Ιστορίες πελατών

Οι χρήστες της Apollo κλείνουν 46% περισσότερες συναντήσεις με το API της Perplexity

Apollo

46%

αύξηση στις κλεισμένες συναντήσεις

2,5X

χαμηλότερος λανθάνων χρόνος σε σύγκριση με αντίστοιχες λύσεις

5,6 εκατ.

εμπλουτισμοί δεδομένων μηνιαίως μέσω του Perplexity Sonar API

Το πρόβλημα

Εφαρμογή αυτοματοποιημένης έρευνας υποψήφιων πελατών για την υποστήριξη μιας αυξανόμενης βάσης χρηστών που αποτελείται από πωλητές

Ως βασικό διαφοροποιητικό στοιχείο της πλατφόρμας της, η Apollo παρέχει στη βάση χρηστών της, που αποτελείται από πωλητές και ομάδες GTM, μια αναζητήσιμη βάση δεδομένων B2B με περισσότερες από 210 εκατομμύρια επαφές και περισσότερες από 35 εκατομμύρια εταιρείες. Ωστόσο, για να εξατομικεύσουν καλύτερα την προσέγγιση των υποψήφιων πελατών, οι πωλητές αναζητούσαν διαρκώς επιπλέον πληροφορίες πλαισίου, όπως ενημερώσεις εταιρειών, προτεραιότητες στελεχών και μεταβαλλόμενες τάσεις της αγοράς. Μόνο και μόνο για να βρουν τους κατάλληλους υποψήφιους πελάτες και να γράψουν σχετικά email, οι πωλητές πηγαινοέρχονταν ανάμεσα σε προφίλ LinkedIn, εταιρικούς ιστότοπους, δελτία τύπου και γενικά αποτελέσματα αναζήτησης — μια κατακερματισμένη, αργή και μη κλιμακούμενη ροή εργασίας εξερχόμενων πωλήσεων.

Ο Tyler Phillips, Διευθυντής Διαχείρισης Προϊόντος της Apollo, αναγνώρισε αυτό το κενό και πρότεινε να ενσωματωθεί η εις βάθος έρευνα με AI απευθείας στην πλατφόρμα — εξαλείφοντας την εναλλαγή μεταξύ εργαλείων και καθιστώντας εφικτές κλιμακούμενες ροές εργασίας εξερχόμενων πωλήσεων. Όπως λέει ο ίδιος: «Θα πρέπει να μπορείς να πάρεις 1.000 λογαριασμούς, να κάνεις έρευνα για όλους και να δεις ποιοι δείχνουν σημάδια ότι ταιριάζουν στο προϊόν σου». Για να κάνει το όραμά του πραγματικότητα, ο Tyler στράφηκε σε εξωτερικές λύσεις — δίνοντας προτεραιότητα στην ταχύτητα διάθεσης στην αγορά και αποφεύγοντας τον περιττό φόρτο για την ομάδα AI της Apollo. Αυτό που χρειαζόταν ήταν μια έτοιμη προς ενσωμάτωση λύση που θα ήταν:

