Use Case “Personnaliser à grande échelle : comment rendre chaque outreach unique sans perdre en efficacité”
Ma méthode de prospection automatisée B2B pour un produit SaaS
Dans le cadre de ma prospection automatisée B2B pour un produit SaaS, lorsqu’on s’adresse à des cibles sursollicitées (comme les DG, DAF, DHA ou DSI), il est impératif de personnaliser ses messages tout en automatisant le processus.
Mon objectif :
Franchir le barrage des assistants de direction et capter l’attention des décideurs en abordant leurs problématiques spécifiques pour décrocher des RDV.
Problématique : passer le barrage des assistants de directions.
Pour atteindre cet objectif, j’ai développé une stratégie d’hyper personnalisation combinée à l’automatisation, permettant de rendre chaque email unique. Cette méthode repose sur l’utilisation d’outils comme ChatGPT, Anthropic (Claude) pour générer le meilleur prompt, Perplexity AI pour les dernières informations du marché, Notion pour ma BDD de personas, Google Sheets , Make et La Growth Machine.
Voici comment cela fonctionne :
1. Hyper personnalisation des icebreakers :
Grâce à ChatGPT, je génère des introductions ultra-ciblées pour chaque email, basées sur des informations précises sur la personne visée (DG, DAF, etc.) et leur environnement professionnel. Par exemple, je mentionne les frustrations courantes de leurs secteurs d’activité, la dernière actualité du secteur, ce qui aide à dépasser le filtre des assistantes et à capter l’intérêt des décideurs.
2. Intégration des données :
Les données des personas, structurant des éléments comme le poste, les défis et les priorités, sont stockées dans Notion. J’utilise cette base d’informations pour alimenter les prompts d’Anthropic, qui va générer des icebreakers personnalisés pour chaque contact via ChatGPT.
3. Automatisation du processus :
- Les icebreakers sont créés automatiquement dans une colonne dédiée sur Google Sheet.
- Avec Make, j’automatise la connexion entre Google Sheets, Notion, Anthropic, Perplexity et ChatGPT. Chaque fois qu’une ligne est ajoutée ou modifiée dans Google Sheets, Make envoie une requête POST à l’API de ChatGPT pour générer un icebreaker spécifique.
- Le module « HTTP Post » envoie la mise à jour du lead avec son icebreacker personnalisée au format « Attribute » via l’API LGM.
4. Personnalisation des mails et suivi :
Les emails sont ensuite envoyés via des séquences automatisées sur des canaux tels que LinkedIn et email, grâce à LGM.
5. Nurturing et veille :
Lorsque le workflow est fini, un webhook sur LGM lance un autre worflow déclenchant la veille LinkedIn du lead pour enrichir le GoogleSheet primaire
Workflow détaillé :
- Collecte des données sur chaque persona via Notion
- Création automatique des icebreakers via ChatGPT
- Intégration via Make et Google Sheets
- Automatisation des envois via LGM
- Suivi des interactions avec des outils comme LGM et ajustement des campagnes en fonction des réponses et des comportements.
- Veille et enrichissement du persona via Make et Google Sheets
Les résultats :
En appliquant cette méthode de personnalisation, nous avons un taux de conversions d’environ 10%.
La personnalisation avancée renforce la pertinence des messages et aide à établir un dialogue direct avec les décideurs, même dans des environnements complexes et sursollicités comme le mien.
Une autre explication de mon premier workflow ICI 
[Tuto] Personnaliser ses mails avec ChatGPT et les CustomAttributes
et une explication de ce workflow depuis optimisé via vidéo loom ICI 
En captures, ca donne ca :
avoir plusieurs exemples peut aider a se benchmarker !