Komentarji na LinkedInu z umetno inteligenco, ki prinašajo ponudbe, ne pa map z neželeno pošto

Čas branja: 10 min

C	Karel Podpredsednik marketinga MBA iz digitalnega marketinga

TL; DR: Komentiranje na LinkedInu je ena od najučinkovitejših in najcenejših potez prodajne ekipe – vendar le, če so komentarji resnično kontekstualno usmerjeni in ne šablonski. En sam dobro postavljen komentar umetne inteligence na LinkedInu na pravi objavi lahko pritegne več tople pozornosti potencialnih strank kot deset hladnih sporočil, saj doseže ljudi, ki so že vključeni v temo. Razlika med komentarjem, ki gradi prodajni proces, in komentarjem, ki škoduje verodostojnosti, se nanaša na štiri elemente: specifično sklicevanje na objavo, izrazito stališče, bistvo pogovora in ton, ki se ujema z glasom posameznega predstavnika.

-

Zakaj so komentarji na LinkedInu vaš najbolj podcenjen odhodni kanal

En sam dobro umeščen komentar pod pravo objavo na LinkedInu lahko vaš profil predstavi stotinam toplih, ciljno usmerjenih potencialnih strank – ljudem, ki so že angažirani, že razmišljajo o temi in so že v nakupnem načinu razmišljanja.

To je nekaj, česar hladen DM skoraj nikoli ne doseže.

Matematika vidnosti: Zakaj lahko en komentar prekaša deset hladnih sporočil

Ko komentirate objavo potencialne stranke ali vodilnega v panogi, se vaš komentar prikaže v virih vseh, ki sledijo tej osebi. Ne trkate na vrata neznanca. Vstopate v sobo, kjer vaša idealna stranka že posluša.

Razmislite o tipičnem scenariju: prodajni predstavnik komentira objavo podpredsednika za operacije o neučinkovitosti dobavne verige. Na to objavo se odzove 400 sledilcev. Komentar v 48 urah prejme 20 obiskov profila – vsi so topli, vsi so v kontekstu, nobeden od njih pa ne prejme predhodnega hladnega sporočila. To je kakovost pozornosti, ki je odhodna e-pošta ne more kupiti.

Glede na McKinsey & CompanyKupci B2B zdaj precejšen del svoje odločitvene poti opravijo s pasivno interakcijo z vsebino, še preden se sploh pogovorijo s prodajalcem. Komentarji na LinkedInu vas postavijo neposredno v to pot.

Zakaj večina ekip ne komentira – in koliko jih to stane

Ročno komentiranje v velikem obsegu je resnično težko. Ekipa petih predstavnikov, od katerih vsak cilja na 10 objav na dan, pomeni 50 komentarjev, ki jih je treba raziskati, napisati in objaviti – vsak dan. To so ure dela, preden se pošlje eno samo sporočilo za stik z javnostjo.

Zato ekipe to povsem preskočijo. Ali pa to počnejo nedosledno, kar je skoraj še huje – en teden poplava komentarjev, naslednji teden tišina.

Izgubijo pa le še večjo prepoznavnost. Potencialne stranke, ki imena vaše ekipe vidijo večkrat v ustreznih pogovorih, jih začnejo prepoznavati, še preden se začne kakršno koli formalno nagovarjanje. To prepoznavanje skrajša prodajne cikle. Izpuščanje komentarjev ne prihrani časa. Stroške le prenese na težji in počasnejši kasnejši prodajni proces.

-

Težava z večino komentarjev umetne inteligence na LinkedInu (in zakaj se obrnejo proti vam)

Najpogostejši komentar, ki ga na LinkedInu ustvari umetna inteligenca, se glasi nekako takole: "Odlična objava! Resnično dragoceni vpogledi. Hvala za deljenje."

Vsak strokovnjak na LinkedInu se je naučil, da te takoj ignorira – in da ne zaupa osebi, ki jih objavlja.

