Die meisten KI-generierten Verkaufs-E-Mails scheitern an ungeeigneten Textbausteinen. Lernen Sie 7 bewährte Frameworks kennen - oder verzichten Sie ganz auf Textbausteine.
Automatisierung··6 Minuten Lesezeit
Wichtigste Erkenntnisse
Allgemeine Eingabeaufforderungen erzeugen allgemeine E-Mails - und allgemeine E-Mails werden ignoriert
Zu den besten Anregungen gehören prospektspezifischer Kontext: Branche, Schwachstellen, Unternehmensgröße
Vonsel eliminiert das Eingeben von Hinweisen vollständig indem echte Bewertungsdaten direkt in die KI eingespeist werden
Das Problem
Warum die meisten KI-Verkaufs-E-Mails roboterhaft klingen
Schnelle Entwicklung Die Fähigkeit, Anweisungen zu schreiben, die KI-Modelle dazu anleiten, sinnvolle Ergebnisse zu liefern, ist dies. Im Vertrieb entscheidet sie darüber, ob Ihre KI-generierte Kontaktaufnahme wie von einem aufmerksamen Menschen oder wie von einem Spam-Bot klingt. OpenAIs Forschungsblog zeigt, dass selbst kleine Änderungen an den Eingabeaufforderungen die Ausgabequalität dramatisch verändern können.
Das Kernproblem ist einfach: Müll rein, Müll raus. Wenn Sie ChatGPT anweisen, eine Verkaufs-E-Mail zu verfassen, erhalten Sie eine unpersönliche Standardnachricht, die jedes andere Vertriebsteam auch verschickt. Laut Daten von Jaspers KI-Texterforschung, E-Mails mit strukturierten Anweisungen erzielen 2-3 Mal höhere Antwortraten als solche mit einfachen Anweisungen.
Doch es gibt ein tieferliegendes Problem. Selbst großartige Anregungen sind auf dich angewiesen zu wissen, was man über seinen potenziellen Kunden sagen soll. Ohne echte Daten - ihre Schwachstellen, die Beschwerden ihrer Kunden, ihre betrieblichen Herausforderungen - ist Ihre Anfrage nichts weiter als eine fundierte Vermutung. Genau hier liegt das Problem der meisten KI im Vertrieb Die Strategien stoßen an ihre Grenzen.
72 %
KI-generierte Verkaufs-E-Mails erhalten aufgrund mangelnder Personalisierung keine Antwort
2-3x
höhere Antwortraten durch strukturierte Prompt-Frameworks
0
Eingabeaufforderungen erforderlich, wenn KI automatisch echte Bewertungsdaten verwendet
Die 7 Rahmenwerke
Schnelle Entwicklungsframeworks, die tatsächlich funktionieren
"„Sie sind ein erfahrener B2B-Vertriebsmitarbeiter bei einem SaaS-Unternehmen. Der potenzielle Kunde ist eine Marketingagentur mit 50 Mitarbeitern, die mit der Qualität ihrer Leads zu kämpfen hat. Schreiben Sie eine dreisätzige Kaltakquise-E-Mail, die auf deren Problem eingeht und eine Demo anbietet."
2
Schmerz-Agitate-Lösung (PAS)
"„Verfassen Sie eine Kaltakquise-E-Mail mithilfe des PAS-Frameworks: Identifizieren Sie das Problem des potenziellen Kunden (niedrige E-Mail-Antwortraten), verschärfen Sie es (stundenlanges Versenden von E-Mails, die niemand liest) und präsentieren Sie dann die Lösung (KI-gestützte Personalisierung)."
3
Vor-Nach-Brücke (BAB)
"„Beschreiben Sie den aktuellen Zustand des potenziellen Kunden (manuelle Lead-Recherche, die 4 Stunden pro Tag in Anspruch nimmt), den Idealzustand (qualifizierte Leads werden automatisch geliefert) und die Verbindung zu unserer Lösung."
4
Spezifitätsinjektion
Fügen Sie konkrete Daten hinzu: „Bei dem potenziellen Kunden handelt es sich um eine Restaurantkette mit 12 Standorten in Texas. In den Google-Bewertungen werden langsame Lieferzeiten und schwankende Lebensmittelqualität erwähnt. Beziehen Sie sich auf diese konkreten Beschwerden."
5
Tonkalibrierung
"„Schreiben Sie in einem lockeren, aber professionellen Ton. Keine Ausrufezeichen. Keine Floskeln wie ‚Ich hoffe, es geht Ihnen gut‘. Klingt wie ein Kollege, nicht wie ein Verkäufer. Halten Sie sich an maximal 90 Wörter."
6
Ausgabeformatsteuerung
"„Struktur: Betreffzeile (unter 6 Wörtern) + Einleitungssatz (1 Satz mit Bezug auf die Rezension) + Nutzenversprechen (1 Satz) + Unkomplizierter Handlungsaufruf (Frage, keine Aufforderung)."
7
Beispiele mit wenigen Aufnahmen
Fügen Sie 2-3 Beispiele für besonders erfolgreiche E-Mails als Kontext hinzu. „Hier sind E-Mails, die Antwortraten von über 40 % erzielt haben. Schreiben Sie eine ähnliche E-Mail für diesen neuen Interessenten Die Forschung von Copy.ai Studien zeigen, dass Few-Shot-Prompting Zero-Shot um 35 % überlegen ist.
