Część potencjalnych klientów przed pierwszą rozmową wpisuje nazwę firmy do ChatGPT lub Claude i pyta o klientów, wyniki, przebieg współpracy i ograniczenia projektu. Jeśli case studies i FAQ nie odpowiadają na te pytania wprost, handlowiec zaczyna spotkanie od tłumaczenia podstaw zamiast od rozmowy o realnym problemie klienta.
Nie trzeba zakładać, że robi tak cały rynek. Wystarczy, że robi to część kupujących w B2B, by uporządkować publiczne materiały sprzedażowe pod taki scenariusz.
Jak wygląda wstępne sprawdzenie dostawcy przez AI
Potencjalny klient używa AI głównie po to, by szybciej przejść przez pierwszy etap selekcji dostawców.
Zamiast czytać od deski do deski stronę pięciu firm, wpisuje pytanie: czym ta firma się zajmuje, dla kogo pracowała, jaki miała zakres prac i z jakim skutkiem. Narzędzie buduje odpowiedź z publicznie dostępnych materiałów: strony, case studies, FAQ, artykułów i innych treści, do których może się odwołać.
To nie zastępuje rozmowy z handlowcem. Zmienia jednak jej punkt startu. Jeśli materiały są konkretne, klient przychodzi z pytaniami o dopasowanie, ryzyka i zasoby. Jeśli są ogólne, wraca do pytań bazowych, które powinny być zamknięte wcześniej.
O co klient pyta najczęściej
- Dla jakich firm pracowaliście i z jakim problemem?
- Jak wyglądał proces po waszej stronie i po stronie klienta?
- Jakie wyniki udało się osiągnąć i w jakim czasie?
- Kiedy takie podejście nie działa albo nie ma sensu?
- Czym różnicie się od podobnych dostawców?
Jeśli w publicznych materiałach nie ma takich odpowiedzi, AI też ich nie wymyśli. Zostawi luki albo odpowie zbyt ogólnie.
Dlaczego tradycyjne case studies nie wystarczają
Tradycyjne case studies często nie odpowiadają na pytania, które potencjalny klient zadaje AI bez udziału handlowca.
Wiele firm pisze case study tak, jakby sprzedawca zawsze stał obok i dopowiadał brakujący kontekst. Pojawia się klient, wyzwanie, rozwiązanie i wynik, ale brakuje tego, co pomaga ocenić dopasowanie: zakresu projektu, kolejnych kroków, wymagań po stronie klienta i ograniczeń.
| Czego szuka klient | Co zwykle znajduje | Co z tego wynika |
|---|---|---|
| Konkretny problem klienta | Szeroką kategorię typu "niska konwersja" | Nie wie, czy chodzi o sytuację podobną do jego |
| Przebieg pracy krok po kroku | Skrót "wdrożyliśmy rozwiązanie" | Nie widzi, jak firma pracuje i czego będzie wymagać współpraca |
| Warunki projektu | Prawie nic o czasie, zasobach i ograniczeniach | Nie potrafi ocenić, czy ten model da się powtórzyć u niego |
| Wynik z kontekstem | Samą liczbę bez wyjaśnienia | Nie wie, skąd wziął się efekt |
| Profil firmy, dla której to zadziałało | Samą nazwę branży | Trudno mu rozpoznać własną sytuację |
Dobrym testem jest proste pytanie: czy ktoś, kto nie zna waszej firmy, potrafi po lekturze case study zrozumieć, co dokładnie zrobiliście i czego wymagał projekt po stronie klienta? Jeśli nie, materiał jest za gładki jak na etap samodzielnego sprawdzania dostawcy.
Co dodać do case study
Dobre case study powinno pomóc klientowi ocenić dopasowanie jeszcze przed rozmową.
Najlepiej działa materiał, który nie kończy się na historii sukcesu, tylko pozwala zrozumieć warunki tego sukcesu. Dlatego warto dodać:
- wielkość firmy, branżę, etap rozwoju i skalę projektu, żeby czytelnik mógł ocenić podobieństwo do własnej sytuacji,
- dokładny opis problemu, a nie tylko etykietę typu "słaba jakość leadów" czy "niska konwersja",
- przebieg pracy krok po kroku, z kolejnością działań i krótkim wyjaśnieniem, po co dany krok był potrzebny,
- czas trwania projektu oraz to, co musiało być gotowe po stronie klienta,
- wyniki z kontekstem: co się zmieniło, w jakim czasie i dzięki jakim działaniom,
- jedno uczciwe zdanie o tym, kiedy takie podejście nie będzie dobrym wyborem.
