Lekce 4 — přepis videa (čistý)

Přepis mluveného slova z lekce, vyčištěný (vynechané přetočené záběry, opakování a výplň). Členěno podle natáčených sekcí. Časy u nadpisů jsou orientační začátky sekcí.

1 · Úvod — co je research engine

Vítám vás na 4. lekci. Dneska se podíváme na research engine, to znamená podíváme se na něco, co vám najde zákazníky a vlastně na základě výzkumu, na základě hledání zjistí, kdo by mohl být váš potenciální zákazník — jaká firma, jaký člověk. A samozřejmě půjdeme i dál a budeme řešit i to, jak je konkrétně oslovit. Konkrétně budeme oslovovat přes e-mail. Mohli bychom oslovovat i přes LinkedIn — k tomu vám můžu poslat dokumentaci, jak si vytvořit agenta, který píše přímo přes LinkedIn. A podíváme se i na profil na LinkedInu, protože LinkedIn je samozřejmě velmi dobrý zdroj.

Budeme to dělat pro moji firmu Metamatics Ventures, která je vlastně partnerem tohohle kurzu. Metamatics je venture builder. My děláme to, že nacházíme klienty, kteří chtějí postavit nějaký software, a ta idea je, že máme podíl na tom výsledném startupu, na tom výsledném softwaru, a zároveň to děláme za levnější podmínky, než kdybychom to dělali jako plnohodnotnou zakázku. Takže to je ten business model. A teď je vlastně otázka, kdo by o to mohl mít zájem a koho bychom mohli oslovit — s tím, že máme nějaké zkušenosti za sebou, můžeme nabídnout konkrétní výsledky a máme konkrétní vertikály, které nás zajímají.

Když rozeberu ten engine, tak je to o tom, že máme nějaký profil, který říká, kdo ten zákazník je, co potřebuje, co má za procesy, jaký má business a co ten business vyžaduje. Ta idea je, že vlastně popíšeme zkrátka textovou definici toho profilu. Tohle je velmi jednoduché, ale můžeme to udělat i komplikovanější.

Pak použijeme Tavily. Tavily je platforma, která agreguje Google hledání — má prostě stovky tisíc, miliony, možná miliardy hledání na Googlu a zároveň má zaindexovaný ten výsledek, co to vrátilo, a máte to zkrátka i naškálované. Proto můžete pokládat velmi konkrétní dotazy, typu "nabírají AI role" — to byste typicky přes Google full-textové hledání nezjistili. Ale přes Tavily ano. To je ta idea, jak budeme hledat firmy. A jakmile máme firmy, tak budeme přes LinkedIn hledání hledat ty lidi.

Potom uděláme to, že stáhneme profil toho člověka. Zjistíme o tom člověku víc konkrétně a oslovíme ho personalizovanou zprávou. Budeme vyloženě sledovat jeho LinkedIn — kdo je, jaké má zkušenosti, o čem píše — a tomu to přizpůsobíme. Takhle najdeme ideálně nějakých 30 až 100 kandidátů. A tohle můžete celé zautomatizovat tak, aby vám to posílalo ty zprávy samo, třeba každý den.

2 · Principy aplikované na research engine

Pojďme k principům. Klíč je pochopit doménu do hloubky — takže rozebrat, kdo je Metamatics, co je ta firma, kdo je náš zákazník, co umíme, kdo nás potřebuje a tak dále.

Druhý princip je o tom, že my víme, že tohle je náš cíl — víme, jak chceme, aby ten engine fungoval — ale je tam spousta proměnných, u kterých nevíme, jak strukturovat znalosti o těch firmách, které nás zajímají. Nevíme, která informace o tom, co ta firma dělá a čím prochází, je důležitá, takže nevíme, jak přesně to bude fungovat. Nejlépe — opět — jde o to pokládat důležité otázky, a to hlavně budeme dělat v tom profilu.

Tady platí, že se podíváme na konkurenci — podíváme se na to, na koho cílí konkurence, abychom zjistili, jaké oni mají zákazníky, co oni nabízejí. Protože z toho se můžeme hodně naučit, kde by mohl být zájem. A z toho vytvoříme profily, které budeme nějak cílit — nějakou zprávou, nějakou strategií.

