O czym jest ten film
- Cody Schneider twierdzi, że agenty marketingowe są dziś tym, czym rok wcześniej były agenty kodujące — sposobem na pozyskiwanie klientów „na autopilocie”.
- Pierwszy agent: monitorowanie postów influencerów na LinkedInie, wyciąganie osób, które je polubiły i skomentowały, i traktowanie tych reakcji jako sygnału zainteresowania.
- Drugi krok tego samego systemu: „waterfall enrichment”, czyli kaskadowe wzbogacanie danych — od najtańszego dostawcy kontaktów do najdroższego, aż do znalezienia maila i telefonu.
- Pełny stos narzędzi wymieniony bez ukrywania czegokolwiek: Apify, GetLeads, Apollo, Origami, Prospeo, LeadMagic, MillionVerifier, Instantly, InboxKit, HyperTide, HeyReach, BotDog, Ordinal, Railway, ClickHouse.
- Higiena wysyłki: osobne domeny „palne” do cold maila, żeby nie spalić dostarczalności domeny firmowej — plus rzędy wielkości kosztów (ok. 200 dolarów miesięcznie na start).
- Agent obsługujący skrzynkę: webhooki z Instantly wracają do agenta, który odpowiada na pytania, popycha do umówienia demo i wznawia kontakt po miesiącach.
- Drugi agent, organiczny: nagrywanie rozmów z zespołem, wyciąganie insightów, pisanie postów i automatyczne planowanie ich na kontach LinkedIn całego zespołu.
- Pętla zwrotna z danych o zasięgach — agent uczy się, które tematy działają, i remiksuje je zamiast wymyślać nowe.
- Teza kontrariańska: nie płać za tokeny tam, gdzie wystarczy zwykły kod. Płać modelowi za napisanie oprogramowania, nie za wykonywanie każdej akcji.
- Alternatywa dla osób, które nie chcą budować marki osobistej: konta tematyczne prowadzone przez agentów.
Redakcyjne tłumaczenie
Wstęp Grega
Greg Isenberg: To prawda — agenty marketingowe są nowymi agentami kodującymi. Tak jak agenty do programowania okazały się przełomem i ludzie zaczęli tworzyć oprogramowanie na żądanie, tak wdrażanie agentów marketingowych jest dziś tak ważne, bo pozwala pozyskiwać klientów na autopilocie.
Jak je właściwie skonfigurować? Jak one wyglądają? To chyba mój najczęściej zamawiany odcinek od dłuższego czasu. Zapraszam z powrotem Cody’ego Schneidera, który zdradza cały sos: jak zbudować takie systemy w Codeksie albo Claude Code, jakie są te pozostałe dwadzieścia narzędzi tworzących infrastrukturę marketingową potrzebną do wdrożenia tych agentów. Pod koniec odcinka ruszy wam wyobraźnia wokół taktyk wzrostowych, które pozwolą się wyróżnić i zdobyć klientów — tak, żeby przy tym, co budujecie, nie trzeba było się już martwić o ruch ani o przychody, tylko skupić się na tworzeniu świetnego produktu, podczas gdy maszyna marketingowa pracuje w tle.
Cody Schneider: Witajcie w podcaście Grega Isenberga. Jestem waszym współprowadzącym — nie, gościem. Nigdy nie jestem współprowadzącym. Nazywam się Cody Schneider i dzisiaj nauczę was, jak zbudować agenta AI, który prowadzi zimny outbound — i mailowy, i na LinkedInie. To odpowiedź na komentarze pod poprzednim materiałem. Jeśli chcecie poznać inne mechanizmy wejścia na rynek, napiszcie w komentarzu. Zróbcie to teraz. To pomaga nam w algorytmie, więc wspieracie program i utrzymujecie tu światło.
Greg: Witaj w programie, Cody. Agenty marketingowe to nowe agenty kodujące. W poprzednim odcinku pokazaliśmy tylko jednego agenta, ale ludziom jeden nie wystarczył. Więc musiałeś wrócić — i wróciłeś szybko. Pod koniec tego odcinka podzielisz się nie jednym, tylko dwoma kompletnymi agentami marketingowymi, gotowymi do wdrożenia. Tak, żeby widz mógł zatrzymać film, pójść i faktycznie zdobyć klientów dla swojego startupu sklejonego na vibe codingu.
Cody: Dokładnie to wam dzisiaj obiecuję. Będziecie mieli dwa takie systemy w praktyce. Nauczę was wszystkiego, co trzeba wiedzieć, i podam wszystkie narzędzia. Żadnego ukrywania wiedzy — nie znoszę ludzi, którzy tak robią. Nie kupujcie kursu. Po prostu napiszcie do mnie prywatnie, nauczę was czegokolwiek. Albo nagram publiczny materiał dla wszystkich. Ruszamy, G.
Co budujemy: agent outboundowy oparty na sygnałach
Cody: Dzisiaj zbudujemy system, który monitoruje posty influencerów z waszej niszy, z waszej kategorii, a następnie wyciąga z tych postów osoby, które w nie weszły w interakcję. Potem robimy tak zwane kaskadowe wzbogacanie danych (Informacja dodatkowa: ang. waterfall enrichment — sekwencyjne odpytywanie kolejnych baz kontaktów), żeby znaleźć ich adresy mailowe, a nawet numery telefonów. Dzięki temu można do nich uderzyć outboundem: zimnym mailem i wiadomościami na LinkedInie. A na koniec pokażę, jak podpiąć agenta do obu tych skrzynek, żeby nimi zarządzał — na przykład odpowiadał na pytania albo próbował przepchnąć rozmówcę w stronę umówienia demo.
Na poziomie ogólnym warto dodać jedno: strategię. W tej chwili zimny mailing jest masakrowany. Wskaźniki odpowiedzi lecą w dół. Wszystko leci w dół. Powiedzmy sobie szczerze — każdy kanał marketingowy jest teraz w dołku. Powód jest prosty: sieczka generowana przez AI zalewa przestrzeń i wszędzie robi się czerwony ocean.
Ale znaleźliśmy sposób, żeby się wyróżnić: trzeba szukać sygnałów albo wyzwalaczy, które pokazują, że ktoś sam podnosi rękę i mówi „chcę tego, interesuje mnie to”. Świetnym sposobem są właśnie interakcje na LinkedInie. Kiedy ktoś lajkuje jakąś treść, to jest podniesiona ręka — sygnał, że interesuje go dana rzecz. I na tej podstawie możemy oceniać, czy to mój docelowy klient. Nie na podstawie firmografii, demografii czy psychografii, których tradycyjnie używa się w outboundzie. Tutaj chodzi o coś innego: ta osoba ma udowodnioną skłonność albo zainteresowanie danym tematem, i teraz stajemy jej przed oczami.
