- Ручной outreach на 100 сообщений: сбор базы 40 мин + фильтрация 15 мин + отправка 2 часа + ответы 1 час = ~4 часа.
- Автоматизированный outreach на те же 100: парсинг 3 мин + отправка (async) 8 мин + AI-триаж первых ответов = ~12 минут active time.
- Разница: 20× в time efficiency. Не 2×, не 5×. Двадцать.
- Конверсия при этом — НЕ ниже. При правильной настройке (spintax + LLM + cadence) — выше ручной, потому что у скрипта нет усталости.
Пример реального time-log арбитражника, работающего руками. Имя скроем — договорились о публикации метрик без идентификации.
4 часа на 100 сообщений: по шагам
| Шаг | Время | Что делается |
|---|---|---|
| Выбор канала-источника | 15 мин | Скроллит recomendations, поиск по ключевым |
| Сбор базы | 40 мин | Открывает канал, скроллит участников, копирует @username'ы |
| Фильтрация | 15 мин | В Excel: убрать ботов, неактивных, дубли |
| Шаблон + персонализация | 20 мин | Написать, проверить на 3 примерах |
| Отправка 100 msg | 2 ч | ~1 мин на сообщение (copy→paste→имя→send→ждать) |
| Первые ответы | 1 ч | Реагировать на 15-30 ответов в реальном времени |
Итого: ~4 часа. При ставке self-value $30-50/час это $120-200 стоимости твоего времени на ОДНУ партию 100 сообщений.
12 минут на те же 100 сообщений
| Шаг | Active time | Wall time |
|---|---|---|
| Поиск канала в индексе | 2 мин | 2 мин |
| Настройка фильтров | 1 мин | 1 мин |
| Парсинг базы | 0 мин (async) | 3-5 мин |
| Выбор / настройка шаблона | 3 мин | 3 мин |
| Запуск отправки | 30 сек | 2-6 часов (распределено) |
| Мониторинг + AI-triage | 5 мин (в течение дня) | async |
| Active time total | ~12 мин | 2-6 часов distributed |
Критичное различие: wall-clock time (когда реально отправляется) может быть длиннее (2-6 часов для human-like cadence), но active time (когда ты сам что-то делаешь) — 12 минут. Пока скрипт работает, ты занимаешься другими делами.
Миф: «руками теплее»
Распространённый аргумент: «живой человек напишет лучше, чем скрипт». Разберём — в деталях.
«Персонализация»
Ручная: смотришь профиль, ищешь зацепку, упоминаешь. 1-2 минуты на сообщение. Качество высокое.
Скриптовая: LLM смотрит контекст канала, последние посты, имя. 200-500ms на сообщение. Качество высокое для 70-80% случаев.
Разница: человек лучше в edge cases (необычный контекст, требует креативности). Скрипт — в medium cases (стандартный outreach в знакомой нише), но из-за масштаба выигрывает в абсолюте. 1 очень хорошее сообщение vs 10 хороших — чаще выигрывают 10.
«Ответы в реальном времени»
Получатель ответил → ты видишь → отвечаешь в течение 2 минут. Ручной preference: любишь живые диалоги.
Автомат: AI-агент (Qualifier) отвечает сразу и ведёт диалог до момента, когда нужна человеческая стратегия. Ты подключаешься только на переходы, не на «да/нет/расскажите подробнее».
Честно: где скрипт проигрывает
- Волуме <30 сообщений в неделю. Не стоит поднимать автоматизацию для одного-двух касаний.
- Очень узкая ниша (до 100 идентифицируемых персон в мире). Лучше каждому писать вручную, индивидуально.
- High-ticket B2B ($50K+ deal size). Здесь качество коммуникации — ROI. Руки и зум.
- Offer, который нельзя упростить. Если оффер требует 5-10 минут объяснения — он не для cold outreach в принципе.
Для всего остального — 50-5000 сообщений/нед, стандартные ниши, «средний чек» — скрипт экономичнее в 10-20×.
TG:ON для macOS · Windows · Linux
Desktop-приложение, 160 MB. Работает локально, твои ключи остаются у тебя. 3 дня триала без карты.
Скачать бесплатно12 минут вместо 4 часов.
3 дня триала.
Парсинг, отправка, AI-triage — из коробки. Прогони свою кампанию на 100-500 сообщений и сравни с ручным flow. Разница сразу видна в time-log'ах.
Начать триал