Čtvrtý princip: budeme zvažovat varianty, jakým způsobem to technicky uchopit. Samozřejmě se budeme dívat na způsoby, jak vylepšit to hledání. Můžeme se nechat ptát i nás samotných — to je princip, který známe. Půjdeme od toho, že tady chceme zákazníky, k tomu, že máme jasný profil. A na základě toho už budeme schopní psát extrémně personalizované zprávy — i na základě toho, že víme, jaký ten konkrétní člověk je. Nejenom co chceme říct, nejenom co je náš cíl a jak přesně chceme cílit, ale i jak to uzpůsobíme tomu danému člověku.

Cílový stav je jasný — je to ten způsob, kterým měníme informace na výsledky. Další princip je, že máme komponenty typu persony, ty mechanismy, jak zabezpečit, že používáme jenom informace, které jsou opravdu ověřené. A další komponenty jsou ty Google Sheets a ten cron, který to posílá, který dělá ten celý proces jako nějaký job.

Iterujeme analyticky — vždyť postupně budeme zlepšovat, zlepšovat a zlepšovat tu základní aplikaci, která umožňuje navigovat se v tom, co chceme analyzovat, co jsme zjistili, jak to rozšířit, jak to zobrazit. To budeme postupně zlepšovat.

A poslední princip — chceme samozřejmě dojít k nějaké hodnotě, chceme získat ty zákazníky, a ta technika je jenom prostředek. To hlavní je, jako vždycky, vymyslet, jak to má fungovat a co chceme, aby fungovalo v tom procesu.

3 · Plán komponent — celý pipeline

Pojďme se podívat na to, co nás čeká za komponenty dneska.

Uděláme analýzu toho, kdo my jsme, kdo je naše konkurence a na koho chceme cílit. To se pokusíme zjistit z toho, kdo jsou zákazníci těch našich konkurentů i naši zákazníci, a co z toho můžeme vydedukovat za principy o tom, jak ty firmy fungují a co potřebují.

Potom budeme generovat dotazy do Tavily, do toho hledání, na které budeme napasovávat Google výsledky. Uděláme to samotné hledání, zjistíme, co jsme našli. Převedeme firmy na lidi. Pro ty lidi najdeme LinkedIn a e-mail. Postaráme se, aby informace byly ověřené, že jsou validní. Potom vygenerujeme tu zprávu, personalizovanou pro každého. Podíváme se na kvalitu zpráv a uděláme dashboard. Následně to všechno uložíme do Google Sheets, abychom to mohli trakovat dlouhodobě — jak ty kontakty, tak zprávy.

A nakonec zajistíme — a to je možná, že uděláme cron job, to znamená automatizovaný job, který bude tuhle funkci volat. Ten celý proces bude volat, a to obecně každý den. A nesměl jsem zapomenout na poslední komponentu, kterou jsem zapomněl — je to napojení na Gmail přes API, abychom mohli ten mail vůbec odesílat.

4 · Analýza: kdo jsme, konkurence, cílení

Pojďme na ten první element. Uděláme, jak jsem říkal, analýzu našich webových stránek, našich článků, našich zákazníků — co jsou zač, co od nás mají. Následně uděláme to samé pro konkurenci, pro podobné firmy, jako jsme my. A z toho vygenerujeme spoustu dokumentů, které nám pomůžou ten profil vytvořit. Vytvoříme z těch profilů — řekněme asi 5 jich mám podset — které nám pomůžou rozhodnout se, na koho chceme cílit. A v rámci každého profilu uděláme x konkrétních person, které nás budou zajímat. A proti nim už potom budeme v dalších lekcích dělat konkrétní zprávy. Takže pojďme na to.

Jako první krok jsme si připravili dokumenty. Stáhli jsme si dokumenty z našeho webu. Ten web vypadá takhle — je to vlastně sada nějakých článků o tom, co děláme. Máme tady reference zákazníků. Máme tady nějaké vertikály, které děláme pro consulting a investment — opportunities, takže jsou tam nějaké trendy, které nás zajímají, a tak dále. Tohle všechno si stáhneme — to máme tady. A samozřejmě jsme si stáhli i to, jaké startupy děláme a jaké jsou naše zkušenosti. Ale hlavní jsou ty články, které říkají, co je naše expertíza.

Budeme řešit industry, jak velká firma, nějaká klíčová vlastnost těch firem, jaké mají produkty a čím se vlastně dají odlišit. To jsou demandy, na kterých se chceme shodnout — chceme být schopní odlišit, co teda ti zákazníci potřebují.