Krok pierwszy: znajdź influencerów w swojej kategorii
Pierwsza rzecz: wchodzicie na LinkedIn i szukacie influencerów w swojej kategorii. W poprzednim odcinku mówiliśmy o AI dla WordPressa, więc użyję tego samego przykładu jako grupy docelowej. Na LinkedInie szukałbym ludzi, którzy mówią o programowaniu w WordPressie. Zobaczmy, co wyskoczy… To może być fatalna kategoria, być może trzeba będzie poszukać czegoś zupełnie innego. Chodzi o znalezienie postów albo twórców, którzy poruszają te tematy codziennie. Tutaj sygnał będzie raczej słaby, więc lepszym podejściem będzie na przykład „AI w marketingu”. Zobaczmy, co się pojawi.
Greg: Co decyduje o tym, że wyszukiwanie jest dobre? Dlaczego „AI dla WordPressa” było słabe, a „AI w marketingu” jest lepsze?
Cody: To po prostu kwestia tego, czy serwowana treść jest tym, z czym wchodziłby w interakcję wasz docelowy klient. O to chodzi. Ja sam korzystam ze strony „dla ciebie” — algorytmy są dziś tak dobre, że po prostu pokażą wam treści, które są relewantne. Zobaczcie, pierwszy z brzegu przykład jest idealny: ludzie próbujący robić jakiś montaż wideo, oczywiście na potrzeby marketingu. Każdy, kto wchodzi w interakcję z tym postem, jest potencjalnie klientem docelowym.
Więc mówię sobie: świetnie, znajdę tych twórców i zbuduję z nich arkusz kalkulacyjny. Wszystkich tych ludzi, z których będę pozyskiwał leady. To mogą być nawet konta firmowe — i to jest coś, czego ludzie nie zauważają. Jeśli istnieją konta firmowe, z którymi wchodzi w interakcję wasz docelowy klient, one też się nadają. To może być na przykład Clay — bierzemy posty Claya. I schodzimy dalej w dół. „MCP” jest chyba za szerokie.
Greg: I robisz to ręcznie. Nie używasz do tego agentów. Dlaczego?
Cody: Nie robiłbym tego inaczej. Zazwyczaj firma i tak wie, z kim jej klienci wchodzą w interakcję. Kiedy pracujemy z jakimś biznesem, oni wiedzą, kogo śledzi ich docelowy klient. Wystarczy dziesięć, dwadzieścia takich kont — i to już aż nadto, żeby pozyskać wolumen leadów potrzebny, by ten kanał był opłacalny.
Używam tu feedu, bo pokaże mi to, co jest dla mnie najbardziej relewantne, czyli prawdopodobnie rzeczy z mojej niszy. Ale można też użyć wyszukiwarki. Kiedyś tak robiliśmy — szukaliśmy i wyłuskiwaliśmy najpopularniejsze posty z danego okresu. W praktyce w każdej niszy jest garstka wyników odstających, z którymi wchodzą w interakcję wszyscy. Jeśli monitorujecie tylko tę garstkę, pokrywacie jakieś 80% powierzchni całej branży. Więcej nie potrzeba — zysk krańcowy z próby ogarnięcia całości po prostu się nie opłaca.
To ta sama idea, którą stosujemy przy rozwiązywaniu problemu entropii w reklamie płatnej. Jeśli puścicie agenta w pętli, będzie w kółko produkował te same pomysły. Jak to rozwiązać? Znajdujecie ludzkich twórców — powiedzmy dziesięciu na Instagramie — i śledzicie, co publikują. Szukacie wyników odstających i z nich wyciągacie sygnał: o, jest nowy format haka, jest nowy temat. Można to pobrać, zremiksować i tak to działa.
Krok drugi: wyciągnij osoby, które weszły w interakcję
Znajduję garstkę takich firm i profili. Dla przykładu weźmiemy Louise — powiedzmy, że interesują nas wszyscy, którzy weszli w interakcję z tym konkretnym postem. Kiedy mam już te osoby, potrzebuję Apify.
Greg: Czym jest Apify dla tych, którzy nie wiedzą?
Cody: Apify to API do scrapowania. Mam jeden klucz API i mogę nim scrapować LinkedIna, Twittera, wszystkie te kanały. To sposób na wprowadzenie danych do kontekstu mojego agenta, żeby miał świadomość sytuacji i mógł na tej podstawie podejmować decyzje albo tworzyć treści.
Ten konkretny aktor, który lubimy — pracowaliśmy z nim sporo, bo ma najstabilniejsze połączenia. Takich narzędzi są tysiące i wyzwaniem przy Apify jest znalezienie tych naprawdę utrzymywanych i monitorowanych. Ten gość, API Maestro, ma mnóstwo aktorów do LinkedIna. Widzicie tu wszystkie te funkcje.
Apify działa tak: bierzecie od nich klucz API, a to pozwala waszemu agentowi kodującemu — Claude Code albo Codeksowi — odwoływać się do jednego z tych endpointów. Można na przykład użyć scrapera postów. My użyjemy tego od interakcji. Szukam… „post reactions on LinkedIn”, to chyba to. Tak, dokładnie. Więc „post comments” i „post reactions” to dwa endpointy, których użyjecie. Pozwalają wyciągnąć wszystkich, którzy weszli w interakcję z danym postem i go skomentowali.
Pokażę wam, jak zrobić to w Claude Code. Odpalam terminal. Mam już klucz API do Apify zapisany lokalnie w katalogu, w którym pracuję nad wszystkimi rzeczami wzrostowymi. Jeśli nie wiecie, o czym mówię, na moim kanale jest cały materiał, który jest przyspieszonym kursem: nazywa się „go to market engineering” albo „marketing engineering”. Przeprowadza przez cały proces konfiguracji, zajmuje jakieś dziesięć minut.
Skrypt już napisałem — kazałem agentowi przeczytać, jak używać tego endpointu, żeby wyciągnąć wszystkie informacje o poście i komentarzach, o wszystkich, którzy weszli w interakcję. Więc podaję mu URL posta i mówię: „wyciągnij osoby, które weszły w interakcję, używając klucza API do Apify”. I on to dla mnie robi.
