Transcript 0:03 Ótimo. É sábado, 7 de junho. Estou aqui 0:06 com meu amigo Julian Gadea. Muito 0:08 animado, porque Julian, tentamos 0:10 agendar esta conversa por 0:12 algum tempo. Julian Gadea é o 0:14 CEO de uma empresa chamada 0:17 SalesMind AI. Ele tem uma trajetória incrível. É 0:19 francês, mas estudou e trabalhou na China e 0:22 agora está construindo seu negócio 0:26 de rápido crescimento na Tailândia. Então, bem-vindo, 0:29 Julian. A Work Optional Mastermind se dedica a 0:32 aprender e 0:34 entrevistar pessoas como você, que estão 0:36 desenvolvendo aplicativos de IA que vão 0:39 transformar o futuro do trabalho. 0:41 Então, hoje, se estiver tudo bem para você, 0:44 adoraria saber mais sobre sua incrível 0:45 trajetória. Gostaria de ouvir suas ideias 0:48 sobre como você vê a **IA para vendas no LinkedIn** e a **inteligência artificial** transformando 0:51 os negócios e o trabalho, para onde as 0:53 tendências estão indo. E, claro, 0:56 gostaria que nos contasse o que a 0:59 SalesMind AI está fazendo. Sei que vocês estão 1:00 conquistando uma tração incrível. Meu entendimento é que 1:02 seu software de **automação de prospecção no LinkedIn** já enviou cerca de 3 1:05 milhões de mensagens no LinkedIn e sua 1:07 taxa de resposta para seus clientes é mais 1:09 que o dobro da tradicional média de 20%, pelo que 1:11 estou sabendo. Então, adoraria saber mais 1:12 sobre isso. O que acha? 1:15 Cobriremos esses três tópicos. 1:17 Parece ótimo. Muito animado para 1:19 começar. 1:21 Certo. Então, estamos ambos em Bangkok, mas 1:23 você é francês e estudou na China. 1:25 Conte-nos mais sobre Julian. 1:28 Sim, claro. Julian sempre quis 1:31 viajar. A universidade me ofereceu a 1:34 possibilidade de estudar na China e 1:37 eu sabia que aquele país estava crescendo muito 1:39 rápido. Eles têm inovação acelerada 1:41 e são líderes em inovação. Então, 1:45 cursar ciência da computação como 1:48 estudo, ir para a China para estudar essa 1:50 área, foi uma escolha muito, muito 1:52 sábia, olhando para trás agora. Estudei 1:56 na China por vários anos e 1:59 minha formação na França se concentra em 2:03 ética, proteção de dados, 2:06 conformidade regulatória e 2:09 tudo mais. Você sabe, os 2:10 europeus gostam de criar leis antes de 2:12 encontrarmos casos de uso. A mistura 2:16 de ambos acabou me levando à Tailândia. Então, cheguei na Tailândia há 2:20 dois ou três anos 2:23 e foi então que 2:25 identifiquei a oportunidade que me levou 2:28 a construir a SalesMind AI, mas acho 2:30 que falaremos sobre isso mais adiante. 2:32 Onde você estudou na China e por 2:34 quantos anos? Foi um mestrado 2:36 em ciência da computação? 2:38 Sim, foi um mestrado. Fiz meu terceiro, 2:41 quarto e quinto ano na China. 2:44 Foi em Tianjin, Pequim. E 2:47 terminei meu tempo na China em 2020, 2:50 logo antes da COVID, na verdade. E eu estava 2:52 Uau. Uau. E foi em chinês ou em 2:56 inglês? 2:58 Não, foi em inglês, mas aprendi 3:01 chinês. 3:05 Ah, ok. Ok. Fantástico. Você 3:08 lançou a SalesMind AI imediatamente ou 3:10 fez outra coisa? E como você começou 3:12 a SalesMind AI? Conte-nos sobre a 3:13 SalesMind AI. Sim. 3:14 Não, não comecei a SalesMind AI logo 3:16 após meus estudos. Na verdade, trabalhei em 3:19 várias empresas antes, grandes corporações, 3:21 sempre como gerente de projetos ou produtos. 