LinkedIn на автопілоті: система лідгену без ручної рутини

Олександр Мішин є фаундером компанії Greenfi.io, яка займається автоматизацією лідоген-процесів. У першу чергу це аутріч-розсилки в LinkedIn та email для B2B-бізнесів.

Компанія має власну платформу, і навколо неї зараз будується ціла інфраструктура з AI-агентів, MCP-підключень до різних інструментів і багато іншого. Тому у цій статті Олександр ділиться практичним досвідом: як сьогодні працює лідогенерація в LinkedIn, що змінилося за останні місяці, які інструменти справді працюють і як AI уже зараз автоматизує значну частину процесу.

Email як канал залишається актуальним, але поступово втрачає ефективність у багатьох нішах. Натомість LinkedIn сьогодні працює дуже добре, особливо для B2B.

Що змінилося в лідогенерації за останні місяці

Якщо подивитися на те, як лідогенерація виглядала ще у 2025 році, і як вона працює зараз, різниця дуже суттєва.

Ще кілька років тому багато що трималося на простій логіці: хороший офер, масовість, більш-менш правильна аудиторія і мінімальний набір інструментів. До 2021 року можна було просто зайти в LinkedIn, написати випадковій людині, яка хоча б приблизно нагадувала вашого клієнта, і досить швидко отримати результат.

Зараз так не працює. Сьогодні лідогенерація — це системний процес.

По-перше, потрібна достатньо велика кількість LinkedIn-профілів. І чим конкурентніша ваша ніша, чим більше конкурентів уже продають через LinkedIn, тим більше профілів вам потрібно для аутрічу. Причина проста: LinkedIn дуже жорстко обмежує кількість дій на день — інвайти, повідомлення після інвайтів, активність і так далі. Обмежується фактично все.

Тому в більшості випадків одного LinkedIn-акаунта вже недостатньо. Наприклад, у нас зараз близько 14 LinkedIn-профілів, які продають послуги та продукти Greenfi.

По-друге, потрібна якісна сегментація аудиторії. Потрібно чітко визначити, які саме сегменти вас цікавлять, і під кожен із них прописати окремий офер — тобто сіквенс, серію повідомлень, яка продає конкретному сегменту конкретну пропозицію.

По-третє, потрібно зрозуміти, які в кожному сегменті є intent signals, тобто сигнали наміру. Інакше кажучи, як максимально точно визначити, що саме зараз, саме цій людині, саме з цього сегменту потрібен ваш продукт або послуга. Чим точніше ви виявляєте такі сигнали, тим вищими будуть конверсії.

Що змінилося з приходом AI та MCP

Ще наприкінці 2025 року все це вже можна було автоматизувати, але без глибокого залучення штучного інтелекту. Потрібні були оператори або лідоген-спеціалісти, які вміли налаштовувати інструменти, будувати процес від А до Я: від сегментації та збору аудиторії до розсилок, переговорів і діалогів із зацікавленими лідами.

У 2026 році дуже сильно вистрілила історія з MCP, Claude та іншими AI-рішеннями, які фактично автоматизували значну частину процесу. Сьогодні в окремих кейсах автоматизовано вже 60–70% лідогенерації. У нас, наприклад, цей показник сягає близько 95%. Тобто вручну ми вже майже нічого не робимо, окрім налаштування інструментів, які в правильній зв’язці дають результат.

З чого починається правильний сетап

Перше, що потрібно зробити, — це створити й прописати ICP. Якщо у вас ICP не прописаний, з цього й треба почати.

Далі потрібно прописати портрет buyer persona. І тут важливо розуміти: це не щось статичне. Те, що ви прописали сьогодні, не означає, що через місяць або два цей портрет не зміниться.

Наприклад, якщо хтось каже, що займається дизайном комерційної нерухомості, це ще дуже загально. Комерційна нерухомість — це і клініки, і магазини, і ресторани, і готелі. А це вже різні сегменти, для яких можуть бути потрібні різні пропозиції.

Тому спочатку ви сегментуєте, потім під кожен сегмент прописуєте окремий офер.

Сьогодні це досить швидко можна зробити, наприклад, через Claude. У ньому вже є багато готових скіллів, які доступні у відкритому просторі. Частина з них якраз заточена під ICP, сегментацію та складання офера. Ви навчаєте модель особливостям вашого бізнесу, і вона допомагає все це зібрати.

Але ваша задача — не просто описати аудиторію “по відчуттях”, а зробити це на такому рівні, щоб це було зрозуміло інструментам, які потім будуть шукати контакти.

