പ്രകടനം കാഴ്ചവയ്ക്കുന്ന മനുഷ്യ എഴുതിയ സന്ദേശങ്ങളിൽ നിന്ന് വേർതിരിച്ചറിയാൻ കഴിയാത്ത ഔട്ട്പുട്ട് നൽകുന്നു.
ഒരു പ്രോംപ്റ്റിലെ ഫലപ്രദമായ ടോൺ കാലിബ്രേഷനിൽ ഇവ ഉൾപ്പെടുന്നു:
- വാക്യ ദൈർഘ്യ മാർഗ്ഗനിർദ്ദേശം: "ചെറിയ വാക്യങ്ങൾ ഉപയോഗിക്കുക. താളാത്മകമായ ഒരു പാറ്റേൺ ഒഴിവാക്കാൻ നീളം മാറ്റുക. സെമികോളണുകൾ ചേർത്ത ഉപവാക്യങ്ങൾ ഒഴിവാക്കുക."
- പദാവലി ലെവൽ: "ലളിതമായ ഭാഷ ഉപയോഗിക്കുക. പ്രോസ്പെക്റ്റ് ആദ്യം അത് ഉപയോഗിക്കുന്നില്ലെങ്കിൽ പദപ്രയോഗങ്ങൾ ഒഴിവാക്കുക. രഹസ്യവാക്കുകൾ ഉപയോഗിക്കരുത്."
- കോൺഫിഡൻസ് രജിസ്റ്റർ: “പ്രത്യേകിച്ചും അല്ലാതെ, നേരിട്ട്, ആത്മവിശ്വാസത്തോടെ സംസാരിക്കുക. 'നിങ്ങൾക്ക് താൽപ്പര്യമുണ്ടാകുമെന്ന് ഞാൻ കരുതി' അല്ലെങ്കിൽ 'ചിലപ്പോൾ ബന്ധപ്പെടാൻ ആഗ്രഹിച്ചു' തുടങ്ങിയ വാക്യങ്ങൾ ഒഴിവാക്കുക. ”
- നിരോധിത വാക്യങ്ങൾ: നിങ്ങളുടെ ബ്രാൻഡോ വ്യക്തിത്വമോ ഉപയോഗിക്കാത്ത പദസമുച്ചയങ്ങളുടെ ഒരു പ്രത്യേക ലിസ്റ്റ്. ഈ ലിസ്റ്റ് കൂടുതൽ വ്യക്തമാകുമ്പോൾ, ഔട്ട്പുട്ട് കൂടുതൽ സ്ഥിരതയുള്ളതായിരിക്കും.
ഒരു പ്രായോഗിക സമീപനം: നിങ്ങളുടെ ഏറ്റവും മികച്ച പ്രകടനം കാഴ്ചവയ്ക്കുന്ന മൂന്ന് കൈകൊണ്ട് എഴുതിയ സന്ദേശങ്ങൾ എടുത്ത് ടോണൽ പാറ്റേണുകൾ വേർതിരിച്ചെടുക്കുന്ന ഒരു വിശകലന പ്രോംപ്റ്റിലൂടെ അവ പ്രവർത്തിപ്പിക്കുക. ആ വിശകലനത്തിന്റെ ഔട്ട്പുട്ട് നിങ്ങളുടെ ഔട്ട്റീച്ച് പ്രോംപ്റ്റുകളിൽ ടോൺ സ്പെസിഫിക്കേഷനായി ഉപയോഗിക്കുക. നിങ്ങൾ അടിസ്ഥാനപരമായി എന്താണ് പ്രവർത്തിക്കുന്നതെന്ന് റിവേഴ്സ്-എഞ്ചിനീയറിംഗ് ചെയ്യുകയും പുനരുപയോഗിക്കാവുന്ന നിർദ്ദേശമായി അത് എൻകോഡ് ചെയ്യുകയും ചെയ്യുന്നു.
