Uživatelé Apollo domlouvají díky API od Perplexity o 46 % více schůzek

Problém

Zavedení automatizovaného průzkumu potenciálních zákazníků na podporu rostoucí základny obchodních zástupců

Klíčovou předností platformy Apollo je prohledávatelná B2B databáze s více než 210 miliony kontaktů a více než 35 miliony firem, kterou mají k dispozici obchodní zástupci a GTM týmy. Aby však mohli lépe personalizovat oslovování potenciálních zákazníků, museli obchodní zástupci neustále dohledávat další kontext – novinky o firmách, priority vedení a měnící se trendy na trhu. Jen aby našli ty správné potenciální zákazníky a napsali jim relevantní e-maily, přeskakovali mezi profily na LinkedInu, firemními weby, tiskovými zprávami a obecnými výsledky vyhledávání. Výsledkem byl roztříštěný, pomalý a neškálovatelný pracovní postup odchozího oslovování.

Tyler Phillips, ředitel produktového managementu ve společnosti Apollo, tuto mezeru rozpoznal a navrhl zavést hloubkový výzkum s AI přímo do platformy – odstranit přepínání mezi nástroji a zároveň umožnit škálovatelné pracovní postupy odchozího oslovování. Jak sám říká: „Měli byste být schopni vzít 1 000 firem, provést průzkum u všech a zjistit, které vykazují signály, že se pro váš produkt hodí.“ Aby svou vizi uskutečnil, hledal Tyler řešení externě – upřednostnil rychlé uvedení na trh a nechtěl zbytečně zatěžovat AI tým společnosti Apollo. Potřeboval řešení připravené k integraci, které bude:

• Přesné: V B2B prodeji, kde každé oslovení stojí na kvalitním průzkumu, není prostor pro chybné nebo zastaralé informace. Po otestování několika řešení s konkurenčními špičkovými modely, která přinášela vágní nebo neověřená tvrzení, Tyler věděl, že potřebuje AI partnera, který bude na požádání poskytovat poznatky podložené zdroji.
• Výkonné: Pro vytížené obchodní zástupce se při procházení dlouhého seznamu potenciálních zákazníků počítá každá vteřina. Když průzkum vázne, obchodní zástupci ztrácejí tempo a jdou dál. Tyler potřeboval řešení, které bude reagovat okamžitě – dost rychlé, aby výrazně zrychlilo pracovní postupy odchozího oslovování, a dost pohotové, aby podpořilo rozhodování v reálném čase.
• Škálovatelné: Platforma Apollo podporuje celý ekosystém obchodních zástupců a každý měsíc zpracovává miliony záznamů. Tylerovo ideální řešení muselo tento rozsah zvládnout bez kompromisů mezi cenou a kvalitou. Výzkumné řešení, které by se pod zátěží zhroutilo – nebo by s rostoucím využitím neúměrně zdražilo – nepřicházelo v úvahu.

Řešení

Podpora obchodních zástupců díky poznatkům s citacemi v reálném čase v rámci jediné platformy

API od Perplexity se ukázalo být přesně tím, co Tyler potřeboval, aby mohl zavést hloubkový výzkum s AI do platformy Apollo, aniž by se pouštěl do časově i zdrojově náročného vlastního vývoje. Tým Apollo využil API od Perplexity k vytvoření nástroje, z něhož se stal Apollo AI Research – výzkumná vrstva, která čerpá poznatky jak z interních datových zdrojů Apollo, tak z externích zdrojů napříč veřejným webem.

Díky Apollo AI Research se obchodní zástupci nyní dostanou od identifikace potenciálních zákazníků k personalizovanému oslovení v jediném toku – bez přepínání mezi nástroji a bez přehlédnutých signálů. „Výzkum se rychle stal naším nejdůležitějším případem použití,“ říká Tyler. „Bylo zásadní mít vysoce kvalitní výstupy – a Perplexity nám pomáhá tento standard udržet.“

Rychlejší oslovování díky ověřitelnému výzkumu

Obchodní zástupci jednají rychle – a Apollo AI Research také. Výzkumná vrstva poháněná Perplexity poskytuje během několika sekund komplexní poznatky s citacemi z interních i externích zdrojů, a umožňuje tak obchodním zástupcům s jistotou zrychlit pracovní postupy odchozího oslovování. Slovy Tylera: „API od Perplexity nám zásadně pomohlo v tom, aby naši uživatelé mohli dohledat informace, které v interních datových sadách Apollo nejsou, například nedávno zveřejněnou výroční zprávu 10-K nebo vyjádření generálního ředitele v podcastu.“

Zpřesňování díky spolupráci na okrajových případech

Úzká spolupráce s Perplexity zajišťuje, že přesnost odpovědí zůstává vysoká – i když jsou dotazy stále složitější. Když obchodní zástupci narazí na okrajové případy, Apollo je v reálném čase označí a poté systém přímo s Perplexity přes Slack dolaďuje. „Tým bere naši zpětnou vazbu vážně,“ říká Tyler. „Díky tomu obchodní zástupci dostávají spolehlivější odpovědi na složité dotazy, což posiluje důvěru v systém a zkracuje čas strávený zpochybňováním výstupů.“

Škálování interní efektivity a úspora času

Přínos se neomezuje jen na uživatele Apollo. Aby databáze Apollo zůstaly silným zdrojem pro identifikaci potenciálních zákazníků, aniž by vyčerpávaly interní kapacity, zajišťuje nyní Perplexity více než 65 % obohacení dat v AI Research. Systém každý měsíc zpracuje miliony obohacení bez jakéhokoli poklesu výkonu a spolehlivě škáluje, aniž by se zpomaloval nebo zvyšoval náklady.

Výsledek

Apollo AI Research pomáhá obchodním zástupcům využít každou příležitost

Díky tomu, že Apollo AI Research poskytuje na požádání poznatky podložené zdroji, postupují obchodní zástupci rychleji, jdou více do hloubky a věnují se většímu počtu kvalifikovaných příležitostí. Místo ručního shromažďování poznatků o tisících potenciálních zákazníků nyní uživatelé Apollo během několika sekund spouštějí složité dotazy a získávají relevantní zjištění napříč všemi příležitostmi.

Pouhých pár měsíců po integraci přinesl Apollo AI Research svým uživatelům nárůst domluvených schůzek o 46 %. Na provozní straně Apollo každý měsíc provádí 5,6 milionu obohacení dat prostřednictvím Perplexity Sonar – a zajišťuje tak, aby rozsáhlá databáze B2B kontaktů na platformě zůstala silným zdrojem pro identifikaci potenciálních zákazníků.

„Kolem AI v prodeji teď panuje velká skepse – lidé předpokládají, že bude jen chrlit spam,“ říká Tyler. „Ale díky Perplexity, které pohání výzkum v Apollo, jsme ukázali, že AI dokáže laťku skutečně zvednout. Naši uživatelé vytvářejí oslovení, která jsou personalizovaná, užitečná a důvěryhodná – a přesně takový zážitek chceme poskytovat ve velkém měřítku.“

Sonar Chat Completions je nyní Agent API s více modely, nástroji a předvolbami podloženými výzkumem. Začněte s naší dokumentací zde.