Wszystkie automatyzacje
    Case study · Pozyskiwanie leadów

    Automatyzacja pozyskiwania leadów

    Zamiast godzinami przeszukiwać Google Maps, proces sam znajduje firmy, sprawdza je i pisze spersonalizowaną wiadomość gotową do wysłania.

    Łukasz Chlebda 17 kwietnia 2026
    firm w jednym przebiegu
    100firm w jednym przebiegu
    spersonalizowanych wiadomości
    30spersonalizowanych wiadomości
    cały przebieg
    20 mincały przebieg

    Co było robione ręcznie

    Szukanie klientów ręcznie to żmudna robota. Przeglądasz Google Maps, wypisujesz firmy, sprawdzasz każdą po kolei, szukasz kontaktu, piszesz wiadomość od nowa do każdej.

    Godziny pracy, zanim w ogóle dojdzie do pierwszej rozmowy.

    Co zbudowaliśmy

    Zbudowaliśmy proces, którym sami szukamy klientów. Przez API Google wyszukuje firmy z danej branży i miasta, które spełniają nasze kryteria, i sprawdza, czy nie ma ich już w naszym CRM.

    Dla każdej firmy zbiera informacje: czym się zajmuje, jakie ma opinie, od kiedy działa. Na tej podstawie pisze spersonalizowaną wiadomość po polsku, z konkretną obserwacją, a nie szablon. Gotowy lead z wiadomością ląduje w CRM. Na koniec uruchamia się drugi proces w n8n, który przysyła wiadomości do przejrzenia z przyciskiem wyślij albo popraw. Człowiek decyduje, co wychodzi.

    Krok po kroku

    Jak to działa

    1. 01

      Wyszukanie firm

      Proces przez API Google znajduje firmy z wybranej branży i miasta, według ustalonych kryteriów.

      Google Maps
    2. 02

      Odsianie znanych

      Sprawdza CRM i odrzuca firmy, z którymi już rozmawialiśmy. Bez dublowania kontaktów.

      Notion
    3. 03

      Rozeznanie

      Dla każdej firmy zbiera informacje: specjalizacja, opinie, jak długo działa, kontakt.

      Claude
    4. 04

      Spersonalizowana wiadomość

      Pisze wiadomość po polsku z konkretną obserwacją o tej firmie, nie szablon. Zapisuje lead i wiadomość w CRM.

      Claude
    5. Akceptacja

      Drugi proces przysyła wiadomości do przejrzenia z przyciskiem wyślij albo popraw. Człowiek ma ostatnie słowo.

      n8n
    Technologia

    Jakich narzędzi użyto w tej automatyzacji

    Claude Code

    Claude Code

    rozeznanie i pisanie wiadomości

    Google Places API

    Google Places API

    wyszukiwanie firm

    Notion CRM

    Notion CRM

    baza leadów

    n8n

    n8n

    proces akceptacji wiadomości

    Efekt

    Co się zmieniło

    Zamiast godzin ręcznego szukania dostajemy gotową listę firm z dopasowaną wiadomością do każdej. Człowiek tylko zatwierdza.

    Ten sam schemat, znajdź, zbadaj, napisz spersonalizowanie i daj do akceptacji, przenosi się na każdy proces sprzedażowy oparty na docieraniu do nowych klientów.

    Mają Państwo podobny proces u siebie?

    Prosimy o kontakt i kilka zdań o tym, co zajmuje najwięcej czasu. Odezwiemy się, a jeśli to ma sens, pokażemy działającą próbkę na Państwa danych, zanim padnie słowo o cenie.

    Więcej

    Powiązane automatyzacje

    Case study

    Automatyzacja treści na social media dla klubu sportowego

    Po każdej kolejce ktoś musiał ręcznie sprawdzić tabelę, statystyki i napisać relację. Zbudowaliśmy proces, który pobiera dane z sieci, a AI pisze gotowe teksty do zatwierdzenia.

    Zobacz
    Case study

    Automatyzacja księgowania faktur ze zdjęcia

    Zamiast przepisywać każdą fakturę ręcznie do arkusza, wskazujemy plik, a AI odczytuje dane, przelicza walutę i zapisuje wpis w bazie.

    Zobacz
    Case study

    Automatyzacja grafik na Instagram i Facebook

    Spójne, markowe grafiki na social media składają się z gotowego systemu, zamiast być klikane od zera w Canvie.

    Zobacz
    Case study

    Automatyzacja rejestracji online i przypomnień SMS

    W aplikacji kliniki rejestracje, potwierdzenia, przypomnienia i prośby o opinię dzieją się same. Mniej telefonów na recepcji, mniej nieodwołanych wizyt.

    Zobacz
    Case study

    Podmiana produktu na zdjęciu bez nowej sesji

    Skład zestawu prezentowego zmienia się w trakcie sezonu, a zdjęcie przestaje się zgadzać. Zamiast nowej sesji: zaznaczenie produktu ramką, wybór zamiennika i cztery gotowe warianty po minucie.

    Zobacz
    Case study

    Zestawy wielosztukowe dla 2700 produktów

    Sklep sprzedaje ten sam produkt pojedynczo i w wielopakach. Każdy wielopak potrzebuje własnego zdjęcia, opisu i kodu. Proces przygotował 2692 takie zestawy.

    Zobacz
    Case study

    Czat nad raportem dziennym restauracji

    Raport dzienny restauracji był wpisywany do Excela — każdy dzień jako osobna zakładka. Po ponad roku było ich 446. Dziś dane trafiają do bazy Postgres, którą odpytuje się czatem AI po polsku.

    Zobacz
    Case study

    Automatyzacja pobierania danych ze stron do własnej bazy

    Protokoły meczowe ligi unihokeja leżały na cudzej stronie, po jednym na mecz. Zbudowaliśmy proces, który je pobiera, sprawdza i zapisuje we własnej bazie: 320 meczów i 3672 gole z pięciu sezonów.

    Zobacz