Daftar Isi
Tim yang menggunakan AI dalam upaya penjangkauan mendapatkan respons yang lebih baik karena AI dapat membantu menyaring prospek, menemukan sudut pandang penjangkauan, dan menulis pesan dengan lebih cepat. Itulah sebabnya ChatGPT begitu banyak mendapat perhatian dalam bidang perolehan prospek berbasis AI. Namun, setelah mengujinya untuk pekerjaan generasi prospek yang sesungguhnya, saya menemukan bagian yang sering diabaikan oleh kebanyakan panduan. ChatGPT dapat menilai, mengelompokkan, dan menyusun pesan berdasarkan data prospek. Namun, ChatGPT tidak dapat mengisi dirinya sendiri dengan prospek baru yang terverifikasi. Ketika saya memintanya untuk bekerja dari prompt kosong, responsnya terdengar percaya diri tetapi menjadi tidak dapat diandalkan. Ketika saya memberinya data bisnis yang sebenarnya, barulah ChatGPT menjadi berguna.
Itulah bagian yang selama ini hilang.
Data terbaru.
Uji Coba Sebenarnya: ChatGPT Plus Outscraper untuk Prospek Lokal
Saya tidak ingin menguji ChatGPT hanya dengan satu perintah sederhana dan berpura-pura bahwa itu adalah strategi untuk mendapatkan prospek.
Saya ingin melihat di mana hal itu benar-benar membantu dan di mana hal itu diam-diam menimbulkan masalah.
Jadi, saya menguji ChatGPT dengan dua cara.
Pertama, saya memintanya untuk bekerja berdasarkan prompt kosong.
Kedua, saya menghubungkan Outscraper dan memberikan data bisnis lokal terbaru kepada ChatGPT untuk diolah.
Perbedaannya sangat jelas.
Padahal ChatGPT tidak memiliki data apa pun, ia justru memberi saya saran yang sangat baik.
Ketika ChatGPT memiliki catatan bisnis yang terstruktur, ia mulai bertindak sebagai asisten yang berguna dalam proses penyaringan prospek.
Itulah pendapat yang jujur.
ChatGPT bukanlah basis data utama.
Ini adalah lapisan yang membantu Anda memahami data setelah data tersebut tersedia.
Perintah tes yang tepat
Untuk pengujian ini, saya menghubungkan Outscraper ke dalam ChatGPT dan menggunakannya untuk mengambil data bisnis lokal.
Perintah pertama itu sederhana:
@Outscraper cari 10 restoran, 11201, NY, AS
Saya memilih kategori dan lokasi tertentu karena petunjuk yang terlalu luas biasanya menghasilkan hasil yang kurang memuaskan.
Saya tidak bertanya:
“Cariin aku prospek yang bagus.”
Itu terlalu samar.
Saya memberikan tiga masukan yang jelas pada alur kerja tersebut:
- kategori bisnis: restoran
- lokasi: 11201, NY, AS
- jumlah terminal: 10
Hal itu membuat penilaian tes menjadi lebih mudah.
Hasil tes tersebut
Hasilnya ditampilkan dalam bentuk tabel data terorganisir.
Di antaranya mencakup bidang-bidang seperti:
- nama perusahaan
- jenis usaha
- peringkat
- jumlah ulasan
- nomor telepon
Hasil pencarian menampilkan daftar restoran lokal di sekitar 11201, Brooklyn, NY.
Yang mengejutkan saya
Bagian yang bermanfaat bukan hanya daftarnya saja.
Bagian yang bermanfaat adalah apa yang bisa dilakukan ChatGPT setelah daftar tersebut ada.
Setelah saya memasukkan data bisnis yang sebenarnya ke dalamnya, sistem tersebut membantu membandingkan data tersebut, menjelaskan indikator-indikatornya, dan menyusun strategi pendekatan.
Sebuah restoran dengan 2.520 ulasan memberikan kesan yang berbeda dibandingkan restoran dengan 127 ulasan.
Sebuah restoran dengan peringkat 3,9 dan 907 ulasan seharusnya dievaluasi secara berbeda dibandingkan dengan restoran yang memiliki peringkat 4,8 dan 191 ulasan.
Itu tidak berarti satu bisnis otomatis menjadi prospek.
Artinya, ChatGPT dapat membantu mengidentifikasi catatan mana yang perlu ditinjau oleh manusia terlebih dahulu.
Di situlah ChatGPT bekerja paling baik.
