Els usuaris d’Apollo aconsegueixen un 46 % més de reunions concertades amb l’API de Perplexity

El problema

Implementar la investigació automatitzada de clients potencials per donar suport a una base creixent de comercials

Com a element diferenciador clau de la seva plataforma, Apollo ofereix als seus usuaris, comercials i equips de GTM, una base de dades B2B en què es pot cercar amb més de 210 milions de contactes i més de 35 milions d’empreses. Tanmateix, per personalitzar millor el contacte amb els clients potencials, els comercials havien de buscar constantment context addicional, com ara novetats de les empreses, prioritats dels directius i tendències canviants del mercat. Només per trobar els clients potencials adequats i redactar correus electrònics rellevants, els comercials saltaven entre perfils de LinkedIn, llocs web d’empreses, comunicats de premsa i resultats de cerca genèrics: un flux de treball de prospecció fragmentat, lent i impossible d’escalar.

Tyler Phillips, director de gestió de producte d’Apollo, va detectar aquesta mancança i va proposar integrar la investigació profunda amb IA directament a la plataforma, per eliminar els canvis de context i alhora fer possibles fluxos de treball de prospecció escalables. En paraules seves: «Hauries de poder agafar 1.000 comptes, investigar-los tots i veure quins mostren senyals d’encaix amb el teu producte.» Per fer realitat la seva visió, Tyler va buscar fora de l’empresa, prioritzant la rapidesa de llançament al mercat i evitant una càrrega innecessària a l’equip d’IA d’Apollo. El que necessitava era una solució llesta per integrar que fos:

• Precisa: en les vendes B2B, on cada contacte depèn d’una investigació d’alt nivell, no hi ha marge per a informació errònia o obsoleta. Després de provar diverses solucions amb models de frontera de la competència que oferien afirmacions vagues o sense verificar, Tyler va tenir clar que necessitava un soci d’IA capaç de proporcionar sota demanda informació contrastada amb fonts.
• D’alt rendiment: per als comercials amb poc temps, cada segon compta quan treballen una llista extensa de clients potencials. Si la investigació s’endarrereix, els comercials perden el ritme i passen a una altra cosa. Tyler necessitava una solució que fos immediata: prou ràpida per potenciar al màxim els fluxos de treball de prospecció i prou àgil per facilitar la presa de decisions en temps real.
• Escalable: la plataforma d’Apollo dona servei a tot un ecosistema de comercials i processa milions de registres cada mes. La solució ideal de Tyler havia de suportar aquest nivell d’escala sense obligar a triar entre cost i qualitat. Una solució d’investigació que fallés sota càrrega —o que es tornés prohibitivament cara a mesura que creixés l’ús— quedaria descartada d’entrada.

La solució

Informació en temps real i amb fonts citades per als comercials en una plataforma unificada

L’API de Perplexity va resultar ser exactament el que Tyler necessitava per incorporar la investigació profunda amb IA a la plataforma d’Apollo, sense haver de comprometre’s amb un desenvolupament intern costós en temps i recursos. L’equip d’Apollo va utilitzar l’API de Perplexity per impulsar el que es va convertir en Apollo AI Research: una capa d’investigació que extreu informació tant de les fonts de dades internes d’Apollo com de fonts externes de tot el web públic.

Amb Apollo AI Research, ara els comercials passen de la identificació de clients potencials al contacte personalitzat en un únic flux, sense canvis de context ni senyals perduts. «La investigació s’ha convertit ràpidament en el nostre cas d’ús més important», diu Tyler. «Era fonamental obtenir resultats d’alta qualitat, i Perplexity ens ajuda a mantenir aquest nivell.»

Accelerar el contacte amb investigació verificable

Els comercials es mouen ràpid, i Apollo AI Research també. En oferir en qüestió de segons informació exhaustiva i amb fonts citades, extreta de fonts internes i externes, la capa d’investigació impulsada per Perplexity permet als comercials accelerar amb confiança els seus fluxos de treball de prospecció. En paraules de Tyler: «L’API de Perplexity ha estat clau per ajudar els nostres usuaris a trobar informació que no existeix als conjunts de dades interns d’Apollo, com ara un informe 10-K publicat recentment o els comentaris d’un CEO en un pòdcast.»

Millorar la precisió mitjançant la col·laboració en casos límit

Una col·laboració estreta amb Perplexity garanteix que la precisió de les respostes es mantingui alta, fins i tot quan les consultes es tornen més complexes. Quan els comercials es troben amb casos límit, Apollo els marca en temps real i després treballa directament amb Perplexity a través de Slack per perfeccionar el sistema. «L’equip es pren seriosament els nostres comentaris», diu Tyler. «Com a resultat, els comercials obtenen respostes més fiables a consultes amb matisos, cosa que reforça la confiança en el sistema i redueix el temps que dediquen a posar en dubte els resultats.»

Escalar l’eficiència interna i estalviar temps

L’impacte no s’acaba amb els usuaris d’Apollo. Per garantir que les bases de dades d’Apollo continuïn sent una font potent d’identificació de clients potencials sense esgotar la capacitat interna, ara Perplexity dona suport a més del 65 % dels enriquiments d’AI Research. Amb milions d’enriquiments processats cada mes i sense cap degradació del rendiment, el sistema escala de manera fiable, sense alentir-se ni fer augmentar els costos.

El resultat

Apollo AI Research ajuda els comercials a aprofitar cada oportunitat

Com que Apollo AI Research ofereix sota demanda informació basada en fonts, els comercials avancen més ràpid, aprofundeixen més i actuen sobre més oportunitats qualificades. En lloc de recopilar manualment informació de milers de clients potencials, ara els usuaris d’Apollo executen consultes complexes i obtenen resultats rellevants de totes les oportunitats en qüestió de segons.

Només uns mesos després de la integració, Apollo AI Research ja ha generat un augment del 46 % en les reunions concertades entre els seus usuaris. Pel que fa a les operacions, Apollo executa 5,6 milions d’enriquiments mensuals amb Perplexity Sonar, cosa que garanteix que l’extensa base de dades de contactes B2B de la plataforma continuï sent una font potent d’identificació de clients potencials.

«Ara mateix hi ha molt d’escepticisme sobre la IA en les vendes; la gent dona per fet que només servirà per generar correu brossa», diu Tyler. «Però amb Perplexity impulsant la investigació d’Apollo, hem demostrat que la IA pot apujar el llistó. Els nostres usuaris generen missatges de contacte personalitzats, útils i fiables, i aquest és exactament el tipus d’experiència que volem oferir a escala.»

Sonar Chat Completions ara és Agent API, amb més models, eines i configuracions predefinides basades en investigació. Comença amb la nostra documentació aquí.