Apollo वापरकर्ते Perplexity च्या API सह 46% अधिक मीटिंग्स बुक करतात

समस्या

विक्री प्रतिनिधींच्या वाढत्या वापरकर्ता वर्गाला पाठबळ देण्यासाठी स्वयंचलित संभाव्य ग्राहक संशोधनाची अंमलबजावणी

आपल्या प्लॅटफॉर्मचे प्रमुख वेगळेपण म्हणून, Apollo आपल्या विक्री प्रतिनिधी आणि GTM टीम्सच्या वापरकर्ता वर्गासाठी 210+ दशलक्ष संपर्क आणि 35+ दशलक्ष कंपन्यांचा शोधण्यायोग्य B2B डेटाबेस पुरवते. मात्र, लीड्सशी साधला जाणारा संपर्क अधिक वैयक्तिक करण्यासाठी प्रतिनिधींना कंपनीतील अपडेट्स, अधिकाऱ्यांचे प्राधान्यक्रम आणि बदलते बाजारकल यांसारखा अतिरिक्त संदर्भ सतत शोधावा लागत असे. संपर्क साधण्यासाठी योग्य लीड्स शोधणे आणि समर्पक ईमेल्स लिहिणे एवढ्यासाठीच विक्री प्रतिनिधी LinkedIn प्रोफाइल्स, कंपनी वेबसाइट्स, प्रेस रिलीज आणि सर्वसाधारण शोध निकाल यांच्यात सतत ये-जा करत होते — हा एक विखुरलेला, संथ आणि मोठ्या प्रमाणावर विस्तारता न येणारा आउटबाउंड वर्कफ्लो होता.

Apollo चे प्रॉडक्ट मॅनेजमेंट संचालक Tyler Phillips यांनी ही उणीव ओळखली आणि AI सखोल संशोधन थेट प्लॅटफॉर्ममध्ये आणण्याचा प्रस्ताव मांडला — ज्यामुळे वेगवेगळ्या साधनांमध्ये ये-जा करण्याची गरज संपेल आणि विस्तारक्षम आउटबाउंड वर्कफ्लो शक्य होतील. त्यांच्याच शब्दांत, “तुम्ही 1,000 खाती घेऊन त्या सर्वांवर संशोधन चालवू शकायला हवे आणि त्यापैकी कोणती खाती तुमच्या उत्पादनासाठी योग्य असल्याचे संकेत देत आहेत ते पाहू शकायला हवे.” आपली ही संकल्पना प्रत्यक्षात आणण्यासाठी Tyler यांनी बाहेरील उपायांचा शोध घेतला — बाजारात लवकर पोहोचण्याला प्राधान्य देत आणि Apollo च्या AI टीमवर अनावश्यक भार टाकणे टाळत. त्यांना थेट एकत्रित करता येईल असा उपाय हवा होता, जो:

• अचूक: B2B विक्रीमध्ये, जिथे प्रत्येक संपर्क उच्च दर्जाच्या संशोधनावर अवलंबून असतो, तिथे चुकीच्या किंवा कालबाह्य माहितीला जागा नसते. अस्पष्ट किंवा पडताळणी न केलेले दावे पुढे आणणाऱ्या प्रतिस्पर्धी फ्रंटियर मॉडेल्सवर आधारित अनेक उपायांची चाचणी केल्यानंतर, मागणीनुसार स्रोत-आधारित अंतर्दृष्टी देऊ शकणारा AI भागीदार आपल्याला हवा आहे, हे Tyler यांना कळून चुकले.
• कार्यक्षम: वेळेची कमतरता असलेल्या विक्री प्रतिनिधींसाठी, लीड्सच्या मोठ्या यादीवर काम करताना प्रत्येक सेकंद महत्त्वाचा असतो. संशोधनाला उशीर झाला, तर विक्री प्रतिनिधींची लय बिघडते आणि ते पुढे निघून जातात. Tyler यांना तात्काळ प्रतिसाद देणारा उपाय हवा होता — आउटबाउंड वर्कफ्लोला प्रचंड गती देण्याइतका जलद आणि रिअल-टाइम निर्णय घेण्यास मदत करण्याइतका प्रतिसादक्षम.
• विस्तारक्षम: Apollo चा प्लॅटफॉर्म विक्री प्रतिनिधींच्या संपूर्ण इकोसिस्टमला पाठबळ देतो आणि दर महिन्याला लाखो रेकॉर्ड्सवर प्रक्रिया करतो. Tyler यांच्या आदर्श उपायाला खर्च आणि गुणवत्ता यांच्यात तडजोड न करता इतक्या मोठ्या प्रमाणाला पाठबळ द्यावे लागणार होते. भाराखाली कोलमडणारा — किंवा वापर वाढल्यावर अवाजवी महाग होणारा — संशोधन उपाय विचारातही घेतला जाणार नव्हता.

उपाय

एकाच एकत्रित प्लॅटफॉर्ममध्ये संदर्भयुक्त, रिअल-टाइम अंतर्दृष्टी देऊन विक्री प्रतिनिधींना सक्षम करणे

वेळ आणि संसाधने खर्ची घालणारी इन-हाऊस प्रणाली न उभारता, Apollo च्या प्लॅटफॉर्ममध्ये AI सखोल संशोधन सक्षम करण्यासाठी Tyler यांना जे हवे होते, ते नेमके Perplexity चे API ठरले. Apollo टीमने Perplexity च्या API चा वापर करून जी प्रणाली उभारली, तीच पुढे Apollo AI Research बनली — हा एक संशोधन स्तर आहे, जो Apollo चे अंतर्गत डेटा स्रोत आणि सार्वजनिक वेबवरील बाह्य स्रोत अशा दोन्हींमधून अंतर्दृष्टी मिळवतो.

