A kihívás#
Egy B2B értékesítési csapat számára a LinkedIn messze a legfontosabb üzletszerzési csatorna. Nem véletlenül: a döntéshozók itt osztják meg a cégük híreit, az iparági meglátásaikat, a személyes sikereiket és kihívásaikat. Minden egyes poszt egy ablak arra, hogy mi foglalkoztatja őket — és egy lehetőség arra, hogy releváns módon szólítsuk meg őket.
A B2B értékesítésben a kapcsolatépítés hosszú távú játék. Nem elég egy hideg üzenettel kopogtatni — a döntéshozók naponta kapnak tucatnyi ilyen megkeresést, és a legtöbbet figyelmen kívül hagyják. Ami működik: az időben adott, kontextus-alapú reakció. Ha valaki posztol arról, hogy új irodát nyitottak, és te az elsők között gratulálsz egy értékes hozzászólással, az bizalmat épít. Ha valaki megosztja a kihívásait egy üzleti folyamattal kapcsolatban, és te releváns megoldást ajánlasz, az nem spam — az érték.
A probléma: a csapatnak naponta több száz LinkedIn profilt kellett volna átnéznie ahhoz, hogy ezeket a lehetőségeket időben megtalálja. Ez kézzel lehetetlen feladat — egy ember reálisan 20-30 profilt tud átnézni óránként, ami napi szinten 2-3 óra görgetést jelent. És még mindig kimaradnak profilok, mert a LinkedIn algoritmusa nem az üzleti szempontjaink alapján rendezi a feedet.
A kézi monitoring másik problémája az emberi tényező: fáradtság, szelektív figyelem, elfogultság. Egy sales munkatárs hajlamos azokat a profilokat figyelni, akiket már ismer, és lemaradni azokról a lehetőségekről, amelyek a perifériás kapcsolatokban rejlenek. Ráadásul a reakció minősége is csökken, ha valaki a huszadik profilt nézi — az első ötnél még kreatív hozzászólásokat ír, a végén már csak egy "Gratulálok!" emoji marad.
A cél világos volt: automatikusan figyelni a kiválasztott profilokat, felismerni a releváns tartalmakat, és konkrét javaslatokat adni arra, hogyan érdemes reagálni. Nem csak értesíteni, hogy valaki posztolt — hanem megérteni, miről szól a poszt, miért fontos az nekünk, és mit érdemes válaszolni.
A kihívás nem technikai, hanem stratégiai volt: nem elég, hogy lássuk a posztokat — meg kell érteni a kontextust, a szándékot, az érzelmi tónust, és ennek megfelelő választ javasolni. Egy "új munkatárs" poszt mást jelent egy potenciális ügyfélnél (terjeszkedés = potenciál) és egy versenytársnál (erősödés = figyelés). Ez az, amit AI nélkül egyszerűen nem lehet skálázni.
Miért pont ez a megoldás?#
A LinkedIn hivatalosan nem támogatja az automatizált adatgyűjtést. Az Apify platformot használtuk, ami nyilvánosan elérhető profilokból gyűjt adatokat, és betartja a rate limit-eket. Nem lépünk be mások nevében, nem küldünk automatikus üzeneteket, és nem gyűjtünk privát adatokat.
A rendszer kizárólag nyilvános posztokat figyel — pontosan azt, amit bárki lát, aki megnyitja az adott profilt. Az automatizáció lényege itt a sebesség és az elemzés, nem a hozzáférés.
A megoldás részletesen#
A Pulse három rétegben működik: adatgyűjtés, AI elemzés, és egy felhasználóbarát dashboard. Az egyes rétegek függetlenül skálázhatók, ami azt jelenti, hogy a rendszer 20 és 500 profil között ugyanolyan megbízhatóan működik.
Profil lista kezelés — kit figyelünk?
A felhasználó a dashboardon kezeli a figyelt profilok listáját. Új profil hozzáadása egyszerű: a LinkedIn URL beillesztése elég, a rendszer automatikusan kinyeri a nevet, pozíciót és céget. Profilokat csoportokba lehet rendezni (pl. "Potenciális ügyfelek", "Iparági influencerek", "Versenytársak") és prioritást lehet hozzárendelni. A csoportosítás nem csak szervezési eszköz — az AI elemzés is figyelembe veszi, melyik csoportba tartozik valaki. Egy potenciális ügyfél növekedési posztja magasabb relevancia-pontot kap, mint egy versenytárs hasonló híre. Minden profilhoz egyedi kontextust is meg lehet adni, például az ügyfél iparágát vagy a korábbi interakciók rövid összefoglalóját, amit az AI szintén felhasznál az elemzéskor.