3:24 Minhas habilidades e paixão residem 3:28 nos próprios produtos. Então, venho 3:31 construindo produtos para empresas 3:34 nos últimos cinco anos, antes de fundar 3:36 a SalesMind AI. E, em algum momento, 3:39 isso me levou a identificar 3:44 uma lacuna e um problema na indústria de **software de prospecção** e vendas, 3:46 onde os vendedores ainda fazem muitas 3:49 coisas manualmente, e onde a 3:52 automação, que prometia escala, 3:56 na verdade gerava spam. Então, identificamos 3:58 que a IA seria muito mais 4:00 eficaz em algumas partes do funil de 4:03 vendas e na esfera da **geração de leads**, 4:06 basicamente, onde seria a parte mais fácil 4:09 de aproveitar a capacidade da IA. 4:12 Então, foi aí que começamos. Identificamos 4:14 um caso de uso específico onde as pessoas 4:16 precisavam responder a todas as suas 4:18 mensagens, e em algum momento adicionamos 4:20 mais funcionalidades que as pessoas 4:22 queriam, certo? Você precisa defender seu 4:24 cliente e construir o produto que 4:26 eles desejam. Então, começamos assim e 4:29 continuamos iterando e 4:31 melhorando o produto semanalmente. 4:33 E qual foi o problema exato ou 4:38 o estudo de caso que o levou a 4:40 fundar esta empresa? 4:43 Acho que o gatilho foi realmente 4:45 forte. Em certo momento, eu era 4:47 gerente de projetos para uma agência de marketing. 4:50 Enfrentei o mesmo problema repetidamente 4:52 com os clientes. Eles não conseguiam 4:55 lidar com o número de leads que 4:57 estávamos enviando. Então, em algum momento, 4:59 encontramos uma estratégia que gerava 5:01 milhares de leads por mês para eles. 5:04 Obviamente, nem todos estavam 5:06 extremamente entusiasmados, mas precisavam 5:09 avançar no funil de conversão. E 5:11 naquela época, tínhamos um cliente que era um 5:14 fabricante de equipamentos esportivos. 5:17 Conseguimos que ele entrasse em contato 5:19 três vezes com o organizador olímpico 5:22 em Paris. Era um cliente na França, e o colocamos 5:23 em contato com o organizador dos Jogos Olímpicos 5:25 no mesmo ano, e todos estavam super 5:30 animados com a oportunidade que 5:32 nosso cliente lhes apresentava, mas nosso 5:35 cliente simplesmente nunca respondia. Isso significava 5:36 que aquela oportunidade de ouro de realmente 5:39 fazer algo significativo com os 5:41 Jogos Olímpicos se perdia. Então, identificamos 5:44 que se a IA fosse capaz de identificar 5:47 quais conversas precisavam de atenção imediata 5:49 e elaborar uma resposta ou até mesmo 5:52 responder por si mesma para fazer o lead 5:54 avançar, e simplesmente oferecer os 5:56 recursos que a pessoa estava pedindo, ou o 5:58 link para agendamento de reuniões, ou 6:01 apenas uma resposta simples para fazer as pessoas 6:03 entenderem melhor, seria 6:06 extremamente fácil para a IA fazer essa 6:09 parte. E foi esse o caso de uso que 6:10 identificamos. Então, começamos com apenas um 6:13 agente que respondia às mensagens, 6:16 e então adicionamos a **qualificação de leads com IA** e 6:18 o processamento em tempo real e a conexão de confiança 6:20 e assim por diante. 6:22 Você mencionou que estava trabalhando 6:23 com uma agência e que, através de suas estratégias de 6:27 marketing ou **geração de leads**, eles estavam 6:28 recebendo leads, mas os humanos não estavam 6:32 respondendo rápido o suficiente ou simplesmente 6:35 não tinham tempo. E então, o problema que você estava 6:36 resolvendo era construir especificamente um 6:38 agente para capturar esses leads, correto? 6:41 Ok. 6:43 Isso mesmo. O tempo que você 6:45 gasta entre o momento em que o lead responde 6:47 e o momento em que você precisa 6:49 responder não pode ser... Tem que ser 6:51 rápido. Precisa ser instantâneo. Precisa ser 6:53 instantâneo. Ok. Então, a agência estava 6:56 sendo paga pelos clientes para fazer 6:59 marketing, para fazer redes sociais, para obter 7:01 leads, mas não estava capturando o suficiente. 