Tak właśnie zbudowałbym tę automatyzację czy tego agenta: wziąłbym ten kod i wdrożył go w chmurze, mówiąc — codziennie sprawdzaj, czy są nowe posty. Do tego użyłbym scrapera postów z profilu, żeby wyciągnąć adresy postów danej osoby. Więc każdy nowy post jest codziennie wyciągany, a z niego wyciągane są osoby, które weszły w interakcję — tym drugim endpointem. Jak widzicie, po odsianiu duplikatów po profilach publicznych mamy 63 surowe rekordy i zaraz wyciągnie wszystkie te kontakty.
A kiedy mam te kontakty — koniec gry. Jeśli macie profile na LinkedInie, jesteście w stanie znaleźć ich adresy mailowe. Możecie znaleźć numery telefonów. Wszystko, czego potrzeba do zimnego outboundu.
Czym właściwie jest „agent”?
Greg: Co czyni to agentem, a nie zwykłą automatyzacją marketingową?
Cody: Komponent agentowy polega na tym, że to działa codziennie na crona, a później dojdzie agent odpowiadający na skrzynkę. To rozmyta granica — ludzie pytają mnie o to na każdej rozmowie handlowej. Odpowiedź, tak jak ja to widzę: agent to coś, co wykonuje określone zadanie do zrobienia. Tutaj tym zadaniem jest znajdowanie leadów, wychodzenie do nich z ofertą i odpowiadanie na ich pytania, czyli wciąganie ich głębiej w lejek.
W praktyce jednak — czym jest agent marketingowy? To kod, może jakaś pętla myślenia i żywy strumień danych. Tak to działa. Można to rozszerzyć na przykład o ocenę, do kogo w ogóle warto uderzać. Chcecie, żeby oceniał dopasowanie do profilu idealnego klienta. Więc zanim jeszcze zrobi wzbogacanie danych, mówicie: „Agencie, zbadaj tę osobę i firmę, w której pracuje. Ilu mają pracowników?” — i tak dalej. A potem, na podstawie tego, co znajdzie, agent przy pomocy modelu językowego ocenia, czy to pasuje do profilu. Jeśli tak, kontakt idzie do wzbogacania, a potem do zimnego maila. Tam może siedzieć ta pętla myślenia.
Ale szczerze mówiąc, ja już myślę o tym po prostu jak o oprogramowaniu. Inaczej mówiąc: wszyscy próbowali wsadzić Boga do pudełka i dać mu dostęp do konta reklamowego na Facebooku — i zorientowaliśmy się, że to absolutnie nie jest właściwa droga. Właściwa droga to pytanie: co robił człowiek? Prowadził bardzo konkretny proces zakupu mediów. Badał kąty kreatywne, tworzył nowe kreacje, testował je, a potem przycinał przegranych i promował zwycięzców. To robi topowy media buyer. No to jak zbudować oprogramowanie, które robi dokładnie to samo?
Kiedy słyszycie „agenty”, myślcie po prostu: oprogramowanie, ewentualnie z pętlą myślenia. Inne ujęcie tej samej sprawy — mam na tym punkcie obsesję: nie powinniście płacić Anthropikowi ani ChatGPT za wykonanie wywołania API. Powinniście im płacić za napisanie oprogramowania, które użyje procesora, żeby to wywołanie wykonać. Po co płacić podatek od tokenów za każdym razem, kiedy wykonujecie jakąś czynność marketingową? To absurd. Zbudujcie oprogramowanie, które daje wam rozwiązanie, zamiast spalać tokeny przy każdej akcji.
Krok trzeci: kaskadowe wzbogacanie danych
Mamy więc adresy profili na LinkedInie — co teraz? Robimy kaskadowe wzbogacanie. Na podstawie tych profili szukamy adresów mailowych, a potem numerów telefonów.
Pierwsze narzędzie w stosie to GetLeads.io. To baza agregująca kontakty B2B, dostępna przez API. Maile, których nie znajdziemy w GetLeads, przekazujemy w dół kaskady do czegoś takiego jak Apollo. A to można pociągnąć jeszcze dalej, do narzędzia takiego jak Origami — z nim eksperymentujemy ostatnio, a ich zespół robi świetną robotę; Finn i cała ekipa są rewelacyjni.
Wracam więc do terminala. To ja własnoręcznie wykonuję ten proces, żeby wam go pokazać, ale wszystko, co teraz robię, docelowo będzie po prostu kodem pod spodem. A kiedy jest to kod, mogę go wdrożyć w chmurze. Dopóki ma potrzebne dane i potrzebne dostępy, wykona tę operację autonomicznie. A wy tylko poganiacie agenta i modyfikujecie system. Budujemy tu system.
Więc mówię: „użyj API GetLeads, żeby znaleźć maile i numery telefonów”.
Greg: Głupie pytanie…
Cody: Dawaj.
Greg: To jest legalne? Zdobywanie tych maili nie jest w szarej strefie? Jest w pełni w porządku?
Cody: Zdobywanie tych maili jest w pełni legalne. To, co z nimi robicie — tu zaczynają się kwestie zgodności z prawem. W Stanach Zjednoczonych technicznie wolno wysłać zimnego maila. Można też dodać kogoś do newslettera i pozostać zgodnym z ustawą CAN-SPAM. Jest lista rzeczy, które trzeba spełnić.
Natomiast w tym przypadku, przy zimnym mailu i wyszukiwaniu kontaktów, po prostu kupujecie dane od brokera danych, a to jest legalne. Te firmy działają tak, że skupują listy od różnych brokerów i je agregują. Ta cała warstwa to zupełnie osobna, dość szemrana sieć. Ale to, o czym my mówimy, na skali od black hat do white hat leży całkiem daleko po stronie white hat.
Greg: Choć chyba nikt nie pomyli cię z prawnikiem.
Cody: Absolutnie. Bierzcie to z przymrużeniem oka — w samych Stanach są różne przepisy w różnych stanach.
Greg: Zróbcie własny research.
Cody: Dokładnie. W Stanach jest inaczej niż na przykład w Unii Europejskiej, gdzie kwestie zgodności wyglądają zupełnie inaczej. (Informacja dodatkowa: w UE i w Polsce takie działania podlegają RODO oraz przepisom o niezamówionej informacji handlowej — same reguły amerykańskie tu nie wystarczą.) Ale ogólnie rzecz biorąc, znajdowanie danych ludzi i kontaktowanie się z nimi jest wykonalne. Dziś nie mamy czasu wchodzić we wszystkie niuanse.
