Klasyfikacja odpowiedzi i reakcje workflow
AI klasyfikuje każdą odpowiedź do kategorii: INTERESTED, NOT_INTERESTED, QUESTION, OBJECTION, OUT_OF_OFFICE, UNSUBSCRIBE, WRONG_PERSON, REFERRAL. Każda kategoria wyzwala inną akcję w workflow: INTERESTED → alert człowieka + meeting scheduling; QUESTION → draft odpowiedzi; OUT_OF_OFFICE → pauza sekwencji; UNSUBSCRIBE → usuń; WRONG_PERSON → znajdź właściwą osobę.
Problem i diagnoza
Gdy kampania rośnie, skrzynka tonie: 30 odpowiedzi dziennie, każda wymaga decyzji — kto jest zainteresowany, kto pyta, kto się wypisuje. Bez klasyfikacji handlowiec czyta wszystko po kolei i najważniejsze odpowiedzi (INTERESTED) leżą najdłużej. Bez automatyzacji klasa odpowiedzi gubi się między mailem a notatnikiem.
Metoda działania krok po kroku
Workflow klasyfikacji w 3 krokach:
- POBRANIE: odpowiedź (przez API maila lub tool emailowy) trafia do systemu,
- KLASYFIKACJA: AI czyta odpowiedź i zwraca JSON: {
category
:INTERESTED
,confidence
: 0.95,summary
:chce demo, pyta o cenę
,next_action
:scheduling
} — kategorie: INTERESTED (chcą dalej), NOT_INTERESTED (odmowa), QUESTION (pytają), OBJECTION (obiekcja), OUT_OF_OFFICE (pauza), UNSUBSCRIBE (wypisują się), WRONG_PERSON (nie ta osoba), REFERRAL (polecenie), - REAKCJA: workflow na bazie kategorii: INTERESTED → alert + powiadomienie + opcjonalnie link do kalendarza; QUESTION → AI draft odpowiedzi → human approval → wyślij; OBJECTION → AI propozycja odpowiedzi wg biblioteki obiekcji → human; OUT_OF_OFFICE → pauza sekwencji na [X] dni; UNSUBSCRIBE → usuń z kampanii + oznacz; WRONG_PERSON → AI proponuje właściwą rolę → task researchu; REFERRAL → podziękowanie + poproś o kontakt. Zasady:
- confidence w JSON (niski confidence < 0.7 → zawsze człowiek),
- NOT_INTERESTED traktuj z szacunkiem (może być 'nie teraz' — oznacz do nurtury zamiast agresywnej sprzedaży),
- human-in-the-loop: odpowiedź zawsze zatwierdza człowiek przed wysyłką (nawet AI draft),
- klasyfikacja bez akcji jest bezużyteczna — każda kategoria ma zdefiniowaną reakcję.
Praktyczny przykład (ZŁY vs DOBRY)
- ZŁY
- Ręczne, niespójne wykonywanie kroków lub chaotyczna automatyzacja bez walidacji danych.
- DOBRY
- Odpowiedź: 'Cześć, dzięki za maila. Tak, chcielibyśmy zobaczyć demo. Ile to kosztuje?' → AI: {
category
:INTERESTED
,confidence
: 0.97,summary
:prosi o demo i cenę
,next_action
:scheduling
}. Workflow: alert do handlowca + draft odpowiedzi ('świetnie, [link] do kalendarza, cena od X zł — chętnie omówię w trakcie demo') + task 'umów demo'. Odpowiedź: 'Jestem na urlopie do 20' → {category
:OUT_OF_OFFICE
,confidence
: 0.99, ...} → pauza sekwencji 14 dni. Odpowiedź: 'Nie, dziękuję' → NOT_INTERESTED → oznacz + nurture za 90 dni.
Gotowy prompt do skopiowania
Jesteś architektem klasyfikacji odpowiedzi. Kontekst: Mam kampanię: [PRODUKT]. Otrzymuję [X] odpowiedzi/dzień. Moje kategorie: [LISTA — użyj 8 z kursu]. Tool emailowy: [TOOL]. CRM: [CRM]. Zadanie: Zaprojektuj system klasyfikacji: 1. JSON schema: kategorie (8) + confidence + summary + next_action (z typami) 2. Prompt klasyfikacji: jak prosić AI o kategorię (reguły: co znaczy każda kategoria, na co uważać) 3. Progi confidence: co robić przy niskiej pewności (< 0.7) 4. Reakcje workflow: tabela kategoria → akcja (alert/draft/pauza/usuń/research) 5. NOT_INTERESTED: jak traktować (nurture vs usunięcie) — zasada 6. Human-in-the-loop: które odpowiedzi wymagają człowieka przed wysyłką 7. Test: 6 przykładowych odpowiedzi → kategorie (przećwicz) Format: 7 sekcji.
Warianty promptu i scenariusze
Wersja podstawowa: 4 kategorie (interested/not/question/ooo).
Wersja pełna: 8 kategorii + confidence + automatyzacja reakcji.
Ćwiczenie i checklista wdrożenia
Zadanie praktyczne
Napisz JSON schema klasyfikacji (8 kategorii). Zdefiniuj reakcję workflow dla każdej kategorii (tabela). Przetestuj na 6 przykładowych odpowiedziach (symuluj AI).
Kryteria sukcesu
Pytania wdrożeniowe i integracja z bazą CEIDG (FAQ)
Jak połączyć technikę „Klasyfikacja odpowiedzi i reakcje workflow” z arkuszem nowych firm CEIDG w Google Sheets?
W zadaniu z obszaru Automation 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 12 min.
Jak zweryfikować poprawność wdrożenia lekcji „Klasyfikacja odpowiedzi i reakcje workflow” 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 JSON schema z 8 kategoriami • Mam tabelę kategoria → reakcja • Przetestowałem na 6 odpowiedziach.
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
Automation vs AI i reguła human-in-the-loop
Sales automation to system, w którym workflow (triggery, akcje, warunki) wykonuje powtarzalną pracę za handlowca, a AI dodaje decyzje i generowanie treści. Kluczowe pojęcia: workflow, trigger (co startuje proces), action (co się dzieje), condition (kiedy), human-in-the-loop (człowiek zatwierdza kluczowe kroki). Zasada: automatyzuj to, co się powtarza i nie wymaga osądu; zostaw człowiekowi to, co decyduje o relacji i jakości.
Mapa procesu i decyzje per krok
Zanim zautomatyzujesz cokolwiek, narysuj cały proces: Lead → Qualification → Research → Personalization → Outreach → Reply → Qualification → Meeting → Proposal → Follow-up → Close → CRM. Dla każdego kroku określ: manual / automated / AI-assisted. To jest fundament — bez mapy automatyzujesz na ślepo.
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.