7:03 Então, você pode falar sobre o produto e como 7:05 isso se aplica ao LinkedIn e por que 7:06 o LinkedIn? Quando estávamos fornecendo a 7:08 estratégia de go-to-market, testamos todos os 7:12 canais para B2B, B2C e assim por diante, e o 7:14 que vimos que tinha mais sucesso é o 7:17 LinkedIn, porque eles conseguiram 7:19 construir um funil de aquisição muito 7:21 abrangente. Então, automatizamos o **outreach no LinkedIn** outbound 7:24 porque era a maneira mais fácil de escalar 7:27 quantas pessoas você pode contatar. 7:29 O LinkedIn é um canal onde automatizamos 7:33 uma parte da aquisição, que é o outbound. 7:34 Agora, se você cria conteúdo, se você se 7:37 engaja com o conteúdo do seu prospect, 7:40 se você os convida para podcasts como 7:44 este e se você, basicamente, faz um aquecimento 7:47 social, 7:50 você consegue realmente disparar o 7:53 número de leads que o LinkedIn gera 7:55 para você, porque você o usa como um canal muito 7:57 abrangente de inbound, outbound, orgânico 8:01 e pago. Nunca fizemos pago, 8:04 porque o orgânico é forte o suficiente 8:07 lá. 8:08 Sei que você tem muitos clientes. Não 8:10 tenho certeza se você pode 8:11 divulgar quantos, mas sei que estão 8:13 crescendo rápido, Julian. Você poderia 8:15 descrever o cliente típico? É direto 8:19 para o cliente da marca ou você trabalha 8:21 através de intermediários ou agências 8:23 para a SalesMind AI? 8:24 Sim. Acho que inicialmente construímos o 8:28 produto para agências, agências de 8:30 **geração de leads** e agências de marketing B2B, 8:33 porque era onde estávamos e o problema 8:35 que identificamos e queríamos resolver. 8:37 Mas, em algum momento, no primeiro 8:39 ano, entendemos que era muito 8:42 cedo para um produto como a SalesMind AI 8:44 realmente satisfazer todos os requisitos 8:47 de uma agência de **geração de leads**. Então, começamos 8:49 a focar em usuários finais de negócios. 8:52 Então, pequenas empresas, fundadores, 8:55 pequenos líderes de equipes de vendas também. 8:58 Cinco, dez, quinze pessoas, e isso estava 9:00 funcionando muito bem, porque automatizamos a maior parte 9:02 do processo na **geração de leads**, a 9:04 captura e a **qualificação de leads com IA**. Então, 9:06 isso liberava muito do tempo deles. 9:10 Eles estavam até substituindo assistentes virtuais 9:12 que contratavam nas Filipinas e 9:14 assim por diante, porque conseguiam 9:17 gerenciar todo o **outreach no LinkedIn** por conta 9:19 própria, porque a IA tornava isso muito 9:21 mais fácil para eles. 9:23 Sei que vocês usam a SalesMind AI para 9:25 prospectar seus próprios clientes no 9:27 LinkedIn. Adoro isso. O que está 9:31 funcionando? Há um setor específico, 9:32 um tamanho de cliente, ou qual é o caso de 9:35 uso mais popular, se preferir? 9:37 Eu diria que não somos agnósticos em relação a 9:40 setores. Podemos atender à maioria dos 9:42 setores. O LinkedIn tem 1 bilhão de 9:45 usuários até agora. Então, se você quiser alcançar 9:47 alguém em um determinado setor, a probabilidade 9:50 de essa pessoa estar no LinkedIn e 9:52 ativa no LinkedIn é realmente alta. 9:54 Agora, o que vemos é que há certos setores 9:56 que não podemos atingir, como manufatura, 9:59 agricultura, 10:01 enfermagem, hotelaria. Sim. Todas essas 10:03 indústrias não são realmente ativas no 10:06 LinkedIn. Então, seria muito desafiador 10:09 escalar. Os melhores casos de uso que estamos 10:11 vendo são com empresas de SaaS. 10:14 Temos comprovado isso com a SalesMind AI. 10:16 Usamos a SalesMind AI e ela gera 