Krok czwarty: weryfikacja adresów
Kiedy znajdę już te osoby i ich maile, następnym krokiem jest walidacja adresów. Wysyłam je do narzędzia MillionVerifier, które sprawdza, czy adres jest dobry, ryzykowny czy zły — w bardziej technicznym języku: valid, catch-all, risky i tak dalej.
Dlaczego to robić? Bo maile wychodzące z tych dostawców — GetLeads, Apollo — wymagają drugiej weryfikacji. (Origami robi chyba nieco głębsze sprawdzenia, ale nie znam tego tak dobrze.) Chcecie wysyłać zimne maile wyłącznie na poprawne adresy, bo wysyłka na nieistniejące oznacza natychmiastowe problemy z dostarczalnością.
Wracając do kaskady — na czym ona polega. Bierzemy listę, powiedzmy, pięćdziesięciu adresów profili na LinkedInie. W GetLeads znajdujemy maile może trzydziestu dwóch osób. Pozostałe osiemnaście wysyłam do Apollo. Z tych osiemnastu znajduję może dziesięć. A pozostałe osiem idzie do czegoś jeszcze — Prospeo, Origami czy innego narzędzia wzbogacającego.
Logika jest taka: zaczynacie od tego, co najtańsze i najdokładniejsze, a potem schodzicie w stronę droższych narzędzi. Dzięki temu dochodzicie do jakiegoś 80-procentowego wskaźnika trafień. Można spinać w łańcuch tyle etapów, ile chcecie — to kwestia budżetu. Istnieją też agregatory, jak Origami, które robią całą kaskadę za was: wysyłacie profil z LinkedIna, a oni przechodzą przez dostępne opcje.
Jeszcze jedno narzędzie, które przyda się waszemu zespołowi: Lead Magic. Używamy go sporo, zwłaszcza do numerów komórkowych. Ta sama strategia, po prostu kolejne narzędzie wzbogacające, ale akurat po stronie telefonów sprawdziło się nam nieźle.
Krok piąty: infrastruktura wysyłki
Kiedy mam już dane kontaktowe, muszę zbudować sam ruch outboundowy. Zaczynając od zimnego maila: trzeba kupić skrzynki. Można to zrobić na kilka sposobów — narzędziem InboxKit, gotowymi skrzynkami od Instantly AI albo przez firmę HyperTide, z którą współpracujemy i która moim zdaniem należy do najlepszych.
Kupując te maile, tak naprawdę kupujecie skrzynki i domeny — domeny „palne”, które pozwalają wysyłać zimne maile spoza waszej głównej domeny. Po co? Żeby nie spalić dostarczalności domeny firmowej. Co to znaczy? Jeśli wyślecie dziesięć tysięcy zimnych maili ze swojej właściwej domeny, zniszczycie dostarczalność adresu, na którym opiera się firma. Nie chcecie tego.
Standardem po stronie marketingowej jest separacja: osobne domeny do zimnego maila, osobne do e-mail marketingu, osobne do maili transakcyjnych — czyli tych wysyłanych z produktu bezpośrednio do klienta, jak reset hasła. I wreszcie firmowa domena mailowa, z której faktycznie korzysta wasz zespół.
Co do kosztów: z HyperTide — mamy z nimi partnerstwo, więc u nas jest to nieco inaczej — można wysłać około dziesięciu tysięcy zimnych maili za jakieś 100 dolarów miesięcznie kosztów infrastruktury skrzynkowej. U większości dostawców jest podobnie; InboxKit ma bardzo zbliżony cennik i często robi promocje, więc warto na nie polować. Kupujecie domeny, a potem płacicie abonament za hosting skrzynek. Po stronie Instantly da się zwykle zacząć od poziomu 97 dolarów miesięcznie. W sumie, żeby ruszyć — oprogramowanie do wysyłki plus skrzynki — koszt infrastruktury to jakieś 200 dolarów na start.
Powtórzę więc całość, bo dużo tego było. Pobieram listę leadów z LinkedIna. Skąd wiem, że to ludzie, do których chcę uderzyć? Bo wchodzą w interakcję z treściami, którymi mój docelowy klient by się zainteresował. Ci ludzie sami podnoszą rękę, że potencjalnie są moim klientem.
Greg: Co jest, nawiasem mówiąc, szalone.
Cody: Tak jest.
Greg: Wcześniej znalezienie tego było niemożliwe.
Cody: Więc znajduję tych ludzi, robię kaskadowe wzbogacanie i zdobywam ich dane kontaktowe. A potem muszę móc do nich wysłać — czyli zdobywam infrastrukturę skrzynkową i wysyłam przez platformę taką jak Instantly. Po stronie wiadomości na LinkedInie wysyłam przez platformę taką jak HeyReach. Inna, którą lubimy, to BotDog. Obie mają API i pozwalają prowadzić kampanie wiadomości prywatnych z tych kont. Znam też ludzi, którzy używają do tego po prostu LinkedIn InMail i osiągają obecnie świetne wyniki tą strategią.
Krok szósty: agent zarządzający skrzynką
Jak sprawić, żeby agent zarządzał tą skrzynką? Weźmy Instantly. Mają API, które pozwala monitorować i zarządzać całym kontem. Możecie mieć agenta, który dosłownie pisze treść każdego pojedynczego maila do konkretnej osoby, wypełnia zmienne i wypycha to do Instantly. Czyli dzieje się to poza platformą, a potem jest do niej wpychane.
Ale ważniejsze jest coś innego: mają też webhooki. Kiedy przychodzi pozytywna odpowiedź, potwierdzenie z webhooka wraca do waszego agenta hostowanego na serwerze w chmurze. Temu agentowi dajecie prompt bazowy — cały potrzebny kontekst i cel: „twoim zadaniem jest doprowadzić ludzi do umówienia demo pod tym linkiem”. Agent zarządza skrzynką, odpowiada na pytania, popycha ludzi głębiej w lejek.
Ale naprawdę fascynujące i naprawdę mocne jest to, że potrafi robić follow-upy nawet po miesiącach. Można zaprogramować: co pół roku wracaj do ludzi, którzy zniknęli. Można też podpiąć to do aplikacji do umawiania spotkań, jak Calendly albo Cal.com. Dajecie agentowi wgląd w to, czy osoba, do której uderzyliśmy, faktycznie umówiła rozmowę wstępną — czy wykonała akcję, którą optymalizujemy.
