En un solo día, hice que mi agente de codificación creara una "herramienta de identificación y contacto con clientes existentes" directamente en mi panel de administración de Podscan. Y me di cuenta de que la IA tiene dificultades con los datos fiables. Nunca con el código. Puede construir cosas complejas. Pero no puede construir hechos.
Solo necesitaba tres integraciones principales: Apollo y Hunter_io: una para enriquecer correos electrónicos y otra para verificarlos. Salida vía Instantly. Podría hacer cualquier otra cosa, incluida la estimación de similitud y la puntuación con OpenAI. ¿Pero datos reales sobre personas reales? Aún se necesitan bases de datos seleccionadas para eso.
Entonces, ¿qué significa esto para nosotros, fundadores y desarrolladores emprendedores? Centrémonos un poco menos en el aspecto del producto, en el paso de creación del software, y pensemos en cómo podemos seguir construyendo un foso de datos que todos y sus soluciones codificadas puedan y quieran aprovechar.
Y, por muy egoísta que suene, creo que tomé la decisión correcta al crear Podscan, que ahora alberga más de 45 millones de conversaciones de podcast verificadas y transcritas, y rastrea más de 4 millones de feeds de podcast. Todo el día, todos los días. Mi uso de API crece cada semana.
Un breve resumen de funciones: encuentra personas que se registraron recientemente para una prueba y fueron calificadas como buenos prospectos para mis ICP. Busca empresas similares, de tamaño y ubicación similares a las de esas personas, y determina cuáles son las personas adecuadas a las que acercarse en esas empresas. Me permite revisarlo en el correo electrónico que se redactó para enviarles. Un correo bastante simple: "Hola, me interesa este tipo de cosas". Esto ocurre varias veces al día y garantiza un flujo constante de objetivos de contacto interesantes que se ajustan perfectamente a quienes ya usan la plataforma. Y cuantas más personas de un sector se unen, más encuentro y me pongo en contacto con sus colegas. El rumor genera rumor.