Kaj generični komentarji umetne inteligence signalizirajo potencialnim strankam

Splošen komentar hkrati signalizira tri stvari: niste prebrali objave, avtomatizacijo uporabljate neprevidno in dajete prednost količini pred kakovostjo. Za prodajno ekipo, ki si prizadeva zgraditi verodostojnost, je to škodljiva kombinacija.

Potencialne stranke, ki prepoznajo predloge komentarjev z umetno inteligenco, pogosto blokirajo ali utišajo pošiljatelja, še preden prejmejo zahtevo za povezavo. Komentar, ki je zasnovan tako, da odpre vrata, jih namesto tega tiho zapre. Še huje, lahko vašo blagovno znamko podjetja poveže z nizko stopnjo komunikacije ravno v trenutku, ko poskušate zgraditi zaupanje.

Stroški verodostojnosti, ki jih vaša ekipa morda ne spremlja

Večina vodij prodaje spremlja stopnje odpiranja, stopnje odgovorov in stopnje sprejetja povezav. Skoraj nihče ne spremlja obiskov profilov, ki jih vodijo komentarji, ali stroškov slabe kakovosti komentarjev, ki vplivajo na ugled.

Tukaj je tisto, kar se skriva za to vrzeljo: en predstavnik, ki objavi 20 generičnih komentarjev o umetni inteligenci na dan, ne le zapravlja truda – aktivno slabi ugled blagovne znamke ekipe pri točno tistem občinstvu, ki ga ekipa poskuša doseči. Škoda je nevidna v vašem CRM-ju, vendar zelo vidna vašim potencialnim strankam.

Ironija je, da umetna inteligenca lahko ustvarjati visokokakovostne komentarje, ki upoštevajo kontekst. Napaka ni v tehnologiji – gre za uporabo napačnih orodij ali napačnih nastavitev in njihovo nato množično uvajanje.

-

Kako v resnici izgleda visokokakovosten komentar na LinkedInu, opravljen z umetno inteligenco?

Močan komentar, ustvarjen z umetno inteligenco, naredi štiri stvari: sklicuje se na nekaj specifičnega iz objave, doda izrazito stališče, spodbuja naraven pogovor in se ujema s profesionalnim tonom komentatorja. Če odstranite katero koli od teh stvari, se komentar začne zdeti prazen.

Štirje elementi komentarja, ki dejansko spodbujajo obiske profila

1. Posebna referenca — Komentar navaja nekaj iz objave. Statistika, fraza, ki jo je uporabil avtor, določen argument. To dokazuje, da je bila objava dejansko prebrana. 2. Izrazito stališče — Ne strinjanje kot takšna. Gre za pristno reakcijo: protiargument, podporni primer iz osebnih izkušenj ali odtenek, ki ga avtor ni omenil. 3. Pogovorni kavelj — Eno vprašanje ali opažanje, ki avtorja ali druge komentatorje naravno spodbudi k odgovoru. To razširi vašo prepoznavnost onkraj prvega vala prikazov. 4. Konsistentnost tona — Komentar zveni kot komentar predstavnika, ne kot sporočilo za javnost. Različni predstavniki imajo lahko različne glasove. Umetna inteligenca bi se morala prilagoditi vsakemu od njih, ne pa jih zravnati v en sam korporativni ton.

Pred in po: Generično v primerjavi z inteligentnim komentiranjem z umetno inteligenco

| Element | Splošni komentar umetne inteligence | Kontekstualno ozaveščen komentar umetne inteligence |

|—|—|—|

| Sklic na objavo | Brez | Sklicuje se na določen argument ali podatkovno točko iz objave |

| Stališče | »Odličen vpogled!« | Dodaja podporni primer ali spoštljiv protiargument |

| Pogovorni kavelj | Brez | Konča se z ustreznim vprašanjem avtorju |

| Ton | Enak za vse predstavnike | Prilagojen glasu in slogu posameznega predstavnika |

| Reakcija potencialne stranke | Prezrto ali označeno kot neželena pošta | Obisk profila, sledenje ali odgovor |

| Vpliv cevovoda | Brez | Topli uvod v nadaljnjem zaporedju |

Razlika v kakovosti rezultatov je precejšnja – vendar je razlika v izidu dramatična. Kontekstualno zavedni komentarji rutinsko ustvarjajo obiske profilov. Generični komentarji to le redko storijo.