I w ten sposób budujecie „handlowca w pudełku”: system, który sam znajduje nowych ludzi na podstawie ich interakcji w mediach społecznościowych, znajduje maile, pisze wiadomości, ocenia dopasowanie do profilu idealnego klienta, wysyła to do platform wysyłkowych i zarządza ich skrzynkami.
I znów — kiedy mówię „agent zarządza skrzynką”, to pod spodem jest po prostu kod. Kod z podpiętym modelem językowym. To jest agent. W tym kontekście nie ma co komplikować. Nie potrzebujecie Boga w pudełku zarządzającego skrzynką mailową. To może być bardzo prosta konstrukcja.
Często pytają mnie też, czy trzeba używać jakiegoś frameworka agentowego. Zwykle nie trzeba — to często zbędny balast. Do tak wąskich problemów wystarczy bardzo proste rozwiązanie. To nie musi być przekombinowana konstrukcja.
Ostatni brakujący element: musicie postawić serwer. Coś w rodzaju Railway. My w Graft mamy hurtownię z pipeline’em danych i serwer, na który wdrażamy tych agentów, opartych na żywych strumieniach danych. Trudno pokazywać kod na wizji, więc dziś tego nie robiłem.
Fabryki oprogramowania i ekonomia tokenów
Greg: Żeby było jasne — używasz harnessu w rodzaju Claude Code czy Codeksu, żeby to wszystko zbudować. Ale trudną częścią jest strategia: do kogo uderzasz, dlaczego, jaki masz stos narzędzi. To świetne, że wyłożyłeś tu wszystkie potrzebne narzędzia. Potem zostaje już tylko wykonanie — i to jest właśnie to, o czym ludzie mówią „fabryki oprogramowania”. Wszyscy jesteśmy teraz w branży fabryk oprogramowania, bo po prostu wypuszczamy takie rzeczy: oprogramowanie, które wykonuje konkretne zadania.
Cody: Absolutnie. Dobry sposób myślenia jest taki: jeśli potrafisz zbudować to w Claude Code i mieć jakiś system działający lokalnie, to prawdopodobnie potrafisz wdrożyć to na serwer i puścić w cyklu godzinnym, dziennym albo jakimkolwiek innym.
Problemem staje się infrastruktura potrzebna, żeby agent mógł to robić. Rozwiązanie open source, o którym mówiliśmy w poprzednim odcinku, to na przykład ClickHouse do zbudowania pipeline’u i hurtowni danych, żeby agent miał strumień danych do podejmowania decyzji. No i musicie mieć serwer — a co to jest serwer dla niewtajemniczonych? To po prostu komputer, który stoi gdzieś indziej włączony przez cały czas i na który wgrywacie kod.
Ta sprawa z fabrykami oprogramowania jest fascynująca. Tak właśnie teraz myślę o marketingu: marketing to po prostu kod. Kiedy generuję obrazek, pod spodem jest po prostu prompt w JSON-ie. Kiedy robię awatarowe filmiki AI, to jest model językowy, który zescrapował Reddita, coś przeczytał, napisał scenariusz — i wywołanie API do generatora obrazu. Do tego przepis, jak to spiąć w trzydziestosekundową całość. Wszystko teraz tak wygląda. Mój współzałożyciel Max jest głęboko przekonany, że jedynym prawdziwym agentem jest agent kodujący — cała reszta to oprogramowanie tworzone przez tego agenta.
Uważam, że to jest ta zmiana paradygmatu i mamy na tym punkcie obsesję. Po co płacić za tokeny za rzeczy, które mogą być zwykłym kodem działającym na bardzo tanich zasobach? Nie musicie odpalać inferencji przy każdej akcji. Używajcie jej tylko wtedy, gdy jest naprawdę potrzebna. To pogląd odmienny od dominującego — wszyscy mówią „obfitość tokenów, maksujmy tokeny”, a ja jestem właściwie po przeciwnej stronie. To po prostu marnotrawstwo. Róbcie rzecz prostszą, bo mniej prawdopodobne, że się zepsuje. Jeśli każecie agentowi prowadzić wasze kampanie na Facebooku, jest spora szansa, że rozwali konto. Ale jeśli zbudujecie sobie własne oprogramowanie działające według procesu, który prowadziłby normalny człowiek — dostaniecie zupełnie inne rezultaty, prawdopodobnie wyższej jakości.
Drugi agent: organiczna fabryka treści
Greg: Mamy czas na drugi przepływ, drugie demo agenta marketingowego?
Cody: Jasne. Właśnie zrobiłem coś takiego dla własnego zespołu. Postawiliśmy pytanie: jak masowo produkować treści na LinkedIna dla całego zespołu? Przeprowadzamy z nimi wywiady, bierzemy transkrypcje, wyciągamy insighty, insighty są przerabiane na posty, a posty automatycznie trafiają do harmonogramu na ich kontach LinkedIn — narzędziem Ordinal, przez MCP.
Greg: Zatrzymaj się, to jest ciekawe. Bo wielu ludzi słuchało tego podejścia z zimnym kontaktem i myśli sobie: „ja jednak wolę drogę organiczną”. Jak wygląda przykład agenta marketingowego w wersji organicznej?
Cody: Chętnie. Wezmę LinkedIna, bo to bardzo aktualne i mamy ostatnio duże zainteresowanie ze strony firm, co jest dość fascynujące. Wykorzystują to na przykład z zespołami sprzedaży — chcą, żeby ich siedmioosobowy zespół publikował codziennie. Jak to zrobić i wciąż mieć unikalne pomysły?
Proces jest banalnie prosty. Nagrywacie rozmowę taką jak ta. Mam cotygodniowe rozmowy jeden na jeden z osobami, dla których to robimy: „opowiedz mi wszystko, czego nauczyłeś się w ostatnim tygodniu”. Po prostu ich przepytuję, prowadzę rozmowę. Nie musi być ustrukturyzowana. Pytanie brzmi: co cię uderzyło po tych wszystkich rozmowach handlowych — albo po tym, co akurat robisz w swojej roli. To samo można robić z osobami technicznymi. Z każdym.
Wyobrażam sobie, że tak właśnie robią to duże, prawdziwe firmy. Nie ma szans, żeby w firmie takiej jak Lovable każdy sam pisał treści publikowane na wszystkich kontach. Może i tak jest, ale bardziej prawdopodobne, że ktoś to za kulisami orkiestruje.