Apify adatgyűjtés — automatikus, ütemezett
Az Apify scraper rendszeres időközönként (alapértelmezetten 4 óránként) lekéri a figyelt profilok legújabb posztjait. Az n8n workflow ütemezi a futásokat, kezeli a rate limit-eket, és tárolja az eredményeket Supabase-ben. A rendszer intelligens ütemezést alkalmaz: a magas prioritású profilokat gyakrabban ellenőrzi, az alacsonyabb prioritásúakat ritkábban, így optimalizálja az erőforrás-felhasználást.
Minden begyűjtött posztról eltároljuk: a szöveget, a dátumot, a reakciók és kommentek számát, valamint a poszt típusát (szöveges, képes, videó, megosztás). A deduplikációs logika biztosítja, hogy ugyanaz a poszt ne kerüljön be kétszer, és a rendszer nyomon követi a reakciószámok változását is, ami az engagement dinamikájáról ad képet.
OpenAI elemzés — kontextus-alapú értékelés
Minden bejövő poszt átmegy egy többlépcsős OpenAI elemzésen. Az első lépésben az AI meghatározza a poszt alapvető jellemzőit: témakategória (pl. céges hír, személyes siker, iparági trend, vélemény, toborzás), érzelmi hangulat (pozitív, negatív, semleges, vegyes) és kulcsszavak kinyerése. A második lépésben ezeket az információkat összevetjük a profil csoportjával, az egyedi kontextussal és az üzleti céllal.
A rendszer három fő dimenziót értékel:
- Téma és hangulat — Miről szól a poszt? Pozitív, negatív, informatív? Az AI nem csak a felszíni tartalmat nézi, hanem a mögöttes szándékot is felismeri: egy "kihívásokkal teli negyedév" poszt mögött üzleti lehetőség rejlik.
- Relevancia szint (1-5) — Mennyire kapcsolódik az adott üzleti célhoz? A pontszám figyelembe veszi a profil csoportját, a témakategóriát és az időzítést is. Egy 4-5 pontszámú poszt azonnali figyelmet érdemel.
- Javasolt válasz — Konkrét szövegvázlat: gratulálás, szakmai hozzászólás, kérdés vagy megosztás. A javaslat illeszkedik a poszt hangvételéhez és az adott profilhoz fűződő kapcsolat szintjéhez.
Az AI elemzés figyelembe veszi a profil csoportját és a korábbi interakciókat is. Ha valaki a "Potenciális ügyfelek" csoportban van és sikeres projektről posztol, a relevancia automatikusan magasabb. Az elemzés tanulja a felhasználó preferenciáit is: ha rendszeresen elutasít bizonyos típusú javaslatokat, azok idővel alacsonyabb súlyt kapnak.
Dashboard — minden egy helyen
Az egész egy Next.js alapú dashboardon keresztül érhető el, Supabase backenddel. A felhasználó itt látja az összes figyelt profil aktivitását, és a rendszer priorizált teendő listát generál: "Ezekre a posztokra érdemes ma reagálni." A dashboard szűrhető csoportok, relevancia-szint és poszt típus szerint, így a felhasználó azonnal a legfontosabb interakciókra tud koncentrálni. A válaszjavaslatokat egy kattintással lehet másolni és személyre szabni, ami drasztikusan lecsökkenti az egyes reakciókra fordított időt. A napi áttekintés nézet összefoglalja, hány új poszt érkezett, melyik csoportból, és mi a javasolt prioritási sorrend — jellemzően 5 perc alatt áttekinthető az, ami korábban órákba telt.
