Autor: Adrian Fąk, CEO Aimwise ·
W skrócie: dla Konvertii zbudowaliśmy generator ofert sprzedażowych, który rusza w chwili wysłania formularza kontaktowego. System czyta stronę leada i ustala, do kogo jego firma sprzedaje. Potem znajduje trzech decydentów z trzech firm z jej rynku i pisze do każdego z nich przykładowy e-mail oraz wiadomość na LinkedIn. Mediana czasu generowania to 12,8 minuty, a kosztu API 1,15 USD za ofertę. Handlowiec dostaje gotową odpowiedź z linkiem i tylko ją zatwierdza. Wcześniej taka oferta zajmowała mu od 2 do 3 godzin. Odsetek leadów, które po otrzymaniu oferty umawiają spotkanie, wzrósł o 47%.
Konvertia to polska agencja lead generation B2B oparta o AI. Buduje bazy firm i decydentów, prowadzi kampanie cold e-mail i LinkedIn i odpowiada w imieniu klientów.
Jawnie: autor tego tekstu, Adrian Fąk, jest CEO Aimwise oraz CTO i współzałożycielem Konvertii. System zbudował zespół Aimwise, a Konvertia używa go w sprzedaży od września 2026.
Konvertia sprzedaje personalizację na dużą skalę, więc jej oferta musi tę personalizację pokazać na rynku klienta, a nie tylko ją obiecać.
Zanim powstał generator, odpowiedź na zapytanie wymagała ręcznej pracy. Ktoś musiał przeczytać stronę leada, zrozumieć jego ofertę, znaleźć przykładowe firmy z jego rynku i napisać propozycję. Zajmowało to od 2 do 3 godzin, a lead w tym czasie czekał.
Czas ma tu znaczenie. Badanie opublikowane w Harvard Business Review stwierdza wprost: „most companies are not responding nearly fast enough” (HBR, „The Short Life of Online Sales Leads”). Lead, który czeka na odpowiedź do następnego dnia, zdąży porozmawiać z konkurencją.
Drugi problem to treść. Agencja outbound, która pisze „przygotujemy spersonalizowane kampanie”, mówi to samo co każda inna. Postawiliśmy więc taki cel: oferta ma pokazywać pracę już wykonaną na rynku leada, z prawdziwymi firmami, decydentami i wiadomościami, i powstawać w kwadrans.
Wysłanie formularza na konvertia.pl zakłada w CRM osobę, firmę i szansę sprzedaży, wysyła do zespołu mail ze zgłoszeniem i startuje generowanie oferty. Gdy lead poda prywatny adres e-mail, system bierze stronę firmy wpisaną w formularzu. Jeśli napisze, do jakich branż chce dotrzeć, wyszukiwanie oprze się na tym, a nie na domysłach ze strony. Ten sam przebieg handlowiec może uruchomić z panelu, wklejając adres leada, który odezwał się mailem albo telefonicznie.
Generowanie trwa kilkanaście minut, więc działa w tle i nie przepada przez zerwane połączenie. Automat ma dzienny limit ofert i odstęp dla tej samej domeny, żeby formularz wysłany w pętli nie generował kosztów.
System czyta stronę leada w jednym przebiegu. Wyciąga z niej ofertę, problemy klientów, obiecywane korzyści, listę klientów i to, jak firma zwraca się do odbiorców (na „Pan/Pani” czy na „Ty”). Z firmowego profilu na LinkedInie bierze datowane posty, z których powstaje sekcja o tym, co dzieje się teraz w firmie.
Jeśli strona jest pustą skorupą ładowaną przez JavaScript albo nie działa, oferta kończy się czytelnym powodem w panelu. Nie zgaduje.
Z researchu powstaje profil klienta (ICP) i filtry do bazy firm i osób. Jeśli strona leada wymienia jego klientów, system szuka firm do nich podobnych. To najmocniejszy argument w ofercie, bo lead sam zna punkt odniesienia.
Oferta pokazuje też wielkość rynku. Ustaliliśmy próg 400 firm: przy mniejszym rynku klient uzna, że obsłuży go sam. Gdy filtry dają za mało, model poszerza je w najwyżej pięciu rundach, a kod pilnuje, żeby zostały w słowniku bazy i w tym samym kraju. W ofertach z pierwszego miesiąca mediana pokazanego rynku to 1886 firm.
Model wybiera sześciu kandydatów i odrzuca konkurentów leada oraz jego obecnych klientów. Trzy firmy idą do oferty, trzy zostają w rezerwie.