Hal itu tidak menggantikan data terbaru mengenai timah.
Hal itu membantu menganalisis data prospek terbaru.
Pertanyaan Lanjutan yang Membuat Data Tersebut Berguna
Perintah pertama berhasil mengambil data tersebut.
Perintah kedua mengubah catatan-catatan tersebut menjadi alur kerja kualifikasi.
Ini adalah perintah yang akan saya gunakan setelah mendapatkan tabel Outscraper:
Tinjau prospek restoran ini dari 11201, Brooklyn, NY. Beri penilaian pada setiap bisnis sebagai prospek lokal potensial dengan hanya menggunakan data yang disediakan.
Periksa:
- jenis usaha
- peringkat
- jumlah ulasan
- ketersediaan ponsel
- indikator potensial terkait pengalaman pelanggan
- apakah bisnis tersebut memerlukan peninjauan oleh manusia
Kembali:
- nama perusahaan
- skor prospek dari 1 hingga 10
- sinyal terkuat yang terlihat
- mengapa hal ini penting
- sudut pandang yang bisa digunakan untuk kegiatan penjangkauan
- catatan tinjauan manusia
Aturan:
- Jangan mengada-ada fakta yang tidak ada.
- Jangan bilang kalau restoran itu butuh bantuan.
- Jangan menulis email penjualan yang lengkap dulu.
- Cukup sarankan saja catatan mana saja yang sebaiknya ditinjau terlebih dahulu.
Prompt ini penting karena membuat ChatGPT tetap berpijak pada kenyataan.
Dilarang mengada-ada mengenai pendapatan, jumlah anggota tim, kepemilikan, atau masalah tersembunyi.
Hal ini hanya dapat dilakukan berdasarkan data yang disediakan.
Begitulah cara saya akan menggunakan ChatGPT untuk menghasilkan prospek melalui kecerdasan buatan.
Bukan sebagai alat pembuat daftar ajaib.
Sebagai lapisan penilaian dan penalaran.
ChatGPT bekerja lebih baik jika memiliki data bisnis nyata untuk dianalisis. Gunakan Outscraper untuk mengumpulkan nama bisnis, kategori, situs web, nomor telepon, peringkat, ulasan, dan lokasi terlebih dahulu. Kemudian, gunakan ChatGPT untuk menilai data tersebut dan menyusun pendekatan komunikasi yang akan ditinjau oleh manusia. kode diperlukan
ChatGPT Sangat Mahir dalam Kualifikasi Prospek
Keunggulan utama ChatGPT terletak pada proses penyaringan prospek.
Belum memenuhi syarat akhir.
Kualifikasi tahap pertama.
Jika saya memberikan data yang terstruktur, sistem ini dapat mengelompokkannya ke dalam kategori tinjauan:
- pas sempurna
- pilihan yang cocok
- kesesuaian yang lemah
- data penting yang hilang
- perlu ditinjau secara manual
Hal itu sangat membantu karena daftar prospek mentah biasanya berantakan.
Sebuah lembar kerja dapat menampilkan nama, peringkat, dan nomor telepon.
ChatGPT dapat menjelaskan catatan mana yang tampak lebih relevan dengan penawaran tertentu.
Misalnya, jika layanannya adalah manajemen reputasi, jumlah ulasan dan peringkat menjadi lebih penting.
Jika penawarannya adalah desain web, ketersediaan situs web menjadi lebih penting.
Jika penawaran tersebut berupa tindak lanjut melalui panggilan tak terjawab, visibilitas nomor telepon dan kategori berbasis janji temu menjadi lebih penting.
Data yang sama dapat digunakan untuk mendukung berbagai kampanye.
Logika perhitungan skor berubah tergantung pada penawaran yang diberikan.
Di situlah ChatGPT bisa membantu.
Hal itu tidak menggantikan data tersebut.
Hal ini membantu dalam menafsirkan data.
ChatGPT Berguna untuk Strategi Pemasaran
ChatGPT mampu menyusun draf pesan pemasaran yang lebih baik daripada kebanyakan templat email dingin umum.
Namun, hal itu hanya berlaku jika inputnya spesifik.
Contoh prompt yang kurang baik adalah:
“Tulis email tanpa perkenalan terlebih dahulu untuk restoran ini.”
Hal itu biasanya menghasilkan alamat email umum.
