Amplifa – Prodejní platforma s AI pro průmyslové B2B

AI v obchodu: Persil Wäscheservice škáluje outbound

Kundenstory · 4. November 2026 · Leon J. Hermann

AI v obchodu pro regionální B2B služby: Přečtěte si, jak Persil Wäscheservice s pomocí Amplifa získal relevantní schůzky místo plýtvání kontakty.

‚Nepotřebujeme víc poptávek, potřebujeme vhodné trasy.‘ Tuto větu mi v březnu 2025 řekl Jonas, obchodní ředitel regionálního servisního podniku z Kolína nad Rýnem. Poměrně přesně vystihuje, proč AI v obchodu u Persil Wäscheservice nezačala jako technologická hračka, ale jako operativní projekt na úrovni pipeline. Persil Wäscheservice chtěl systematičtěji oslovovat hotely a pečovatelská zařízení, aniž by obchodní tým zahltil neefektivním rozptylem kontaktů, špatnými regiony a nekvalifikovanými úvodními schůzkami. Přesně tento rozdíl v roce 2026 odděluje smysluplný B2B outbound od digitálního šumu.

Tuto případovou studii píšu záměrně střízlivě. Veřejně dostupné informace o Persil Wäscheservice jsou kusé a nebudu zde uvádět počty zaměstnanců, právní formy ani obraty, které nemohu spolehlivě doložit. Jméno Persil je v Německu známé především jako značka společnosti Henkel; toto vymezení je důležité. Tento klientský příběh se týká konkrétního obchodního problému v kontextu B2B prádelenských služeb, jak je popsán v naší implementaci Amplifa a ve schválené Success Story — nikoli budování mýtů kolem značky.

Proč je AI v obchodu pro servisní podniky relevantní právě teď

Prádelny, poskytovatelé textilních služeb, údržbářské firmy, facility services, technické inspekční služby — ti všichni řeší podobný problém. Obchod zní na papíře jednoduše: najít cílové zákazníky, oslovit je, domluvit schůzku, poslat nabídku. V realitě však každý dobrý lead závisí na operativních podmínkách. Odpovídá vzdálenost? Existuje logistická trasa? Má provoz kapacitu v úterý ráno, kdy hotel potřebuje zpět ložní prádlo? Lze prádlo z pečovatelských domů třídit, dokumentovat a včas zpracovat? To není problém marketingu. To je kapacitní problém s obchodním rozhraním.

U Persil Wäscheservice jádro neznělo: ‚Jak psát hezčí e-maily?‘ Tedy, téměř. Předměty zpráv, segmentace a načasování samozřejmě musely sedět. Hlavní páka však ležela jinde: Které účty jsou vůbec atraktivní z hlediska napojení na stávající nebo logicky rozšiřitelnou logistiku? Domov pro seniory 78 kilometrů mimo trasu může přinést obrat, ale zničit marži. Naproti tomu hotelový klastr čtyř domů v jedné městské části může celou trasu zefektivnit.

To je aspekt, který mnoho jednatelů podceňuje. Kdo vnímá AI v obchodu pouze jako automatizaci akvizice za studena, vytvoří v důsledku jen víc aktivity. Větší aktivita vypadá v přehledech hezky. Nezaplatí ale mzdy, účty za naftu ani noční směny v provozu. U Persil Wäscheservice jsme proto nezačali plánem kampaní, nýbrž mapou, segmenty a striktními vylučovacími kritérii.

Trh navíc vytváří další tlak. Hotely se roky potýkají s nedostatkem personálu v housekeepingu. Pečovatelská zařízení mají ještě méně prostoru k nadechnutí. Podle Spolkového statistického úřadu dosáhl počet osob vyžadujících péči v Německu na konci roku 2023 přibližně 5,7 milionu; tlak na lůžkovou i ambulantní péči neustále roste. Zároveň stoupají náklady na energie, personál a logistiku. Kdo jako poskytovatel služeb v tomto prostředí prodává pouze přes cenu za kilogram, prohrává. Kdo prodává eliminaci rizika výpadku, spolehlivá dodací okna a úlevu v interních procesech, má šanci.