To zresztą nie musi być wywiad. Mogą to być rozmowy handlowe albo wewnętrzna komunikacja. Alex Lieberman dużo o tym ostatnio mówi: ogromny zasób kontekstu siedzi w ich Notion, w kodzie, na Slacku. My widzimy to samo. Możecie użyć jednego z tych agentów do odpytywania takich źródeł — przeszukania kanału sprzedażowego albo transkrypcji z Gonga (Informacja dodatkowa: Gong to narzędzie nagrywające i analizujące rozmowy handlowe). Stamtąd wyciągacie insighty. I bardzo często okazuje się, że w środku siedzi naprawdę dobra treść. Na przykład: klient albo potencjalny klient powiedział, dlaczego produktu nie kupił — z tego można zrobić nieprawdopodobnie dobry materiał.
Trzeba więc mieć materiał źródłowy. Dlaczego? Bo jeśli po prostu powiecie agentowi „napisz dobrą treść na LinkedIna”, wyjdzie z tego najbardziej przeciętna rzecz, jaką widzieliście. Zmarnujecie czas osoby po drugiej stronie. Albo zostaniecie oflagowani jako sieczka AI przez nową funkcję LinkedIna, która wyszła dziś rano. Lepsza droga to czerpanie z prawdziwej ludzkiej rozmowy, bo tam rodzą się oryginalne pomysły.
Innym przykładem jest dosłownie ten podcast. Można wyciągnąć wszystkie insighty z transkrypcji i użyć ich jako treści społecznościowych. Tej strategii używam sam dla siebie. Ale nie musi to być wasz własny materiał — może być cudzy. Podcast z Navalem, cokolwiek. Materiałem źródłowym może być wszystko. Chodzi o system: jakieś źródło pojawiające się z określoną częstotliwością, a na jego bazie proces pisania i planowania publikacji.
Jak to zrobić technicznie? Bierzecie materiał źródłowy i robicie wywołanie API do jakiegoś modelu językowego. My używaliśmy choćby Claude Sonnet — po stronie pisania to prawdopodobnie w zupełności wystarcza. Kiedy macie gotowe posty, używacie narzędzia do harmonogramowania. Lubimy do tego Ordinal, który jest zresztą naszym partnerem. Pozwala podpiąć wiele kont LinkedIn, a te mogą wchodzić w interakcję ze sobą nawzajem, co jest świetne. Przez ich API albo MCP planujecie posty na poszczególnych kontach.
Ordinal ma też dane analityczne zaciągane z waszych postów na LinkedInie. Widzimy więc rozbicie na to, które treści faktycznie działają — analitykę wielu kont naraz i wyniki pojedynczych postów. A ten strumień danych może wracać do agenta, żeby rozumiał, co zbiera wyświetlenia i co działa. „Róbmy więcej takich treści” — przy kolejnym cyklu pisania to wpływa na następną rundę kreacji. Tematy takiego typu radzą sobie lepiej na podstawie materiału, który pobraliśmy. Jak możemy to zakulić albo zremiksować? Używajcie dokładnie tych słów — „snowball”, „remix” — żeby popchnąć to dalej. Tu właśnie model językowy myśli na wierzchu strumienia danych.
Śmierć social media managera i mechanika remiksu
Kiedy spojrzycie na to, co się tu dzieje — co robi social media manager? Ja uważam, że ten zawód jest już martwy. Jeśli tego słuchacie, nauczcie się proszę tworzyć i zarządzać treścią na skalę, na wielu kontach naraz, z pomocą agentów. Myślę, że to jest nowa meta: jak jedna osoba może obsłużyć dziesięć, dwadzieścia, sto kont na wszystkich tych kanałach.
Bo co robił wcześniej dobry social media manager — naprawdę świetny w swoim fachu? Poszukiwał pomysłów. Tworzył o nich treści. Publikował. Sprawdzał w danych, co zebrało najwięcej wyświetleń. A potem przekuwał to w cykliczny kalendarz treści, w którym w kółko remiksuje te same pomysły.
Jeśli spojrzycie na moje posty na Twitterze czy nawet na LinkedInie — to dosłownie to samo, remiksowane co dziewięćdziesiąt dni. Kropka. To wszystko, co się dzieje. A kiedy zbierzecie dostatecznie duży korpus, zaczynacie z góry wiedzieć, co pójdzie wiralowo. Mam posty, których używam od dwóch lat. Za każdym razem, kiedy je publikuję, wiem, że pójdą szeroko. Nie mogę publikować ich codziennie — publikuję je co dziewięćdziesiąt dni.
Miejcie więc takie nastawienie: poszukuję pomysłów, poszukuję zwycięzców. Kiedy je znajdę, używam ich tak często, jak się da, bo wiem, że to działa i że to rezonuje z odbiorcami.
To samo dotyczy produktu. Wielu founderów za pierwszym razem myśli w kategoriach „próbuję namówić rynek, żeby to kupił”, a zawodowcy pytają: co rynek chce kupić? Czy mogę to zbudować i czy mogę im to sprzedać? Tak się naprawdę zakłada biznes. Z jakiegoś powodu ludzie odwracają to i mówią: „próbuję wymyślić nową ideę”. A ja w ogóle nie chcę wymyślać nowej idei. Chcę wiedzieć, co ludzie chcą kupić, a czego obecnie kupić nie mogą, i czy potrafię znaleźć sposób, żeby to zbudować. Wtedy wiem, że rynek będzie chłonny.
O treści trzeba myśleć dokładnie tak samo: na jakie treści rynek jest obecnie chłonny? Wydobywając takie treści z innych źródeł, tam gdzie już miały swój wiralowy moment, przeskakujecie etap zgadywania — identyfikujecie to, co działa, i dodajecie własny spin, własny kąt.
Ekonomia zasięgów organicznych
Greg: Sporo tu myśli. Zgadzam się co do social media managera — ta rola jest martwa albo raczej ewoluuje. Przekształci się w menedżera agentów społecznościowych. Trzeba będzie umieć uruchamiać agentów, żeby móc zakładać w locie mnóstwo kont, które systematycznie tworzą treść. Ty masz miliony wyświetleń miesięcznie, za darmo. Właściwie to platformy płacą tobie, co jest szalone.
Cody: Dostaję pieniądze za budowanie własnego pipeline’u leadów. Pomyśl o tym.
Greg: To szaleństwo.
