1. Diagnosi abans d'eines
Abans de comprar cap eina, mesura on es perd temps i on es perd oportunitat: recerca de comptes, enrichment, redacció, seguiment, actualització del CRM i reporting. La IA ha d'entrar on hi ha repetició, volum i criteri clar, no on el problema encara és estratègic.
2. ICP i senyals de compra
Un bon sistema comença amb una definició operativa de l'ICP: sector, mida, territori, rol comprador, tecnologia existent i moment de negoci. A partir d'aquí, els senyals de contractació, expansió, canvis directius o activitat digital serveixen per prioritzar comptes amb més probabilitat de conversa.
3. Stack mínim viable
Comença amb una font de dades, una capa d'enriquiment, un CRM net i un motor d'outreach. Clay, Apollo, HubSpot, n8n o Enginy AI només funcionen quan cada peça té una responsabilitat clara: dades, criteri, missatge, acció i mesura.
4. Missatge i personalització
La personalització útil no és afegir el nom de l'empresa en un email. És demostrar que entens una situació concreta del compte i connectar-la amb un problema comercial real. La IA pot preparar context, però el criteri humà ha de validar angles, promeses i to.
5. Activació en 12 setmanes
Llança amb un segment petit, revisa resposta, qualitat de dades i converses generades. Les primeres setmanes han de servir per estabilitzar dades i missatges; les següents, per documentar playbooks, assignar propietari intern i convertir el sistema en una rutina setmanal.
6. Mètriques que importen
Mesura taxa de resposta, converses qualificades, oportunitats creades, temps estalviat i qualitat del CRM. Les mètriques de vanitat, com volum d'emails o nombre de leads bruts, poden amagar un sistema que genera soroll en comptes de pipeline.
Un sistema de prospecció no és una llista. És un ritme setmanal amb dades, missatge, acció i aprenentatge.