Výchozí situace: Doporučení fungovala, škálování ne

Persil Wäscheservice měl, stejně jako řada regionálních poskytovatelů služeb, obchod postavený na doporučeních, kontaktech ze stávající klientské báze a manuálním vyhledávání. To samo o sobě není špatné. Naopak. Doporučení jsou v servisním byznysu často nejlepším zdrojem, protože důvěra existuje už před první schůzkou. Jenže tento model nelze spolehlivě škálovat. A už vůbec ne tehdy, když potřebujete zahustit konkrétní oblasti tras a upřednostnit vybrané typy zákazníků.

Před naší spoluprací vypadal obchodní proces zhruba takto: seznamy se vytvářely ručně, kontaktní osoby se dohledávaly jednotlivě, e-maily se psaly na míru, pak následovalo telefonování, urgence a dokumentace — někdy v CRM, někdy v tabulkách, někdy jen v hlavě obchodníka. Ne že by chyběla struktura. Ale struktura není totéž co opakovatelnost. Pokud proces funguje jen do chvíle, dokud dva zkušení lidé udrží v hlavě každou výjimku, není škálovatelný.

Reálný detail z podobných projektů: ty nejzajímavější informace v CRM téměř nikdy nenajdete. Jsou na webových stránkách hotelů, v recenzích na Google, v inzerátech hledajících pokojské, v registrech provozovatelů, v lokálních zprávách o novém otevření nebo rekonstrukci. V sektoru péče k tomu přistupují zřizovatelské struktury, sítě zařízení a hygienické nároky. Kdo tyto signály zpracovává ručně, zvládne kvalitně odbavit možná 30 až 50 účtů týdně. Pak naráží na strop. Ne z lenosti. Z časových důvodů.

Cílem Persil Wäscheservice proto nebylo obeslat každý potenciální podnik mezi Hamburkem a Mnichovem. To by bylo nerozumné. Cílem bylo vybudovat regionální klastry cílových zákazníků, prioritizovat účty podle atraktivity a zformulovat oslovení tak, aby ředitel hotelu nedostával stejnou zprávu jako vedení domova pro seniory. Zní to banálně. Operativně to však banální není.

Detailní analýza 1. část: Co v outboundu dříve nefungovalo

U servisních firem narážím opakovaně na stejnou chybu: počítají leady, ačkoli by měly počítat ekonomicky smysluplná obslužná místa. Lead je pouhý záznam v databázi. Ekonomicky smysluplné místo je zákazník, který zapadá do logistické trasy, má dostatečný objem prádla, vyžaduje odpovídající frekvenci svozu, jeho potřeba je plánovatelná a jeho rozhodovací struktura je reálně dosažitelná. To je zcela jiný pohled na obchod.

U Persil Wäscheservice jsme cílové účty rozdělili do tří základních klastrů: hotely, pečovatelská zařízení a provozovatelské skupiny. Uvnitř těchto klastrů proběhlo další členění. Nezávislý hotel s 48 pokoji a silným víkendovým provozem reaguje na jiné spouštěče než rezidence pro seniory s praním osobního prádla klientů. Skupina se šesti provozy vyžaduje jiné argumenty než samostatný aparthotel na okraji města. Chybou mnoha outboundových kampaní je snaha tyto rozdíly smazat jedním univerzálním e-mailem.

Naše první diagnóza byla neúprosná: původní oslovení prodávalo prací výkon, ačkoli zákazník si chtěl koupit jistotu zásobování. Hotely nechtějí slyšet, že textilie budou profesionálně vyprané. To považují za samozřejmost. Chtějí vědět, zda budou mít v pondělí po plně obsazeném víkendu dostatek čistého prádla. Pečovatelská zařízení nechtějí poslouchat, jak je dodavatel spolehlivý. Chtějí vědět, jak funguje evidence osobního prádla, jeho třídění, dokumentace a operativní dodávky v situaci, kdy jim chybí personál.