Cody: To zabawne — rozmawiam z founderami albo ludźmi prowadzącymi większe firmy i słyszę: „po co miałbyś inwestować w social media?”. A ja mówię: spójrz na earned media (Informacja dodatkowa: zasięg zdobyty bez opłacania reklam). Gdybyś płacił za te wyświetlenia na platformie — na LinkedInie średnia to jakieś 22 dolary za tysiąc wyświetleń. Więc każdy post, nawet z konta mającego pięciuset obserwujących, może dać tysiąc wyświetleń. To jak dwadzieścia dolarów, które właśnie wkładasz sobie do kieszeni za darmo.
Greg: Jest strona earned media, ale jest też to, że platformy ci płacą. YouTube dosłownie płaci mi za robienie marketingu dla Late Checkout. Co jest, do licha?
Cody: Szaleństwo. A dla tych, którzy mówią „nie chcę budować marki osobistej” — rozumiem. Cody sugeruje, żeby marki osobiste budowali ludzie z waszego zespołu. A jeśli i tego nie chcecie, dorzucę wam trochę sosu: kolejna naprawdę sprytna rzecz, którą można robić z agentami tworzącymi treść, to konta tematyczne.
Przykład: mój dobry znajomy Julian Shapiro miał agencję wzrostową o nazwie Demand Curve.
Cody: Absolutny goat, nawiasem mówiąc. Jego blog jest znakomity, na tym się wychowałem.
Greg: Ja się z Julianem właściwie wychowałem.
Cody: Naprawdę? Niesamowite.
Greg: Tak. Muszę go zaprosić do podcastu. Julian, będąc bystrym gościem, nie założył konta na X pod nazwą „Demand Curve”. Może i takie ma, ale stworzył konto @GrowthTactics. Publikuje treści na tej stronie o taktykach wzrostowych, ludzie zainteresowani taktykami wzrostowymi to obserwują, a przy okazji dowiadują się o jego agencji i produktach. To jest firma medialna.
Moje ulubione są takie jak Chase Passive Income — robią to bardziej w konwencji memowej, ale ta darmowa uwaga, którą można zgromadzić, napędza inbound do tego, co budujecie. To nie musi być wasza twarz. To może być anonimowy byt, który wciąż dostarcza wartość, agregując i porządkując coś dla internetu.
Zakończenie
Greg: Naprawdę mocne agenty marketingowe, które właśnie rozłożyłeś na części. Szkoda, że nie mamy czterdziestu godzin.
Cody: Komentujcie pod filmem — to jedyny sposób, żebym tu wrócił. Napiszcie, czego chcecie się nauczyć. Nauczę was czegokolwiek. Może to być budowanie agentów społecznościowych do klonów TikToka, prowadzenie konta reklamowego, cokolwiek sobie wyobrazicie. Może to być direct mail — dosłownie pokażę wam, jak wysyłać przesyłki tradycyjną pocztą na skalę, scrapując Mapy Google. Jak reklamować się w telewizji i jaka jest tam meta. Jak zdobywać tańsze kliknięcia na LinkedInie. Mogę rozłożyć każdą z tych rzeczy.
Greg: Dzięki, Cody. Do zobaczenia w sekcji komentarzy. Jak zawsze linki do miejsc, gdzie można śledzić Cody’ego, będą w opisie.
Cody: Mogę się wykrzyczeć?
Greg: Śmiało.
Cody: Znajdźcie mnie na Twitterze i LinkedInie, tam jestem najbardziej aktywny. A jeśli chcecie wdrożyć dokładnie te agenty, o których dziś mówiłem, wejdźcie na graft.com. Mamy zarówno rozwiązanie platformowe, jak i inżynierów wysyłanych do klienta, którzy przeprowadzają te wdrożenia na naszej platformie. Chętnie pomożemy — najlepsze efekty widzimy u szybko rosnących firm. Dzięki za zaproszenie, G.
Greg: Szczęść Boże, Cody. Do zobaczenia następnym razem.
10 najważniejszych takeaways — z kontekstem zastosowania
1.Sygnał zainteresowania bije demografię
Na czym polega: Zamiast targetować ludzi po branży, stanowisku i wielkości firmy, targetujesz ich po tym, że polubili lub skomentowali post na temat, który sprzedajesz. To zachowanie, a nie metryczka — dowód świeżego zainteresowania, a nie hipoteza.
Jak stosować: Wypisz 10–20 kont (osobistych i firmowych), z którymi Twój klient docelowy realnie wchodzi w interakcję. Codziennie zbieraj nowe posty tych kont i ludzi, którzy w nie weszli. Nie musisz pokrywać całej branży — kilka wyników odstających daje wystarczające pokrycie.
Na co uważać: Polubienie postu o AI nie znaczy, że ktoś ma budżet, decyzyjność ani problem, który rozwiązujesz. Sygnał daje trafność tematu, nie dopasowanie do profilu klienta — filtr ICP musi być osobnym krokiem przed wzbogacaniem danych.
2.Kaskadowe wzbogacanie danych zamiast jednego dostawcy
Na czym polega: Żaden dostawca kontaktów nie ma pełnego pokrycia. Kaskada polega na przepuszczeniu listy przez kolejnych dostawców — od najtańszego i najdokładniejszego do najdroższego — przekazując dalej tylko te rekordy, których poprzedni nie znalazł.
Jak stosować: Zacznij od dwóch etapów (np. tańsza baza, potem droższa) i mierz koszt znalezionego kontaktu na każdym etapie. Dokładaj kolejne dopiero, gdy widzisz, że ostatni wciąż zwraca sensowną liczbę trafień. Alternatywnie użyj agregatora, który robi kaskadę za Ciebie — kosztem kontroli nad kolejnością.
Na co uważać: Koszt rośnie szybciej niż pokrycie. Ostatnie 10% listy potrafi kosztować więcej niż pierwsze 60% — ustal z góry, gdzie kończysz.
3.Zawsze waliduj adresy przed wysyłką
Na czym polega: Adresy z baz kontaktowych bywają nieaktualne. Wysyłka na nieistniejące adresy generuje odbicia, a te bezpośrednio niszczą reputację nadawcy i dostarczalność.
Jak stosować: Włóż osobny krok weryfikacji (w materiale: MillionVerifier) między wzbogacaniem a wysyłką. Wysyłaj tylko na adresy oznaczone jako poprawne; adresy „catch-all” i „ryzykowne” trzymaj w osobnym segmencie albo pomijaj.
Na co uważać: To nie jest krok, który wolno pominąć „na próbę”. Kilkaset odbić potrafi zepsuć skrzynki, na które dopiero co wydałeś pieniądze i tygodnie rozgrzewki.
