> For the complete documentation index, see [llms.txt](https://gravii.gitbook.io/kzsaleshub/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://gravii.gitbook.io/kzsaleshub/ai-v-prodazhakh-2026/ai-dlya-prospecting-i-research.md). # AI для prospecting и research Prospecting — самая трудоёмкая часть работы сейлза. Найти правильную компанию. Найти правильного человека внутри. Понять их ситуацию и боль. Найти повод для контакта. Раньше это занимало 30-40% рабочего времени SDR и AE. AI сократил это до 10-15% — при более высоком качестве результата. Разберём каждый инструмент и как его использовать системно. *** ### Уровни AI-assisted prospecting #### Уровень 1 — Поиск и фильтрация Найти компании которые соответствуют ICP. Найти правильных людей внутри. Инструменты: Apollo, ZoomInfo, LinkedIn Sales Navigator. AI на этом уровне: — Рекомендует похожие компании на основе лучших клиентов — Предсказывает intent — кто сейчас активно ищет решения — Автоматически обновляет списки при изменении данных #### Уровень 2 — Обогащение данных Собрать всё что известно о компании и контакте из открытых источников. Инструменты: Clay, Clearbit, Hunter. AI на этом уровне: — Агрегирует данные из 50+ источников — Находит технологический стек компании — Отслеживает сигналы покупки: новые вакансии, инвестиции, смена руководства, новости #### Уровень 3 — Глубокий research Понять контекст конкретной компании и конкретного человека для персонализации outreach. Инструменты: Perplexity, Claude, Account IQ в Sales Navigator. AI на этом уровне: — Генерирует стратегический бриф по аккаунту за минуты — Анализирует публикации контакта и находит точки для персонализации — Синтезирует информацию из разных источников в единую картину *** ### Clay — гиперперсонализация в масштабе Clay изменил outbound продажи сильнее чем любой другой инструмент за последние годы. #### Что такое Clay Clay — платформа для обогащения данных и автоматизации персонализации. Ты загружаешь список компаний или контактов — Clay обогащает каждую запись данными из 50+ источников: LinkedIn, Clearbit, Hunter, Apollo, Crunchbase, открытые вакансии, новости, технологический стек, SEO данные, трафик сайта. Потом AI пишет персонализированное первое предложение для каждого контакта на основе всех собранных данных. #### Практический пример Ты продаёшь CRM для fintech компаний. Загружаешь в Clay список 500 fintech компаний КЗ и региона. Clay для каждой компании собирает: — Открытые вакансии (сигнал роста) — Последние новости — Технологический стек (какая CRM сейчас) — LinkedIn публикации CEO/CTO — Раунд инвестиций если был AI генерирует для каждого контакта: Вариант для компании которая недавно привлекла инвестиции: "Айдан, поздравляю с Series A — по открытым вакансиям вижу что активно масштабируете sales команду. Именно в этот момент большинство fintech компаний сталкиваются с проблемой управления растущим pipeline. Мы помогаем командам вашего размера выстроить процесс продаж который масштабируется без потери качества." Вариант для компании которая открыла вакансию VP of Sales: "Асем, вижу что ищете VP of Sales — обычно это означает серьёзные планы по росту выручки. Новый VP первым делом смотрит на инфраструктуру продаж. Мы работаем с несколькими fintech компаниями в КЗ на этом переходном этапе." Это не шаблоны с именем. Это реальная персонализация. И она генерируется для 500 контактов за время которое раньше уходило на написание 5 писем вручную. #### Как начать с Clay Шаг 1: Зарегистрируйся на clay.com Стартовый план: $149/месяц. Есть бесплатный пробный период. Шаг 2: Создай таблицу с ICP компаниями. Можно импортировать из Apollo, LinkedIn Sales Navigator или CSV. Шаг 3: Добавь waterfall обогащение. Выбери источники данных которые нужны. Clay автоматически проверяет каждый источник по очереди. Шаг 4: Настрой AI промпт для первого предложения письма. Шаг 5: Экспортируй в Instantly или Apollo для отправки sequences. *** ### Perplexity — research в реальном времени Perplexity — AI поисковик который ищет в интернете прямо сейчас и синтезирует результаты. Преимущество перед ChatGPT: актуальная информация со ссылками на источники. #### Промпты для подготовки к встречам **Быстрый бриф по компании:** "Расскажи мне о \[название компании]. Их основной бизнес, размер, последние новости за 3 месяца, главные вызовы которые они решают. Готовлюсь к встрече с их CTO." **Исследование конкурентной среды:** "Кто главные конкуренты \[компания] на рынке КЗ? Как они позиционируются относительно друг друга?" **Отраслевые тренды:** "Какие главные IT приоритеты у казахстанских банков в 2026? Что они активно закупают?" **Исследование контакта:** "\[Имя, должность, компания] — что публиковал в последние 3 месяца? Какие темы его интересуют?" **Сигналы покупки:** "Последние новости о \[компания]: новые вакансии, инвестиции, смена руководства, новые продукты." #### Как использовать Perplexity в процессе За 10 минут до любого звонка: Открой Perplexity. Введи название компании + имя контакта. Прочитай что выдаст. Это не заменяет глубокую подготовку. Но даёт достаточно контекста чтобы первые 2 