Praktische Lehren aus der Automatisierung von LinkedIn-Outreach mit OpenClaw

Ein Entwickler dokumentierte seine Erfahrungen mit der Automatisierung von LinkedIn-Kontaktaufnahme mit OpenClaw nach drei Wochen Versuch und Irrtum und teilte spezifische technische Ansätze, die funktionierten, sowie Fallstricke, die es zu vermeiden gilt.

LinkedIn-Automatisierungserkennung

Einem Agenten Browserzugriff zu geben, um LinkedIn zu navigieren und Verbindungsanfragen zu senden, funktioniert in der Praxis nicht. LinkedIn erkennt Automatisierung auf Sitzungsebene fast sofort, was innerhalb von zwei Tagen zu Kontobeschränkungen führt. Das Problem ist nicht der Agent selbst, sondern die Behandlung von LinkedIn wie einer normalen Website, die gescraped und durchgeklickt werden kann.

Anforderungen an die Kontoeinlaufphase

LinkedIn-Konten haben Vertrauenswerte, die eine progressive Einlaufphase erfordern. Ein neues Konto oder eines, das plötzlich 40 Verbindungsanfragen an einem Tag sendet, wird markiert, egal wie menschlich das Verhalten aussieht. Eine Mindesteinlaufphase von 2-3 Wochen ist notwendig, bevor echtes Volumen angegangen wird; dies zu überspringen riskiert, Ihr Konto zu verbrennen.

ICP-Bewertung mit Intent-Signalen

Mit jedem zu verbinden, der breiten Keyword-Suchen entspricht, liefert schlechte Ergebnisse. Eine Bewertungsebene vor der Kontaktaufnahme hinzuzufügen, verbessert die Ergebnisse erheblich. Diese Ebene sollte Engagement-Signale wie enthalten, ob die Person kürzlich gepostet hat, zu relevanten Inhalten kommentiert hat oder in den letzten 90 Tagen den Job gewechselt hat, nicht nur Titel und Unternehmen. Diese Intent-Signale in die Filterung einzubeziehen, erhöhte Antwortraten von Rauschen auf nützliche Niveaus.

Nuancen der Ratenbegrenzung

Kostenlose LinkedIn-Konten, Premium und Sales Navigator haben völlig unterschiedliche sichere Schwellenwerte. Die gleichen Ratenbegrenzungen über Kontotypen hinweg laufen zu lassen, ist ein schneller Weg, eingeschränkt zu werden. Der Agent muss wissen, auf welcher Art von Konto er arbeitet, und sich entsprechend anpassen.

Gestaltung von Gesprächsabläufen

Verbindungen akzeptiert zu bekommen, ist relativ einfach, aber den Agenten Folgegespräche bis zu gebuchten Anrufen handhaben zu lassen, ist der schwierige Teil. Dies erfordert explizite Entscheidungsbäume, die abdecken, was zu sagen ist, wenn jemand mit einer Frage antwortet, was zu sagen ist, wenn sie schweigen, und wann auf einen Kalenderlink eskaliert werden soll. Die meisten Agenten-Setups hören beim Senden von Verbindungsanfragen und ersten Nachrichten auf, was nur etwa 20% des Workflows darstellt.

Modell-Routing-Strategie

ICP-Bewertung und Intent-Signal-Erkennung können auf Haiku- oder Sonnet-Modellen laufen, die günstig und schnell sind. Das eigentliche Verfassen von Gesprächen, bei denen Ton und Timing wichtig sind, profitiert von stärkeren Modellen. Dies folgt dem allgemeinen OpenClaw-Prinzip, Opus nicht auf Teile laufen zu lassen, die es nicht brauchen.

Der Entwickler betreibt nun einen vollständigen Kreislauf, in dem der Agent Leads basierend auf Intent-Signalen findet, sie gegen seinen ICP bewertet und Gespräche von Verbindungsanfragen bis zu Demo-Buchungen handhabt, wobei die Kosten pro Lead im Wesentlichen auf Token-Kosten über das Setup hinaus begrenzt sind.