Персоналізація 2.0: як вийти з глухого кута холодних розсилок

Масові скрипти у 2025 році, м’яко кажучи, не працюють. «Вхідні» більшості лідів із посадою вище за менеджерську завалені десятками схожих повідомлень щодня. У такій конкуренції потрібно не просто писати, а писати так, щоб хотілося відповісти.

Тестові воронки Netpeak Ukraine показують: 90% відповідей приходять на повідомлення, де адресат відчуває — «це написано саме мені». Далі покажу цифри, алгоритми та робочі прийоми, які підняли конверсію кампаній наших партнерів із 1% до 11% у дзвінки.

Чому персоналізація працює

1. Алгоритми це люблять.

LinkedIn і email-сервіси підвищують пріоритет у видачі, якщо бачать унікальність тіла повідомлення.

2. Люди скролять масове і клікають на живе.

Масовий варіант (ігнорується):

Персоналізований варіант (чіпляє):

Цифри говорять самі за себе.

На чому базується персоналізація

Сильна персоналізація — це не просто вставити ім’я. Вона завжди базується на трьох речах:

1. Контекст компанії чи людини. Що зараз з ними відбувається? Реліз, фандрейзинг, нова вакансія, пост, згадка в новинах? 

2. Біль або завдання, яке з великою ймовірністю для них актуальне:
   

• новий Head of Growth — сигнал, що команда фокусується на зростанні, шукає нові канали або перебудовує воронку;

• e-commerce без форми підписки на розсилки — ймовірно, не використовують email-маркетинг як retention-канал і втрачають базу та можливість наростити продажі;

• відкрита вакансія DevOps/SRE — технічний борг або потреба в стабілізації інфраструктури.

3. Сигнал, що ви не просто знаєте, а розумієте.

Як запускати персоналізацію масово

Перша за все.

Персоналізація ≠ ручна робота.

Вона масштабується, якщо побудована на правильній логіці та автоматизації.

1. Сегментація + логіка = шаблон.

Наприклад, сегментуємо за посадою ліда та його болем, що має бути релевантним для оферу.

Шаблон повідомлення:

2. Пошук даних для шаблону.

Щоб дізнатися роль ліда, знадобляться LinkedIn чи Sales Navigator. Інструменти допоможуть визначити:

• посаду, зону відповідальності — наприклад, CMO, займається AI-напрямком, відповідає за автоматизацію;

• активність у стрічці / групах — коментарі, репости, пости для згадки в меседжі;

• масштаб команди / стадія компанії — startup, scale-up, enterprise;

• локація, фокус регіону — наприклад, працюють з клієнтами в ЄС, або команда з Дубаї.

Щоб визначити потенційний біль, дослідіть сайт з інструментами BuiltWith, SimilarWeb. Шукайте:

• продукти / функціонал на сайті — є чатбот, email-форми, або SaaS-модель з тріалом;

• техстек — React, Shopify, WordPress, Stripe тощо (через BuiltWith);

• рівень / джерела трафіку — наскільки активна компанія, які канали використовують (через SimilarWeb);

• біль / можливість для покращення — немає підписки, слабкий ретаргетинг, сайт повільно завантажується.

3. Формування шаблону.

Для створення більш повноцінного шаблону знадобляться Clay, Zapier і ChatGPT.

1. Clay. Комбінація даних з різних джерел (LinkedIn + сайт + email + CRM), витягання конкретних змінних.

2. Zapier. Налаштування інтеграції, наприклад, оновлення Google Sheet, якщо новий лід у CRM.

3. GPT. Генерація кастомних інсайтів та коротких персоналізованих повідомлень на основі даних. 

Наведу приклад персоналізації для IT-компанії, яка таргетує FinTech-продукти з платіжною інфраструктурою.

Ціль — запропонувати:

• підтримку в розробці core-фінансової логіки;

• модулі верифікації, AML/KYC, карткову інтеграцію;

• або оптимізацію швидкості транзакцій, API, бекенду.

Крок 1. Збираю дані

Із Sales Navigator беру:

1. Назву компанії.

2. Сайт.

3. Посаду — CTO, Product Lead, Head of Payments.

У Google Sheets додаю:

1. Has_KYC_flow (так / ні). Чи описаний процес верифікації — шукаю в FAQ, onboarding або через Google site:[домен] kyc.

2. Payment_API_visible (так / ні). Чи є публічна API/документація — перевіряю у футері або Google site:[домен] API.

3. Transaction_delay_complaints (так / ні). Чи є скарги на затримки — аналізую Trustpilot, Reddit або Google-пошук.

4. Mobile_App_rating (1–5). Дивлюсь рейтинг застосунку через App Store / Google Play або scraper (SerpAPI, Apify).

Крок 2. ChatGPT-промпт

Пишу лаконічний промпт, який проаналізує зібрану інформацію.

ChatGPT видає:

Крок 3. Шаблон для розсилки

Вступ і кінець шаблону прописую вручну, а середину заповнити ChatGPT.

Крок 4. Готове повідомлення

Крок 5. Масштабування

1. Збираю 50-100 компаній у Google Sheets.

2. Пишу промпт один раз в СhatGPT, він видає 50 персоналізованих варіантів.

3. Вставляю варіанти у шаблон.

4. Роблю розсилку.

Запам’ятати

1. Персоналізація — це увага до контексту та вміння говорити просто.

2. Чесний меседж важить більше, ніж «теплий» лист. Якщо немає фрази, релевантної саме цій людині, це спам.

3. Масштабувати можна і треба, але тільки якщо структура гнучка, а не шаблонна.

4. AI прискорює процес. Гарні сигнали дають сильний текст, погані дані — погану персоналізацію.

5. Завжди давайте CTA. Без зрозумілого наступного кроку навіть найкращий гачок губиться.

6. Вимірюйте й оновлюйте. За допомогою A/B-тестування оцінюйте гачки, і пам’ятайте: тригери старіють швидко, дані треба освіжати.

Хочете побачити, як це працює? Напишіть — покажемо приклад з вашої ніші. Такої персоналізації ви точно не очікуєте.