Apollos brugere booker 46 % flere møder med Perplexitys API

Problemet

Automatiseret research af potentielle kunder til en voksende brugerbase af sælgere

Som en central konkurrencefordel ved platformen tilbyder Apollo en søgbar B2B-database med over 210 millioner kontakter og over 35 millioner virksomheder til sin brugerbase af sælgere og GTM-teams. For bedre at kunne målrette henvendelserne til hvert enkelt lead måtte sælgerne dog konstant grave efter yderligere kontekst, herunder virksomhedsnyheder, ledelsens prioriteter og skiftende markedstendenser. Blot for at finde de rette leads at kontakte og skrive relevante e-mails sprang sælgerne mellem LinkedIn-profiler, virksomheders websites, pressemeddelelser og generiske søgeresultater – en fragmenteret, langsom og ikke-skalerbar arbejdsproces for opsøgende salg.

Tyler Phillips, Director of Product Management hos Apollo, fik øje på dette hul og foreslog at bringe dybtgående AI-forskning direkte ind i platformen – så brugerne slap for at skifte kontekst og samtidig fik skalerbare arbejdsprocesser for opsøgende salg. Som han udtrykker det: »Man skal kunne tage 1.000 konti, køre research på dem alle og se, hvilke der viser tegn på at passe til ens produkt.« For at gøre sin vision til virkelighed søgte Tyler eksternt – med fokus på hurtig time-to-market og på at undgå unødig belastning af Apollos AI-team. Han havde brug for en løsning, der var klar til integration, og som var:

• Præcis: I B2B-salg, hvor enhver henvendelse bygger på grundig research, er der ikke plads til fejlagtige eller forældede oplysninger. Efter at have testet flere løsninger med konkurrerende frontier-modeller, som kom med vage eller ubekræftede påstande, vidste Tyler, at han havde brug for en AI-partner, der kunne levere kildebaseret indsigt efter behov.
• Hurtig: For pressede sælgere tæller hvert sekund, når de arbejder sig gennem en lang liste af leads. Hvis researchen halter, mister sælgerne rytmen og går videre. Tyler havde brug for en løsning, der føltes øjeblikkelig – hurtig nok til at give arbejdsprocesserne for opsøgende salg et markant løft og responsiv nok til at understøtte beslutninger i realtid.
• Skalerbar: Apollos platform understøtter et helt økosystem af sælgere og behandler millioner af poster hver måned. Tylers ideelle løsning skulle kunne håndtere den skala uden at tvinge ham til at vælge mellem pris og kvalitet. En researchløsning, der gav efter under belastning – eller blev uoverkommeligt dyr, efterhånden som brugen voksede – ville være udelukket fra starten.

Løsningen

Sælgerne får indsigt i realtid med kildehenvisninger på én samlet platform

Perplexitys API viste sig at være præcis, hvad Tyler havde brug for til at muliggøre dybtgående AI-forskning i Apollos platform uden at binde sig til en tids- og ressourcekrævende intern udvikling. Apollo-teamet brugte Perplexitys API til at drive det, der blev til Apollo AI Research – et researchlag, der henter indsigt fra både Apollos interne datakilder og eksterne kilder på tværs af det offentlige internet.

Med Apollo AI Research går sælgerne nu fra identifikation af leads til personlige henvendelser i ét flow – uden kontekstskift og uden oversete signaler. »Research er hurtigt blevet vores vigtigste use case,« siger Tyler. »Det var afgørende at få output af høj kvalitet – og Perplexity hjælper os med at holde den standard.«

Hurtigere opsøgende salg med verificerbar research

Sælgere arbejder hurtigt – og det gør Apollo AI Research også. Ved at levere omfattende indsigt med kildehenvisninger fra interne og eksterne kilder på få sekunder gør det Perplexity-drevne researchlag det muligt for sælgerne at accelerere deres arbejdsprocesser for opsøgende salg med sikkerhed. Med Tylers ord: »Perplexitys API har været afgørende for at hjælpe vores brugere med at finde oplysninger, der ikke findes i Apollos interne datasæt, som en nyligt offentliggjort 10-K-rapport eller udtalelser fra en CEO i en podcast.«

Skarpere præcision gennem samarbejde om grænsetilfælde

Et tæt samarbejde med Perplexity sikrer, at svarenes præcision forbliver høj – selv når forespørgslerne bliver mere komplekse. Når sælgerne støder på grænsetilfælde, markerer Apollo dem i realtid og arbejder derefter direkte sammen med Perplexity via Slack om at finjustere systemet. »Teamet tager vores feedback alvorligt,« siger Tyler. »Det betyder, at sælgerne får mere pålidelige svar på nuancerede forespørgsler, hvilket øger tilliden til systemet og reducerer den tid, der bruges på at betvivle outputtet.«

Øget intern effektivitet og sparet tid

Effekten stopper ikke ved Apollos brugere. For at sikre, at Apollos databaser forbliver en stærk kilde til identifikation af leads uden at dræne den interne kapacitet, understøtter Perplexity nu over 65 % af AI Research-berigelserne. Med millioner af berigelser behandlet hver måned og ingen forringelse af ydeevnen skalerer systemet pålideligt – uden at blive langsommere eller drive omkostningerne op.

Resultatet

Apollo AI Research hjælper sælgere med at udnytte enhver mulighed

Når Apollo AI Research leverer kildebaseret indsigt efter behov, arbejder sælgerne hurtigere, graver dybere og handler på flere kvalificerede muligheder. I stedet for manuelt at samle indsigt på tværs af tusindvis af leads kører Apollos brugere nu komplekse forespørgsler og finder relevante resultater på tværs af alle muligheder på få sekunder.

Blot få måneder efter integrationen har Apollo AI Research allerede givet en stigning på 46 % i antallet af bookede møder blandt brugerne. På driftssiden udfører Apollo 5,6 millioner berigelser om måneden via Perplexity Sonar – og sikrer dermed, at platformens enorme database med B2B-kontakter forbliver en stærk kilde til identifikation af leads.

»Der er stor skepsis over for AI i salg lige nu – folk går ud fra, at det bare kommer til at spytte spam ud,« siger Tyler. »Men med Perplexity som motor i Apollos research har vi vist, at AI faktisk kan hæve barren. Vores brugere skaber henvendelser, der er personlige, hjælpsomme og troværdige – og det er præcis den type oplevelse, vi vil levere i stor skala.«

Sonar Chat Completions er nu blevet til Agent API med flere modeller, værktøjer og forskningsbaserede forudindstillinger. Kom i gang med vores dokumentation her.