LEAD GENERATION // عرض تجريبي مجاني
وكيل أبحاث العملاء المحتملين
المشكلة
بناء قوائم التواصل البارد يستغرق ساعات من البحث اليدوي لكل عميل محتمل قبل كتابة أول رسالة.
~8 min → ~15 sec
Research time per lead
Need warm/inbound research instead? وكيل أبحاث العملاء المهتمين →
بدون عرض مبيعات — خطة فقط.
I research companies before you reach out. Name a business — or tap a command — and I'll build the brief.
Execution trace — recorded run (this agent's real pipeline)
Reading company signals
ok
Cross-referencing vertical benchmarks
ok
Scoring fit and buying intent
ok
Drafting the research brief
ok
Research time per lead
~8 min → ~15 sec
projected
Fit scoring consistency
vs. ad-hoc manual judgment
projected
80%
Fit Score
Company Summary
Al Safa Grill House is a restaurant likely specializing in Middle Eastern or Arabic cuisine, given the 'Al Safa' name which translates to 'The Pure' or 'The Clear', suggesting a focus on traditional, authentic flavors.
ما هو وكيل أبحاث العملاء المحتملين؟
وكيل أبحاث العملاء المحتملين بالذكاء الاصطناعي يحوّل اسم شركة أو رابط موقعها إلى ملخص بحثي منظم — نبذة عن نشاط الشركة، المسؤول الأرجح للتواصل معه، تفصيلة محددة تصلح كمدخل للرسالة، ودرجة توافق من 0 إلى 100 — في ثوانٍ بدلاً من 5 إلى 10 دقائق يستغرقها البحث اليدوي المعتاد لكل عميل محتمل.
كيف يعمل
يقرأ الوكيل أي إشارة عامة متاحة عن الهدف — اسم الشركة، رابط الموقع، القطاع المحدد — ويقارنها بأنماط مرجعية لذلك القطاع والمنطقة. لا يجمع بيانات خاصة ولا يخمّن معلومات داخلية؛ بل يعمل على ما يمكن استنتاجه فعليًا (القطاع، الحجم التقريبي، المسؤول المحتمل) ويحدد تفصيلة واحدة ملموسة يمكن أن تفتتح بها رسالة التواصل بدلاً من مقدمة عامة. تُصاغ النتيجة في وحدات ثابتة — درجة توافق، شبكة مؤشرات، واقتراح جملة افتتاحية — ليتمكن مندوب المبيعات من التصرف فورًا دون قراءة فقرة كاملة.
في الإنتاج الفعلي، تغذّي خطوة البحث هذه مباشرة صياغة رسالة التواصل: درجة التوافق تحدد ما إذا كان العميل المحتمل يستحق وقت شخص حقيقي، والتفصيلة الافتتاحية تصبح الجملة الأولى في الرسالة الفعلية.
You are a B2B lead-research analyst for a Dubai-based growth agency. Given a company name/URL and vertical, produce a concise research brief: company summary, likely decision-maker title, one specific opening-line detail, and a 0-100 fit score. Output ONLY a JSON array of typed blocks matching the OutputBlock union (metricCards, table, copyBlock, scoreGauge, chart, checklist, timeline) — no prose outside the JSON. Never claim access to private data, internal financials, or anything not genuinely inferable from public signals — if the input is too thin to produce a specific opening-line detail, say so plainly in the copy block instead of inventing one.حالات الاستخدام
فرز قوائم التواصل البارد
شغّل كل عميل محتمل جديد على قائمة مستخرجة عبر الوكيل قبل أن يقضي أحد وقته عليه — درجة التوافق وحدها تختصر قائمة من 200 عميل إلى 40 يستحقون المتابعة.
التحضير لمكالمات العملاء الداخليين
يصل طلب عرض توضيحي باسم وبريد إلكتروني فقط — يملأ الوكيل السياق الناقص (الحجم التقريبي، القطاع، منصب المسؤول) قبل المكالمة.
أبحاث الأقاليم على نطاق واسع
يمكن لوكالة إماراتية تتوسع في قطاع جديد (مثلاً مطاعم بوتيكية) أن تبحث في 50 شركة مستهدفة في الوقت الذي كان يُستغرق للبحث في 5 فقط.
انطلاق حملات التسويق الموجّه للحسابات
قبل إطلاق حملة ABM، شغّل قائمة الحسابات المستهدفة عبر الوكيل لتزويد كل مندوب بنفس البحث الأساسي الموحد.
النتائج والمعايير
Research time per lead
متوقع (نموذجي)
Fit scoring consistency
متوقع (نموذجي)
شغّله على عملك
تريد أن يحل وكيل أبحاث العملاء المحتملين هذه المشكلة لك؟
هذا يعمل في الإنتاج اليوم، وليس نموذجًا تجريبيًا. أخبرني بحالتك في مكالمة مجانية لمدة 30 دقيقة، أو استأجر النظام بأكمله مقابل 999 دولار شهريًا.
بدون عرض مبيعات — خطة فقط.
FAQ
Common questions
ما هو وكيل أبحاث العملاء المحتملين بالذكاء الاصطناعي؟
نظام يحوّل اسم شركة أو رابطها إلى ملخص بحثي منظم — نبذة عن الشركة، المسؤول المحتمل، وتفصيلة افتتاحية محددة — في ثوانٍ بدلاً من 5-10 دقائق يستغرقها البحث اليدوي المعتاد لكل عميل محتمل.
هل يحل محل الباحث البشري؟
يحل محل البحث الأولي المتكرر (نبذة الشركة، تخمين منصب المسؤول، تفصيلة افتتاحية واحدة) ليركّز الإنسان حكمه على استراتيجية التواصل بدلاً من جمع البيانات.
ما البيانات التي يستخدمها العرض التجريبي؟
يعمل العرض التجريبي على شركات نموذجية اصطناعية بنكهة خليجية — وليس بيانات عملاء حقيقية أبدًا — لتتمكن من تجربته دون أي إعداد.
وكلاء ذوو صلة
بُني بواسطة Hammad Yousuf — AI Marketing Automation Engineer, 540K+ YouTube subscribers.
اطّلع على المهام الإنتاجية التي تعمل عليها هذه الأنماط، أو استئجار النظام بأكمله.