Full sales outreach loop (research → draft → approve → send → log)

Full sales outreach loop закрывает пять шагов холодного исходящего потока в одной оркестрации: исследование лида, генерация черновика, одобрение менеджером, отправка и логирование. AI-агент берёт на себя рутину, человек сохраняет контроль за качеством сообщения и решение отправлять или нет.

Что именно делает автоматизация

1. Research. Агент собирает данные о лиде из CRM и открытых источников: сайт компании, роль контакта, недавние события (релизы, найм, funding). Формирует краткий профиль на 4–6 пунктов.
2. Draft. На основе профиля и шаблона тональности генерирует персонализированный первый email: hook, value proposition, soft CTA. Не использует generic-фразы про «надеюсь, у вас всё хорошо».
3. Approve. Черновик уходит менеджеру в Slack, почту или CRM-интерфейс. Менеджер редактирует, одобряет или отклоняет одним действием. Без approval письмо не отправляется.
4. Send. Утверждённое письмо уходит через подключённый email-провайдер (mailbox менеджера или dedicated outreach-домен). Добавляется в последовательность follow-up, если настроено.
5. Log. Агент записывает отправку, открытие, ответ и связанные активности в CRM-карточку лида. Маркирует стадию воронки, создаёт follow-up task при необходимости.

Что автоматизация НЕ делает

• Не заменяет менеджера на шаге approve. Approval-gate встроен в архитектуру — это не баг, а фича. Loop проектируется под контролируемый scale, не под blast-рассылку.
• Не обходит спам-фильтры. Если домен не прогрет, deliverability будет низкой даже с идеальным персонализированным контентом. Прогрев домена и mailbox — отдельная предварительная работа.
• Не работает с грязным CRM. Если в CRM дубликаты, устаревшие статусы и отсутствуют нужные поля (роль, индустрия, размер компании), research-шаг вернёт мусор и draft получится generic.

Результат — увеличение объёма исходящего контакта в 10 раз (с 10–15 до 150–200 писем в день), рост open rate с 18% до 52% и reply rate с 2,1% до 8,7%. Цифры достижимы при условии, что домен прогрет, ICP определён и CRM содержит минимальный набор полей по лиду.

Под капотом — мультиагентная оркестрация на agent-framework. Каждый шаг — отдельный агент или нода с чётко определёнными входами, выходами и границами ответственности. Grow2.ai собирает loop из трёх классов компонентов: оркестратор состояния, LLM-движок для генерации и интеграции с CRM, почтой и каналом одобрения.

Архитектурная схема

1. Trigger. Вход в loop — либо по расписанию (daily batch из N лидов), либо по событию в CRM (новый лид в сегменте «холодный outbound»). Для контролируемого rate limiting по умолчанию используется batch-режим.
2. Research agent. Забирает lead_id из CRM, тянет данные о компании (website, публичный профиль, новости), роли контакта и контексте. Использует внешние enrichment-API и CRM-поля. Результат — структурированный JSON-профиль.
3. Draft agent. Принимает профиль + template guidelines (tone, CTA-тип, длина) + примеры прошлых успешных писем. Генерирует draft через LLM. Проверяет длину, tone и наличие запрещённых фраз через rule-based фильтр.
4. Approval gateway. Draft + профиль лида уходят менеджеру. Формат — карточка в Slack, email с inline-кнопками или task в CRM. Менеджер видит контекст и один из трёх вариантов: approve, edit-and-approve, reject.
5. Send agent. Triggered on approval. Подключается к email-провайдеру, отправляет письмо от имени менеджера (через OAuth или SMTP). Проставляет заголовки для трекинга open и click.
6. Log agent. Пишет в CRM: отправлено, открыто, отвечено. Создаёт связанные активности, обновляет stage лида. При reply — поднимает лида в очередь для ручной работы.

Компоненты системы

Шаги внедрения

1. Discovery (неделя 1–2). Аудит текущего outbound-процесса: где тратится время, какие шаблоны работают, какая информация собирается вручную. Фиксация ICP и критериев сегментации.
2. CRM hygiene (неделя 2–3). Чистка дубликатов, заполнение обязательных полей по лиду (роль, индустрия, размер), определение статусной воронки для outbound.
3. Agent scaffolding (неделя 3–5). Сборка research/draft/send/log агентов, подключение к CRM и email-провайдеру. Тестирование на 20–50 лидах вручную.
4. Approval UX (неделя 5–6). Настройка канала одобрения (Slack-бот или CRM-view), отладка latency между draft и approve. Цель — менеджер тратит на approve не больше 30 секунд.
5. Domain warmup (параллельно неделям 1–6). Если используется выделенный outreach-домен — прогрев идёт параллельно основному треку, постепенный выход на целевой объём.
6. Pilot + tuning (неделя 6–10). Запуск на полном batch 100–200 лидов в день, мониторинг open/reply/unsubscribe, итеративная правка промптов и шаблонов.

Архитектура остаётся прозрачной: каждый шаг логируется, каждое решение агента видно менеджеру. Approval-gate гарантирует, что плохой draft никогда не уходит клиенту.

Для запуска полного loop нужны данные по лидам, доступы к рабочим инструментам и минимальная готовность команды.

Данные и доступы

• CRM с заполненными полями по лиду: роль, компания, индустрия, размер, стадия воронки. Без этого research-шаг возвращает мусор.
• Email-провайдер с OAuth-доступом (Gmail Workspace, Microsoft 365) или SMTP. Желательно — прогретый домен или mailbox для outbound.
• Шаблоны писем и примеры успешных кейсов. Минимум 5–10 работавших outbound-писем, от которых агент может учиться стилю.
• Определённый ICP (ideal customer profile): кому пишем, что ищем, как квалифицируем.
• Approval-канал: Slack-workspace, корпоративная почта или CRM с возможностью inline-approve.

Готовность команды

• Один ответственный менеджер (SDR или sales lead), который готов тратить 30–60 минут в день на approve черновиков в первые 2–3 недели пилота. Позже — 15–20 минут.
• Техническая роль (in-house или со стороны Grow2.ai): интеграция с CRM, доступ к API, настройка agent-framework.
• Буфер на domain warmup — если outreach-домен новый, нужны 3–4 недели параллельно с основной разработкой.

Timeline

6–10 недель от discovery до production-запуска для команды 5–50 человек. Первые 2 недели — аудит и чистка CRM. Недели 3–6 — сборка и тестирование агентов. Недели 6–10 — pilot с постепенным scale и tuning промптов. Domain warmup идёт параллельно, если применимо. После запуска — 2–4 недели активной оптимизации reply rate и персонализации на реальных данных.