минуты разговора показали что ты исследовал собеседника. Клиент чувствует разницу между сейлзом который готовился и тем кто пришёл с шаблоном. *** ### LinkedIn Sales Navigator + AI Account IQ — функция Sales Navigator которая генерирует AI бриф по любой целевой компании. Что включает бриф: — Бизнес-приоритеты компании — Недавние изменения: новый CEO, раунд, запуск продукта — Потенциальные точки боли релевантные для твоего продукта — Рекомендуемые точки входа Это то что раньше требовало 30-40 минут ручного research. Теперь — 30 секунд. #### Buyer Intent в Sales Navigator Sales Navigator показывает компании которые прямо сейчас исследуют решения в твоей категории. LinkedIn отслеживает что читают сотрудники компании — какой контент, какие профили вендоров, что ищут. Если сотрудники компании X активно изучают контент про CRM — Sales Navigator помечает компанию X как высокий intent для CRM вендоров. Конверсия outreach к компаниям с высоким intent — в 3-5 раз выше чем холодный outreach. Как использовать: Filters → Buyer Intent → выбери свою категорию. Получи список компаний которые активно ищут прямо сейчас. *** ### Apollo AI — от поиска до отправки Apollo в 2026 — это полный цикл: база данных + research + AI написание + sequences + аналитика. #### Apollo AI Prospecting Agent Самая мощная новая функция. Ты описываешь ICP одной страницей: — Индустрия — Размер компании — Должность контакта — Технологический стек — Сигналы готовности AI агент самостоятельно: Находит подходящие компании. Определяет правильных контактов. Обогащает данные. Пишет персонализированные письма. Запускает sequence. Мониторит ответы. Уведомляет тебя только когда есть горячий ответ. Ты включаешься только тогда когда есть реальный диалог. #### Как настроить Apollo AI Agent Шаг 1: В Apollo зайди в AI Agent раздел. Шаг 2: Создай ICP описание. Чем конкретнее — тем точнее результат. Пример хорошего ICP для агента: "Целевая компания: — IT компания или дистрибутор — 50-500 сотрудников — Рынки: КЗ, Узбекистан, Азербайджан — Использует Salesforce или HubSpot — Открытые вакансии в продажах (сигнал роста) Целевой контакт: — CTO, VP of Sales, или Head of Business Development — Активен в LinkedIn последние 30 дней" Шаг 3: Настрой AI email template. Дай агенту контекст: — Что продаёшь — Какую боль решаешь — Один конкретный кейс с результатом — Желаемый CTA Шаг 4: Установи лимиты. Максимум писем в день. Рабочие часы отправки. Паузы между шагами sequence. Шаг 5: Мониторь и оптимизируй. Смотри open rate и reply rate. Корректируй ICP и email template каждые 2 недели. *** ### Как выстроить систему prospecting с AI Не инструменты по отдельности — а единый процесс. #### Еженедельный ритм Понедельник (1 час): Обнови ICP списки в Clay. Добавь новые компании из Buyer Intent в Sales Navigator. Запусти обогащение данных. Вторник-четверг: Apollo AI агент работает автоматически. Ты занимаешься горячими ответами. Proactively работаешь с приоритетными аккаунтами. Пятница (30 минут): Анализ метрик недели. Что сработало в outreach. Что скорректировать на следующей неделе. #### Метрики которые отслеживаешь Open Rate: должен быть выше 40%. Если ниже — проблема в теме письма или технической настройке. Reply Rate: норма 5-10%. Если ниже — проблема в персонализации или релевантности. Meeting Rate: норма 2-5%. Если ниже — проблема в ICP или качестве квалификации. *** ### Ошибки при AI-assisted prospecting **Ошибка 1 — Объём вместо качества** AI позволяет отправлять тысячи писем. Это не значит что нужно. Тысяча плохо персонализированных писем даст хуже результат чем 100 хорошо персонализированных. AI даёт инструмент для персонализации. Не для спама. **Ошибка 2 — Не проверять AI output** Clay иногда подтягивает неверную информацию. Perplexity иногда ошибается в фактах. Всегда проверяй ключевые утверждения перед отправкой клиенту. Письмо с фактической ошибкой о компании клиента — хуже чем отсутствие персонализации. **Ошибка 3 — Терять человеческий голос** AI текст часто звучит как AI текст. Всегда редактируй под свой голос. Добавь одно предложение от себя. Убери корпоративные клише. Сделай так чтобы звучало как написанное человеком — потому что в итоге это отправляешь ты. **Ошибка 4 — Не обновлять ICP** Рынок меняется. ICP который работал 6 месяцев назад может быть устаревшим сейчас. Пересматривай ICP каждый квартал: — Кто из новых клиентов закрылся быстрее? — Какие компании показали наибольший LTV? — Есть ли новые сегменты которые стоит проверить? --- # Agent Instructions This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com. ## Querying This Documentation If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question. Perform an HTTP GET request on the current page URL with the `ask` query parameter: ``` GET https://gravii.gitbook.io/kzsaleshub/ai-v-prodazhakh-2026/ai-dlya-prospecting-i-research.md?ask= ``` The question should be specific, self-contained, and written in natural language. The response will contain a direct answer to the question and relevant excerpts and sources from the documentation. Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.