മനുഷ്യ അവലോകനം ഓപ്ഷണൽ അല്ല — അത് വാസ്തുവിദ്യയാണ്
ഈ ലേഖനത്തിലെ ഓരോ ചട്ടക്കൂടും ഒരു കാര്യം അനുമാനിക്കുന്നു: ഒരു മനുഷ്യൻ ഓരോ സന്ദേശവും അയയ്ക്കുന്നതിന് മുമ്പ് വായിക്കുകയും അംഗീകരിക്കുകയും ചെയ്യുന്നു. ഇത് ഒരു സ്വയംഭരണ സംവിധാനത്തിന്റെ മുകളിൽ അടുക്കി വച്ചിരിക്കുന്ന ഒരു സുരക്ഷാ നടപടിയല്ല. മുഴുവൻ സമീപനത്തെയും ഫലപ്രദമാക്കുന്നത് ഡിസൈൻ തത്വമാണ്.
നന്നായി രൂപകൽപ്പന ചെയ്ത ഒരു പ്രോംപ്റ്റ് പോലും വേരിയബിൾ ഔട്ട്പുട്ട് നൽകുന്നു. ചില സന്ദേശങ്ങൾ അടുത്തായിരിക്കും, പക്ഷേ പൂർണ്ണമായും ശരിയായിരിക്കില്ല. പ്രോസ്പെക്റ്റിനെ അറിയുന്ന സാഹചര്യത്തിൽ വായിക്കുമ്പോൾ മാത്രം ദൃശ്യമാകുന്ന ഒരു സൂക്ഷ്മത ചിലതിൽ കാണാതെ പോകും. ചിലത് കൃത്യമായി ശരിയാകും, എഡിറ്റിംഗ് ആവശ്യമില്ല. മാനുഷിക അവലോകന ഘട്ടം ഈ മൂന്നും മനസ്സിലാക്കുന്നു - കാലക്രമേണ, നിങ്ങൾ എഡിറ്റ് ചെയ്യുന്നതിലെ പാറ്റേണുകൾ മികച്ച പ്രോംപ്റ്റുകളിലേക്ക് തിരികെ ഫീഡ് ചെയ്യുന്നു.
കണക്ടർ നിർമ്മിച്ചിരിക്കുന്നത് ഈ മാതൃകയെ അടിസ്ഥാനമാക്കിയാണ്. ഉദ്ദേശ്യാധിഷ്ഠിത പ്രവർത്തനം സ്കെയിലിൽ, AI കൈകാര്യം ചെയ്യുന്ന സിഗ്നൽ കണ്ടെത്തൽ, സന്ദർഭ ഘടന, ആദ്യ ഡ്രാഫ്റ്റ് ജനറേഷൻ എന്നിവയോടൊപ്പം - വായിച്ച് ക്ലിയർ ചെയ്യുന്നതുവരെ ഒന്നും അയയ്ക്കുന്നില്ലെന്ന് ഉറപ്പാക്കുന്ന ഒരു മനുഷ്യ അംഗീകാര ക്യൂ. AI ഓരോ സന്ദേശത്തിലും ഗുണനിലവാര നില ഉയർത്തുന്നു. മനുഷ്യ അവലോകനം പരിധി ഉയർത്തുന്നു.
നിങ്ങളുടെ LinkedIn അക്കൗണ്ട് സുരക്ഷിതമായി നിലനിർത്തുന്നതും ഇതാണ്. നന്നായി രൂപകൽപ്പന ചെയ്ത പ്രോംപ്റ്റുകളിൽ നിന്ന് പോലും - വോളിയത്തിൽ പൂർണ്ണമായും ഓട്ടോമേറ്റഡ് ഔട്ട്റീച്ച് - LinkedIn-ന്റെ സിസ്റ്റങ്ങൾ കണ്ടെത്തുന്നതിൽ കൂടുതൽ മികച്ചതായ പ്രവർത്തന പാറ്റേണുകൾ സൃഷ്ടിക്കുന്നു. എല്ലാ ടച്ച്പോയിന്റിലും ലൂപ്പിലുള്ള ഒരു മനുഷ്യൻ ഗുണനിലവാരത്തിന് നല്ല ശീലം മാത്രമല്ല. നിങ്ങളുടെ പൈപ്പ്ലൈൻ വളരുമ്പോൾ നിങ്ങളുടെ അക്കൗണ്ടിനെ നല്ല നിലയിൽ നിലനിർത്തുന്നത് ആർക്കിടെക്ചറാണ്.
