Apollos användare bokar 46 % fler möten med Perplexitys API

Problemet

Automatiserad research om potentiella kunder för en växande användarbas av säljare

Som en central differentierande faktor i sin plattform erbjuder Apollo en sökbar B2B-databas med över 210 miljoner kontakter och över 35 miljoner företag för sin användarbas av säljare och GTM-team. För att bättre kunna anpassa kontakten med olika leads fick säljarna dock ständigt gräva efter ytterligare sammanhang, bland annat företagsnyheter, ledningens prioriteringar och skiftande marknadstrender. Bara för att hitta rätt leads att kontakta och skriva relevanta mejl hoppade säljarna mellan LinkedIn-profiler, företagswebbplatser, pressmeddelanden och generiska sökresultat – ett fragmenterat, långsamt och icke skalbart arbetsflöde för utgående försäljning.

Tyler Phillips, chef för produktledning på Apollo, såg denna lucka och föreslog att djupgående forskning med AI skulle byggas in direkt i plattformen – vilket skulle eliminera kontextbyten och samtidigt möjliggöra skalbara arbetsflöden för utgående försäljning. Som han uttrycker det: ”Du ska kunna ta 1 000 konton, köra research på alla och se vilka som visar signaler på att de passar för din produkt.” För att förverkliga sin vision sökte Tyler externt – med fokus på snabb lansering och utan att belasta Apollos AI-team i onödan. Det han behövde var en integrationsklar lösning som var:

• Korrekt: Inom B2B-försäljning, där varje kundkontakt bygger på gedigen research, finns det inget utrymme för felaktig eller inaktuell information. Efter att ha testat flera lösningar med konkurrerande frontier-modeller som gav vaga eller overifierade påståenden visste Tyler att han behövde en AI-partner som kunde leverera källbelagda insikter på begäran.
• Högpresterande: För tidspressade säljare räknas varje sekund när de arbetar sig igenom en lång lista med leads. Om researchen drar ut på tiden tappar säljarna rytmen och går vidare. Tyler behövde en lösning som kändes omedelbar – tillräckligt snabb för att ge arbetsflödena för utgående försäljning en rejäl skjuts och tillräckligt responsiv för att stödja beslutsfattande i realtid.
• Skalbar: Apollos plattform stöder ett helt ekosystem av säljare och behandlar miljontals poster varje månad. Tylers idealiska lösning måste klara den skalan utan att tvinga fram kompromisser mellan kostnad och kvalitet. En researchlösning som gav vika under belastning – eller blev orimligt dyr när användningen ökade – var inte aktuell.

Lösningen

Säljare får källhänvisade insikter i realtid i en enda samlad plattform

Perplexitys API visade sig vara precis vad Tyler behövde för att möjliggöra djupgående forskning med AI i Apollos plattform, utan att binda sig till en tids- och resurskrävande egenutveckling. Apollo-teamet använde Perplexitys API för att driva det som blev Apollo AI Research – ett researchlager som hämtar insikter från både Apollos interna datakällor och externa källor på hela den öppna webben.

Med Apollo AI Research går säljarna nu från identifiering av leads till personlig kundkontakt i ett enda flöde – inga kontextbyten, inga missade signaler. ”Research har snabbt blivit vårt viktigaste användningsfall”, säger Tyler. ”Det var avgörande att ha resultat av hög kvalitet – och Perplexity hjälper oss att upprätthålla den standarden.”

Snabbare kundkontakt med verifierbar research

Säljare arbetar snabbt – och det gör Apollo AI Research också. Genom att leverera omfattande och källhänvisade insikter från interna och externa källor på några sekunder gör det Perplexity-drivna researchlagret det möjligt för säljarna att snabba upp sina arbetsflöden för utgående försäljning med full tillförsikt. Med Tylers ord: ”Perplexitys API har varit avgörande för att hjälpa våra användare att ta fram information som inte finns i Apollos interna datamängder, som en nyligen publicerad 10-K-rapport eller kommentarer som en vd gjort i en podcast.”

Bättre precision genom samarbete kring kantfall

Ett nära samarbete med Perplexity säkerställer att svarens precision förblir hög – även när frågorna blir mer komplexa. När säljare stöter på kantfall flaggar Apollo dem i realtid och arbetar sedan direkt med Perplexity via Slack för att förfina systemet. ”Teamet tar vår feedback på största allvar”, säger Tyler. ”Det leder till att säljarna får mer tillförlitliga svar på nyanserade frågor, vilket ökar förtroendet för systemet och minskar tiden de lägger på att ifrågasätta resultaten.”

Skalbar intern effektivitet som sparar tid

Effekten stannar inte vid Apollos användare. För att säkerställa att Apollos databaser förblir en kraftfull källa för att identifiera leads utan att uttömma de interna resurserna hanterar Perplexity nu mer än 65 % av berikningarna i AI Research. Med miljontals berikningar som bearbetas varje månad och noll prestandaförsämring skalar systemet tillförlitligt, utan att bli långsammare eller driva upp kostnaderna.

Resultatet

Apollo AI Research hjälper säljare att ta vara på varje möjlighet

Med Apollo AI Research som levererar källbelagda insikter på begäran arbetar säljarna snabbare, gräver djupare och agerar på fler kvalificerade affärsmöjligheter. I stället för att manuellt sammanställa insikter för tusentals leads kan Apollos användare nu köra komplexa frågor och ta fram relevanta resultat för alla affärsmöjligheter på några sekunder.

Bara några månader efter integrationen har Apollo AI Research redan lett till 46 % fler bokade möten bland användarna. På driftsidan genomför Apollo 5,6 miljoner berikningar varje månad via Perplexity Sonar – vilket säkerställer att plattformens omfattande databas med B2B-kontakter förblir en kraftfull källa för att identifiera leads.

”Det finns mycket skepsis kring AI inom försäljning just nu – folk antar att det bara kommer att spotta ur sig spam”, säger Tyler. ”Men med Perplexity som driver Apollos research har vi visat att AI faktiskt kan höja ribban. Våra användare skapar kundkontakt som är personlig, hjälpsam och pålitlig – och det är precis den typen av upplevelse vi vill leverera i stor skala.”

Sonar Chat Completions heter nu Agent API och har fler modeller, verktyg och forskningsbaserade förinställningar. Kom igång med vår dokumentation här.