Apollo AI Research मुळे विक्री प्रतिनिधी आता लीड ओळखण्यापासून वैयक्तिकृत संपर्कापर्यंत एकाच प्रवाहात पोहोचतात — साधनांमध्ये ये-जा नाही, कोणतेही संकेत चुकत नाहीत. “संशोधन हा झपाट्याने आमचा सर्वात महत्त्वाचा उपयोग बनला आहे,” Tyler म्हणतात. “उच्च दर्जाचे आउटपुट मिळणे अत्यंत आवश्यक होते — आणि Perplexity आम्हाला तो दर्जा टिकवून ठेवण्यास मदत करते.”

पडताळणीयोग्य संशोधनासह संपर्काला गती

विक्री प्रतिनिधी वेगाने काम करतात — आणि Apollo AI Research देखील. अंतर्गत आणि बाह्य स्रोतांमधून मिळवलेली सर्वसमावेशक आणि संदर्भयुक्त अंतर्दृष्टी काही सेकंदांत देऊन, Perplexity-संचालित हा संशोधन स्तर विक्री प्रतिनिधींना आत्मविश्वासाने त्यांच्या आउटबाउंड वर्कफ्लोला गती देण्यास सक्षम करतो. Tyler यांच्या शब्दांत, “Apollo च्या अंतर्गत डेटासेट्समध्ये उपलब्ध नसलेली माहिती — जसे की नुकताच प्रसिद्ध झालेला 10-K किंवा एखाद्या CEO ने पॉडकास्टमध्ये केलेली टिप्पणी — आमच्या वापरकर्त्यांसमोर आणण्यात Perplexity च्या API ची महत्त्वपूर्ण भूमिका राहिली आहे.”

अपवादात्मक प्रकरणांवरील सहकार्यातून अचूकतेत सुधारणा

Perplexity सोबतच्या घनिष्ठ सहकार्यामुळे प्रश्न अधिक गुंतागुंतीचे होत गेले तरीही उत्तरांची अचूकता उत्तम राहते. विक्री प्रतिनिधींना अपवादात्मक प्रकरणे आढळल्यास, Apollo ती रिअल-टाइममध्ये नोंदवते आणि नंतर प्रणाली सुधारण्यासाठी Slack द्वारे थेट Perplexity सोबत काम करते. “टीम आमचा अभिप्राय गांभीर्याने घेते,” Tyler म्हणतात. “परिणामी, विक्री प्रतिनिधींना बारकाव्यांनी भरलेल्या प्रश्नांवर अधिक विश्वासार्ह उत्तरे मिळतात, प्रणालीवरील विश्वास वाढतो आणि आउटपुटबद्दल शंका घेण्यात जाणारा वेळ कमी होतो.”

वेळ वाचवत अंतर्गत कार्यक्षमता वाढवणे

हा प्रभाव केवळ Apollo च्या वापरकर्त्यांपुरता मर्यादित नाही. अंतर्गत क्षमतेवर ताण न आणता Apollo चे डेटाबेस लीड ओळखण्याचा प्रभावी स्रोत राहावेत यासाठी, Perplexity आता AI Research च्या 65% पेक्षा अधिक डेटा समृद्धीकरणांना पाठबळ देते. दर महिन्याला लाखो डेटा समृद्धीकरणांवर प्रक्रिया होत असूनही कार्यक्षमतेत कोणतीही घट होत नाही; ही प्रणाली मंदावता किंवा खर्च न वाढवता विश्वासार्हपणे विस्तारते.

परिणाम

Apollo AI Research विक्री प्रतिनिधींना प्रत्येक संधीचा पुरेपूर फायदा घेण्यास मदत करते

Apollo AI Research मागणीनुसार स्रोत-आधारित अंतर्दृष्टी देत असल्याने, विक्री प्रतिनिधी अधिक वेगाने काम करतात, अधिक खोलवर शोध घेतात आणि अधिक पात्र संधींवर कृती करतात. हजारो लीड्समधील अंतर्दृष्टी हाताने संकलित करण्याऐवजी, Apollo वापरकर्ते आता गुंतागुंतीचे प्रश्न चालवतात आणि सर्व संधींमधील समर्पक निष्कर्ष काही सेकंदांत समोर आणतात.

इंटिग्रेशननंतर अवघ्या काही महिन्यांतच, Apollo AI Research मुळे वापरकर्त्यांच्या बुक झालेल्या मीटिंग्समध्ये 46% वाढ झाली आहे. ऑपरेशन्सच्या बाजूने, Apollo दर महिन्याला Perplexity Sonar द्वारे 5.6 दशलक्ष डेटा समृद्धीकरणे करते — ज्यामुळे प्लॅटफॉर्मचा B2B संपर्कांचा विशाल डेटाबेस लीड ओळखण्याचा प्रभावी स्रोत राहतो.

“सध्या विक्रीमधील AI बद्दल बरीच साशंकता आहे — लोकांना वाटते की ते फक्त स्पॅम तयार करत राहील,” Tyler म्हणतात. “पण Apollo च्या संशोधनाला Perplexity ची शक्ती मिळाल्यामुळे, AI खरोखरच दर्जा उंचावू शकते हे आम्ही दाखवून दिले आहे. आमचे वापरकर्ते वैयक्तिकृत, उपयुक्त आणि विश्वासार्ह संपर्क साधत आहेत — आणि मोठ्या प्रमाणावर आम्हाला नेमका असाच अनुभव द्यायचा आहे.”

Sonar Chat Completions आता अधिक मॉडेल्स, टूल्स आणि संशोधन-आधारित प्रीसेट्ससह Agent API बनले आहे. येथे आमच्या डॉक्सच्या मदतीने सुरुवात करा.