Příklad z mapování v dubnu 2025: U hotelových účtů jsme sledovali spouštěče jako rekonstrukce, navýšení ubytovacích kapacit, negativní recenze týkající se čistoty, otevřené pozice v úklidu a sezónní špičky. U pečovatelských účtů byly podstatnější zřizovatelská struktura, počet poboček, specializace a signály o outsourcingu. Výsledkem nebyla prezentace s barevnými šipkami, ale použitelný seznam pro obchodní tým. Zní to méně atraktivně, ale přináší to vyšší obrat.

Co v Amplifa vidíme v praxi: v implementacích pro regionální služby míra odpovědí nepadá kvůli špatným textům, ale kvůli chybnému výběru účtů. U 14 projektů za posledních 12 měsíců dosahovaly kampaně s logikou regionálních tras v mediánu o 41 procent více kvalifikovaných úvodních schůzek na 100 účtů než kampaně filtrované pouze podle odvětví a velikosti firmy. Zprávy byly často téměř identické. Rozdíl spočíval v tom, zda bylo účet vůbec možné smysluplně obsloužit.

Složka obchodního procesuPředtím v Persil WäscheservicePo implementaci AmplifaOperativní dopad
Výběr cílových účtůManuální vyhledávání hotelů a pečovatelských zařízeníRegionální klastry podle segmentu, hustoty lokalit a logiky trasMéně jednání mimo ekonomicky rentabilní dodací oblasti
Kontaktní osobyIndividuální rešerše, často jednatel jako výchozí kontaktSegmentově specifická logika rolí: vedení, nákup, housekeeping, provozovatelVyšší relevance při prvním kontaktu
Sdílení hodnotyObecná zmínka o profesionálním praní prádlaProblémově orientované oslovení podle segmentu a spouštěčeVíce odpovědí vyjadřujících konkrétní potřebu
KvalifikaceTelefonicky a manuálně, silně závislá na konkrétním obchodníkoviPředem definované otázky na objem, frekvenci, lokalitu a termín změnyKvalitnější předání obchodu
MěřeníAktivity, zpětná vazba, jednotlivé schůzkySchůzky na 100 účtů, show-rate, SQL míra, pipeline podle regionuŘízení podle ekonomické rentability místo pocitů
Zpětná vazba pro provozPozdní, často až při konkrétní poptávceVčasný přehled o potenciální poptávce v dané oblasti trasPředvídatelnější diskuze o provozních kapacitách

AI v obchodu zde znamená: Prioritizace před personalizací

Mnoho lidí mluví o personalizaci, jako by šlo o všespásné řešení. Podle mě se přeceňuje, pokud výběr cílových účtů předem nestojí za nic. Dokonale personalizovaná zpráva odeslaná nevhodnému podniku zůstává plýtváním času. U Persil Wäscheservice proto byla posloupnost jasná: nejprve ICP a region, poté signály, následně kontaktní osoba a teprve pak samotná zpráva. Nikoli naopak.

Nastavení Amplifa se skládalo z několika modulů. Zaprvé: Account Research pro hotely, pečovatelská zařízení a struktury provozovatelů. Zadruhé: scoring ICP podle regionu, předpokládaného objemu, hustoty poboček, spouštěčů a vylučovacích kritérií. Zatřetí: AI-SDR sekvence se segmentovanými zprávami. Začtvrté: kvalifikace aPropsání termínu do kalendáře obchodního týmu. Zapáté: reporting podle regionu a segmentu, nejen podle kampaní.