-

Kako razširiti komentiranje z umetno inteligenco v prodajni ekipi, ne da bi pri tem izgubili pristnost?

Povečanje kakovosti komentiranja v ekipi z 10 ali več predstavniki je operativni izziv, ne le tehnološki. Umetna inteligenca lahko ustvari dobre komentarje. Sistem okoli nje določa, ali ti komentarji ostanejo dobri tudi pri večjih količinah.

Oblikovanje strategije komentiranja, ki jo lahko dosledno izvaja celotna ekipa

Začnite s ciljanjem objav, ne s pisanjem komentarjev. Natančno opredelite, s katerimi objavami naj bi se vaša ekipa ukvarjala:

• Objave potencialnih strank — vsebina, objavljena neposredno z računi v vašem ICP
• Objave sprožilnih dogodkov — obvestila o financiranju, zaposlovanju, lansiranju izdelkov ali spremembah v vodstvu
• Delovna mesta vodilnih v panogi — vsebina glasov, ki jih vaše potencialne stranke spremljajo in jim zaupajo
• Viri hashtagov — objave v nišnih tematskih področjih, kjer se zbirajo vaši kupci

Ko definirate te vire, dokumentirajte preprost vodnik po tonu za vsakega predstavnika. Trije stavki so dovolj: kako običajno začnejo, o katerih temah lahko verodostojno govorijo in česa ne smejo nikoli povedati. To vnesite v svoje orodje umetne inteligence kot glasovni profil. Izhod postane izrazito človeški – in izrazito da rep – namesto generične predloge.

Tedensko preglejte vzorec komentarjev. Deset komentarjev na predstavnika je dovolj, da zgodaj opazite odklon, preden postane problem za blagovno znamko.

Sledenje angažiranosti: Spreminjanje komentarjev v merljive signale prodajnega procesa

Večina ekip komentiranje obravnava kot nečimrno dejavnost, ker ga ne spremljajo pravilno. Pomembna metrika niso objavljeni komentarji – temveč obiski profilov in zahteve za povezavo, ustvarjene v 48 urah po komentarju.

Ustvarite preprost dnevnik sledenja: datum, ime predstavnika, komentirana objava, avtor objave (potencialni ali ne) in obiski profila v naslednjih 48 urah. Po štirih tednih se pojavijo vzorci. Določene vrste objav, določeni avtorji in določeni slogi komentarjev bodo ustvarili bistveno več obiskov kot drugi.

Platforme, ki podpirajo sledenje interakcijam in upravljanje več računov, omogočajo vodjem, da vidijo te podatke za celotno ekipo na enem mestu – namesto da bi sestavljali pet ločenih analitičnih strani LinkedIna. To spremeni komentiranje iz ugibanja v merljiv odhodni kanal. Ko vidite, da komentarji na objave, ki sprožijo dogodke, ustvarijo trikrat več obiskov profilov kot generična vsebina iz panoge, ustrezno prerazporedite.

-

Spreminjanje komentarjev na LinkedInu v sistem za generiranje potencialnih strank, ki ga je mogoče ponavljati

Komentiranje z umetno inteligenco je vrh prodajnega lijaka. Sistem pod njim pa je tisti, ki prepoznavnost pretvori v prihodek.