പരിവർത്തനം ചെയ്യുന്ന സീക്വൻസുകൾ നിർമ്മിക്കാൻ തയ്യാറാണോ?
വിൽപ്പനയ്ക്കുള്ള പ്രോംപ്റ്റ് എഞ്ചിനീയറിംഗ് ഒരു കഴിവാണ്, ഏതൊരു വൈദഗ്ധ്യത്തെയും പോലെ അത് പരിശീലനത്തിലൂടെ സംയോജിപ്പിക്കുന്നു. ഇപ്പോൾ അതിൽ നിക്ഷേപിക്കുന്ന ടീമുകൾ - കൃത്യമായ, സിഗ്നൽ-ഇൻഫോർമഡ്, ടോൺ-കാലിബ്രേറ്റഡ് പ്രോംപ്റ്റ് സിസ്റ്റങ്ങൾ നിർമ്മിക്കുന്നു - മറ്റുള്ളവരുടെ AI ഔട്ട്റീച്ച് ഫിൽട്ടർ ചെയ്താലും അവരുടെ AI ഔട്ട്റീച്ച് ഇപ്പോഴും പ്രകടനം കാഴ്ചവയ്ക്കും.
കണക്ടർ സിഗ്നൽ ലെയർ, AI ഡ്രാഫ്റ്റിംഗ് ഇൻഫ്രാസ്ട്രക്ചർ, ഈ സമീപനത്തെ സ്കെയിലിൽ പ്രായോഗികമാക്കുന്ന മനുഷ്യ അംഗീകാര വർക്ക്ഫ്ലോ എന്നിവ നൽകുന്നു. നിങ്ങളുടെ ടീമിന്റെ ICP, ഔട്ട്റീച്ച് മോഷൻ എന്നിവയിൽ ഇത് എങ്ങനെ ബാധകമാണെന്ന് കാണണമെങ്കിൽ, ഒരു ഡെമോ ബുക്ക് ചെയ്യുക. അഥവാ സൈൻ അപ്പ് ചെയ്യുക ഇന്ന് തന്നെ നിങ്ങളുടെ ആദ്യത്തെ സിഗ്നൽ-ഇൻഫോർമഡ് സീക്വൻസ് നിർമ്മിക്കാൻ തുടങ്ങൂ.
കൂടുതൽ വായനയ്ക്ക്
- കണക്ടറുമായി ലിങ്ക്ഡ്ഇൻ സോഷ്യൽ സിഗ്നലുകൾ മനസ്സിലാക്കൽ
- B2B-ക്കായുള്ള LinkedIn ഔട്ട്റീച്ച് തന്ത്രം: 2026-ൽ എന്താണ് പ്രവർത്തിക്കുന്നത്
- നിങ്ങളുടെ LinkedIn മറുപടി നിരക്കുകൾ എങ്ങനെ മെച്ചപ്പെടുത്താം
- ലിങ്ക്ഡ്ഇൻ ലീഡ് ജനറേഷൻ: കണക്ടർ സമീപനം
- ലിങ്ക്ഡ്ഇനിൽ പ്രവർത്തിക്കുന്ന ലീഡ് ജനറേഷൻ ഹാക്കുകൾ
നിങ്ങളുടെ LinkedIn ഔട്ട്റീച്ച് 11x
ഓട്ടോമേഷനും ജനറൽ AI-യും
നിങ്ങളുടെ വ്യാപ്തി മുമ്പൊരിക്കലുമില്ലാത്തവിധം വർദ്ധിപ്പിക്കുന്നതിന് LinkedIn Automation, Gen AI എന്നിവയുടെ ശക്തി പ്രയോജനപ്പെടുത്തുക. AI- അധിഷ്ഠിത അഭിപ്രായങ്ങളും ടാർഗെറ്റുചെയ്ത കാമ്പെയ്നുകളും ഉപയോഗിച്ച് ആഴ്ചയിൽ ആയിരക്കണക്കിന് ലീഡുകളെ ഉൾപ്പെടുത്തുക - എല്ലാം ഒരു ലീഡ്-ജെൻ പവർഹൗസ് പ്ലാറ്റ്ഫോമിൽ നിന്ന്.