Tady máme ty dotazy, kdy jsme vypustili Venn a stáhli jsme si nějaké zdroje. Pak nám z toho vypadla taková analýza potenciálních zákazníků. My tam máme ventures segmenty, demandy mají z atraktivity. Kdo je atraktivní, společný jmenovatel vítězných segmentů, kdo je ten vlajkový archetyp — což znamená velká instituce v krizi, to je náš největší zákazník. Dále potom nějaké terciární segmenty a další segmenty. Z toho jsou závěry, shrnutí, a tady máme nějaké příklady, jakým způsobem přemýšlet o těch zákaznících. A konkrétně tady máme tyhle obory.

Máme tady ten globální kontext, jak velký je ten trh. Máme tady potřebu takových chytrých nástrojů, agentických. Co se týče druhé demandy, tak zase nějaká analýza, jestli je to vhodné pro nás, nebo nějaká velikost, pohledy na to. Co je teď ta akce, kterou ty firmy dělají, jak na to nahlížet z nějaké standardizované situace, které můžou zažívat, následně produkty, které dělají, a jak se to nám líbí. A následně způsob diferenciace zákazníka — čili jak můžeme pomoct být konkurenceschopní a která z těch jeho strategií je pro nás atraktivní. Takže například velká instituce, velká firma, Big Four — Person Tier A, to je náš největší potenciální klient.

Pak jsme udělali analýzu konkurence. Definice toho, koho zajímá, je venture builder — podívat se, kteří existují na světě, jak se odlišují. Chceme vlastně jeden soubor u každého konkurenta, maximálně 6 tisíc slov — minimálně, neopomenout, minimálně 6 tisíc slov — a to, jak jsme to sklíníli z jejich stránek. Vlastně vidět, řekněme, ne celé stránky, jenom to, co vidíme na povrchu, ale celé stránky, abychom se podívali, jak fungují.

Tady máme ty firmy. Asi znáte Rocket Internet, velká firma, vlastně je to největší, nejúspěšnější startup v Německu. Tohle jsou koncepty IDEA First, nebo Founder First, nebo horizontálně škálovatelné studio — to jsou různé charakteristiky. Máme nějaký přehled, takže jaký mají equity model, kolik firem investují, kde jsou AI native, hlavní mód, hlavní konkurenční výhoda, detail stránky, about, portfolio. Tohle jsme si stáhli, a tady je report. Takže máme 6000 slov na každého konkurenta, vidíme tady historii, obchodní model do hloubky, zákazníky, koho obsluhují, koho rekrutují, hodnota obchodu a ekonomika, portfolio, vyhrané deals, kdo ho potřebuje, ideální profil — a tohle je pro nás právě důležité, samozřejmě.

Kde je bílé místo pro Metamatics? Hloubka místo šířky. My máme speciální systémy, AI jako metoda buildingu, ne jako sektor. Máme něco univerzálního, máme hlavně technickou znalost, kterou dokážeme aplikovat kdykoliv. Jsme doménový expert — partner je vlastně náš ideálně doménový expert s daty, který dokáže mít nějakou doménovou znalost. To je to, co jsme už probírali, že je to klíčové pro úspěch softwaru v dnešní době — mít doménovou znalost.

5 · ICP profily a persony

Vzal jsem tu analýzu konkurence, vzal jsem to, co jsme zjistili o našich potřebách a našem cílení, a z toho jsme udělali ideal customer profiles, ICP — ideální zákaznické profily — které už máme zpracované jako větné dotazy do Googlu, podle kterých budeme hledat stránky, z kterých se inspirujeme, jestli jsou to vhodní zákazníci pro nás.

Teď z toho profilu BPO jsem dělal 5 komplementárních dotazů do větší hloubky. BPO znamená business process outsourcing, takže to jsou všechny ty různé takovéhle služby, které pomáhají firmám být víc efektivní. A to se hodí ideálně pro agenty, pochopitelně, protože to jsou nákladné procesy, které se dají automatizovat — vlastně kontaktní centrum, pojišťování a zpracování dokumentů, analýza dokumentů. A tady jsou konkrétní queries na tuhle konkrétní segmentaci.

Jako další krok té analýzy, kdy jsme vyidentifikovali ty klíčové dimenze a segmentovali zákazníky, jsme vytvořili ICP profily toho, kdo jsou ti naši klíčoví zákaznické segmenty. ICP vlastně znamená jenom ideal customer profile, čili ideální zákaznický profil. Takže tady máme už konkrétní větné vyhledávací výrazy. Pochopitelně tady z toho ICP profilu, který jsme udělali, jsme dokonce vygenerovali i vyhledávací dotazy jako součást toho profilu.