Prompt yang lebih kuat adalah:
“Tuliskan kalimat pendek yang menarik untuk sebuah restoran yang memiliki banyak ulasan, nomor telepon yang tertera, dan peringkat di bawah 4,0. Gunakan hanya data yang terlihat. Jangan menyiratkan bahwa restoran tersebut membutuhkan bantuan. Batasi jumlah kata hingga 80 kata dan tandai agar ditinjau oleh tim manusia.”
Itu jauh lebih baik.
Pesan tersebut didasarkan pada sinyal-sinyal yang terlihat.
Hal ini tidak bermaksud untuk mengetahui masalah-masalah bisnis yang bersifat pribadi.
Hal itu tidak menciptakan rasa urgensi.
Buku ini tidak mengklaim sebagai hasil penelitian mendalam.
Itulah perbedaan antara upaya penyebaran informasi AI yang bermanfaat dan personalisasi palsu.
ChatGPT mengubah data prospek menjadi teks.
Sistem tersebut tidak boleh membuat data utama secara sembarangan.
Di Mana ChatGPT Diam-diam Gagal
Inilah bagian yang paling sering disembunyikan dalam saran-saran mengenai perolehan prospek berbasis AI.
ChatGPT tidak akan berfungsi dengan baik jika Anda memperlakukannya seperti basis data prospek yang terverifikasi dan aktif.
Jika Anda mengetik:
“Temukan 50 prospek potensial di bidang fintech untuk saya.”
Hal ini mungkin akan memberikan jawaban yang terlihat rapi.
Hasilnya mungkin akan ditata dalam bentuk tabel.
Mungkin kedengarannya penuh keyakinan.
Namun, hal itu tidak berarti bahwa perusahaan-perusahaan tersebut masih beroperasi, dapat dihubungi, aktif, atau telah diverifikasi.
Di sinilah risiko mulai muncul.
ChatGPT bisa menebak detail perusahaan.
Hal itu bisa mencampuradukkan informasi lama dengan asumsi.
Sistem ini dapat menghasilkan deskripsi yang terdengar nyata, namun belum diverifikasi.
Hal ini dapat menghasilkan daftar prospek tanpa jalur kontak yang terverifikasi.
Sistem ini bisa saja tidak mendeteksi apakah sebuah bisnis telah tutup, pindah lokasi, berganti nama, atau tidak lagi relevan.
Itu bukanlah strategi perolehan prospek berbasis AI.
Itu adalah asisten penulisan yang mengisi kesenjangan data.
Biaya Sebenarnya Jika Meminta ChatGPT untuk Beroperasi Tanpa Data Terbaru
Banyak orang menyalahkan prompt-nya ketika ChatGPT menghasilkan output yang kurang memuaskan dalam hal generasi prospek.
Terkadang, prompt-lah yang menjadi masalahnya.
Namun, dalam pengujian yang saya lakukan, masalah utamanya justru terletak pada data.
Jika ChatGPT tidak memiliki data terbaru, maka tidak ada informasi yang dapat diandalkan yang dapat dijadikan acuan.
Prompt yang lebih baik dapat memperbaiki struktur.
Sistem ini tidak bisa secara ajaib menghasilkan nomor telepon terverifikasi, situs web, peringkat, kategori, jumlah ulasan, dan status bisnis.
Itulah sebabnya gagasan tentang “prompt yang sempurna” tidak berlaku.
Orang-orang meminta ChatGPT untuk menangani seluruh alur kerja:
1. Cari calon pelanggan
2. Periksa kabel-kabelnya
3. Beri skor pada prospek
4. Tulis materi sosialisasi
5. Persiapkan tindak lanjut
Namun, ChatGPT paling unggul di bagian tengah alur kerja.
Data utama harus tersedia terlebih dahulu.
Tanpa data terbaru, dampaknya akan segera terlihat.
Tim penjualan menghabiskan waktu untuk membersihkan data yang tidak akurat.
Mereka memeriksa apakah bisnis tersebut benar-benar ada.
Mereka memeriksa apakah nomor telepon tersebut aktif.
Mereka memeriksa apakah situs web tersebut asli.
Mereka memeriksa apakah kategori tersebut sesuai dengan penawaran.
Personalisasi pun menjadi palsu.
Sebuah pesan bisa terdengar spesifik, tetapi tetap saja salah.
Hal itu lebih buruk daripada pesan umum karena menunjukkan kepada calon pelanggan bahwa Anda sebenarnya tidak memeriksa fakta-faktanya.
Akibatnya, tim menjadi kehilangan kepercayaan terhadap otomatisasi.