  • Ακριβής: Στις πωλήσεις B2B, όπου κάθε προσέγγιση βασίζεται σε έρευνα υψηλού επιπέδου, δεν υπάρχει περιθώριο για λανθασμένες ή παρωχημένες πληροφορίες. Αφού δοκίμασε αρκετές λύσεις με ανταγωνιστικά μοντέλα αιχμής που παρουσίαζαν αόριστους ή μη επαληθευμένους ισχυρισμούς, ο Tyler ήξερε ότι χρειαζόταν έναν συνεργάτη AI που θα μπορούσε να παρέχει κατ' απαίτηση πληροφορίες τεκμηριωμένες από πηγές.
  • Υψηλής απόδοσης: Για τους πωλητές που πιέζονται από τον χρόνο, κάθε δευτερόλεπτο μετράει όταν επεξεργάζονται μια μεγάλη λίστα υποψήφιων πελατών. Αν η έρευνα καθυστερεί, οι πωλητές χάνουν τον ρυθμό τους και προχωρούν παρακάτω. Ο Tyler χρειαζόταν μια λύση που θα έδινε την αίσθηση της αμεσότητας — αρκετά γρήγορη ώστε να δώσει ώθηση στις ροές εργασίας εξερχόμενων πωλήσεων και αρκετά άμεση στην απόκριση ώστε να υποστηρίζει τη λήψη αποφάσεων σε πραγματικό χρόνο.
  • Κλιμακούμενη: Η πλατφόρμα της Apollo υποστηρίζει ένα ολόκληρο οικοσύστημα πωλητών και επεξεργάζεται εκατομμύρια εγγραφές κάθε μήνα. Η ιδανική λύση για τον Tyler έπρεπε να ανταποκρίνεται σε αυτή την κλίμακα χωρίς να επιβάλλει συμβιβασμούς μεταξύ κόστους και ποιότητας. Μια λύση έρευνας που θα λύγιζε υπό φορτίο — ή θα γινόταν απαγορευτικά ακριβή καθώς αυξανόταν η χρήση — θα αποκλειόταν εξαρχής.
“Η Apollo χρησιμοποιεί το API της Perplexity για να τροφοδοτεί την έρευνα με AI για τους χρήστες μας, κάτι που βελτιώνει την απόδοση των εξερχόμενων πωλήσεων και αυξάνει τα έσοδα. Η Perplexity μάς άνοιξε τεράστιες δυνατότητες, γιατί βοηθά τους χρήστες μας να στοχεύουν με μεγαλύτερη ακρίβεια υποψήφιους πελάτες που δείχνουν σήματα αγοραστικής πρόθεσης και να δημιουργούν σε κλίμακα εξαιρετικά στοχευμένα και εξατομικευμένα μηνύματα. Θέλαμε να ενσωματώσουμε μια μηχανή αναζήτησης AI που φέρνει αποτελέσματα για τους πωλητές — και η Perplexity το κάνει αυτό για εμάς.”
Tyler Phillips, Διευθυντής Διαχείρισης Προϊόντος, Apollo

Η λύση

Ενδυνάμωση των πωλητών με πληροφορίες σε πραγματικό χρόνο και με παραπομπές, σε μία ενιαία πλατφόρμα

Το API της Perplexity αποδείχθηκε ακριβώς αυτό που χρειαζόταν ο Tyler για να φέρει την εις βάθος έρευνα με AI στην πλατφόρμα της Apollo, χωρίς να δεσμευτεί σε μια εσωτερική ανάπτυξη που θα απαιτούσε πολύ χρόνο και πόρους. Η ομάδα της Apollo χρησιμοποίησε το API της Perplexity για να τροφοδοτήσει αυτό που έγινε το Apollo AI Research — ένα επίπεδο έρευνας που αντλεί πληροφορίες τόσο από τις εσωτερικές πηγές δεδομένων της Apollo όσο και από εξωτερικές πηγές σε ολόκληρο τον δημόσιο ιστό.

Με το Apollo AI Research, οι πωλητές περνούν πλέον από τον εντοπισμό υποψήφιων πελατών στην εξατομικευμένη προσέγγιση σε μία ενιαία ροή — χωρίς εναλλαγή μεταξύ εργαλείων, χωρίς χαμένα σήματα. «Η έρευνα έγινε γρήγορα η σημαντικότερη περίπτωση χρήσης μας», λέει ο Tyler. «Ήταν κρίσιμο να έχουμε αποτελέσματα υψηλής ποιότητας — και η Perplexity μάς βοηθά να διατηρούμε αυτό το επίπεδο».

Επιτάχυνση της προσέγγισης πελατών με επαληθεύσιμη έρευνα

Οι πωλητές κινούνται γρήγορα — το ίδιο και το Apollo AI Research. Παρέχοντας μέσα σε δευτερόλεπτα ολοκληρωμένες πληροφορίες με παραπομπές, που αντλούνται από εσωτερικές και εξωτερικές πηγές, το επίπεδο έρευνας που τροφοδοτείται από την Perplexity επιτρέπει στους πωλητές να επιταχύνουν με σιγουριά τις ροές εργασίας εξερχόμενων πωλήσεων. Όπως το θέτει ο Tyler: «Το API της Perplexity έπαιξε καθοριστικό ρόλο στο να βοηθήσει τους χρήστες μας να εντοπίζουν πληροφορίες που δεν υπάρχουν στα εσωτερικά σύνολα δεδομένων της Apollo, όπως μια πρόσφατα δημοσιευμένη έκθεση 10-K ή σχόλια ενός CEO σε κάποιο podcast».