Umělá inteligence přitom sama ‚neprodávala‘. Na tom mi záleží. Prodej znamená důvěru, načasování, práci s námitkami, kalkulaci a často také cit pro specifika zákazníkova provozu. AI strukturovala přípravnou práci: sběr dat, rozpoznávání vzorců, variaci textů, dodržování návazné komunikace, klasifikaci odpovědí a posouvání pouze těch schůzek, u kterých má člověk smysluplně investovat svůj čas. Kdo tvrdí, že AI-SDR nahradí kvalitní B2B obchod, pravděpodobně nikdy nekalkuloval servisní smlouvu s plánováním svozových tras.

Největší pákou nebyl e-mail. Největší pákou bylo, že jsme konečně věděli, které provozy do našeho logistického modelu vůbec pasují a proč je máme oslovit právě teď.

— Mara, koordinátorka obchodu v Persil Wäscheservice

Mara tím vystihla samotnou podstatu. V kampani pro hotely byly například prioritizovány objekty, kde byly patrné otevřené pozice v housekeepingu, zmínky o rekonstrukci nebo sezónní výkyvy poptávky. U pečovatelských zařízení jsme mapovali zřizovatele a sítě poboček, aby se ke každému domovu nepřistupovalo izolovaně. Jeden samostatný domov pro seniory může být zajímavý. Pět lokalit pod jedním provozovatelem však zcela mění dynamiku jednání.

Zní to jako práce s daty. A také je. Nevoní to nablýskaným SaaS produktem, spíše mokrým asfaltem před nakládací rampou v 6:10 ráno, kdy řidič musí stihnout termín a v hotelu nikdo nemá náladu na výmluvy. Přesně proto musí mít obchod v servisním byznysu blízko k operativní realitě. Jinak prodává sliby, které musí provoz následně hasit.

První metrika, kterou chci vidět: Schůzky na 100 relevantních účtů

Pojem MQL nemám příliš v lásce. Upřímně? V mnoha projektech středních firem nemá téměř žádnou hodnotu. Marketing Qualified Lead může být cokoliv: stažení podkladu, odpověď, kontaktní formulář, zdvořilé ‚pošlete mi materiály‘. Pro Persil Wäscheservice byla podstatnější metrika jiná: Kolik kvalifikovaných a reálně uskutečněných schůzek vznikne na 100 relevantních účtů v ekonomicky smysluplném regionu?

Před zahájením projektu se schůzky sjednávaly, ale chyběl jednotný základ pro jejich vyhodnocování. To je běžný stav. Obchod věděl, že doporučení fungují spolehlivě. Věděl také, že oslovování za studena je náročné. Chyběla však možnost objektivního porovnání. Po implementaci jsme začali pipeline měřit napříč segmenty a regiony. Hotely vůči pečovatelským zařízením. Centra měst vůči periferiím. Jednotlivé provozy vůči skupinám. To bývá nepříjemné, protože to odhalí chybné předpoklady.

Čísla ze schváleného projektu mluví jasně: během prvních 90 dnů bylo identifikováno 612 cílových účtů, z nichž 388 bylo označeno jako prioritní v aktivních nebo logicky rozšířitelných trasách. Z těchto prioritních účtů vzešlo 46 kvalifikovaných úvodních termínů, přičemž 39 z nich se skutečně uskutečnilo. To představuje konverzi 11,9 procenta schůzek na prioritní účty a show-rate 84,8 procenta. Pro regionální servisní byznys to není jen hezké marketingové číslo. To je reálná kapacita obchodu.

A co je ještě důležitější: nabídka byla podána u 51 procent uskutečněných schůzek. Schůzky se tedy neuměle nepřikrášlovaly. Mnoho z nich jsme po kvalifikaci záměrně dál nerozvíjeli, protože objem, vzdálenost nebo termín neseděly. Právě zde začíná AI v obchodu fungovat dospěle. Nemá tlačit vše za každou cenu. Má pomoci říct ‚ne‘ dříve, než výjezd obchodníka spálí peníze.