Dla każdej z trzech firm system zbiera research strony, posty firmy i decydenta, stanowisko i adres e-mail (najpierw z bazy kontaktów, potem z drugiego dostawcy). Z tego materiału wybiera jeden sprawdzalny fakt ze źródłem i datą, nie starszy niż sześć miesięcy. Datę pilnuje kod, a nie model. Na tym fakcie opiera się otwarcie wiadomości.
Każdy e-mail i każda wiadomość na LinkedIn przechodzą tę samą drogę:
Tekst odrzucony na którymkolwiek etapie wraca do generatora z powodem, najwyżej trzy razy. Firma, dla której nie da się zebrać researchu, ustępuje miejsca następnej z rezerwy.
Wiadomości są krótkie: mediana to 66 słów w mailu i 54 w wiadomości na LinkedIn.
Oferta to strona pod prywatnym linkiem, ważna 14 dni. Zawiera:
Adresy e-mail i profile decydentów są w ofercie zamaskowane, bo link bywa przesyłany dalej.
Gotowa oferta publikuje się sama. W wątku zgłoszenia handlowiec dostaje drugi mail: gotowy tekst odpowiedzi do leada z linkiem i listę rzeczy do sprawdzenia, np. „filtry wyszukiwania zmienione automatycznie”. Zatwierdza i wysyła.
Jeśli chce coś zmienić, robi to w edytorze: po lewej teksty, po prawej podgląd strony, którą zobaczy lead. Formę dokumentu przełącza z „Państwo” na „Wy” bez generowania od nowa.
Akceptację przez człowieka zostawiliśmy świadomie. Oferta trafia do leada raz i nikt jej potem nie poprawi, a handlowiec zna kontekst, którego nie ma na stronie. Tam, gdzie kontekstu nie ma, działamy bez akceptacji: plan zamówiony ze strony głównej Konvertii trafia do odwiedzającego automatycznie, z limitem jednej oferty na adres i trzech na domenę.
Pierwsze otwarcie linku to sygnał dla handlowca, że warto zadzwonić tego samego dnia. Ofertę można jednym kliknięciem przetłumaczyć na angielski, a po spotkaniu z transkryptu rozmowy powstaje drugi dokument z ustaleniami i wyceną. Koszt API każdej oferty jest zapisywany osobno, więc wiadomo, ile kosztuje jeden lead.
Na tym samym silniku zbudowaliśmy ofertę dla agencji rekrutacyjnych. System szuka na Pracuj.pl firm, które same rekrutują teraz na stanowiska agencji (tylko ogłoszenia bezpośrednio od pracodawcy), a sygnałem w wiadomości jest ich ogłoszenie. Stanowiska ustala ze specjalizacji podanej na stronie agencji albo z jej listy ofert pracy, także gdy stoi ona w systemie rekrutacyjnym na innej domenie.
Błąd zamiast półproduktu. Gdy brakuje danych, oferta kończy się statusem „nie powstała” i powodem w panelu. Nie oddajemy dokumentu z pustą sekcją ani z firmą bez researchu.
Strażnik przebiegów. Restart serwera albo zawieszony dostawca nie zostawiają oferty w stanie „generuje się”. Przebieg stojący ponad 30 minut rusza od nowa, a po drugiej nieudanej próbie handlowiec dostaje maila z powodem.
Precyzja przy wyborze, a nie przy wyszukiwaniu. Wąskie filtry w bazie usuwały firmy z niepełnymi danymi, np. bez podanej liczby pracowników. Szukamy szerzej, a odsiewa model, który widzi opis każdej firmy i wie, co sprzedaje lead.
| Metryka | Wartość | Próba |
|---|---|---|
| Oferty przygotowane przez system | 20 | 22.09–23.10.2026 |
| Czas generowania: od startu do gotowej oferty (mediana) | 12,8 min | 18 ofert |
| Firmy z decydentem i wiadomościami w ofercie (mediana) | 3 | 20 ofert, 58 decydentów |
| Decydenci ze znalezionym adresem e-mail | 98% | 57 z 58 |
| Wiadomości oparte na datowanym fakcie o firmie odbiorcy | 76% | 44 z 58 |
| Rynek pokazany w ofercie (mediana) | 1886 firm | 18 ofert |
| Koszt API jednej oferty (mediana / p90) | 1,15 / 1,42 USD | 8 ofert od 15.10.2026 |
| Czas przygotowania oferty przed systemem | od 2 do 3 h pracy | szacunek zespołu Konvertii |
| Zmiana odsetka spotkań umówionych po otrzymaniu oferty | +47% | dane sprzedażowe Konvertii |
Oferta, która wcześniej wymagała od 2 do 3 godzin pracy, powstaje teraz w kwadrans, czyli około dziesięć razy szybciej, i kosztuje około dolara. Dwie trzecie tej kwoty to zbieranie danych: research stron i wyszukiwanie decydentów. Pisanie wiadomości razem z korektą i oceną sędziego to około jednej trzeciej. Jedna na cztery wiadomości nie ma datowanego faktu o odbiorcy, bo nie każda firma publikuje na LinkedInie. Wtedy system pisze z researchu strony, zamiast naciągać sygnał.