6 · Tabule ICP: dotazy → Tavily → skórované firmy

Pak jsme řekli: vygeneruj mi nástroj, kde na základě toho profilu, který si zvolím, si ho můžu vybrat, můžu si zobrazit komplementární dotazy a zavolat Tavily, aby stáhlo výsledky hledání a vrátilo oskórovanou tabulku výsledků. A řeklo, jak moc je každý atraktivní a proč. Chci zobrazit surová data o těch firmách — kolik každý segment pustí agenta a dostanou tabulku.

Nástroj, tabule ICP, kde vyberu ICP profil, zaškrtnu dotazy a řeknu "analyzovat" a dostanu nějaké rozhodnutí. Řeknu to všechno, co jsme dělali, a pak se podíváme na výsledek.

Nechal jsem zároveň na základě toho, když budu chtít vytvořit profil nebo najít konkrétní kandidáty, abych zjistil víc o nich, samozřejmě. Teď jsme převedli ten náš záměr na požadavky na ty lidi — jakým způsobem máme ty lidi oslovit, požadavky na tu zprávu, pochopitelně mám na mysli.

Z toho jsme teď připravili dashboard, který bude volat dotazy a bude nám vracet kandidáty. Následně se dostaneme k obohacení přes web a LinkedIn a zjistíme e-mail těch kandidátů.

7 · Firmy → lidi: LinkedIn, Apify a e-mail

Následně jsme řekli: když kliknu na profil, tak ho obohať o ta data z toho profilu, taky z LinkedInu, napoj to na Apify, což budeme používat právě na to scrapování LinkedInu. Je tam ten scraper, takže použijeme Apify scraper na proklikání LinkedIn profilu.

Jako další krok jsme tedy obohatili ty kandidáty — najdeme jim LinkedIn a e-mail. Když kliknu na profil, tak ho obohatím o data z jeho profilu i z LinkedInu, a zjistíme e-mail těch kandidátů.

8 · Anti-halucinační schéma

Co se týče toho anti-halucinačního schématu, tak ten postup je následující. Máme vlastně bázi faktů, které jsme stáhli, a následně potom v té zprávě budeme používat jenom ta fakta, která jsou stažená. Která jsme použili v té větě, tak u nich samozřejmě musí být ověřené, že existují v těch faktech. To je naše anti-halucinační schéma, jednoduché.

Takže tady máme vlastně 5 tvrzení v té větě a u všech máme ověřené, že jsou pravdivá.

9 · Kvalita zpráv: 10 kritérií, 100 → 4

Jako další krok budeme analyzovat a zlepšovat kvalitu zpráv. Budeme se pokoušet tam narvat skórování kvality, přijít na to, jak to vlastně udělat lépe. Takže jsem mu řekl: "Podívej se na zprávu, kterou jsi vygeneroval, zamysli se nad tím, jakým způsobem by se dala vylepšit, vymysli mi deset kritérií, jak ohodnotit, jestli je zpráva kvalitní." Neříkám, jaká kritéria, a je mi to celkem jedno — většinou to je velmi kreativní pohled na tu věc. Nemusíme se bát, že by to něco zanedbalo. Je to prostě mnohem kontextuálnější, než když to vymyslíme typicky my, takže to funguje skvěle. Takhle ať vymyslí deset kritérií a vymyslí 20 způsobů, jak zprávy vylepšit.

My jsme vlastně udělali to, že jsme vygenerovali rovnou 100 zpráv, a jenom čtyři byly ready na odeslání podle našich kritérií. Takže ty kritéria kvality zprávy jsou: personalizace — vycházíme z toho, že víme, jak se jmenuje, kdo je ten člověk; samozřejmě musíme vědět, kde pracují, jaká je ta firma, jaká je jejich pozice a tak dále, ideálně i vývoj jejich historie, jejich mentálního modelu a tak dále. Správnost role, titulu samozřejmě. Otevíráme to jejich světem, nikoli naším produktem. Hodnotou ověřitelný důkaz, nějaký soulad. Zákazy — že nezmiňujeme částky a ceny a tak dále, abychom neodradili. Samozřejmě jsme peer, nikoli vendor. A call to action nízkofrekvenční, který prostě není nějak násilný. Stručnost, správný jazyk a formálnost. A unikátnost, vyloučená duplicita — protože se snažíme opravdu přizpůsobit maximálně každému. A když si splníme tenhle práh pro odeslání, tak odešleme.