പതിവ് ചോദ്യങ്ങൾ
അതെ. നന്നായി രൂപകൽപ്പന ചെയ്ത പ്രോംപ്റ്റുകൾ വ്യതിയാനം, സ്വാഭാവിക ഭാഷാ പാറ്റേണുകൾ, സന്ദർഭോചിതമായ പ്രസക്തി എന്നിവ പ്രോത്സാഹിപ്പിക്കുന്നു - ഇവയെല്ലാം കൂടുതൽ മനുഷ്യരൂപത്തിലുള്ള ഇടപെടൽ പെരുമാറ്റം സൃഷ്ടിക്കുന്നു. യുക്തിസഹമായ പ്രവർത്തന പരിധികളും മാനുവൽ അവലോകനവും സംയോജിപ്പിച്ച്, സ്പാം ഓട്ടോമേഷനുമായി സാധാരണയായി ബന്ധപ്പെട്ടിരിക്കുന്ന പെരുമാറ്റ രീതികൾ കുറയ്ക്കാൻ ഇത് സഹായിക്കുന്നു.
കാരണം മിക്ക പ്രോംപ്റ്റുകളും മനുഷ്യന്റെ പെരുമാറ്റത്തിന് പകരം കാര്യക്ഷമതയ്ക്കാണ് ഒപ്റ്റിമൈസ് ചെയ്യുന്നത്. റോബോട്ടിക് പ്രവർത്തന മേഖല സാധാരണയായി ഇവിടെ നിന്നാണ് വരുന്നത്:
പൊതുവായ അഭിനന്ദനങ്ങൾ
മൂല്യ നിർദ്ദേശങ്ങളെ അമിതമായി വിശദീകരിക്കൽ
അമിതമായ ആവേശം.
കൃത്രിമ "വ്യക്തിഗതമാക്കൽ"
ആവർത്തിച്ചുള്ള വാക്യഘടനകൾ
കീവേഡ് ഉൾപ്പെടുത്തലിനേക്കാൾ സ്വാഭാവിക സംഭാഷണ താളത്തിലാണ് മികച്ച പ്രോംപ്റ്റ് എഞ്ചിനീയറിംഗ് ശ്രദ്ധ കേന്ദ്രീകരിക്കുന്നത്.
AI-യും ഓട്ടോമേഷനും വ്യത്യസ്ത പ്രശ്നങ്ങൾ പരിഹരിക്കുന്നു. എക്സിക്യൂഷനിലും സീക്വൻസിംഗിലും ഓട്ടോമേഷൻ സഹായിക്കുന്നു. സന്ദേശ പ്രസക്തിയും സന്ദർഭോചിതീകരണവും മെച്ചപ്പെടുത്താൻ AI സഹായിക്കുന്നു. ഏറ്റവും ശക്തമായ വർക്ക്ഫ്ലോകൾ രണ്ടും ശ്രദ്ധാപൂർവ്വം സംയോജിപ്പിക്കുന്നു - പ്രവർത്തന സ്കെയിലിനായി ഓട്ടോമേഷൻ ഉപയോഗിക്കുമ്പോൾ സന്ദേശ നിർമ്മാണം, അവലോകനം, ഇടപെടൽ ഗുണനിലവാരം എന്നിവ ഉയർന്ന നിയന്ത്രണത്തിൽ നിലനിർത്തുന്നു.