У LinkedIn не працює логіка на кшталт “чоловік 35 років, має двох дітей”, як це може працювати в Meta Ads. Тут важливі інші параметри:

сфера діяльності компанії;
географія компанії;
розмір компанії;
кількість співробітників або revenue;
intent signals — наприклад, найм, відкриття нового філіалу, новий керівник певного відділу тощо.

А на рівні buyer persona важливі:

позиція в компанії;
рівень відповідальності;
зона впливу.

Наприклад, це може бути маркетолог рівня CMO, який відповідає за маркетинг, або фаундер, який відповідає за business development, тобто фактично за продажі. Усе це можна налаштувати.

Як знаходити аудиторію та intent signals

Коли ICP і buyer persona прописані, наступний крок — підбір інструмента, який дозволить знайти потрібні контакти.

Перед цим потрібно чітко зрозуміти, які саме intent signals вам потрібні. Це можуть бути:

найм на нові позиції;
відкриття нового філіалу;
активний контент у LinkedIn на певну тему;
оновлення сайту;
оновлення послуг;
будь-які інші бізнес-сигнали.

Залежно від того, який саме сигнал вам потрібен, підбирається інструмент.

Clay.com

Якщо йдеться про найм, нові позиції, зміну структури компанії тощо, добре працює Clay.com. Це AI-оркестратор різних інструментів, який через waterfall-підхід дозволяє знаходити контакти та компанії за чітко заданими фільтрами і за intent signals.

Наприклад, якщо вам потрібні компанії певного розміру, певної географії, і ви хочете з них знайти ті, де за останні 90 днів змінився C-level або був новий найм у маркетинг-команду, це можна робити через Clay.

Apify

Якщо у вас уже є список компаній або джерело, з якого можна цей список зібрати, добре працює Apify. Він дозволяє через API в реальному часі генерувати дані.

Наприклад, був кейс, коли ми виходили на ринок США і шукали хостели з низькими оцінками на локальних провайдерах, типу Booking, щоб запропонувати їм renovation і management-послуги, які дозволили б підняти рейтинг, отримати більше клієнтів і більше доходу.

У такому випадку ми вже розуміли, хто нам потрібен. Далі через Apify можна було знайти decision makers у цих компаніях і вже по них запускати розсилки. Якщо у вас є назви, домени, email або інші вихідні дані, через Apify можна будувати великі масиви контактів для аутрічу.

Як розуміти потрібні обсяги

Потрібно тверезо оцінювати обсяги, з якими ви працюєте. Один LinkedIn-профіль у безпечному режимі може надсилати приблизно 500 інвайтів на місяць.

Тобто:

якщо у вас 10 профілів — це 5 000 інвайтів на місяць;
якщо 100 профілів — це вже 50 000 інвайтів на місяць.

І саме від цих обсягів залежить, які інструменти та яка стратегія вам потрібні.

Приклад роботи через контент та взаємодію в LinkedIn

У нас добре спрацював intent signal, пов’язаний із тим, що наша аудиторія активно взаємодіє з контентом на тему лідогенерації.

Це люди, які лайкають, коментують, репостять або будь-яким іншим чином взаємодіють із контентом експертів, які пишуть про:

lead generation;
продажі в LinkedIn;
B2B-продажі;
B2B-маркетинг.

Що ми зробили:

Підписалися на цих експертів.
Щотижня збираємо їхні нові пости.
Даємо цей список Greenfi.
Через Greenfi стягуємо всіх, хто взаємодіяв із цим контентом.

Тобто ми збираємо всіх, хто лайкав, репостив, коментував або ставив реакції на постах експертів нашої тематики. І по цих людях запускаємо розсилку.

Логіка меседжу при цьому виглядає природно: “Привіт, бачу, що вас цікавить тема лідогенерації…” і далі вже дається релевантна пропозиція. Для нас це дало дуже хороші конверсії. І в такому кейсі, окрім LinkedIn і Greenfi, більше нічого не потрібно — Greenfi може зробити це самостійно.

Якщо ваша аудиторія активна в LinkedIn

Якщо ваша аудиторія має бути активною саме всередині LinkedIn, тут допомагає Sales Navigator.

Він дозволяє

знаходити контакти, які активно взаємодіють із соцмережею;
бачити тих, хто постить, репостить, коментує, лайкає;
збирати тих, хто перебуває в контактах ваших конкурентів.

У зв’язці Sales Navigator + Greenfi можна, наприклад, стягнути мережу контактів ваших конкурентів і зробити по ній розсилку.