MetrikaManuální stav dřívePrvních 90 dní s AmplifaKomentář
Vyhledané cílové účtycca 120 za kvartál612 identifikováno, 388 prioritizovánoŠirší báze, ale s přísnou vyřazovací logikou
Kvalifikované úvodní schůzkyneměřeno konzistentně; cca 12–15 za kvartál46 sjednánoZapočítány pouze účty odpovídající regionu a segmentu
Uskutečněné schůzkyzávislé na individuální urgenci39 proběhlo84,8% show-rate
Podíl nabídekbez přesné segmentace51 % z uskutečněných schůzekLepší předkvalifikace před předáním
Čas obchodu na kvalifikovanou schůzkucca 3,5 až 5 hodin včetně rešeršecca 55 minut interního časuRešerše a follow-upy z velké části systematizovány
Pohled na pipelineJednotlivé příležitosti bez jasného vyhodnocení oblastíPipeline podle regionu, segmentu a potenciálu trasLepší soulad s provozem

Opačný pohled: Proč může být příliš mnoho outboundu nebezpečné

A teď ta méně příjemná část. Přemíra outboundu může servisní firmu poškodit, pokud obchod a provoz nekomunikují. Nemyslím to teoreticky. Získá-li prádelna více hotelů, než kolik dokáže ve špičkách spolehlivě obsloužit, vzniklá škoda převýší veškerý obrat. Nespokojený ředitel hotelu totiž nejen změní dodavatele. Svou zkušenost pošle dál.

U Persil Wäscheservice jsme proto nastavili záchrannou brzdu. Určité regiony jsme aktivně neoslovovali, ačkoli v nich existovaly cílové účty. Některé firmy byly odloženy, protože odhadovaný objem byl příliš nízký nebo vzdálenost od stávající trasy příliš velká. Pokud vnímáte obchod pouze jako generování poptávky, může to znít nelogicky. Já to považuji za nutnost. Poptávka bez možnosti dodat službu není pipeline, ale budoucí požár.

Druhá námitka často zaznívá od jednatelů: ‚Náš obor je na AI příliš osobní.‘ Této větě rozumím. Pravdivá je však jen z poloviny. Uzavření smlouvy zůstává osobní. Vyjasnění potřeb zůstává osobní. Osobní zůstává i návštěva na místě, zejména je-li třeba posoudit pachy, skladovací prostory, překladiště prádla a vnitřní provoz. Ale přípravná fáze? Ta osobní být nemusí. Nikdo nepotřebuje zkušeného obchodního ředitele, který tráví 40 minut procházením webů, aby zjistil počet pokojů a provozovatele.

Varování z praxe: Pokud AI-SDR optimalizujete pouze na množství schůzek, vytvoříte v servisním byznysu rychle nežádoucí poptávku. Optimalizujte na vhodné účty, uskutečněné schůzky, kvalitu nabídek a operativní proveditelnost — nikoli na plné kalendáře.

Kalkulace ROI: Kolik skutečně stojí kvalifikovaná schůzka

Návratnost investic (ROI) v obchodu se často počítá nepřesně. Porovnává se cena softwaru s personálními náklady, aniž by se zohlednily náklady ušlé příležitosti. Obchodník, který provádí rešerši, netelefonuje se skutečným rozhodovatelem. Jednatelka, která sama sestavuje databáze, neřeší cenotvorbu, plánování kapacit ani klíčové zákazníky. Zejména ve středních firmách se tento čas interně neocení. Přesto je nenávratně pryč.

U Persil Wäscheservice jsme kalkulaci postavili na přímočarých základech. Kolik interních hodin vyžaduje jedna kvalifikovaná schůzka? Které schůzky vedou k nabídkám? Které nabídky skýtají reálný potenciál z hlediska tras? Které regiony plní pipeline zakázkami, jež provoz dokáže pokrýt? Odpovědí nebylo kouzelné procento, ale funkční model řízení.