60-10:18 70% dos leads que estamos gerando 10:20 vêm da própria SalesMind AI. 10:22 Adoro isso. Adoro isso. 10:23 Eu estava conversando com um investidor de VC 10:26 esta semana e ele me perguntou: "Por que você 10:28 não come sua própria comida de cachorro?" E eu disse 10:30 a ele que é exatamente o que estamos fazendo, 10:32 porque a SalesMind AI está gerando os 10:34 leads para si mesma. Então, em algum momento, 10:37 conseguimos enviar tanto tráfego 10:39 para o próprio aplicativo. O engraçado 10:41 é que, em certo ponto, víamos pessoas 10:43 para as quais enviávamos mensagens, entrávamos 10:45 em contato com elas, elas não respondiam, 10:47 mas reclamavam no suporte por algo 10:49 porque estavam se cadastrando no aplicativo, 10:52 mesmo sem responder ao engajamento 10:54 que estávamos criando. Então, SaaS 10:56 funciona muito bem, serviços de TI, consultoria 10:59 funcionam muito bem, cibersegurança funciona 11:01 muito bem, serviços financeiros funcionam 11:04 muito bem. E esse é o tipo 11:07 principal de cliente que tivemos. Agora, 11:10 estamos nos inclinando um pouco mais para as 11:12 agências que têm contas maiores, buscam 11:15 um engajamento um pouco mais longo e assim 11:17 por diante. Então, este é o mercado que agora 11:19 estamos abordando, as agências que 11:22 vendem para pessoas. 11:26 Ok. Você pode dar exemplos, não precisa 11:28 dar nomes de clientes nessas duas verticais 11:30 que estão realmente usando a SalesMind AI e 11:32 o que eles estão fazendo? 11:34 Temos um cliente chamado Zebra, na 11:36 França. Ele está feliz em compartilhar 11:40 o estudo de caso conosco. Ele ficou 11:42 satisfeito com o produto, é um adotante 11:44 muito precoce. Então, ele enfrentou muitos 11:46 desafios que permitimos que ele 11:48 enfrentasse. Mas, basicamente, o que ele 11:51 está fazendo é ajudar empresas a impulsionar 11:53 mudanças. É um software de gestão de 11:55 mudanças. Ele ajuda a organizar todas as 11:57 mudanças na empresa e, 12:00 basicamente, geramos muitas reuniões 12:03 para ele porque ele tem uma página de cadastro 12:05 gratuita. Então, apenas enviamos um fluxo 12:07 constante de leads para a página dele, 12:10 e as pessoas se cadastram. E depois disso, não 12:12 temos muito esforço depois que as pessoas 12:14 se cadastram, certo? Paramos mais ou menos por aí 12:17 para o SaaS, e é apenas o produto 12:19 que avalia o quanto a taxa de conversão 12:22 do produto é, e então 12:24 é assim que calculamos o ROI. Agora, para os 12:26 serviços de TI, consultoria, cibersegurança, 12:29 as pessoas estão oferecendo serviços, 12:31 desenvolvimento, desenvolvimento de mercado, design 12:33 e assim por diante. E isso funciona 12:36 muito bem porque essas empresas de 12:38 serviços precisam de um fluxo regular de 12:40 clientes. Elas precisam de um **pipeline de vendas previsível**, 12:42 e é isso que estamos fornecendo. Conseguimos 12:44 entender qual foi o sucesso que tivemos 12:46 antes e melhorar a máquina para garantir 12:49 que entendemos quais serão os próximos 12:52 lotes de leads que estamos trazendo. 12:54 Entendi. Entendi. 12:56 Todo negócio, todo empreendedor, 12:59 todo investidor precisa construir marca e 13:01 vendas. Então, talvez eu lance algumas ideias. 