4.Separacja domen to warunek przetrwania
Na czym polega: Zimny mailing spala reputację domeny, z której wychodzi. Dlatego wysyłkę zimną prowadzi się z osobnych, „palnych” domen, a domenę firmową trzyma się z dala od tego ruchu.
Jak stosować: Rozdziel cztery strumienie: domeny do zimnego maila, do e-mail marketingu, do maili transakcyjnych (reset hasła, powiadomienia z produktu) i domenę firmową zespołu. Budżet startowy według materiału: ok. 100 dolarów miesięcznie na skrzynki (ok. 10 tys. maili) plus ok. 97 dolarów na oprogramowanie do wysyłki.
Na co uważać: Spalonej dostarczalności domeny głównej nie da się szybko odbudować — a to ta domena obsługuje Twoje faktury, rekrutację i kontakt z klientami. To ryzyko asymetryczne.
5.Agent to kod z pętlą myślenia, nie „Bóg w pudełku”
Na czym polega: Cody definiuje agenta jako kod, ewentualnie pętlę decyzyjną i żywy strumień danych — coś, co wykonuje konkretne zadanie do zrobienia. Nie autonomiczny byt z pełnym dostępem do systemu.
Jak stosować: Zacznij od opisania, co robił w tym procesie człowiek, krok po kroku. Zamień te kroki na kod. Model językowy wstaw tylko tam, gdzie faktycznie potrzebna jest ocena (dopasowanie do ICP, napisanie wiadomości, odpowiedź na maila).
Na co uważać: Nie sięgaj automatycznie po framework agentowy — w tak wąskich zadaniach zwykle dokłada balastu, a nie możliwości. Odwrotna pułapka też istnieje: da się przekodować rzeczy, które naprawdę wymagają osądu.
6.Nie płać tokenami za to, co zrobi zwykły kod
Na czym polega: Kontrariańska teza materiału: modelowi płacisz za napisanie oprogramowania, nie za wykonywanie każdej pojedynczej akcji. Wywołanie inferencji przy każdej operacji to podatek od tokenów i dodatkowe źródło awarii.
Jak stosować: Przy projektowaniu każdego kroku pytaj: czy to wymaga rozumowania, czy tylko deterministycznego przetworzenia? Pobieranie danych, deduplikacja, filtrowanie, harmonogram — to kod. Ocena i pisanie tekstu — to model.
Na co uważać: Zbyt agresywne „kodowanie wszystkiego” daje sztywny system, który się rozsypie, gdy zmieni się format danych. Autor sam to przyznaje, mówiąc, że inferencji należy używać wtedy, gdy jest potrzebna — nie nigdy.
7.Webhooki zamieniają wysyłkę w rozmowę
Na czym polega: Platforma wysyłkowa (w materiale: Instantly) wysyła webhook przy pozytywnej odpowiedzi. Ten webhook budzi agenta, który odpowiada, odpowiada na pytania i prowadzi rozmówcę do umówienia demo — a także wraca do niego po miesiącach.
Jak stosować: Daj agentowi prompt bazowy z jasnym celem i pełnym kontekstem produktu. Podłącz kalendarz (Calendly, Cal.com), żeby wiedział, czy spotkanie faktycznie doszło do skutku. Zaprogramuj wznowienia kontaktu w odstępach miesięcy — to element, którego człowiek nie utrzyma.
Na co uważać: To agent piszący w Twoim imieniu do realnych ludzi. Ustaw progi eskalacji do człowieka i przeglądaj wątki — pomyłka tutaj kosztuje reputację, nie tylko konwersję.
8.Materiał źródłowy jest warunkiem sensownej treści organicznej
Na czym polega: Polecenie „napisz dobry post na LinkedIna” produkuje sieczkę. Sensowna treść powstaje z prawdziwych rozmów: wywiadów z zespołem, rozmów handlowych, Slacka, Notion, transkrypcji spotkań.
Jak stosować: Ustaw stały rytm zbierania źródła — np. cotygodniowa rozmowa „opowiedz, czego się nauczyłeś”. Wyciągnij insighty, przerób na posty, zaplanuj publikację (w materiale: Ordinal przez API lub MCP). Szczególnie cenne są nagrania, w których klient tłumaczy, dlaczego nie kupił.
Na co uważać: Sięganie do Slacka, Notion czy nagrań rozmów oznacza dostęp do wrażliwych danych firmowych i wypowiedzi klientów — ustal, co wolno cytować publicznie, zanim uruchomisz pipeline. LinkedIn ma też świeży mechanizm oznaczania treści jako generowanej przez AI.
9.Remiks zwycięzców zamiast wymyślania nowych pomysłów
Na czym polega: Świetny social media manager nie wymyślał w nieskończoność — znajdował pomysły, które zadziałały, i wracał do nich cyklicznie. Cody twierdzi, że jego posty to te same tematy remiksowane co około 90 dni.
Jak stosować: Zbieraj dane o zasięgach z powrotem do agenta, żeby wiedział, które tematy działają, i planował następne rundy w oparciu o wygrane. Ustal odstęp powtórzeń, który nie męczy odbiorców. To samo podejście stosuj do produktu: pytaj, co rynek chce kupić, zamiast wymyślać nową kategorię.
Na co uważać: Pętla optymalizująca na własne dane zbiega się do coraz węższego repertuaru — dlatego autor osobno zaleca śledzenie ludzkich twórców, żeby wstrzykiwać nowe formaty z zewnątrz.
10.Marka osobista nie jest jedyną drogą — są konta tematyczne
Na czym polega: Jeśli nie chcesz budować własnej twarzy w sieci, możesz zbudować markę osobistą ludziom z zespołu albo prowadzić konto tematyczne. Przykład z materiału: Julian Shapiro prowadził @GrowthTactics zamiast konta pod nazwą swojej agencji Demand Curve.
Jak stosować: Wybierz temat szerszy niż Twój produkt, ale taki, którego odbiorcy są Twoimi klientami. Agregujesz i porządkujesz wartościowe treści z danej dziedziny, a produkt pojawia się jako naturalne zaplecze. Ekonomia: przy stawce ok. 22 dolarów za tysiąc wyświetleń na LinkedInie nawet małe konto generuje realnie wycenialny zasięg.
Na co uważać: Konto tematyczne buduje zaufanie do tematu, nie do Ciebie — konwersja na produkt jest wolniejsza niż z marki osobistej i wymaga dłuższego horyzontu. To też pełnoprawny projekt medialny, a nie dodatek do marketingu.