Тут дуже багато варіацій. Усе залежить від конкретного бізнесу й офера, і під це вже вибудовується стратегія.

Що робити після збору аудиторії

Коли аудиторія зібрана, її потрібно збагатити інформацією, щоб система розуміла, як саме цим людям писати.

Для цього можна використовувати:

Greenfi, який збирає дані з LinkedIn;
Clay, який добирає інформацію із сайтів, каталогів та інших відкритих джерел.

Після цього ліда можна збагатити даними про компанію, роль, контекст, сигнали та іншу корисну інформацію.

Як змінилася логіка розсилок

Ще два-три місяці тому більшість компаній просто прописували якийсь один сіквенс. У кращому випадку підставляли first name. На українському ринку часто не підставляли навіть цього, тому що дивно виглядає, коли пишеш українською “Привіт”, а ім’я стоїть латиницею.

Тобто ринок довго працював так: всім однаковий сіквенс, мінімальна персоналізація, якісь невеликі конверсії.

Це працює і зараз, але сьогодні можна використовувати набагато сильніші стратегії.

Як персоналізувати повідомлення через AI

Зараз можна підключити практично будь-яку модель:

OpenAI;
Claude;
Gemini;
інші рішення через API key.

Тобто замість того, щоб платити додаткові внутрішні кредити в сервісі, можна використовувати власні API-ключі та витрачати свої кредити OpenAI чи іншого провайдера.

Далі всередині Greenfi можна написати багато промптів і використовувати їх на етапі variables — тобто змінних.

Приклад:

перекласти ім’я українською;
скоротити позицію в компанії до зрозумілого формату;
визначити правильну актуальну компанію;
згенерувати релевантний айсбрейкер;
адаптувати вступ під конкретний сегмент.

Наприклад, якщо в заголовку профілю в людини написано: “Founder, Greenfi, consultant, advisor…” — вам не завжди потрібно тягнути все це в повідомлення. Можна через AI-блок скоротити формулювання до релевантного й зручного формату.

На етапі самого побудування розсилки ви прописуєте основні меседжі, хардово задаєте для кожного сегмента:

які болі ви закриваєте;
у чому ваша користь;
що клієнт отримує в результаті.

А персоналізацію — айсбрейкери, вступ, дрібні адаптації — уже можна будувати через AI-блоки.

Тобто завдання не в тому, щоб AI придумував усе за вас, а в тому, щоб він частково персоналізував кожне повідомлення і кожен follow-up, не змінюючи ядра вашої пропозиції.

Чому не можна віддавати все на AI

Тут дуже важливо не перегинати. AI — не панацея. Це помічник.

Був кейс у фінтех-клієнта, який намагався зібрати напівсаморобну AI-систему для спілкування з лідами. На європейському ринку, де дуже жорстка регуляція, цей AI почав обіцяти речі, які у фінтеху є незаконними. Тобто в найгіршому сценарії це могло створити серйозні юридичні ризики для компанії.

Тому все, що ви хочете жорстко зафіксувати і гарантовано донести до ліда, потрібно писати самостійно. А все, що стосується персоналізації — вступу, айсбрейкерів, варіативності формулювань — можна віддавати в AI-блоки.

Головне — якісно навчити промпти вашому бізнесу, щоб вони розуміли, в який бік рухати персоналізацію. Бо якщо ви продаєте дизайн комерційної нерухомості, а AI чомусь вирішив, що йдеться про дизайн сайтів, це вже шлях у нікуди.

Як виглядає автоматизований процес

Отже, процес виглядає так:

Зібрали аудиторію.
Прописали сіквенс.
Підготували змінні та AI-блоки персоналізації.
Усе це зібрали разом і запустили.

Далі процес уже працює автоматично:

аудиторія постійно додається в систему;
AI-блоки персоналізують повідомлення;
відбувається розсилка.

Грубо кажучи, один день правильного налаштування може дати вам процес, який буде працювати місяцями.

Але автоматизацію потрібно оптимізувати. А для оптимізації потрібна аналітика:

які конверсії;
що дає результат;
що не дає;
які сегменти працюють краще;
які buyer persona відповідають частіше.

Як тут використовується MCP та Claude

Саме тут з’являється MCP.

Якщо говорити про автоматизацію розсилок у LinkedIn, то на сьогодні лише декілька інструментів на ринку мають під собою MCP-агентів. Наскільки нам відомо, таких платформ фактично дві: ми і ще один конкурент.