13:03 Na Work Optional, tenho um parceiro, 13:05 Michael Block, e estamos 13:08 buscando 13:10 adquirir empresas de gestão de propriedades nos 13:12 EUA, certo? Especificamente, empresas de 13:15 gestão que administram apartamentos multifamiliares, 13:18 e há 326.000 13:20 delas na América. Queremos 13:22 alcançar um certo critério, talvez 10.000 13:24 delas, ok? Se elas tiverem uma certa 13:26 posição financeira e tal. Agora, algumas 13:28 delas podem ser encontradas no LinkedIn, algumas 13:29 não. Mas, se fôssemos então 13:32 engajar a SalesMind AI para nos ajudar a 13:34 identificar os alvos e depois prospectar 13:36 os alvos, isso é algo que vocês podem 13:38 fazer dentro do LinkedIn, certo? Você pode me 13:39 guiar pelo processo de integração 13:41 deste projeto se fôssemos usar a SalesMind AI 13:43 para isso? 14:06 Sim, claro. Começarei 14:07 fazendo uma pergunta rápida. Você tem 14:09 essa lista de 10.000 pessoas que deseja 14:11 alcançar ou quer que nós as encontremos 14:13 para você? 14:15 Temos 2.000 em um sistema CRM. E 14:21 então podemos usar serviços como Apollo, 14:24 certo? Apollo.io para obtê-los, ou compramos 14:27 listas de associações de gestão de propriedades. 14:29 E, obviamente, cada uma delas tem uma certa 14:32 qualidade de prospect e um certo custo 14:34 para tudo isso. Então, idealmente, 14:36 nós lhe daríamos os critérios, certo? Queremos 14:39 um certo tamanho, seja lá o que for, uma 14:41 certa região. Você os encontraria primeiro, 14:43 e então eu imagino que seria algum tipo 14:45 de treinamento da SalesMind AI como 14:47 agente, e você faria a prospecção, certo? 14:50 Tipo, novamente, me guie por este problema que 14:52 precisamos resolver. Eu preferiria 14:55 automatizá-lo em vez de ter uma 14:58 ligação de analista, o que é difícil, ou e-mail, 15:01 sim. 15:02 Sim, definitivamente. Isso 15:04 funciona se você tiver dados anteriores dos 15:07 perfis que está segmentando; isso é ainda 15:08 melhor. Assim, podemos usar esses 15:11 perfis para criar uma audiência semelhante. 15:14 Mas, basicamente, pegaremos seus 15:15 critérios. Temos o agente que está 15:17 filtrando os leads com base em critérios 15:20 estatísticos para cargo, setor, 15:23 habilidades, gênero e BTI. Quero dizer, um conjunto 15:25 muito abrangente de critérios para 15:28 avaliar se a pessoa é o perfil certo 15:30 para você ou não. E, então, basicamente, 15:33 nós treinaremos a IA para que ela 15:37 permaneça em conformidade com as diretrizes de valor 15:40 da sua marca e o seu tom de voz. 15:42 Basicamente, ler seu site, ler sua caixa de entrada 15:44 nos ajuda a fazer isso. 15:47 Pediremos que você valide, e acho que é 15:50 isso que a IA trouxe nos últimos 15:52 anos. Ela move o humano de executor para 15:56 validador. E então, basicamente, pediremos 15:58 que você valide o que a IA entendeu 16:00 sobre seu negócio, sua audiência e 16:02 as pessoas que ela reuniu para você, 16:05 e então o engajamento começará a funcionar 16:07 automaticamente. 16:11 Começamos a engajar até 200, 300 16:14 atividades por dia e deixamos que você 16:16 cuide do resto. E mencionei 16:19 este caso de uso porque adquirir uma 16:22 empresa 16:24 e fazer chamadas frias é obviamente mais 16:27 difícil do que vender um serviço SaaS ou 16:30 vender um produto de saúde. A 16:32 parte de prospecção e treinamento que você 16:36 mencionou, como isso realmente funciona? 16:38 Seu agente nos faz perguntas e 16:42 nós as respondemos? Criamos algum 16:45 tipo de dossiê para então vocês o 16:48 inserirem em nosso agente específico? 16:51 Sim. Basicamente, o agente ainda não 16:54 faz perguntas para validar o que ele 16:56 entendeu. Então, você ainda precisa 16:58 navegar um pouco pela 16:59 interface que construímos para 17:02 você, para realmente validar o que a IA 17:04 gerou. Então, a maneira como 17:07 abordaremos este problema – e acho 17:10 que o que você mencionou também é um 17:12 grande componente do timing no que 17:14 você está fornecendo: se não for o 17:16 momento certo, as pessoas simplesmente não 17:18 farão, certo? 