Tukaj je potek dela, ki ga lahko vaša ekipa uvede ta teden:

1. korak – Določite vire svojih objav. Naštejte 10–15 profilov potencialnih strank, 5 hashtagov v panogi in 3 skupine sledilcev konkurentov, ki jih bo vaša ekipa dnevno spremljala. To so vaši cilji angažiranosti. 2. korak – Uvedite komentiranje z umetno inteligenco v velikem obsegu. Uporabite kontekstualno ozaveščeno umetno inteligenco za ustvarjanje komentarjev za vsakega predstavnika, ki jih nato primerjate z njegovim glasovnim profilom. Objavite 5–10 komentarjev na predstavnika na dan, osredotočenih na določene vire. 3. korak – Spremljajte obiskovalce profila. Spremljajte, kateri uporabniki LinkedIna obiščejo profile vaših predstavnikov v 48 urah po vsakem valu komentarjev. To so tople potencialne stranke, ki so se same identificirale s klikom – s tem kažejo zanimanje. 4. korak – Sprožite prilagojeno nadaljnje spremljanje. Pošljite prošnje za povezavo s kratkim, specifičnim sporočilom, ki se nanaša na objavo, s katero sta se oba ukvarjala. Nato jih premaknite v zaporedje sporočil, zgrajeno okoli teme, ki je najprej pritegnila njihovo pozornost. 5. korak – Izvoz in obogatitev. V svoj CRM vnesite kontaktne podatke potencialnih strank za večkanalno nadaljnje ukrepanje. E-pošta, sporočilo na LinkedInu in telefon delujejo bolje, če potencialna stranka že prepozna ime predstavnika iz svojega vira.

To ni hekerski napad. Gre za strukturirano odhodno gibanje s komentiranjem na vstopni točki. Ključ je doslednost – delovanje tega sistema pet dni v tednu, ne občasno.

Glede na StatistaLinkedIn je najboljša platforma za pridobivanje potencialnih strank v segmentu B2B, ki dosledno prekaša druge družbene kanale pri ciljanju profesionalnega občinstva. Občinstvo je tam. Vprašanje je, ali ima vaša ekipa sistem za njihovo angažiranje v velikem obsegu, ne da bi pri tem porabili čas za ročno delo.

-

Katero orodje za komentiranje na LinkedInu z umetno inteligenco bi morala vaša ekipa dejansko uporabljati?

Ni vsako orodje za komentiranje z umetno inteligenco zasnovano za profesionalna prodajna okolja B2B. Tukaj je opisano, kako lahko pošteno ocenite svoje možnosti.

| Merila za ocenjevanje | Na kaj biti pozoren | Zakaj je pomembno |

|—|—|—|

| Kakovost komentarjev in zavedanje konteksta | Umetna inteligenca prebere dejansko objavo in ustvari ustrezne, negenerične odgovore | Generični rezultati škodujejo blagovni znamki; kontekstualno ozaveščeni rezultati jo gradijo |

| Podpora za več računov | Orodje lahko upravlja več računov predstavnikov z ene nadzorne plošče | Vodje potrebujejo pregled nad celotno ekipo, ne da bi se morali posebej prijavljati |

| Varnost in skladnost s predpisi LinkedIn | Spoštuje dnevne omejitve, uporablja človeški čas, se izogiba sprožilcem zastavice | Omejitve računov predstavljajo resno operativno tveganje |

| Integracija s širšim dosegom | Komentarji se povezujejo za avtomatizacijo povabil, zaporedje sporočil in izvoz stikov | Komentiranje samo po sebi ne gradi prodajnega procesa; mora napajati lijak |

O zavedanju konteksta: O tem se ni mogoče pogajati. Če orodje ne more prebrati objave in napisati odgovora, ki bi se ujel kot človeški, ni pripravljeno za profesionalno uporabo. Preden se zavežete, ga preizkusite z 10 objavami z vašega dejanskega seznama potencialnih strank. Pri upravljanju več računov: Več orodij za avtomatizacijo LinkedIna ponuja različne ravni podpore za potek dela v kampanjah, vendar se njihove funkcije komentiranja z umetno inteligenco bistveno razlikujejo po globini in kakovosti. Nekatera se osredotočajo predvsem na zaporedja sporočil; druga so močnejša pri upravljanju kampanj, vendar bolj omejena pri ustvarjanju komentarjev z umetno inteligenco. Razlika, na katero se je treba osredotočiti pri vsaki oceni, je, ali se orodje prilagaja posameznim glasovom predstavnikov ali oddaja en sam korporativni ton za vse račune.

