Pipeline: od listy do spotkania
Zbuduj swój pipeline metryk: firmy w liście → wysłane maile → odpowiedzi → spotkania → deale → win rate. Metryki aktywności (ile wysłałeś) to vanity metrics; metryki wyniku (odpowiedzi, spotkania) pokazują jakość. AI generuje raport tygodniowy z trendami.
Problem i diagnoza
Mierzenie 'ile maili wysłałem' jest satysfakcjonujące, ale nie mówi nic o skuteczności. Bez śledzenia konwersji na każdym etapie nie wiesz, gdzie tracisz: czy research jest zły (mało firm w liście), czy treść słaba (mało odpowiedzi), czy pipeline chory (mało spotkań z odpowiedzi).
Metoda działania krok po kroku
Pipeline metryk (licz co tydzień):
- FIRMY W LIŚCIE (dodane w tym tygodniu do systemu) — mierzy research,
- WYSŁANE MAILE (z rozróżnieniem: unikalne vs follow-upy) — mierzy wysyłkę,
- ODPOWIEDZI (reply rate = odpowiedzi / wysłane unikalne; benchmark dla cold email: 3-8%) — mierzy treść i listę,
- SPOTKANIA (booking rate = spotkania / odpowiedzi; cel 20-30%) — mierzy rozmowę,
- DEALE (conversion = deale / spotkania),
- WIN RATE (wygrane / wszystkie deale). Wskaźniki diagnostyczne: odpowiedź bez spotkania (słaba oferta/pytania), wysyłka bez odpowiedzi (treść albo lista), spotkanie bez dealu (rozmowa). AI workflow: co tydzień AI zbiera liczby z Twojego arkusza/CRM i pisze raport: 'Replies 4% (vs 3.8% poprzednio), bookings 25% — lista lepsza, ale otwieracze słabsze; testuj warianty L4'. Zasada: nie licz czegoś 'bo wypada' — licz to, co pozwala odpowiedzieć 'gdzie tracimy i co zmienić'.
Praktyczny przykład (ZŁY vs DOBRY)
- ZŁY
- Chaotyczny research w wyszukiwarce bez kryteriów i generyczny kontakt do przypadkowych firm.
- DOBRY
- Tydzień 1: 50 firm w liście, 25 wysłanych, 1 odpowiedź (4%), 0 spotkań. Wniosek: research OK (50 firm), treść słaba (4%). Tydzień 2: testujesz otwieracze L4-L5 (trigger zamiast problemu) → 40 wysłanych, 4 odpowiedzi (10%), 1 spotkanie. Tydzień 3: podnosisz listę do 60 firm, bo wysyłka i odpowiedzi rosną, ale spotkań mało — pracujesz nad rozmową. To jest pipeline: wiesz na każdym etapie, co poprawić.
Gotowy prompt do skopiowania
Jesteś analitykiem pipeline'u sprzedaży. Kontekst: Sprzedaję [PRODUKT]. Moje dane za tydzień: Firmy w liście: [X] Wysłane unikalne: [X] Odpowiedzi: [X] Spotkania: [X] Deale: [X] Wygrane: [X] (Poprzedni tydzień: [DANE]) Zadanie: Napisz raport tygodniowy: 1. Oblicz metryki: reply rate, booking rate, conversion, win rate 2. Trend vs poprzedni tydzień (góra/dół) 3. Diagnoza: gdzie tracimy (research/treść/rozmowa/offer) — na bazie proporcji 4. 3 konkretne akcje na przyszły tydzień Format: raport.
Warianty promptu i scenariusze
Wersja dla początkujących: tylko 3 metryki (wysłane, odpowiedzi, spotkania).
Wersja dla zaawansowanych: metryki per kanał (email vs LinkedIn vs cold call) i per segment.
Ćwiczenie i checklista wdrożenia
Zadanie praktyczne
Uzupełnij swój pipeline metrykami z ostatniego tygodnia (albo załóż realne liczby). Oblicz reply rate, booking rate, win rate. Wskaż 1 etap, w którym tracisz najwięcej, i 1 akcję naprawczą.
