36 встреч за 4 месяца: как мы выстроили B2B-аутрич в Telegram для ИИ-сервиса

1. Вводная задача от заказчика, проблематика, цели

Заказчик развивал AI-инструмент для дизайна и хотел проверить спрос среди крупного бизнеса — компаний с выручкой от 1–2 миллиардов рублей. Сегмент узкий, конкуренция в AI-инструментах высокая, а достучаться до нужных людей внутри большой компании — отдельная задача. Маркетинговые директора и арт-директора редко отвечают на холодные сообщения, если те не попадают точно в их текущую боль.

Цели проекта:

• выйти на 9 встреч в месяц;
• добраться до релевантных ЛПР в маркетинге и дизайне;
• выстроить масштабируемую систему лидогенерации.

2. Описание реализации кейса и творческого пути по поиску оптимального решения

Команда построила Telegram-аутрич не как массовую рассылку, а как точечную систему попадания в контекст. Ключевой принцип: сообщение должно быть актуальным для конкретного человека в конкретной роли — иначе оно просто не будет прочитано. Аудиторию сегментировали по отраслям: e-commerce, банки, онлайн-сервисы. У каждого сегмента своя боль. В e-commerce это постоянный поток баннеров и акционных материалов, которые нужно производить быстро и много. Именно вокруг этой боли строилось сообщение — не вокруг продукта.

Внутри каждой компании персонализировали под роль. CMO получал один угол, арт-директор — другой: «ускорение создания креативов в 4 раза». AI-лиду говорили про интеграцию нейросетей в рабочие процессы. Одно и то же сообщение для всех троих не работало бы ни для кого.

Вместо питча использовали экспертный вопрос: «Используете ли вы нейросети в дизайне?» Вопрос открывает диалог там, где оффер закрывает дверь. Если отвечал специалист уровнем ниже нужного — аккуратно переводили на руководителя внутри той же компании.

Касания выстраивали каскадом: первое сообщение, follow-up, приглашение на вебинар, отправка материалов. База валидировалась заранее: фильтр по выручке, проверка роли контакта, отсев нерелевантных компаний.

Ключевые решения:

• сегментация по отраслям с отдельной логикой для каждой;
• ролевая персонализация под CMO, арт-директора и AI-лида;
• экспертный вопрос вместо продающего питча;
• каскадная модель касаний из четырёх шагов;
• перевод на нужного ЛПР внутри компании при необходимости.

3. Результаты сотрудничества

За период работы охватили 1 100 контактов, сделали 580 follow-up касаний, получили 303 ответа и назначили 36 встреч. Reply rate составил 28,8%, конверсия из ответа во встречу — 11,2%.

80% встреч назначались с первого сообщения — без follow-up. Это прямое следствие точного попадания в контекст: когда сообщение релевантно, человек отвечает сразу. На встречи приходили по 3–5 участников со стороны клиента, что сокращало цикл принятия решения — не нужно было пересказывать содержание разговора коллегам отдельно.