Kriterij, pri katerem večina orodij ne uspe, je kombinacija kontekstualno ozaveščenega komentiranja z umetno inteligenco. in upravljanje ekip z več računi v enem samem delovnem toku. Ocenite, ali orodje obvladuje oboje – saj izvajanje dveh ločenih sistemov za komentiranje in ozaveščanje ustvarja operativna trenja, ki uničujejo doslednost.

Iskreno priporočilo: Najprej dajte prednost kakovosti komentarjev. Orodje, ki ustvari pet odličnih komentarjev na dan na predstavnik, bo ustvarilo več prodajnih poti kot orodje, ki ustvari 50 pozabljivih.

-

Pogosto zastavljena vprašanja

V: Kakšna je razlika med komentarji umetne inteligence na LinkedInu in ročno napisanimi komentarji?

Komentarje na LinkedInu, ki temeljijo na umetni inteligenci, ustvarjajo orodja umetne inteligence, ki preberejo objavo in ustvarijo kontekstualno ustrezen odgovor, namesto da bi se zanašali na uporabnika, da vsak komentar napiše od začetka. Ključna razlika v kakovosti je v tem, koliko konteksta uporablja umetna inteligenca – orodja, ki analizirajo vsebino specifične objave, argument avtorja in glasovni profil komentatorja, ustvarijo izpis, ki ga je težko ločiti od ročno napisanega komentarja. Generična orodja umetne inteligence, ki uporabljajo fiksne predloge, ustvarijo komentarje, ki jih potencialne stranke takoj prepoznajo in zavrnejo.

V: Ali komentarji na LinkedInu, ki jih ustvari umetna inteligenca, kršijo pogoje storitve LinkedIn?

Pogoji storitve LinkedIna prepovedujejo strganje, neželeno pošto in lažno interakcijo – ne pa same avtomatizacije. Orodja, ki delujejo znotraj dnevnih omejitev interakcije LinkedIna, uporabljajo časovne intervale, podobne človeškim, in ustvarjajo resnično ustrezno vsebino, so na splošno skladna s pravili platforme. Tveganje za skladnost močno naraste, ko orodja objavljajo z nerealno hitrostjo, uporabljajo identično predlogo besedila v več računih ali brez razlikovanja komunicirajo z uporabniki.

V: Koliko komentarjev na LinkedInu naj prodajni zastopnik objavi na dan?

Za prodajne predstavnike B2B je 5–10 dobro usmerjenih, visokokakovostnih komentarjev na dan praktično idealno število za večino profesionalnih okolij. Ta količina ostaja v okviru vedenjskih norm LinkedIna, ohranja vsak komentar vreden pozornosti in ustvarja obvladljiv val obiskov profila, na katerega je treba nadaljevati. Raziskave dosledno kažejo, da kakovost komentarjev vpliva na rezultate angažiranosti – 10 specifičnih, kontekstualno ozaveščenih komentarjev bo preseglo 50 generičnih tako pri obiskih profila kot pri zaznavanju blagovne znamke.

V: Zakaj komentar umetne inteligence na LinkedInu dejansko poveča obiske profila?

Štirje elementi dosledno ločujejo visoko uspešne komentarje z umetno inteligenco od prezrtih: specifična omemba nečesa v objavi (statistika, fraza ali argument), izrazito stališče namesto splošnega strinjanja, miselni trenutek, ki vabi k odgovoru, in ton, ki se ujema s profesionalnim glasom posameznega komentatorja. Če odstranite katerega koli od teh elementov, se komentar začne brati kot predloga. Vsi štirje skupaj ustvarijo komentar, na katerega je vredno klikniti, da bi izvedeli več o osebi, ki ga je napisala.