Satu daftar yang buruk yang dihasilkan oleh AI saja sudah bisa membuat orang-orang berhenti menggunakan alur kerja tersebut sama sekali.
Akhirnya, proyek pipa itu tak kunjung terwujud.
Demo-nya memang terlihat mengesankan, tetapi kampanye tersebut tidak menghasilkan peluang yang dapat diandalkan.
Itulah mengapa data terbaru sangat penting.
AI tidak dapat memperbaiki data masukan yang buruk.
Hal itu justru memperkuatnya.
Solusi Sebenarnya: ChatGPT Plus Outscraper
Solusinya bukanlah dengan berhenti menggunakan ChatGPT.
Solusinya adalah berhenti meminta ChatGPT untuk menjadi sumber data.
Di situlah Outscraper berperan. Hal itu Pengikis Google Maps memberikan catatan bisnis yang terstruktur kepada ChatGPT untuk dinilai, alih-alih memaksanya menebak berdasarkan prompt kosong.
Outscraper menyediakan data bisnis terbaru untuk alur kerja.
ChatGPT menyediakan penilaian alur kerja, pengelompokan, dan penalaran dalam upaya menjangkau.
Itu adalah pekerjaan yang berbeda.
Dalam pengujian yang saya lakukan, Outscraper berhasil mengambil data restoran dari Google Maps.
ChatGPT membuat catatan-catatan tersebut lebih mudah untuk ditinjau.
Alur kerjanya menjadi:
Outscraper mengambil data bisnis lokal.
ChatGPT menilai sinyal-sinyal petunjuk yang terlihat.
Catatan-catatan terbaik diperiksa oleh seorang manusia.
Baru setelah itu materi sosialisasi disusun.
Itu adalah alur kerja generasi prospek berbasis AI yang lengkap karena setiap lapisan memiliki tugas yang jelas.
Data dulu.
Penalaran AI di urutan kedua.
Peninjauan oleh manusia yang ketiga.
Gunakan Outscraper untuk mengumpulkan data bisnis terbaru terlebih dahulu. Kemudian, biarkan ChatGPT menilai prospek, mengelompokkan catatan yang paling menjanjikan, dan menyusun pendekatan pemasaran berdasarkan data nyata.
Alur Kerja yang Akan Saya Gunakan Setelah Uji Coba
Setelah uji coba di restoran pertama, saya tidak akan langsung menghubungi kesepuluh usaha tersebut.
Bukan seperti itulah cara saya memanfaatkan AI untuk mendapatkan prospek.
Alur kerja yang lebih baik adalah menggunakan Outscraper untuk mengambil data bisnis, menggunakan ChatGPT untuk menilai sinyal-sinyal yang terlihat, dan kemudian meninjau catatan-catatan yang paling kuat sebelum menyusun pesan pendekatan.
Langkah 1: Pilih satu ICP
Jangan memulai dengan pasar yang terlalu luas.
Mulailah dengan satu segmen pasar dan satu lokasi.
Contoh:
- restoran di Brooklyn
- klinik gigi di Austin
- spa medis di Miami
- perusahaan pemasangan atap di Phoenix
- pusat kebugaran di Dallas
- akuntan di Denver
- firma hukum di Chicago
The narrower the first test, the easier it is to judge the output.
Step 2: Pull fresh business data
Use Outscraper to collect structured business records.
For a local lead generation workflow, useful fields include:
- nama perusahaan
- kategori
- situs web
- nomor telepon
- peringkat
- jumlah ulasan
- alamat
- kota
- business status
- Google Maps URL
These are the fields ChatGPT needs before it can score anything properly.
This is the part that turns a simple prompt into a local lead generation workflow because the records now have fields ChatGPT can score.
Step 3: Review the raw list
Before asking ChatGPT to write outreach, review the raw data.
Periksa:
- Are the businesses in the correct niche?
- Are they in the right location?
- Do they have phone numbers?
- Do they have websites?
- Are they active?
- Do ratings and review counts show enough signal?
- Are there duplicates?
This prevents bad data from becoming bad outreach.
Step 4: Ask ChatGPT to score the leads
Use this prompt:
Review these local business records for AI lead generation. Score each business using only the data provided.
Periksa:
- category fit
- website availability
- ketersediaan ponsel
- peringkat
- jumlah ulasan
- business status
- visible outreach angle
Kembali:
- nama perusahaan
- lead score
- strongest signal
- weakest signal
- mengapa hal ini penting
- sudut pandang yang bisa digunakan untuk kegiatan penjangkauan
- catatan tinjauan manusia
Aturan:
- Jangan mengada-ada fakta yang tidak ada.
