à quel point le tandem CaptainData-Make est puissant pour orchestrer son outbound at scale
que de vendre un logiciel initialement conçu comme un SaaS (la mode des 10 dernières années) en OEM est une voie de croissance prometteuse
que “l’essence” et le “moteur” sont tout aussi important l’un que l’autre (cf. Emily Kramer)
comment prioriser les campagnes outbound à lancer, grâce à un scoring ICE (Impact, Ease, Confidence) amélioré, directement dans Notion
qu’il faut accepter qu’un modèle (de scoring) est intrinsèquement faux — il faut trouver le bon compromis entre pouvoir de prédiction et simplicité d’utilisation
comment préparer une campagne outbound, en mettant toujours face à face le persona ciblé, ses problèmes/aspirations, et notre proposition de valeur pour y répondre
qu’à la question “voulez-vous que je vous mente et dissimule mes intentions ?”, en théorie, tout le monde répond “non”, mais en pratique… 🙂
que les campagnes qui suscitent les réponses les plus enthousiastes peuvent aussi être celles qui suscitent les plus négatives — un risque à prendre pour ne pas laisser indifférent
que Chat GPT peut se montrer très utile pour réorienter une campagne qui tourne au vinaigre
qu’on peut être créatif et chercher à se différencier, mais que ce n’est pas suffisant pour performer — attention à ne pas tomber amoureux de ses idées
que les expressions régulières sont une des méthodes les plus efficaces pour catégoriser des job titles (par exemple séparer le grain de l’ivraie parmi les visiteurs de son site)
qu’il y a plein d’informations à recueillir dans une offre d’emploi et que, dès lors qu’on peut en scraper le contenu, c’est très simple de l’analyser avec Chat GPT (on l’a fait)
que, quoi qu’en disent les clients, les performances font toujours partie des objectifs de la mission — explicitement, ou non
que si d’aventure les performances ne sont pas au rendez-vous, les clients préfèrent toujours l’honnêteté à ça 🙃 :
