| id |
37256 |
| conversation_id |
233 |
| message_id |
3EB00229CCF56A13020A62 |
| sender |
user |
| message_type |
text |
| content |
مؤخراً كنت خدام على واحد البروجي ديال واحد الكليان مؤخراً كنت خدام على واحد البروجي ديال واحد الكليان اللي بغا واحد lead enrichment agent. شنو كيدير؟ واحد AI automation اللي تأطوماتيزي ليهم lead enrichment في l’entreprise ديالهم. اللي ماكيفهمش، اللي ماعارفش شنو هو lead enrichment، هو أنه في les entreprises كيكونوا sales ولا les commerciaux شنو كيديروا، كيمشيو كياخدوا des listes ديال des prospects يعني ناس اللي كتكون عندك مثلا السمية ديالو، الإيميل ديالو، النمرة ديالو، وكيمشيو كيقلبو عليهم، كيمشيو وكيبغيو هاد الناس هادو يصيفطوا ليهم des emails ولا des messages اللي غايحاولوا بيهم يبيعوا ليهم service ديال l’entreprise. باش أنهم يديروا هاد القضية كيخدموا بواحد القضية سميتها personalization. هي أنه كيمشي كيشد les informations ديالك وكيحاول يقلب على des informations qui ont plus de contexte، مثلا كيمشي كيقلب عليه في LinkedIn، كيمشي كيقلب عليه في YouTube، كيمشي كيقلب عليه في Google، كيحاول يلقى des articles هو كاتبهم، كيلقى بزاف ديال الحوايج اللي ça peut être واحد objet ديال personalization اللي غايخدم بيها، هدا ما نسميه بال-lead enrichment.
علاش درت هاد la vidéo؟ ماشي على lead enrichment مي كيفاش تخلي AI يعطيك des résultats اللي يكونوا très humains ولا يكونوا vraiment قراب ل-un vrai humain اللي كيدير ديك la tâche. وهاد القضية vraiment خاصها بزاف ديال الوقت وفيها تلاتة ديال الحوايج اللي أنا personnellement كنخدم بيهم. إلا شي واحد كيتفرج فهاد la vidéo عندو شي حاجة حسن، عندو شي فكرة أخرى ولا شي حاجة كيخدم بيها وكتعطيه des نتائج (résultats) مزيانين يزيدها هنا في les commentaires.
أول حاجة هي اللي بالنسبة ليا مهمة بزاف هي أنه خاصك تجمع une expertise من un humain. دونك مثلا أنا في cold emailing ماكنعرفش كيفاش نكتب email اللي ك-convertit، دونك شنو خاصني ندير؟ خاصني نمشي عند داك الشخص اللي مثلا expert في داك le domaine، سوا داك الكليان ديالي أصلاً سوا نمشي نتعلم لراسي ونحاول نجمع le maximum ديال les notes من عندو، دونك des notes d'un vrai expert.
تاني حاجة واللي بالنسبة ليا أهم من اللولة هي أنه خاصنا des vrais exemples ديال les emails اللي هو كيخدم بيهم، و encore mieux هو إلا عندي des exemples before/after. مثلا نمشي عند واحد الشخص نقول ليه OK نتا ماشي expert في cold emailing بغيت أنا نبيع un service X كتب ليا un email اللي نقدر نصيفطوا لهاد الشخص، غايكتب ليك داك l’email، شنو غاتشد؟ غاتشد داك l’email اللي عطاك داك الشخص غاتعطيه لـ expert غاتقول ليه OK corrige ليا هاد l’email وعطيني une version اللي نتا غاتخدمها واللي نتا عارفها غات-convertit وغايكتب ليك داك l’after. دونك هاد before/after examples إلا عطيتيهم في le contexte ديال AI كيولي vraiment très performant وكيولي يعطيك des résultats اللي très proches لديك الحاجة اللي غايعطيها ليك un expert.
تاني حاجة اللي أنا بالنسبة ليا تاهيا vraiment مهمة هي أنك تشد le problème وتجزأو لـ AI. بلاصت ما أنه نخلي أنا modèle واحد ونخلي واحد AI agent واحد اللي يكتب ليا اللي ياخد كاع les informations في l’input ويعطيني واحد l’email في l’output، لا، نحاول نقسم le problème لبزاف ديال les projets. مثلا أنا عندي scraped information يعني des informations اللي لقيتهم في Google، des informations اللي لقيتهم في LinkedIn، des informations اللي لقيتهم في YouTube، وهاد les informations كاملين غانعطيهم بعدا لأول AI اللي يحاول يخرج ليا من كل source des relevant informations. تاني AI غايشد دوك les relevant informations ويرأنكيهم (rank-ihum) etc. etc. كل ما chunkiti المشكل، كل ما قسمتي داك المشكل لأجزاء صغار كل ما الحل ديالو كيولي ساهل مي le coût كيطلع. دونك normalement مي غالباً تال le coût كيطلع، دونك نتا خاصك تلقى ديك la balance بين أنك تقسم المشكل وأنك ماتقسموش بزاف de telle sorte أنه le coût ديال ديك l’pipeline ديالك ولا ديال داك l’automation ولا workflow ديالك يولي غالي بزاف.
و voilà، هوما تلاتة د الحوايج اللي كنخدم بيهم ديما، نتمنى يفيدوا بزاف د الناس. هادشي اللي كاين، بسلامة.... |
| media_url |
NULL |
| media_mime_type |
NULL |
| chatbot_id |
38 |
| created_at |
2026-06-01T01:20:24.887358 |
| status |
read |
| delivered_at |
2026-06-01T03:42:19.551350 |
| read_at |
2026-06-01T03:42:19.551350 |
| sender_user_id |
NULL |
| metadata |
NULL |