- Do not claim the business needs help.
- Do not write a full email yet.
- Only identify records worth reviewing first.
This keeps ChatGPT grounded in the data.
Step 5: Draft outreach only for reviewed leads
After scoring, pick the strongest records.
Then ask ChatGPT for outreach angles.
Use this prompt:
Write a short outreach draft for this reviewed lead. Use only the visible signals provided. Keep it under 90 words. Do not invent facts. Do not claim deep research. End with a soft question. Mark the draft as needing human review before sending.
That prompt prevents the message from becoming too aggressive or fake-personalized.
Step 6: Human review before sending
This part is not optional.
A human should check:
- Is the business still active?
- Does the offer match the business category?
- Is the contact path valid?
- Is the message based only on visible data?
- Does the outreach sound helpful?
- Is the reason for contacting them clear?
ChatGPT can prepare the work.
A person should approve the outreach.
How I would turn the restaurant test into a campaign
The first test returned restaurant records in 11201.
If I were turning that into a campaign, I would group them before writing any message.
Possible review buckets:
- high review volume restaurants
- restaurants below 4.2 rating
- restaurants with visible phone numbers
- restaurants with strong category fit
- restaurants that need website review
- restaurants worth manual check
Then I would choose the offer.
If the offer is reputation management, I would review businesses with high review volume and lower ratings.
If the offer is website improvement, I would check which restaurants have missing or weak websites.
If the offer is missed-call follow-up, I would prioritize businesses with phone numbers and enough customer activity.
If the offer is local SEO, I would review category fit, review count, rating, and profile completeness.
That is how one lead list becomes useful for different campaigns.
The data stays the same.
Logika perhitungan skor berubah tergantung pada penawaran yang diberikan.
Where Outscraper Fits and Where ChatGPT Should Stop
Outscraper is the data layer.
ChatGPT is the reasoning layer.
Those roles should stay separate.
Use the Pengikis Google Maps when you want to collect local business records with names, categories, websites, phone numbers, ratings, reviews, and locations.
Menggunakan local lead generation when the goal is to turn those records into a prospecting workflow.
Menggunakan extract contacts from Google Maps when you need more complete contact paths before outreach.
Use the Google Maps API when you want to connect the workflow into a CRM, dashboard, backend process, or repeatable lead scoring system.
The workflow is simple:
- Fresh lead data first.
- ChatGPT scoring second.
- Peninjauan oleh manusia yang ketiga.
- Outreach last.
That is the version of AI lead generation I trust.
Where ChatGPT should stop
I would not use ChatGPT to invent lead lists.
I would not trust it to verify company facts without data.
I would not let it send outreach automatically.
I would not let it write messages based on guessed revenue, guessed headcount, or guessed pain points.
I would not use it as a replacement for fresh prospect data.
That is where most AI lead generation advice becomes risky.
ChatGPT is good at reasoning from information.
It is not a substitute for verified inputs.
Pertanyaan yang Sering Diajukan
Pertanyaan dan jawaban paling sering
ChatGPT dapat membantu menyaring prospek jika Anda memberikan data bisnis yang terstruktur kepadanya. ChatGPT dapat memberikan skor pada catatan, mengelompokkan prospek, dan menjelaskan sinyal-sinyal yang terlihat. Namun, penyaringan akhir tetap harus ditinjau oleh manusia.
Tidak dapat diandalkan. ChatGPT memang dapat menyarankan kriteria prospek dan pendekatan pemasaran, tetapi tidak boleh dianggap sebagai basis data prospek yang terverifikasi dan selalu diperbarui. ChatGPT memerlukan data bisnis terbaru agar dapat mendukung alur kerja generasi prospek berbasis AI yang serius.
Fitur ini paling efektif digunakan untuk kolom-kolom seperti nama bisnis, kategori, situs web, nomor telepon, peringkat, jumlah ulasan, lokasi, status bisnis, dan penawaran yang dijual.
Sistem ini tidak dapat memverifikasi setiap informasi perusahaan secara akurat, mengelola daftar prospek yang besar selama seluruh masa kampanye, memperoleh kontak terbaru tanpa alat yang terintegrasi, atau menyetujui upaya penjangkauan tanpa peninjauan oleh manusia.
Pick one niche, choose one location, collect fresh business data with Outscraper, and use ChatGPT to score the leads before writing outreach.