Βελτίωση της ακρίβειας μέσω συνεργασίας στις οριακές περιπτώσεις

Η στενή συνεργασία με την Perplexity διασφαλίζει ότι η ακρίβεια των απαντήσεων παραμένει υψηλή — ακόμη και καθώς τα ερωτήματα γίνονται πιο σύνθετα. Όταν οι πωλητές συναντούν οριακές περιπτώσεις, η Apollo τις επισημαίνει σε πραγματικό χρόνο και στη συνέχεια συνεργάζεται απευθείας με την Perplexity μέσω Slack για να βελτιώσει το σύστημα. «Η ομάδα παίρνει στα σοβαρά τα σχόλιά μας», λέει ο Tyler. «Έτσι, οι πωλητές λαμβάνουν πιο αξιόπιστες απαντήσεις σε ερωτήματα με λεπτές αποχρώσεις, κάτι που ενισχύει την εμπιστοσύνη στο σύστημα και μειώνει τον χρόνο που αφιερώνουν αμφισβητώντας τα αποτελέσματα».

Κλιμάκωση της εσωτερικής αποδοτικότητας με εξοικονόμηση χρόνου

Ο αντίκτυπος δεν σταματά στους χρήστες της Apollo. Για να διασφαλιστεί ότι οι βάσεις δεδομένων της Apollo παραμένουν μια ισχυρή πηγή εντοπισμού υποψήφιων πελατών χωρίς να εξαντλούνται οι εσωτερικοί πόροι, η Perplexity υποστηρίζει πλέον περισσότερο από το 65% των εμπλουτισμών δεδομένων του AI Research. Με εκατομμύρια εμπλουτισμούς να επεξεργάζονται κάθε μήνα και μηδενική υποβάθμιση της απόδοσης, το σύστημα κλιμακώνεται αξιόπιστα, χωρίς επιβράδυνση ή αύξηση του κόστους.

Το αποτέλεσμα

Το Apollo AI Research βοηθά τους πωλητές να αξιοποιούν κάθε ευκαιρία

Με το Apollo AI Research να παρέχει κατ' απαίτηση πληροφορίες τεκμηριωμένες από πηγές, οι πωλητές κινούνται πιο γρήγορα, εμβαθύνουν περισσότερο και αξιοποιούν περισσότερες ευκαιρίες με πραγματικές προοπτικές. Αντί να συγκεντρώνουν χειροκίνητα πληροφορίες για χιλιάδες υποψήφιους πελάτες, οι χρήστες της Apollo εκτελούν πλέον σύνθετα ερωτήματα και εντοπίζουν σχετικά ευρήματα για όλες τις ευκαιρίες μέσα σε δευτερόλεπτα.

Μόλις λίγους μήνες μετά την ενσωμάτωση, το Apollo AI Research έχει ήδη οδηγήσει σε αύξηση 46% των κλεισμένων συναντήσεων για τους χρήστες του. Σε επίπεδο λειτουργιών, η Apollo εκτελεί 5,6 εκατομμύρια εμπλουτισμούς δεδομένων μηνιαίως μέσω του Perplexity Sonar — διασφαλίζοντας ότι η τεράστια βάση δεδομένων επαφών B2B της πλατφόρμας παραμένει μια ισχυρή πηγή εντοπισμού υποψήφιων πελατών.

«Υπάρχει πολύς σκεπτικισμός γύρω από την τεχνητή νοημοσύνη στις πωλήσεις αυτή τη στιγμή — ο κόσμος θεωρεί ότι απλώς θα παράγει μαζικά spam», λέει ο Tyler. «Όμως, με την Perplexity να τροφοδοτεί την έρευνα της Apollo, δείξαμε ότι η τεχνητή νοημοσύνη μπορεί στην πραγματικότητα να ανεβάσει τον πήχη. Οι χρήστες μας δημιουργούν προσεγγίσεις εξατομικευμένες, χρήσιμες και αξιόπιστες — και αυτό ακριβώς είναι το είδος της εμπειρίας που θέλουμε να προσφέρουμε σε κλίμακα».

Το Sonar Chat Completions είναι πλέον το Agent API, με περισσότερα μοντέλα, εργαλεία και προκαθορισμένες ρυθμίσεις βασισμένες στην έρευνα. Ξεκινήστε με την τεκμηρίωσή μας εδώ.