To właśnie ten ostatni punkt często buduje zaufanie najmocniej. Firma, która umie powiedzieć, kiedy nie pasuje do danego klienta, brzmi poważniej niż ta, która obiecuje, że pomoże każdemu.
Szybka lista kontrolna przed publikacją case study
- Czy problem jest opisany konkretnie, a nie tylko nazwany?
- Czy widać kolejne kroki pracy?
- Czy wiadomo, ile trwał projekt i jakiego zaangażowania wymagał?
- Czy wyniki mają kontekst, a nie tylko liczbę?
- Czy da się rozpoznać, dla jakiego typu firmy to zadziałało?
- Czy pada uczciwa informacja, kiedy to podejście nie pasuje?
Jak sprawdzić własne case study
Najprostszy test polega na tym, żeby wkleić URL case study do ChatGPT lub Claude i zapytać: "Jak dokładnie ta firma rozwiązała problem i czego wymagał projekt po stronie klienta?".
Jeśli odpowiedź jest rozmyta, materiałowi brakuje konkretu. To nie jest test widoczności w AI. To test tego, czy case study zawiera wiedzę, którą klient chce szybko wyciągnąć z publicznych treści.
Szerzej o tym, jak pisać materiały B2B pod pytania zadawane narzędziom AI, piszemy w artykule Treści B2B dla agentów AI. Jeśli chcesz uporządkować sam temat narzędzia, pomocna będzie też definicja ChatGPT.
Jak przepisać FAQ pod pytania zadawane przed kontaktem
FAQ powinno odpowiadać na pytania, które pojawiają się przed pierwszą rozmową, a nie tylko po decyzji o kontakcie.
Klasyczne FAQ często skupia się na logistyce: godzinach pracy, formach płatności czy dostępności konsultacji. Takie informacje nadal są potrzebne, ale nie rozwiązują tego, co chce ustalić klient porównujący kilku dostawców: dla kogo to działa, ile potrwa wdrożenie, co będzie musiał przygotować i kiedy lepiej szukać innej opcji.
Zamiast pytań czysto organizacyjnych warto dodać pytania takie jak:
- Dla jakiego typu firmy ta usługa działa najlepiej?
- Ile czasu zwykle zajmuje projekt i co musi przygotować klient?
- Jakie są najczęstsze obawy przed startem współpracy?
- Co dzieje się, gdy projekt nie idzie zgodnie z planem?
- Kiedy ta usługa nie będzie dobrym wyborem?
Takie FAQ robi dwie rzeczy naraz. Pomaga klientowi samodzielnie ocenić dopasowanie i skraca pierwszą rozmowę, bo część wątpliwości jest już zamknięta.
O tym, jak publiczne treści wpływają na zaufanie do firmy, przeczytasz też w artykule Treści dla AI: zaufanie.
Co powinien zmienić handlowiec
Jeśli klient już sprawdził firmę w AI, zaczynanie rozmowy od prezentacji firmy tylko cofa spotkanie.
Lepszy start jest prostszy: najpierw sprawdź, co klient już wie. Zamiast pełnego wstępu o firmie możesz zapytać: "Czy przed rozmową sprawdzałeś nasze case studies albo zadawałeś pytania w ChatGPT? Jeśli tak, przejdźmy od razu do tego, co nadal jest niejasne".
Taki początek oszczędza czas i daje handlowcowi lepszy punkt wejścia. Jeśli klient zrobił już własne rozeznanie, można szybciej przejść do pytań o jego sytuację, budżet, ograniczenia i zakres wdrożenia. Jeśli nie, rozmowa i tak może potoczyć się standardowo.
Przed spotkaniem warto też zrobić krótki przegląd własnych materiałów:
- Co klient znajdzie o naszej firmie bez rozmowy z handlowcem?
- Jakie pytania zostają bez odpowiedzi po lekturze case studies?
- Które elementy brzmią dobrze marketingowo, ale nie pomagają ocenić dopasowania?
Więcej o tym, jak ChatGPT i Claude odpowiadają na pytania o firmy B2B, znajdziesz w tekście Jak Claude i ChatGPT odpowiadają na pytania o firmy B2B.
Co warto zrobić teraz
Najpierw popraw jedno case study i jedno FAQ. To wystarczy, żeby zobaczyć, jak wiele luk było dotąd zasłoniętych przez handlowca podczas rozmowy.
Potem zadaj sobie jedno pytanie: czy klient, który zapyta ChatGPT o twoją firmę, dostanie z publicznych materiałów konkretną odpowiedź o procesie, wymaganiach i ograniczeniach współpracy? Jeśli nie, właśnie tam zaczyna się poprawka. Szerszy kontekst pracy z tym narzędziem w marketingu znajdziesz w przewodniku ChatGPT w marketingu – jak go wykorzystać.