Kryteria sukcesu
Pytania wdrożeniowe i integracja z bazą CEIDG (FAQ)
Jak połączyć technikę „Pipeline: od listy do spotkania” z arkuszem nowych firm CEIDG w Google Sheets?
W zadaniu z obszaru Prospecting podstaw pod zmienne w prompcie bezpośrednie kolumny z żywego arkusza prospekting.pl w Google Sheets: nazwę podmiotu (kolumna A), imię właściciela (kolumna E), główny kod PKD 2025/2007 (kolumna I), opis branży wygenerowany przez AI (kolumna K) oraz wykryte zawody decydenta (kolumna L). Pełne wdrożenie zajmuje średnio 10 min.
Jak zweryfikować poprawność wdrożenia lekcji „Pipeline: od listy do spotkania” przed skalowaniem?
Przed podpięciem promptu pod automatyzację w Make.com lub n8n przetestuj go ręcznie na próbce 10–15 rekordów i sprawdź listę kontrolną: Mam pipeline metryk od listy do win rate • Obliczyłem reply rate, booking rate, win rate • Wskazałem etap, w którym tracę, i akcję naprawczą.
Jak stosować wiadomości wygenerowane w tej lekcji zgodnie z RODO (art. 14) i art. 398 PKE?
Przy kontakcie elektronicznym (e-mail lub telefon) z nowo zarejestrowaną działalnością gospodarczą z CEIDG stosuj dwuetapowy model kontaktu zgodny z art. 398 Prawa Komunikacji Elektronicznej (PKE): pierwsza wiadomość powinna weryfikować potrzebę biznesową i pytać o zgodę na przesłanie oferty handlowej wraz ze skróconą klauzulą informacyjną z art. 14 RODO (wzór znajdziesz na stronie Baza firm z e-mailami i telefonami — RODO i PKE).
Powiązane lekcje i następne kroki w procesie
Kalkulator capacity handlowca i unit economics prospectingu
Matematyczne modelowanie przepustowości SDR-a i ekonomiki prospectingu: alokacja 160h pracy, oszczędność czasu dzięki AI i kalkulacja ROI ze stacku narzędziowego.
Czym jest AI prospecting?
AI prospecting to wykorzystanie modeli językowych do znajdowania, researchowania i kwalifikowania potencjalnych klientów. Dowiedz się, gdzie AI faktycznie oszczędza czas (research, analiza, personalizacja), a które decyzje — wybór rynku, treść rozmowy — zostają z człowiekiem.
Prospecting workflow krok po kroku
Poznaj 9-etapowy workflow prospectingu: ICP → market → company → contact → research → qualification → scoring → prioritization → outreach. Zobacz, jak każdy etap łączy się z następnym i gdzie AI wkracza w proces, żebyś wiedział, nad czym pracujesz.
Metodologia (How & Why): Wszystkie szablony promptów i procedury w Akademii prospekting.pl są testowane na żywych strumieniach danych z API Hurtowni Danych CEIDG v3 (800–1 100 nowych JDG dziennie, 22 kolumny z mapowaniem PKD 2025 ↔ PKD 2007). Eliminujemy ogólnikowy żargon, stosując twarde ograniczenia negatywne (negative constraints) i weryfikowalne kryteria konwersji.
Zastrzeżenie prawne (YMYL Disclaimer): Materiały w Akademii mają charakter edukacyjno-techniczny i nie stanowią indywidualnej porady prawnej. Prowadząc komunikację elektroniczną B2B na bazie rejestrów publicznych, stosuj przepisy RODO (art. 6 ust. 1 lit. f oraz art. 14) i art. 398 Prawa Komunikacji Elektronicznej (PKE).
Otwórz darmowy arkusz 50 świeżych firm z CEIDG w Google Sheets i wypróbuj powyższy prompt na realnych rekordach z kodami PKD 2025.