Najważniejszy wynik dotyczy sprzedaży: odsetek spotkań umówionych po otrzymaniu oferty wzrósł o 47%. Decyduje o tym personalizacja. Lead widzi w ofercie firmy ze swojego rynku, ich decydentów i gotowe wiadomości do nich, a dostaje to kwadrans po wysłaniu zapytania. Ręcznie nikt nie przygotowałby takiej oferty w tym czasie. Dlatego oferta nie obiecuje skuteczności Konvertii, tylko ją pokazuje, i to na rynku samego leada.
Model dopisze liczbę, jeśli mu na to pozwolić. W jednym z pierwszych przebiegów wiadomość obiecywała w imieniu klienta skrócenie czasu administracji o 80%. Klient nigdy tego nie powiedział. Prośba w prompcie nie wystarczyła. Dopiero kontrola w kodzie, która odrzuca każdą liczbę bez pokrycia w materiale, zamknęła temat.
Trzy wiadomości obok siebie zdradzają szablon. Wszystkie trzy wiadomości na LinkedIn w jednej ofercie zaczynały się od „Zauważyłem Pana wpis”. Pojedynczo brzmiały dobrze, razem jak formularz. Zabroniliśmy mówienia o tym, co „zauważyliśmy”. Wiadomość ma się odwoływać do samego faktu.
Wyszukiwanie po opisie potrzeby zwraca konkurencję. Wyszukiwanie firm po opisie tekstowym zwracało dostawców usług dla danej branży zamiast samych firm z branży, czyli konkurentów leada. Firmy w ten sposób opisują, co sprzedają, a nie, kim są. Lepiej zadziałały filtry branżowe i firmy podobne do obecnych klientów leada.
Sędzia musi widzieć to samo co autor. Kontrola jakości odrzucała poprawne wiadomości, bo generator miał w prompcie dane, których sędzia nie dostawał, np. sygnały z bazy. Obie strony muszą pracować na tym samym materiale.
„Pokażemy na spotkaniu” brzmi jak zakładnik. Wczesna wersja kończyła się zdaniem, że kolejne firmy z listy pokażemy na spotkaniu. Czytało się to jak trzymanie danych w zamian za rozmowę. Zastąpiliśmy je liczbą firm na rynku leada, podaną wprost.
Może, i w jednym trybie u Konvertii to robi: przy planie zamawianym ze strony głównej. Przy zapytaniach z formularza zostawiliśmy akceptację, bo handlowiec zna kontekst, a oferta idzie do leada tylko raz.
Ze strony www leada i firm docelowych, z firmowych profili na LinkedInie i z komercyjnych baz firm i kontaktów B2B. Każdy fakt w wiadomości ma źródło, które da się sprawdzić.
Oferta nie powstaje, a handlowiec dostaje powód w panelu i w wątku zgłoszenia. Wymyślona oferta byłaby gorsza niż żadna.
Mediana kosztu API to 1,15 USD, a 90% ofert mieści się w 1,42 USD. Dwie trzecie tej kwoty to research stron i wyszukiwanie decydentów, reszta to pisanie i kontrola wiadomości.
Pierwsza wersja działała na produkcji po dwóch tygodniach. Od tego czasu rozwijamy ją na podstawie każdej wysłanej oferty: kolejne kontrole jakości dochodziły po tym, jak konkretna oferta pokazała konkretny błąd.
Jeśli Twój zespół sprzedaży odpowiada na zapytania wolniej, niż by chciał, napisz do nas i porozmawiajmy, jak mógłby wyglądać taki system u Ciebie. Zobacz też, jak zautomatyzowaliśmy oferty na danych z CRM dla Alterway i jak działa kontakt z leadem w 1 minutę.
Nie sprzedajemy marzeń – oferujemy realne efekty. Umów się na darmową 30-minutową rozmowę, podczas której omówimy, które procesy w Twojej firmie warto zautomatyzować.
Wypełnij formularz, a nasz specjalista skontaktuje się z Tobą.