ഉപയോഗപ്രദമായ മെട്രിക്കുകളിൽ ഇവ ഉൾപ്പെടുന്നു:
കണക്ഷൻ സ്വീകാര്യത നിരക്ക്
പോസിറ്റീവ് മറുപടി നിരക്ക്
മീറ്റിംഗ് ബുക്ക് ചെയ്ത നിരക്ക്
പ്രതികരണ വികാര നിലവാരം
പ്രതികരിക്കേണ്ട സമയം
ഫോളോ-അപ്പ് പരിവർത്തന നിരക്ക്
വോളിയം അല്ലെങ്കിൽ മറുപടികളുടെ എണ്ണം മാത്രം ട്രാക്ക് ചെയ്യുന്നത് പലപ്പോഴും സംഭാഷണങ്ങൾ പൈപ്പ്ലൈൻ നിർമ്മാണത്തിലേക്ക് പുരോഗമിക്കുന്നുണ്ടോ എന്ന് മറയ്ക്കുന്നു.
തീർച്ചയായും. ശക്തമായ പ്രോംപ്റ്റ് എഞ്ചിനീയറിംഗിൽ വ്യവസായ അവബോധമുള്ള ഫ്രെയിമിംഗ് ഉൾപ്പെടുന്നു. ഒരു SaaS സ്ഥാപകനുള്ള സന്ദേശം ഇനിപ്പറയുന്ന വിലാസത്തിലേക്ക് അയയ്ക്കുന്നതിൽ നിന്ന് ഘടനാപരമായി വ്യത്യസ്തമായിരിക്കണം:
ഒരു റിക്രൂട്ടർ
ഒരു ഹെൽത്ത് കെയർ എക്സിക്യൂട്ടീവ്
ഒരു നിർമ്മാണ ഡയറക്ടർ
ഒരു ലാഭേച്ഛയില്ലാത്ത നേതാവ്
വ്യത്യസ്ത വാങ്ങുന്നവർ വ്യത്യസ്ത ഭാഷാ രീതികൾ, സത്യസന്ധതയുടെ നിലവാരം, മൂല്യനിർണ്ണയം എന്നിവയോട് പ്രതികരിക്കുന്നു.
സന്ദേശ നിലവാരം പോലെ തന്നെ സമയക്രമീകരണവും പ്രധാനമാണ്. ഒരു പോസ്റ്റ്, ഫണ്ടിംഗ് പ്രഖ്യാപനം, നിയമന പുഷ് അല്ലെങ്കിൽ വ്യവസായ ചർച്ച പോലുള്ള ഒരു സമീപകാല സാമൂഹിക സിഗ്നലുമായി ബന്ധപ്പെട്ടിരിക്കുന്ന ഔട്ട്റീച്ച് കൂടുതൽ പ്രസക്തമായി തോന്നുന്നു, കാരണം അത് പ്രോസ്പെക്റ്റിന്റെ ശ്രദ്ധയിൽ ഇതിനകം സജീവമായ ഒന്നുമായി ബന്ധപ്പെട്ടിരിക്കുന്നു. സ്റ്റാറ്റിക് പ്രൊഫൈൽ ഡാറ്റയെക്കാൾ നിലവിലെ ആക്കം അടിസ്ഥാനമാക്കി നിർമ്മിക്കുമ്പോൾ AI പ്രോംപ്റ്റുകൾ കൂടുതൽ ഫലപ്രദമാകും.
അതെ. മനുഷ്യബന്ധങ്ങൾ കെട്ടിപ്പടുക്കുന്നതിനെ പിന്തുണയ്ക്കുമ്പോഴാണ് AI ഏറ്റവും മികച്ച പ്രകടനം കാഴ്ചവയ്ക്കുന്നത്, അത് പൂർണ്ണമായും മാറ്റിസ്ഥാപിക്കുന്നതിനുപകരം. AI-യുടെ സഹായത്തോടെയുള്ള സന്ദേശമയയ്ക്കൽ യഥാർത്ഥ ഇടപെടലുമായി സംയോജിപ്പിക്കുന്നത് - കമന്റ് ചെയ്യൽ, പ്രതികരിക്കൽ, പ്രൊഫൈൽ കാണൽ, അല്ലെങ്കിൽ ചിന്തനീയമായ തുടർനടപടികൾ - കൂടുതൽ വിശ്വസനീയമായ ആശയവിനിമയ പാറ്റേണുകളും ശക്തമായ വിശ്വാസ വികസനവും സൃഷ്ടിക്കുന്നു.