17:19 Sim. 17:20 Sim. 17:21 Então, essa será um pouco 17:23 a parte mais complicada, eu diria, 17:25 porque identificar o gatilho certo pode 17:27 ser o desafio se estamos operando 17:30 em múltiplos canais no LinkedIn. 17:33 A maneira como pediremos para você 17:36 fazer isso será para 17:40 revisar as diferentes coisas que a IA fez 17:42 por você. Os leads que ela coletou, nós 17:45 damos acesso à lista. Damos a você 17:47 acesso a toda a base de conhecimento. Então, 17:49 você apenas lê documentos online, 17:52 tudo o que podemos encontrar sobre você 17:54 online. Fazemos o mesmo para cada 17:56 indivíduo, e está tudo bem. 17:58 E fazemos a correspondência. 18:00 Ok. Então, mais uma pergunta sobre este 18:02 caso de uso, e posso ter mais uma para 18:04 você. Digamos que lhe demos 2.000 18:06 e temos e-mails e números de 18:08 telefone. E então dizemos: "Ei, 18:11 Julian, queremos enviar para 10.000", certo? 18:12 Então, eu imagino que sua SalesMind AI nos 18:16 ajudaria a prospectar dentro do 18:17 LinkedIn. Mas digamos que dos 2.000, 18:20 alguns não estão no LinkedIn, alguns estão, 18:23 mas você está começando com 2.000 de uma 18:24 base de dados e 8.000 que você prospecta. 18:26 Isso totaliza 10.000. 18:28 Você 18:31 entra em contato com os prospects no LinkedIn 18:34 ou também vai além do LinkedIn, 18:36 digamos, e-mail, SMS? 18:38 Essa é uma pergunta muito boa. Atualmente, 18:41 só fazemos LinkedIn, e essa é 18:43 uma das razões pelas quais estamos 18:45 tentando captar recursos, para 18:47 basicamente abrir mais canais. Onde vemos 18:49 a tração mais significativa é nas chamadas, 18:51 porque o e-mail está muito saturado agora, 18:54 então não importa o quão bom o e-mail seja, 18:57 as pessoas recebem milhares de e-mails por 18:59 dia, enquanto uma chamada teria um 19:02 impacto significativo se você pudesse 19:04 ter essa escala, e as pessoas estão 19:06 pedindo por isso. 19:08 Voz. Ok, entendi. De 19:10 2.000, digamos que 1.000 você de alguma forma 19:12 encontre no LinkedIn, e então compramos 19:14 mais 9.000 de você. São 9.000. 19:16 Então, você pediria mais 19:19 informações. Nós treinaríamos a IA e 19:21 então você entraria em contato com eles pelo 19:22 LinkedIn. Quando é a entrega para 19:24 nós? Porque se você envia 19:26 mensagens iniciais e introduções para 9.000, 19:28 talvez 10.000 estejam interessados em 19:30 saber mais, certo? Seu serviço para quando 19:32 você diz: "Agora vou trazer 19:34 meu cliente para que talvez tenhamos 19:36 uma conversa", ou ele traz este e-mail, ou 19:39 tudo acontece dentro do LinkedIn? 19:40 Até onde isso pode ir? 19:42 Sim, atualmente, onde… A automação 19:44 para quando alguém responde. Então, 19:46 a IA assume 19:47 e elabora a próxima mensagem 19:50 para você responder. Então, facilitamos 19:52 muito para você seguir a 19:53 conversa e fazer o lead avançar 19:55 no funil. Então, elaboramos a 19:57 resposta e pedimos que você valide as 20:00 respostas da IA antes que sejam enviadas. 20:02 No início de julho, vamos lançar o 20:04 piloto automático completo que, na verdade, 20:06 conversa em minutos e responde em 20:08 minutos a cada projeto. Ok. 20:10 E tudo dentro do LinkedIn, certo? Ok. 20:12 Tudo dentro. Então, novamente, neste caso, 20:14 e novamente escolhi uma situação mais complexa, 20:16 treinaríamos a SalesMind AI para dizer: 20:18 "Estamos procurando comprar PMCs. Você está 20:20 interessado?" A maioria dirá não. Mas se estiverem 20:22 interessados, sim. Então, dentro das mensagens 20:24 do LinkedIn, nós responderíamos. Mas em algum 20:26 momento, em algum momento, precisamos tirar 20:28 isso do LinkedIn, certo? Fazer uma chamada. 