משתמשי Apollo קובעים 46% יותר פגישות בעזרת ה-API של Perplexity

הבעיה

הטמעת מחקר אוטומטי על לקוחות פוטנציאליים לתמיכה בבסיס משתמשים הולך וגדל של אנשי מכירות

כגורם בידול מרכזי של הפלטפורמה שלה, Apollo מספקת לבסיס המשתמשים שלה – אנשי מכירות וצוותי GTM – מסד נתונים B2B שניתן לחפש בו, הכולל יותר מ-210 מיליון אנשי קשר ויותר מ-35 מיליון חברות. עם זאת, כדי להתאים אישית את הפנייה ללידים בצורה טובה יותר, אנשי המכירות מצאו את עצמם שוב ושוב מחפשים הקשר נוסף, כולל עדכונים על החברה, סדרי העדיפויות של ההנהלה ומגמות שוק משתנות. רק כדי למצוא את הלידים הנכונים לפנות אליהם ולכתוב אימיילים רלוונטיים, אנשי המכירות קפצו בין פרופילי LinkedIn, אתרי חברות, הודעות לעיתונות ותוצאות חיפוש כלליות – תהליך עבודה של פניות יזומות שהיה מפוצל, איטי ובלתי ניתן להרחבה.

Tyler Phillips, דירקטור ניהול מוצר ב-Apollo, זיהה את הפער הזה והציע להביא מחקר מעמיק מבוסס AI ישירות לתוך הפלטפורמה – כדי לבטל את המעבר בין הקשרים ולאפשר תהליכי עבודה של פניות יזומות בקנה מידה גדול. כדבריו, “צריכה להיות לך אפשרות לקחת 1,000 חשבונות, להריץ מחקר על כולם ולראות אילו מהם מראים סימנים להתאמה למוצר שלך.” כדי להפוך את החזון שלו למציאות, Tyler חיפש פתרון חיצוני – תוך מתן עדיפות למהירות היציאה לשוק והימנעות מהעמסה מיותרת על צוות ה-AI של Apollo. הוא היה צריך פתרון מוכן לשילוב, שהוא:

• מדויק: במכירות B2B, שבהן כל פנייה מתבססת על מחקר ברמה גבוהה, אין מקום למידע שגוי או מיושן. לאחר שבחן כמה פתרונות המבוססים על מודלי חזית מתחרים, שהציגו טענות מעורפלות או לא מאומתות, Tyler ידע שהוא זקוק לשותף AI שיוכל לספק לפי דרישה תובנות מגובות במקורות.
• בעל ביצועים גבוהים: עבור אנשי מכירות שזמנם דחוק, כל שנייה חשובה כשעוברים על רשימה ארוכה של לידים. אם המחקר מתעכב, אנשי המכירות מאבדים את הקצב וממשיכים הלאה. Tyler היה זקוק לפתרון שמרגיש מיידי – מהיר מספיק כדי להאיץ משמעותית את תהליכי העבודה של הפניות היזומות, ומגיב מספיק כדי לתמוך בקבלת החלטות בזמן אמת.
• ניתן להרחבה: הפלטפורמה של Apollo תומכת במערכת אקולוגית שלמה של אנשי מכירות ומעבדת מיליוני רשומות בכל חודש. הפתרון האידיאלי מבחינת Tyler היה צריך לתמוך בקנה מידה כזה בלי לכפות פשרות בין עלות לאיכות. פתרון מחקר שקורס תחת עומס – או שהופך ליקר באופן בלתי סביר ככל שהשימוש גדל – לא בא בחשבון.

הפתרון

העצמת אנשי מכירות באמצעות תובנות בזמן אמת עם ציטוטים, בפלטפורמה אחת מאוחדת

התברר שה-API של Perplexity הוא בדיוק מה ש-Tyler היה צריך כדי לאפשר מחקר מעמיק מבוסס AI בתוך הפלטפורמה של Apollo, בלי להתחייב לפיתוח פנימי שדורש זמן ומשאבים רבים. צוות Apollo השתמש ב-API של Perplexity כדי להפעיל את מה שהפך ל-Apollo AI Research – שכבת מחקר ששואבת תובנות הן ממקורות הנתונים הפנימיים של Apollo והן ממקורות חיצוניים ברחבי הרשת הציבורית.