A je tady dvacet způsobů, jak se zprávy dají vylepšit, ale to neznamená — to se můžete podívat potom na vibeclass.

10 · Google Sheets + Apps Script + backend

Tak, tohle se podíváme na implementaci v Google Sheets. To, co teď uděláme, je, že to převedeme kompletně do Google Sheets. Napojíme se na backend, protože v Google Sheets máme Apps Script, kde budeme menežovat stav aplikace a co dělá, co volá za funkce. Nicméně potřebujeme backend, protože z Apps Scriptu nedokážeme volat to Apify a scrapování toho LinkedInu a takovéhle věci. Takže backend, kde ho máme, nasadíme.

Potom se podíváme na jednotlivé funkce v rámci Google Sheets. Uděláme dvě HTML — jedno na boční menu, přes které budeme kontrolovat tu tabulku, a zároveň uděláme dashboard. No a napojíme se na Gmail, abychom mohli rovnou přes Google Sheets ovládat Gmail a posílat maily. Takže to je naše idea a pojďme se na to podívat.

Třeba si říct, že ten backend je ten samý backend, který jsme používali na tabuli ICP. Má tyhle endpointy všechny, je nasazený do AWS na téhle adrese. A tady jsou nějaké klíče, které používáme — na tabuli, na Apify. To všechno si musíte nastavit. Pošlu vám k tomu samozřejmě návod, jak na to — jak si nastavit tabuli, jak si nastavit Apify, jak si nastavit AWS — abyste mohli nasadit tu aplikaci.

Pojďme rovnou na ty Google Sheets. Říkám, potřebuju vytvořit tabulku Google Sheets, kde budou ta dvě HTML, vytvořit to v Lekci 4. A budeme volat ten backend, který už máme z cloudu. Budou tam ty ICP segmenty, z kterých si vyberu nějaký z nich, vyhledám lidi, stáhnu si informace a vlastně vytvořím zprávu do tabulky Messages. No a potom prostě budu moct kontrolovat to, že pošlu ty zprávy, a uvidím to na dashboardu jako nějaký stav.

Takže tady to tvoří ten sidebar, tady to tvoří ten dashboard. Tady jsou volání s backendem — backend.js, s backendem se napojí vlastně to na Apify — a code.js ovládá tu aplikaci.

11 · Gmail a živé demo

Tak, jak jsem řekl, pojďme na to, jak zapojíme Gmail, aby mohl odesílat e-mail přímo z Google Sheets. Tady je velká výhoda: když jsem přihlášený v Google Sheets nějakým účtem, tak můžeme použít ten samý e-mail na posílání zpráv. Nemusíme mít žádné MCP, SMTP klíče — prostě je to přímo funkce Google Sheets. Tady máte detailní návod, na který se můžete podívat. Prostě jen zmáčknete "najít zákazníky" a vygenerovat zprávu.

A já jsem ještě přidal hromadné rozesílání — že můžete všem těm lidem napsat zprávou najednou, nemusíte ji posílat jednotlivě. Bohužel nám to nefungovalo na začátku, to obohacování, takže jsme trochu přehodili pořadí — že nejdřív vlastně stáhneme lidi, potom je obohatíme a potom je teprve vytvoříme, tu zprávu, kterou jim pošleme. Takže tady je to pořadí.

No a pojďme se podívat, jak to dopadlo. Takže tady máme prázdnou tabulku, Outreach CRM — to si můžeme nazvat jakkoliv chceme. Máme tu dvě záložky, kontakty a zprávy. A vlastně teď pojďme to udělat znova. Takže dáme Extensions, Apps Script, a tady vlastně máme — vytvořte si prázdnou tabulku, prázdný file. Máte nějaké HTML, tohle ten sidebar, tady je backend, tady je Gmail, tady je ovládání aplikace. A když tady dám "run", tak se mě to typicky zeptá na práva. Tam musíte říct, že je to bezpečné, a ono to na vás nechá vybrat ta práva, která potřebujete — si můžete vlastně vybrat — a můžete jít na to.