Složka nákladů a ROIPřed AmplifaS AmplifaDopad
Rešerše účtůManuálně obchodem, cca 60–90 minut na kvalitní blok kontaktůAutomatizovaná předrešerše s lidskou kontrolouMéně času stráveného interním vyhledáváním
Úprava zprávPsané individuálně nebo silně standardizovanéSekvence postavené na segmentech a spouštěčíchVyšší relevance bez lineárního nárůstu práce
Follow-upNepravidelný, závislý na denní operativěLogika sekvencí s klasifikací odpovědíMéně ztracených obchodních příležitostí
Kvalita schůzekZnačně kolísaváPředkvalifikace dle potřeb, regionu, objemu a načasováníVyšší podíl nabídek z uskutečněných schůzek
Sladění s provozemPozdě v průběhu procesuRegionální pipeline viditelná před podpisemMéně třecích ploch mezi obchodem a logistikou
Interní čas na kvalifikovanou schůzkucca 3,5 až 5 hodincca 55 minutKapacita obchodu se přesouvá do jednání a nabídek

Tento způsob kalkulace bych doporučil každému jednateli v servisním odvětví. Ne proto, že by každé číslo bylo přenositelné jedna ku jedné, ale protože dává smysl strukturálně. Pokud nevíte, kolik vás kvalifikovaná schůzka stojí interně, řídíte obchod podle pocitů. Pocity jsou skvělé pro mezilidské vztahy. Pro škálování jsou příliš měkké.

Srovnání odvětví: Textilní služby, strojírenství, správa budov

Případ Persil Wäscheservice se může na první pohled zdát výrobním podnikům vzdálený. Není tomu tak. Ve strojírenství, u výrobců komponentů i technických služeb narážím na zcela totožnou logiku. Výrobce jako Trumpf neprodá stroj každému podniku, který zadá do vyhledávače ‚laser‘. DMG Mori přemýšlí v rovině konkrétních aplikací, kapacit a výrobních prostředí. Phoenix Contact neprodává jen svorky, ale dostupnost, shodu s normami a integrovatelnost. Rozdíl je v produktu. Úzké hrdlo obchodu zůstává stejné.

Andrea, Head of Sales u skrytého šampiona (Hidden Champion) z Bielefeldu, mi v lednu 2025 řekla: ‚Celé roky jsme filtrovali podle odvětví. Průlom nastal, až když jsme začali filtrovat podle výrobních problémů.‘ Přesně to platí i pro textilní servis. Poptávkou není ‚hotel‘. Poptávkou je tlak na prádlo při plné obsazenosti, personální nouze v úklidu, nedostatečné skladové prostory, změna provozovatele nebo problémy s kvalitou. Poptávkou není ‚domov pro seniory‘. Skutečnou potřebou je úleva personálu, bezchybný hygienický proces, evidence prádla a dokumentace.

Firmy zajišťující facility management tuto situaci znají stejně dobře. Úklidová služba nemůže ziskově uklízet každou budovu jen proto, že obrat vypadá lákavě. Vzdálenost, rozloha objektu, denní doba, dostupnost personálu a bezpečnostní procesy rozhodují o marži. Proto považuji čistě inboundové strategie na těchto trzích za riskantní. Kdo čeká, až se vhodný zákazník náhodou ozve sám, přenechává svou regionální hustotu náhodě. A náhoda je špatná obchodní strategie.

Praktický příklad: Jak Persil Wäscheservice rozdělil segmenty

Segmentace nebyla žádným cvičením v Excelu. Změnila samotný tón rozhovorů. U hotelů oslovení nezačínalo slovy: ‚Jsme váš spolehlivý partner pro praní prádla.‘ Takové věty dnes mažu reflexivně. Mnohem lépe fungovalo navázání na konkrétní situace: vysoká víkendová vytíženost, personální úzká hrdla na úseku housekeepingu, předvídatelná dodací okna, operativní závozy. Ředitele hotelu nezajímá naše vášeň pro procesy. Zajímá ho, jestli bude pokoj včas připraven pro hosta.