പ്രോംപ്റ്റ് ഫ്രെയിംവർക്കുകൾ തുടർച്ചയായി വികസിക്കണം. ഇന്ന് നന്നായി പ്രവർത്തിക്കുന്ന സന്ദേശമയയ്ക്കൽ ആവർത്തിച്ചുള്ള ഉപയോഗത്തിന് ശേഷം പഴകിയേക്കാം. ഇനിപ്പറയുന്നവയെ അടിസ്ഥാനമാക്കി ടീമുകൾ പതിവായി പ്രോംപ്റ്റുകൾ പരിഷ്കരിക്കണം:
പ്രതികരണ നിരക്കുകൾ
പോസിറ്റീവ് മറുപടി നിലവാരം
മാർക്കറ്റ് ഷിഫ്റ്റുകൾ
പുതിയ സ്ഥാനനിർണ്ണയം
വാങ്ങുന്നയാളുടെ ഭാഷയിലെ മാറ്റങ്ങൾ
മികച്ച വിൽപ്പന ടീമുകൾ പ്രോംപ്റ്റുകളെ സ്ഥിരമായ ടെംപ്ലേറ്റുകളായിട്ടല്ല, മറിച്ച് ജീവനുള്ള സിസ്റ്റങ്ങളായിട്ടാണു കണക്കാക്കുന്നത്.
ഏറ്റവും ഫലപ്രദമായ സ്വരം സാധാരണയായി:
ശാന്തമായ
നിരീക്ഷണം
നിർദ്ദിഷ്ട
കൗതുകകരമായ
താഴ്ന്ന മർദ്ദം
"പ്രൊഫഷണലും ബോധ്യപ്പെടുത്തുന്നതും" എന്ന് തോന്നിപ്പിക്കാൻ AI-യോട് ആവശ്യപ്പെടുന്ന പ്രോംപ്റ്റുകൾ പലപ്പോഴും കടുപ്പമേറിയതോ അമിതമായി വിൽപ്പനയ്ക്ക് കാരണമാകുന്നതോ ആയ ഔട്ട്പുട്ട് സൃഷ്ടിക്കുന്നു. ജിജ്ഞാസയ്ക്കും പ്രസക്തിക്കും മുൻഗണന നൽകുന്ന പ്രോംപ്റ്റുകൾ സാധാരണയായി ശക്തമായ സംഭാഷണങ്ങൾ സൃഷ്ടിക്കുന്നു.
അതെ. ആരെങ്കിലും മറുപടി നൽകുന്നുണ്ടോ എന്നതിനെ മാത്രമല്ല, അവർ എങ്ങനെ മറുപടി നൽകുന്നു എന്നതിനെയും ബെറ്റർ പ്രോംപ്റ്റുകൾ സ്വാധീനിക്കുന്നു. അർത്ഥവത്തായ സന്ദർഭത്തെ ചുറ്റിപ്പറ്റി നിർമ്മിച്ച സന്ദേശങ്ങൾ കൂടുതൽ വിശദമായ പ്രതികരണങ്ങൾ, ഊഷ്മളമായ സംഭാഷണങ്ങൾ, യഥാർത്ഥ വിൽപ്പന ചർച്ചകളിലേക്ക് വേഗത്തിലുള്ള ചലനം എന്നിവ സൃഷ്ടിക്കുന്നു, കാരണം പ്രോസ്പക്റ്റ് ലക്ഷ്യമിടുന്നതിനേക്കാൾ മനസ്സിലാക്കപ്പെട്ടതായി തോന്നുന്നു.
