Pengguna Apollo meraih 46% lebih banyak rapat terjadwal dengan API Perplexity

Masalah

Menerapkan riset prospek otomatis untuk mendukung basis pengguna tenaga penjual yang terus bertambah

Sebagai pembeda utama platformnya, Apollo menyediakan basis data B2B yang dapat dicari, berisi lebih dari 210 juta kontak dan lebih dari 35 juta perusahaan, bagi basis penggunanya yang terdiri atas tenaga penjual dan tim GTM. Namun, untuk lebih mempersonalisasi penjangkauan ke berbagai prospek, tenaga penjual terus-menerus harus menggali konteks tambahan, termasuk kabar terbaru perusahaan, prioritas eksekutif, dan tren pasar yang terus berubah. Hanya untuk menemukan prospek yang tepat untuk dihubungi dan menulis email yang relevan, tenaga penjual harus berpindah-pindah antara profil LinkedIn, situs web perusahaan, siaran pers, dan hasil penelusuran generik — alur kerja outbound yang terfragmentasi, lambat, dan tidak dapat diskalakan.

Tyler Phillips, Direktur Manajemen Produk Apollo, melihat kesenjangan ini dan mengusulkan untuk menghadirkan penelitian mendalam berbasis AI langsung ke dalam platform — menghilangkan kebutuhan berpindah konteks sekaligus membuka jalan bagi alur kerja outbound yang dapat diskalakan. Seperti yang ia katakan, “Anda seharusnya bisa mengambil 1.000 akun, menjalankan riset pada semuanya, dan melihat mana yang menunjukkan sinyal kecocokan dengan produk Anda.” Untuk mewujudkan visinya, Tyler mencari solusi dari luar — memprioritaskan kecepatan masuk ke pasar dan menghindari beban yang tidak perlu bagi tim AI Apollo. Yang ia butuhkan adalah solusi siap integrasi yang:

• Akurat: Dalam penjualan B2B, di mana setiap penjangkauan bergantung pada riset tingkat tinggi, tidak ada ruang bagi informasi yang keliru atau usang. Setelah menguji beberapa solusi dengan model frontier pesaing yang memunculkan klaim yang samar atau belum terverifikasi, Tyler tahu bahwa ia membutuhkan mitra AI yang dapat memberikan wawasan berbasis sumber sesuai permintaan.
• Berkinerja tinggi: Bagi tenaga penjual yang waktunya terbatas, setiap detik sangat berharga saat menelusuri daftar prospek yang panjang. Jika riset tersendat, tenaga penjual kehilangan ritme dan beralih ke hal lain. Tyler membutuhkan solusi yang terasa instan — cukup cepat untuk mempercepat alur kerja outbound secara drastis dan cukup responsif untuk mendukung pengambilan keputusan secara real-time.
• Dapat diskalakan: Platform Apollo mendukung seluruh ekosistem tenaga penjual dan memproses jutaan catatan setiap bulan. Solusi ideal Tyler harus mampu mendukung skala sebesar itu tanpa memaksa kompromi antara biaya dan kualitas. Solusi riset yang kewalahan saat beban tinggi — atau menjadi terlalu mahal seiring meningkatnya penggunaan — sama sekali tidak dapat dipertimbangkan.

Solusi

Memberdayakan tenaga penjual dengan wawasan real-time yang disertai kutipan dalam satu platform terpadu

API Perplexity terbukti tepat seperti yang dibutuhkan Tyler untuk menghadirkan penelitian mendalam berbasis AI di dalam platform Apollo, tanpa harus berkomitmen pada pengembangan internal yang memakan banyak waktu dan sumber daya. Tim Apollo menggunakan API Perplexity untuk mendukung apa yang kemudian menjadi Apollo AI Research — lapisan riset yang menarik wawasan dari sumber data internal Apollo maupun sumber eksternal di seluruh web publik.