עם Apollo AI Research, אנשי המכירות עוברים כעת מזיהוי לידים לפנייה מותאמת אישית ברצף אחד – בלי מעבר בין הקשרים ובלי לפספס סימנים. “המחקר הפך במהירות למקרה השימוש החשוב ביותר שלנו,” אומר Tyler. “היה קריטי לקבל תוצרים באיכות גבוהה – ו-Perplexity עוזרת לנו לשמור על הרף הזה.”

האצת הפניות באמצעות מחקר שניתן לאמת

אנשי מכירות פועלים מהר – וכך גם Apollo AI Research. שכבת המחקר המבוססת על Perplexity מספקת תוך שניות תובנות מקיפות עם ציטוטים, שנשאבות ממקורות פנימיים וחיצוניים, ובכך מאפשרת לאנשי המכירות להאיץ בביטחון את תהליכי העבודה של הפניות היזומות. כדברי Tyler, “ה-API של Perplexity מילא תפקיד מרכזי בכך שעזר למשתמשים שלנו לחשוף מידע שלא קיים במאגרי הנתונים הפנימיים של Apollo, כמו דוח 10-K שפורסם לאחרונה או דברים שאמר מנכ״ל בפודקאסט.”

שיפור הדיוק באמצעות שיתוף פעולה במקרי קצה

שיתוף פעולה הדוק עם Perplexity מבטיח שדיוק התשובות יישאר גבוה – גם כשהשאילתות נעשות מורכבות יותר. כשאנשי מכירות נתקלים במקרי קצה, Apollo מסמנת אותם בזמן אמת ואז עובדת ישירות עם Perplexity דרך Slack כדי לשפר את המערכת. “הצוות מתייחס למשוב שלנו ברצינות,” אומר Tyler. “כתוצאה מכך, אנשי המכירות מקבלים תשובות אמינות יותר לשאילתות מורכבות ורבות ניואנסים, מה שמחזק את האמון במערכת ומקצר את הזמן שמושקע בפקפוק בתוצרים.”

הגדלת היעילות הפנימית לצד חיסכון בזמן

ההשפעה לא נעצרת אצל המשתמשים של Apollo. כדי להבטיח שמסדי הנתונים של Apollo יישארו מקור עוצמתי לזיהוי לידים בלי למצות את המשאבים הפנימיים, Perplexity תומכת כעת ביותר מ-65% מפעולות העשרת הנתונים של AI Research. עם מיליוני פעולות העשרה שמעובדות מדי חודש וללא כל פגיעה בביצועים, המערכת גדלה באופן אמין, בלי להאט ובלי להעלות עלויות.

התוצאה

Apollo AI Research עוזר לאנשי מכירות לנצל כל הזדמנות

כש-Apollo AI Research מספק לפי דרישה תובנות מגובות במקורות, אנשי המכירות פועלים מהר יותר, מעמיקים יותר וממנפים יותר הזדמנויות איכותיות. במקום לרכז ידנית תובנות מאלפי לידים, משתמשי Apollo מריצים כעת שאילתות מורכבות ומאתרים ממצאים רלוונטיים בכל ההזדמנויות תוך שניות.

חודשים ספורים בלבד לאחר השילוב, Apollo AI Research כבר הוביל לעלייה של 46% במספר הפגישות שנקבעו בקרב המשתמשים. בצד התפעולי, Apollo מבצעת 5.6 מיליון פעולות העשרת נתונים בחודש באמצעות Perplexity Sonar – ומבטיחה שמסד הנתונים העצום של הפלטפורמה, הכולל אנשי קשר B2B, יישאר מקור עוצמתי לזיהוי לידים.

“יש כרגע הרבה ספקנות לגבי AI במכירות – אנשים מניחים שהוא פשוט יפיק ספאם,” אומר Tyler. “אבל כש-Perplexity מפעילה את המחקר של Apollo, הראינו ש-AI יכול דווקא להעלות את הרף. המשתמשים שלנו יוצרים פניות מותאמות אישית, מועילות ואמינות – וזו בדיוק החוויה שאנחנו רוצים לספק בקנה מידה גדול.”

Sonar Chat Completions הוא כעת Agent API, עם יותר מודלים, כלים והגדרות קבועות מראש המבוססות על מחקר. התחילו לעבוד עם התיעוד שלנו כאן.