Automação de e-mails frios

Olá! Neste artigo, explicarei como a estrutura de IA LangChain pode melhorar significativamente a qualidade de seu contato por e-mail frio, tornando-o único e personalizado. Também discutirei como automatizar todo esse processo com custos mínimos usando uma plataforma de baixo código e compartilharei modelos prontos para você começar rapidamente.

Personalização versus automação

Há uma tensão natural entre personalização e automação. E-mails genéricos e não personalizados são fáceis de automatizar, mas geralmente resultam em baixas taxas de engajamento e conversão. Por outro lado, e-mails altamente personalizados aumentam o envolvimento, mas são difíceis de automatizar.

As plataformas de e-mail frio agora ajudam a resolver esse problema com variáveis dinâmicas que dão um toque personalizado aos e-mails automatizados. Essas variáveis funcionam como espaços reservados para a inserção de palavras, linhas ou parágrafos personalizados.

As variáveis dinâmicas permitem que as empresas equilibrem a personalização e a automação de forma eficiente. Hoje, criaremos um cenário LangChain na plataforma de baixo código Latenode para gerar um quebra-gelo de e-mail frio personalizado para cada contato em nosso banco de dados de contato usando as seguintes ferramentas:

• A ferramenta gratuita de enriquecimento de dados ClearBit
• A plataforma gratuita de baixo código Latenode
• A API extremamente barata da OpenAI.

Etapa 1: enriquecer e-mails com ClearBit

Vamos começar com uma planilha do Google contendo endereços de e-mail básicos. Incluí alguns de meus e-mails de trabalho como exemplos reais(por favor, evite me enviar e-mails frios personalizados depois de ler isto! :) )

Primeiro, precisamos enriquecer esses e-mails com dados sobre os destinatários. Para nosso alcance, precisamos saber:

• O primeiro nome
• O nome da empresa
• A descrição da empresa

Você poderia visitar manualmente cada domínio de e-mail para coletar essas informações, mas se tiver centenas ou milhares de e-mails em seu banco de dados, isso não será prático. Em vez disso, podemos automatizar essa tarefa usando a plataforma de baixo código Latenode. Você pode vincular nossa planilha do Google a ela e usar a API do ClearBit para preencher as informações que faltam. Veja como isso funciona:

Não se preocupe! Você não precisa criar tudo desde o início. Basta que você copie o cenário que forneço no final deste artigo. As etapas básicas dessa automação são:

• Identifique as linhas que precisam ser enriquecidas.
• Extraia o e-mail de cada linha.
• Envie o e-mail para a ClearBit e receba todas as informações relacionadas.
• Insira as informações necessárias novamente na Planilha do Google.

É isso aí. Enriquecemos nossos e-mails com detalhes essenciais, como a descrição da empresa. Agora, vamos criar um quebra-gelo personalizado para dar início aos nossos e-mails frios e estabelecer uma conexão pessoal desde o início.

Etapa 2: gerar um quebra-gelo personalizado com o ChatGPT   

Fazer um elogio sobre o que o destinatário faz no local de trabalho é o mínimo que você pode fazer. Além disso, você pode adaptar o motivo do seu contato com base no perfil da empresa. Você pode fazer isso com outro cenário Latenode , que você poderá copiar mais tarde.

Suas principais etapas são:

• Recupere a descrição da empresa de sua planilha do Google.
• Envie essa descrição para o ChatGPT usando a API da OpenAI com um prompt personalizado adaptado às suas necessidades.
• Refine o resultado gerado pela IA com outra solicitação e um prompt diferente.
• Coloque o resultado final na linha correspondente à pessoa com quem você está entrando em contato.

Ao fazer isso, anexamos um quebra-gelo personalizado a cada indivíduo, criando outra variável personalizada além do primeiro nome e do nome da empresa. Para começar, esse trio deve ser suficiente. Vamos dar uma olhada em como isso funciona:

Etapa 3: carregar a planilha na plataforma de e-mail frio com o Apollo

Primeiro, baixe sua planilha como um arquivo CSV. Em seguida, carregue-a em sua plataforma de e-mail como uma nova lista. Farei uma demonstração usando o Apollo, mas o processo é semelhante em outras ferramentas.

As próximas etapas são bastante comuns: mapear os campos e atribuir uma variável a cada um deles. Para nós, a variável principal é o campo personalizado "quebra-gelo".

Agora, ao redigir um e-mail para um cliente em potencial, você deve fazer o seguinte:

Isso é tudo por enquanto. Você pode ajustar os prompts enviados ao GPT em seu cenário Latenode para atingir qualquer nível de personalização de e-mail frio. Esses modelos do Latenode são versáteis para qualquer cenário de contato frio, incluindo mensagens personalizadas do LinkedIn.

Como prometido, aqui está o link onde você pode copiar meus cenários: Biblioteca de modelos

Você só precisa colá-los no app.latenode.com e inserir suas chaves de API para ClearBit (que é gratuito) e OpenAI (que é muito acessível). O próprio Latenode também é gratuito e tem uma comunidade de apoio em que a equipe está sempre pronta para ajudar em sua jornada de automação.