В тестовой выборке из 54 IT-контактов холодное сообщение получило один ответ из 23 — около 4%. А сообщения с конкретным поводом, связанным с работой адресата, принесли 11 ответов из 31. Этот разрыв важнее очередного совета «персонализируйте письмо»: для IT-команд он показывает, что персонализированные рассылки работают не из-за подстановки имени, а из-за реально проделанной исследовательской работы.
Такой кейс описывает Habr / Карьера. Автор ведёт многолетнюю CRM-базу инженеров, инвесторов, фаундеров и создателей профильных сервисов, фиксирует дату отправки, канал, ответ и дальнейший результат. В его выборке использовались Telegram, GitHub, электронная почта и мессенджеры; сравнение охватило контакты за июль—октябрь.
Главное различие автор проводит между формальным контекстом и поводом написать. Формальный контекст — это сведения вроде специализации человека или его старой публикации об архитектуре. Повод — конкретное действие: pull request с обнаруженной проблемой, issue, комментарий в сообществе, новый коммит или повторный запуск чужих замеров. В первом случае адресат видит знакомую механику массового аутрича. Во втором — получает письмо, которое начинается с его собственной работы, а не с презентации отправителя.
На группе из 23 контактов без такого повода сработало лишь одно первое касание. Автор признаёт, что тексты были персонализированы технически: использовали данные о человеке и его деятельности. Но по сути они оставались шаблонами, где можно заменить имя и ссылку, а затем отправить следующему получателю. Для опытных разработчиков, мейнтейнеров и фаундеров это обычно считывается быстрее, чем успевает прогреться лид.
Повторное сообщение через четыре-пять дней немного изменило картину. Его получили 11 человек, двое ответили — примерно 18%. Девяти адресатам после двух безответных обращений новые сообщения не отправлялись. Это не делает холодный аутрич эффективным сам по себе, но показывает практическую пользу ограниченного повторного контакта, если у него есть новый факт или хотя бы ненавязчивое напоминание о прежнем сообщении.
Иначе выглядела группа из 31 человека, у которого уже был конкретный след взаимодействия с работой автора. Ответили 11 адресатов. В примерах фигурируют мейнтейнер OpenAI, закрывший issue и включивший исправление в релиз, а также мейнтейнер Microsoft, создавший задачу в своём трекере после сравнения. Автор сторонней библиотеки использовал результаты замеров в pull request и указал источник. Это не продажи в привычном смысле, а сначала технический обмен, из которого может вырасти профессиональный контакт.
Процесс автор автоматизировал через CRM и очередь касаний. Для неё предусмотрены четыре статуса: активен, ответил, просрочен и остановлен вручную. Изначально он пробовал десять контактов с человеком, затем сократил схему до дней 1, 3, 7, 14 и 28. На 31-й день очередь закрывается. Перед отправкой система перечитывает переписку, а входящее сообщение сразу останавливает дальнейшие напоминания. Отдельное правило: пока на входящее сообщение не дан ответ, новая рассылка этому человеку не уходит.
Автор различает два типа повторов. Первый поднимает прежнее сообщение в списке непрочитанных: в Telegram оно удаляется и отправляется заново, в почте повтор идёт в той же ветке. Второй создаётся заново, но только при появлении нового основания для разговора. Для отправок заданы суточные лимиты: 50 контактов на аккаунт в Telegram, 20 в WhatsApp и 50 по почте; интервал между сообщениями случайно меняется от 40 до 110 секунд. Такая механика одновременно масштабирует процесс и подчёркивает его спорную сторону: техническая аккуратность не отменяет раздражения адресата и риска блокировки.
Для разработчиков и основателей стартапов вывод довольно приземлённый. Если нужно привлечь внимание инженера, партнёра или потенциального клиента, полезнее принести проверяемую деталь о его коде, продукте или исследовании, чем рассказать о себе под видом интереса к его публикациям. Для sales- и HR-команд это ещё и повод пересмотреть метрики: считать нужно не только открываемость и долю ответов, но и качество диалога, число остановленных цепочек и причины отказов.
Выборка автора мала и не рандомизирована, поэтому превращать 4% и 35% в универсальный бенчмарк нельзя. Но направление очевидно: персонализированные рассылки будут всё меньше отличаться шаблоном с переменными и всё больше — качеством предварительного анализа. Вопрос в том, смогут ли команды сохранить эту глубину при росте базы, не превратив полезный повод в ещё одну автоматизированную форму шума.