Die beste Aufforderung der Welt braucht immer noch Echte Daten über Ihren potenziellen Kunden. Ohne diese Information personalisieren Sie Ihre Kunden anhand von Annahmen - und potenzielle Kunden merken den Unterschied.
Die Abfrage wird übersprungen. Die E-Mail wird automatisch von den Prüfdaten generiert.
Vonsel analysiert Google-Rezensionen Ihrer Zielunternehmen und generiert automatisch hochgradig personalisierte Verkaufs-E-Mails. Keine aufwendige Entwicklung erforderlich.
Manuelle Aufforderung vs. automatisierte, auf Überprüfung basierende E-Mails
Faktor
Manuelle Eingabeaufforderungstechnik
Vonsel-Bewertungs-basierte KI
Einrichtungszeit pro E-Mail
5-15 Min. (Recherche + Anregung)
0 min (automatisch)
Datenquelle
Ihre Annahmen
Echte Google-Rezensionen
Personalisierungstiefe
Mittel (abhängig von der Recherche)
Hoch (spezifische Schwachstellen aus Rezensionen)
Skalierbarkeit
Niedrig (manuell pro Interessent)
Hoch (Batch-Generierung)
Erforderliche Fähigkeiten
Schnelle technische Expertise
Keiner
Schnelles Engineering ist in vielen Anwendungsfällen eine wertvolle Fähigkeit. Aber für Texterstellung für Verkaufs-E-Mails, Der Engpass ist nicht die Eingabeaufforderung, sondern die Daten. Wenn die KI bereits über echte Kundenbeschwerden, operative Probleme und Stimmungsdaten aus Rezensionen verfügt, muss sie nicht mehr raten, worüber sie schreiben soll.
So funktioniert es
Wie Vonsel die prompte Entwicklung ersetzt
Traditionell E-Mail-Automatisierung Die meisten Tools erfordern das Schreiben von Vorlagen oder das Erstellen von Schreibanregungen. Vonsel verfolgt einen grundlegend anderen Ansatz:
Findet Zielunternehmen
Suche nach Branche, Standort und Bewertung. Das System ruft Unternehmensdaten einschließlich aller Google-Rezensionen ab.
Analysiert die Stimmungslage in Rezensionen
Die KI liest jede Rezension, um wiederkehrende Beschwerden, Lobesmuster und operative Schwachstellen zu identifizieren.
Generiert personalisierte E-Mails
Die KI nutzt reale Probleme als Kontext, um E-Mails zu verfassen, die auf konkrete Anliegen des Geschäftsinhabers eingehen.
Keine Aufforderung nötig
Sie verfassen keine einzige Anfrage. Die Bewertungsdaten selbst dienen als Anfrage. Deshalb wirken die E-Mails so persönlich.
Die beste Aufforderung ist überhaupt keine Eingabeaufforderung - wenn KI mit echten Daten arbeiten kann
Schluss mit den technischen Anfragen. Fangt an, Geschäfte abzuschließen.
Vonsel wandelt Google-Rezensionen automatisch in hochgradig personalisierte Verkaufs-E-Mails um. Unternehmen finden, Rezensionen analysieren, Kunden ansprechen - alles mit einem einzigen Tool. Pläne ansehen oder Kontaktieren Sie uns.Die.
Was versteht man unter Prompt Engineering für Vertriebs-E-Mails?
Prompt Engineering für Vertriebs-E-Mails bezeichnet die Erstellung spezifischer Anweisungen für KI-Modelle, um personalisierte E-Mails zu generieren. Dabei werden Zielgruppe, Tonfall, Probleme und die gewünschte Handlung definiert.
Welche KI-gestützte Aufforderung eignet sich am besten für Kaltakquise-E-Mails?
Die besten E-Mail-Vorlagen berücksichtigen den jeweiligen Interessenten: Branche, Herausforderungen, Unternehmensgröße und gewünschter Tonfall. Tools wie Vonsel verzichten jedoch auf solche Vorgaben, indem sie echte Google-Bewertungsdaten analysieren und automatisch personalisierte E-Mails generieren.
Kann KI ohne vorherige Entwicklungsarbeit Verkaufs-E-Mails schreiben?
Ja. Vonsel analysiert automatisch Kundenbewertungen, um Schwachstellen zu identifizieren und hochgradig personalisierte Vertriebs-E-Mails ohne manuelle Eingabe zu generieren. Die Bewertungsdaten selbst bilden den Kontext.
Wie kann ich die Qualität KI-generierter Vertriebs-E-Mails verbessern?
Fügen Sie spezifische Daten zum potenziellen Kunden hinzu, nutzen Sie rollenbasierte Abfragen, fordern Sie eine bestimmte Struktur an und wiederholen Sie den Vorgang. Alternativ können Sie Tools verwenden, die reale Geschäftsdaten direkt in die KI einspeisen und so die manuelle Erstellung von Abfragen überflüssig machen.
Kostenlose Testversion