Dengan Apollo AI Research, tenaga penjual kini dapat beralih dari identifikasi prospek ke penjangkauan yang dipersonalisasi dalam satu alur — tanpa berpindah konteks, tanpa sinyal yang terlewat. “Riset dengan cepat menjadi kasus penggunaan terpenting kami,” kata Tyler. “Output berkualitas tinggi sangatlah penting — dan Perplexity membantu kami mempertahankan standar itu.”

Mempercepat penjangkauan dengan riset yang dapat diverifikasi

Tenaga penjual bergerak cepat — begitu pula Apollo AI Research. Dengan menyajikan wawasan yang komprehensif dan disertai kutipan dari sumber internal dan eksternal dalam hitungan detik, lapisan riset yang didukung Perplexity ini memberdayakan tenaga penjual untuk mempercepat alur kerja outbound mereka dengan percaya diri. Dalam kata-kata Tyler, “API Perplexity sangat berperan dalam membantu pengguna kami menemukan informasi yang tidak ada dalam kumpulan data internal Apollo, seperti laporan 10-K yang baru dirilis atau komentar seorang CEO dalam sebuah podcast.”

Menyempurnakan akurasi melalui kolaborasi pada kasus-kasus khusus

Kolaborasi erat dengan Perplexity memastikan akurasi jawaban tetap tinggi — bahkan saat kueri semakin kompleks. Ketika tenaga penjual menemukan kasus khusus, Apollo menandainya secara real-time, lalu bekerja langsung dengan Perplexity melalui Slack untuk menyempurnakan sistem. “Tim mereka menanggapi masukan kami dengan serius,” kata Tyler. “Hasilnya, tenaga penjual mendapatkan jawaban yang lebih andal untuk kueri yang bernuansa, sehingga meningkatkan kepercayaan pada sistem dan mengurangi waktu yang dihabiskan untuk meragukan output.”

Meningkatkan efisiensi internal sekaligus menghemat waktu

Dampaknya tidak berhenti pada pengguna Apollo. Untuk memastikan basis data Apollo tetap menjadi sumber identifikasi prospek yang andal tanpa menguras kapasitas internal, Perplexity kini mendukung lebih dari 65% pengayaan data AI Research. Dengan jutaan pengayaan yang diproses setiap bulan tanpa penurunan kinerja sedikit pun, sistem ini dapat diskalakan dengan andal, tanpa melambat atau menaikkan biaya.

Hasil

Apollo AI Research membantu tenaga penjual memanfaatkan setiap peluang

Dengan Apollo AI Research yang menyajikan wawasan berbasis sumber sesuai permintaan, tenaga penjual bergerak lebih cepat, menggali lebih dalam, dan menindaklanjuti lebih banyak peluang yang memenuhi syarat. Alih-alih mengumpulkan wawasan secara manual dari ribuan prospek, pengguna Apollo kini menjalankan kueri kompleks dan menemukan temuan yang relevan di seluruh peluang dalam hitungan detik.

Hanya beberapa bulan setelah integrasi, Apollo AI Research telah mendorong peningkatan 46% dalam jumlah rapat yang terjadwal di kalangan penggunanya. Dari sisi operasional, Apollo menjalankan 5,6 juta pengayaan data setiap bulan melalui Perplexity Sonar — memastikan basis data kontak B2B platform yang sangat besar tetap menjadi sumber identifikasi prospek yang andal.

“Saat ini ada banyak skeptisisme terhadap AI dalam penjualan — orang mengira AI hanya akan menghasilkan spam,” kata Tyler. “Namun, dengan Perplexity yang mendukung riset Apollo, kami telah menunjukkan bahwa AI justru dapat menaikkan standar. Pengguna kami menghasilkan penjangkauan yang dipersonalisasi, bermanfaat, dan tepercaya — dan itulah jenis pengalaman yang ingin kami berikan dalam skala besar.”

Sonar Chat Completions kini menjadi Agent API dengan lebih banyak model, alat, dan preset berbasis riset. Mulailah dengan dokumentasi kami di sini.