Előtte–utána#
- Napi 2-3 óra LinkedIn görgetés
- Max 20-30 profil átnézése naponta
- Sok kimaradt lehetőség és késői reakciók
- Nincs rendszer — ki mit vesz észre
- Általános, nem személyre szabott válaszok
- < 5 perc napi áttekintés a dashboardon
- 100+ profil folyamatos, automatikus figyelése
- Azonnali értesítés releváns posztokról
- Priorizált teendő lista AI relevanciával
- AI-generált, kontextus-alapú válaszjavaslatok
Pulse Dashboard — Napi áttekintés
| Profil | Csoport | Poszt téma | Relevancia | Javasolt akció |
|---|---|---|---|---|
| Kovács Péter, CEO | Potenciális ügyfél | Új irodát nyitottak | ⭐⭐⭐⭐⭐ | Gratulálj + ajánld a konzultációt |
| Nagy Anna, CTO | Iparági influencer | AI bevezetés tapasztalat | ⭐⭐⭐⭐ | Szakmai hozzászólás |
| Szabó Márk, Ops | Versenytárs | Új szolgáltatás launch | ⭐⭐⭐ | Figyelés, nincs akció |
| Tóth Laura, HR | Potenciális ügyfél | Csapattoborzás nehézségei | ⭐⭐⭐⭐ | Empátia + AI megoldás említés |
Minden sorban egy kattintással átvehető az AI válaszjavaslat, ami személyre szabott és kontextus-alapú.
Az eredmény számokban#
| Metrika | Korábban | Most |
|---|---|---|
| LinkedIn monitoring idő/nap | 2-3 óra | < 5 perc |
| Figyelt profilok száma | 20-30 | 100+ |
| Lereagált releváns posztok/hét | 5-10 | 30-50 |
| Válaszidő releváns posztra | 1-2 nap | < 4 óra |
| Új kapcsolatok/hó | 3-5 | 15-20 |
A sales csapat hetente több tucat releváns interakciót indít el, amiket korábban egyszerűen nem vettek volna észre. A válaszidő lecsökkent, a reakciók minősége javult, és a csapat a stratégiára tud koncentrálni, nem a görgetésre. A legnagyobb változás talán az, ami a számokban nem látszik: a csapat magabiztosabban kommunikál, mert az AI elemzés kontextust ad — tudják, miért fontos az adott poszt, és a válaszjavaslat kiindulópontot ad a személyes hangvételhez.
Hogyan alkalmazd a saját cégedben#
A Pulse rendszerhez hasonló megoldást bármilyen B2B cég bevezethet, amelynek az értékesítési folyamata kapcsolatépítésen alapul. A lényeg: kezdd kicsiben, és skálázz fokozatosan. Az alábbiakban egy konkrét, hétről hétre követhető bevezetési tervet mutatunk.
1. hét: Profil lista összeállítás. Gyűjtsd össze a 20 legfontosabb LinkedIn profilt — potenciális ügyfelek, partnerek, iparági véleményvezérek. Légy szelektív: nem az a cél, hogy mindenkit figyeljünk, hanem hogy a stratégiailag fontos kapcsolatokra összpontosítsunk. Oszd csoportokba őket, és minden profilhoz írj egy rövid kontextust (pl. "tavaly beszéltünk a konferencián, érdeklődött az AI megoldásaink iránt").
2. hét: Automatikus figyelés beindítása. Próbáld ki az automatikus figyelést — nézd meg, mennyi releváns posztot fedez fel, amit korábban kihagytál. Figyelj arra is, hogy az AI relevancia-értékelése mennyire illeszkedik a te megítélésedhez: ha gyakran felülbírálod, finomítsd a csoportbeállításokat és a kontextust.
3. hét: Eredmények kiértékelése. Értékeld a konkrét számokat — hány új beszélgetés indult el az automatikus figyelés alapján? Melyik típusú posztokra érkezett a legtöbb pozitív reakció? Ezek az adatok segítenek abban, hogy a negyedik héttől bővítsd a profil listát azokra a szegmensekre, amelyek a legtöbb üzleti értéket hozzák.
A tapasztalatunk: a legtöbb cég a harmadik hétre már bővíteni akarja a profil listát, mert látja, hogy mennyi lehetőséget hagyott eddig kihasználatlanul. Az is gyakori visszajelzés, hogy a sales csapat motivációja nő, mert a reagálás nem teherré, hanem rutinná válik — napi 5 perc, konkrét feladatokkal.
Ha B2B értékesítéssel foglalkozol, foglalj egy ingyenes konzultációt — megmutatjuk, hogyan állíthatsz be hasonló rendszert a te iparágadra szabva.
Tech stack#
| Eszköz | Szerepe |
|---|---|
| n8n | Workflow ütemezés, Apify és OpenAI orchestráció |
| Apify | LinkedIn profil és poszt scraping |
| OpenAI API | Poszt elemzés, relevancia értékelés, válaszjavaslat |
| Supabase | Adatbázis (profilok, posztok, elemzések) és auth |
| Next.js | Dashboard frontend, valós idejű frissítés |