V: Kako merite, ali komentiranje na LinkedInu ustvarja potencialne stranke?

Primarna metrika, ki jo je treba spremljati, so obiski profilov v 48 urah po vsaki seji komentiranja, ne pa skupno število objavljenih komentarjev. To dopolnite z zahtevami za povezavo, prejetimi od nepovezanih potencialnih strank, in stopnjami odgovorov na nadaljnja sporočila, poslana tem obiskovalcem profila. Po 30 dneh doslednega sledenja se pojavijo vzorci – nekatere vrste objav in profilov potencialnih strank bodo ustvarile bistveno več obiskov kot druge, kar ekipam omogoča, da preusmerijo trud pri komentiranju k virom z najvišjo stopnjo konverzije.

V: Katere vrste objav na LinkedInu naj prodajna ekipa da prednost komentiranju?

Štiri vrste objav z najvišjo vrednostjo za prodajne ekipe B2B so: objave, objavljene neposredno z računi v vašem idealnem profilu stranke, objave s sprožilnimi dogodki, ki napovedujejo kroge financiranja, porast zaposlovanja, predstavitve izdelkov ali spremembe vodstva, vsebine iz panoge, ki jim vaše potencialne stranke že sledijo in jim zaupajo, ter viri nišnih hashtagov, kjer so vaši ciljni kupci aktivni. Objave s sprožilnimi dogodki še posebej pogosto ustvarijo najvišjo stopnjo konverzije komentarjev v obisk profila, ker sta avtor in njegovo občinstvo že v dovzetni, napredni miselnosti.

V: Zakaj generični komentarji o umetni inteligenci na LinkedInu škodujejo verodostojnosti blagovne znamke?

Splošen komentar – »Odlična objava! Resnično dragoceni vpogledi.« – profesionalnemu bralcu hkrati sporoča tri stvari: objava dejansko ni bila prebrana, pošiljatelj neprevidno uporablja avtomatizacijo in količina ima prednost pred kakovostjo. Potencialne stranke, ki prepoznajo predloge komentarjev z umetno inteligenco, pogosto utišajo ali blokirajo pošiljatelja, še preden prejmejo kakršno koli zahtevo za povezavo, s čimer zaprejo vrata, ki naj bi jih komentar odprl. Za prodajne ekipe se stroški ugleda nevidno kopičijo v CRM-ju, vendar so zelo vidni točno tistemu občinstvu, ki ga poskušajo doseči.

V: Kako ohranjate avtentičnost komentarjev pri širitvi znotraj velike prodajne ekipe?

Temelj je glasovni profil za vsakega predstavnika – kratek dokument, ki opisuje, kako običajno odprejo komentar, o katerih temah se lahko verodostojno pogovarjajo in česa ne smejo nikoli povedati. Vnos teh profilov v umetno inteligenco kot trajnega konteksta zagotavlja, da komentarji vsakega predstavnika ostanejo izrazito človeški in izrazito njihovo namesto da se zgrudijo v en sam korporativni ton. Pregled vzorca 10 komentarjev na predstavnika na teden je dovolj, da se zgodaj odkrije odstopanje od kakovosti, preden postane vidna težava blagovne znamke.

-

Ste pripravljeni povečati angažiranost na LinkedInu, ne da bi se slišali kot bot? Konnector Omogoča vam avtomatizacijo komentarjev na LinkedInu, ki jih poganja umetna inteligenca in so kontekstualno ozaveščeni, v celotni ekipi – hkrati pa spremljate, katere interakcije se spremenijo v obiske profilov in prodajni proces. Preizkusite ga brezplačno in spremenite vsakodnevno brskanje svoje ekipe v strukturiran odhodni mehanizem.

Napisano z EnBlogADan — vsebina, ki jo odkrijejo