Když refreshnu tabulku, tak se vám tady objeví Outreach. A teď potřebujeme udělat pár věcí. Test backendu je OK. Když nemáte nastavený backend, tak tady můžete nastavit backend a zadat tam klíč. Tady, když nebudeme — to už je vlastně hotové a to je by default nastavené. No a menu odesílatele — tohle si kontrolujeme. To je moje menu, vy tam budete mít svoje menu.

A teď, když dám tady "najít zákazníky", tak se mi pustí tohle menu, tady mám naštáhované segmenty. Já si vyberu třeba tady ten, řeknu, že chci 3 firmy a osm výsledků na dotaz, nechám hledat — a už máme výsledky. Tady vlastně nějakých 3 × 8 výsledků. Máme tady skóre, jak se kvalitní, otevřu na LinkedIn, je to on. No a teď tady vybereme, které chceme třeba zobrazit. Takže dejme tomu, tyhle už řeknu, že ne, dáme se do tabulky. Máme tady — důležitá věc — že jsme tady řekli "dohledat e-maily všem bez e-mailu", a tím jsme vlastně získali e-maily pro všechny, kde jsme byli schopni. Tady máme spoustu kontaktů, kterým e-maily poslat můžeme, což je pro tohle demo... Já tady teda to pošlu sobě, abych byl schopný kontrolovat, že ten e-mail došel.

Takže teď jsme tady vytvořili zprávu Jerrymu. Vidíme, že se vlastně věnuje tady ASI 606, což je specifikace z jeho profilu. Vidíme, že my nabízíme specificky high-intensity sektory jako je finance, jak se lišíme a tak dále. Opravili jsme špatnou pojďem — uložil jsem jako návrh do zpráv, máme ji teď vlastně tady, a pojďme ji odeslat. Takže můžeme to zkontrolovat, odeslala. A tady vidíte, že v e-mailu mám zprávu, která se mi odeslala. Tady musíme dotáhnout ten detail, ale jinak máme zprávu, která odešla z našeho e-mailu zákazníkovi.

12 · Cron job a dashboard

A poslední komponenta — když máme Gmail nainstalovaný a otestovaný — je, že nastavíme cron, nebo job, který se spustí v noci, ráno, co záleží, jak ho nastavíme. Idea je vlastně, že vytvoříme zprávy, drafty zpráv, a následně se rozhodneme, jestli je chceme smazat, odeslat a tak dále. A můžeme to všechno potom sledovat v dashboardu.

Takže úplně jednou jsem řekl "vytvoř cron job, který se bude..." — vytvořilo to ten script, tady to upravilo ten code.js, který vlastně mění menu, abych mohl ovládat pouštění, vypínání a tak dále. Můžu nastavit, že se to bude pouštět nějak pravidelně. A tady vysvětlím, jak to funguje. Nastavili jsme to na každé ráno. Je to draft only — čili se vlastně stáhnou lidi a udělá se z toho draft zprávy. A následně budeme mít možnost poslat... pošle se mi souhrnný e-mail, kolekce toho, co se získalo, a následně se umožní ty zprávy odeslat, až když budu chtít.

Čili tady, když to otevřu, tak tady mám nový job. Tady tím se vlastně nastavil ten cron na každé ráno. A když tady dám "test", tak se to prostě spustí. A tady už to nebudeme kontrolovat, protože to poběží velmi dlouho — jelikož trvá 3-4 minuty získat informace v každém profilu. Nicméně ten script vlastně je funkční a můžeme se na něj spolehnout.

A poslední věc je dashboard. Takže když klikneme na dashboard, tak uvidíme naši tabulku, uvidíme tady vlastně detail konverzace, která zatím neproběhla, profil. A vidíme, že oslovili jsme jednou zákazníka. Můžeme vlastně hledat podle fáze, můžeme filtrovat podle toho, koho jsme oslovili a tak dále. Takže tady můžeme takhle trackovat detailně, co se děje. Tady můžeme editovat, máme nad tím velmi snadný přístup, a tím můžeme efektivně rozesílat e-mail — na LinkedIn nebo na e-mail — a vlastně trackovat komunikaci se zákazníkem.

A to jsme dneska vytvořili. Já myslím, že je to ukázka zase trochu jiného projektu. Tady to nastavení nad Google Sheets může být možná pro někoho užitečné. Budu se těšit příště a přeju vám hezký zbytek dne.

Lekce 4: Research engine: AI ti najde a oindexuje zákazníky