У зв’язці MCP + Claude можна аналізувати:

усі переписки;
конверсії по кожній автоматизації;
конверсії по кожному окремому сегменту;
поведінку buyer persona;
які офери викликають інтерес;
які сегменти дають кращий результат.

На основі цього можна отримувати:

щотижневі результати;
щомісячну аналітику;
зріз за квартал або пів року;
розуміння, які напрямки варто масштабувати.

Я не рекомендую аналізувати це щодня. Оптимальний цикл — раз на місяць.

Схема така:

Ви місяць робите розсилку.
Отримуєте конверсії.
Аналізуєте, що відбувалося.
Дивитесь, хто був кращою buyer persona.
Перебудовуєте гіпотези.
Масштабуєте те, що спрацювало.
Там, де не спрацювало, тестуєте інші гіпотези.

Як нові гіпотези можуть відкривати нові ринки

Дуже цікаві кейси трапляються саме на цьому етапі.

Коли ми продавали наш продукт автоматизації лідогенерації, у першу чергу орієнтувалися на агенції та сервісні компанії: IT, маркетинг, дизайн тощо.

Але в одну з вибірок випадково потрапило близько двох десятків виробництв — хтось виробляв двері, хтось продукти харчування, хтось інші товари.

І раптом виявилося, що для цього сегмента наша пропозиція дуже добре працює. Виробництва буквально засипали нас запитами, тому що вони не вміли продавати через LinkedIn, але для них це виявилося дуже сильним каналом.

У результаті ми:

адаптували під них підхід;
побудували курс;
додали консалтинг;
почали окремо працювати з цим сегментом.

Тобто нові гіпотези можуть відкривати вам нові напрямки бізнесу.

Якщо ви 3–4 місяці все робите правильно — тестуєте, аналізуєте, додаєте нові гіпотези, оптимізуєте — то через три-чотири місяці зазвичай формується 3–4 стабільні офери і 3–4 сегменти, які можуть працювати довго й надійно.

Далі це вже стає системою:

ви масштабуєте те, що працює;
додаєте нові LinkedIn-профілі;
тестуєте нові гіпотези;
але ядро вже працює стабільно.

Що зараз відбувається з AI-SDR

На сьогодні на ринку все ще немає справді якісних AI-SDR, які повноцінно ведуть діалог самостійно.

Так, ми вже можемо запускати розсилку, отримувати відповіді, а через Claude у напівручному режимі обробляти діалоги. Наприклад:

показати всі непрочитані діалоги за сьогодні;
розкласти їх на hot / warm / cold;
запропонувати варіанти відповідей;
допомогти сформулювати reply.

Але це все ще ручний формат. Це ще не Copilot і тим більше не Autopilot. Це агент, який працює за конкретною командою.

Ми зараз будуємо і Copilot, і Autopilot-агента, який зможе прямо в LinkedIn вести діалоги за вас. Але поки його немає, найкраща історія на сьогодні — це Claude, який за вашими задачами й запитами допомагає вести діалоги.

Я не рекомендую збирати “кустарних” агентів на n8n і подібних конструкціях для чутливих процесів. Там потрібно дуже детально прописувати багато речей на бекенді, щоб мінімізувати ризики порушень, галюцинацій і помилок.

Як пов’язується LinkedIn-аутріч із CRM

Далі все це можна зв’язати через MCP із CRM. Наприклад:

HubSpot;
Pipedrive;
будь-яка інша система.

Тобто:

розсилка йде через LinkedIn;
діалоги обробляються через Claude;
через MCP дані падають у CRM;
команда вже працює із цим далі в єдиній системі.

Безпека LinkedIn-профілів: критично важливий блок

Окремо потрібно говорити про безпеку LinkedIn-профілів. Це одна з найважливіших тем.

Не можна створити нові профілі сьогодні й завтра запустити з них розсилку. Профілі мають бути:

не новими;
більш-менш наповненими;
бажано з контактами;
хоча б із кількома сотнями контактів, а краще — з кількома тисячами.

І лише тоді їх можна запускати в аутріч.

Також потрібно розуміти, які обмеження є у LinkedIn щодо кількості дій. Це дуже індивідуальна історія.

Наприклад, у нас у Greenfi є health agent, який аналізує:

активність профілю;
заповненість;
конверсії;
кількість сесій входу;
багато інших параметрів.

І на основі цього видає:

аналіз здоров’я профілю;
рекомендації щодо покращення;
автоматичні денні ліміти, які змінюються динамічно;
прогрів профілю.

Фактично це LinkedIn warm-up, який поступово витягує акаунт у безпечний режим роботи.