20:30 Então, a SalesMind AI pararia quando chegássemos 20:33 a esse estágio. Está correto? 20:53 nesse momento, 20:54 você faz a entrega. Sim. Ok. Ok. Mas 20:56 talvez você possa explicar à audiência 20:57 como vocês cobram, o que nós pagamos como 20:59 cliente. 21:00 Sim. Claro. O modelo de negócios é 21:02 muito direto. Temos uma taxa de assinatura 21:04 mensal e, uh, que tenho certeza que 21:06 você tem acesso a todo o 21:08 aplicativo, que é uma taxa por 21:10 conta do LinkedIn que potencializamos. E 21:13 temos planos para contas ilimitadas do 21:16 LinkedIn para agências que são realmente 21:18 grandes, basicamente. 21:18 Ok. Ok. Muito direto. 21:21 E se bem me lembro, é uma taxa mensal 21:24 e há um limite do LinkedIn para o número 21:26 de prospects, mas não um limite da 21:28 SalesMind AI. E qual era o limite por mês 21:30 para o LinkedIn? 21:32 Claro. O único limite rígido que o 21:35 LinkedIn impõe é, na verdade, 200 21:38 convites de conexão por semana. Agora, não 21:40 importa realmente quantas mensagens você 21:42 envia por dia. Temos usuários que 21:45 enviam até 150 mensagens por dia. Mas o 21:48 realmente importante é a variação: 21:50 quantas mensagens e atividades você fez 21:52 ontem e quantas fez hoje, 21:54 e é isso que levanta bandeiras para o 21:56 LinkedIn. 21:58 Então, quantos contatos únicos podemos 22:00 fazer por dia, por semana ou por mês? 22:03 São cerca de 190 por dia. 22:06 Qual é a taxa novamente? 22:08 Sim, começamos em US$ 89 por mês para um 22:11 compromisso anual. 22:12 Entendi. Entendi. Então, US$ 89 por mês, 22:16 e acho que vocês estão obtendo uma **taxa de resposta de 42%** 22:18 para seus clientes existentes. 22:22 Sim, correto. Ao longo dos 3 milhões de 22:26 mensagens que enviamos, foi o que 22:28 observamos. Sim. 22:29 Ok. Apenas para esclarecer, a resposta 22:34 inclui "não me envie spam" ou é mais 22:35 uma resposta dizendo "sim, quero conversar 22:37 com você"? 22:38 Não. 22:39 É todo o pool de respostas 22:42 que estamos recebendo. Agora, o que é 22:45 realmente importante de monitorar – 22:47 e acho que esse foi um dos 22:49 diferenciais da SalesMind AI – é que 22:51 identificamos a oportunidade. Então, pessoas 22:53 interessadas, pessoas que estão 22:56 aquecidas, pessoas que estão em um negócio 22:59 aberto, e identificamos isso. Agora, o que vemos 23:01 realisticamente é entre 25% e 35% de 23:05 taxa de interesse, o que é uma métrica muito 23:07 melhor para acompanhar. Seu cliente 23:11 típico geralmente compra mensalmente ou por 23:13 seis meses, um ano? E qual é a taxa de 23:15 renovação, apenas para termos uma ideia do 23:16 nível de satisfação? 23:19 Claro. Acho que a maioria dos usuários 23:21 adquire pacotes de seis e doze meses. 23:24 Não faz muito sentido para um negócio 23:26 que tem um ciclo de vendas de seis a 23:29 oito meses testar uma ferramenta de **geração de leads** 23:30 e dizer "ok, não funciona depois de 23:32 um mês". Então, as pessoas geralmente 23:34 se comprometem a longo prazo porque 23:36 sabem que leva tempo para fechar o 23:38 negócio. Agora, acho que a taxa de 23:41 retenção deve estar em torno de 50% a 23:44 60% desde que começamos. 23:48 da base total de usuários. 23:51 Isso é fantástico. São bons 23:52 números. 23:54 Parece-me... na verdade, eu gostaria de 23:56 aumentar isso para 100%, mas sei que 23:59 ainda não posso atender a todos.