Чого LinkedIn не любить

LinkedIn не любить:

нові акаунти;
профілі без історії;
різку активізацію.

Якщо рік нічого не робити, а потім раптом запустити навіть 30 інвайтів на день, це часто закінчується погано.

У кращому випадку LinkedIn просто обмежить вам кількість дій на тиждень. У гіршому — заблокує профіль назавжди.

Тому потрібно постійно слідкувати:

за безпекою профілю;
за його наповненістю;
за темпом активності;
за природністю поведінки.

Чому не варто на 100% заповнювати профіль AI-текстами

Ще один важливий момент: не варто на 100% заповнювати LinkedIn-профіль текстами, написаними штучним інтелектом.

Так, усі ми сьогодні активно використовуємо AI. Усередині нашого бізнесу ми вже теж побудували агента, який сам спілкується з клієнтами, а ми лише перевіряємо та навчаємо його.

Але LinkedIn доволі добре читає AI-тексти в профілях. У нього є системи, які аналізують тексти. Якщо бачить занадто багато очевидного AI-стилю, це може знижувати охоплення і загалом шкодити профілю.

Тому тексти на профілі краще:

редагувати вручну;
або проганяти через інструменти, які роблять їх більш natural / human-like;
або принаймні прибирати очевидні патерни AI.

До речі, це менше стосується самих розсилок, але стосується профілю.

Окрема дрібниця, яка досі є тригером AI-тексту, — це довге тире. Це перше, що я прописав у своїх внутрішніх помічниках: ніколи не використовувати довге тире. Навіть коли воно формально доречне, краще використати дефіс.

Якою має бути лідогенерація в LinkedIn

Якщо говорити загалом, то лідогенерація в LinkedIn — це:

стратегічна історія;
довгострокова історія;
автоматизована історія.

Якщо намагатися робити все вручну — два-три інвайти, 30 інвайтів у день, інколи забули, інколи хтось прийняв інвайт, а ви не надіслали follow-up, або надіслали перший, але забули другий — так це не працює.

Має бути система:

чітко відпрацьована;
з правильними діями;
у правильні проміжки часу;
з повторюваним процесом.

І тоді в будь-якому B2B це стабільно дає результат.

Де це працює: B2B і навіть частково B2C

У мене є кейси не лише по B2B, а й по окремих B2C-напрямках.

Наприклад, були кейси:

продажу англійської мови окремим спеціалістам;
продажу будматеріалів у Великій Британії маленьким бригадам або окремим ремонтникам;
допомоги з продажем нерухомості в Дубаї за крипту.

Але якщо говорити про B2B, то тут LinkedIn-аутріч працює практично всюди:

дизайн;
виробництво;
IT;
маркетингові послуги;
сервісні компанії;
консалтинг;
автоматизація;
AI-рішення.

Висновок

Сучасна лідогенерація в LinkedIn уже давно вийшла за межі ручних повідомлень і хаотичних спроб “написати всім підряд”. Сьогодні це повноцінна система, яка поєднує в собі кілька критично важливих елементів: правильно прописаний ICP, сегментацію, офери під конкретні аудиторії, intent signals, безпечну роботу з профілями, автоматизовані розсилки, AI-персоналізацію та регулярну аналітику.

Головна зміна останнього періоду полягає в тому, що AI перестав бути просто допоміжним інструментом для текстів. Тепер він дедалі активніше бере на себе операційну частину процесу: допомагає сегментувати аудиторію, знаходити сигнали наміру, персоналізувати повідомлення, аналізувати діалоги, виявляти найефективніші сегменти та підказувати, куди масштабуватися далі.

Водночас автоматизація не скасовує необхідності стратегічного мислення. AI не може замінити глибоке розуміння ринку, продукту та клієнта. Саме тому найкращі результати дає не “повна передача всього на AI”, а грамотна зв’язка: людина визначає логіку, рамки й ціннісну пропозицію, а інструменти та агенти беруть на себе масштабування, рутину й аналіз.

LinkedIn у цьому контексті залишається одним із найсильніших каналів для B2B-продажів. Але він вимагає системності, дисципліни та обережності. Правильна побудова профілів, безпечне прогрівання, контроль лімітів, продумані сіквенси та постійне тестування гіпотез — це вже не додаткові опції, а базова необхідність.

У результаті виграють ті компанії, які сприймають лідогенерацію не як набір окремих тактик, а як безперервний процес із чіткою стратегією, автоматизацією та регулярною оптимізацією. Саме такий підхід дозволяє не просто отримувати ліди, а будувати стабільну систему росту на місяці й роки вперед.