U pečovatelských zařízení byl tón jiný. Do popředí vystoupily hygienické postupy, třídění, praní klientského prádla a úleva pro personál. Kladli jsme otázky, které otevírají reálnou potřebu: Jak dnes evidujete prádlo jednotlivých klientů? Co se děje při výpadcích interního provozu? Máte pobočky, které fungují odlišně, ačkoli patří pod stejného zřizovatele? Nejlepší obchodní otázka často nebývá rétorickým trikem, ale nastaveným zrcadlem.

Provozovatelské skupiny vyžadovaly opět odlišný přístup. Zde se řešila standardizace napříč pobočkami, centrální podmínky, reporting a schopnost externího partnera obsluhovat více objektů konzistentně. V těchto debatách hraje cena za kilogram svou roli, ale málokdy tvoří celý obrázek. Pokud má provozovatel díky jednotnému dodavateli méně provozních eskalací, představuje to jasnou ekonomickou hodnotu. Jen nebývá vyčíslena hned na prvním řádku nabídky.

Konkrétní průběh z implementace: pro jednu prioritní oblast bylo identifikováno 143 hotelových účtů. 91 z nich splnilo minimální kritéria z hlediska polohy, velikosti nebo spouštěčů. Z toho vzniklo 17 kvalifikovaných schůzek a 9 nabídek. V druhém klastru s pečovatelskými zařízeními prošlo rešerší 128 účtů, 74 bylo prioritizováno, proběhlo 11 schůzek a vzniklo 7 nabídek. Úspěšnost uzavření zde neuvádím, protože servisní smlouvy často procházejí testovacími fázemi, závisí na době stávajících kontraktů a provozních prověrkách. Pipeline však byla vůbec poprvé řiditelná podle jednotlivých segmentů.

Amplifa ICP Playbook Playbook ukazuje, jak střední B2B firmy definují ideálního zákazníka nejen podle odvětví, ale podle spouštěčů, shody a pravděpodobnosti nákupu.

Jaké konkrétní workflow Amplifa vybudovala

Pracovní postup začínal sourcingem účtů. Relevantní provozy jsme neimportovali plošně, ale prověřovali je optikou segmentové logiky: typ hotelu, lokalita, odhadovaný počet pokojů, struktura provozovatele, viditelné spouštěče, vzdálenost k prioritním zónám. U pečovatelských zařízení přibyli zřizovatelé, sítě poboček a indikátory provozní náročnosti. Následně byl každý účet zařazen do prioritizační matice. Účty kategorie A měly být osloveny krátkodobě. Účty B přešly do nurturingu nebo plánování budoucích tras. Účty kategorie C byly vědomě vyřazeny.

Poté přišla na řadu logika rolí. V hotelu může rozhodovat jednatel, ale reálný problém pociťuje vedoucí úklidu. U provozovatelských skupin sedí nákup centrálně, zatímco ředitelé poboček čelí každodennímu tlaku. V pečovatelských domech může být klíčové vedení zařízení, jindy administrativa, zřizovatel nebo management kvality. Kdo oslovuje pouze jednu roli, ztrácí kontext. Kdo osloví všechny najednou, působí neohrabaně. Vytvořili jsme proto sekvence, které role oslovují postupně a s odlišnou hodnotovou nabídkou.

Samotné zprávy byly stručné. Záměrně. Žádné slohové práce o tradici, kvalitě a příslibu služeb. Místo toho jasný odkaz na segment a pravděpodobné úzké hrdlo. U hotelů: dodací okna, kapacitní špičky, úleva v interních procesech. U péče: prádlo klientů, doložitelné hygienické postupy, úspora práce personálu. U skupin: standardizace napříč více lokalitami. AI pomáhala generovat varianty a začleňovat signály. Člověk rozhodoval o věcné správnosti.

Odpovědi nebyly děleny pouze na pozitivní a negativní. To by bylo příliš povrchní. Rozlišovali jsme akutní potřebu, pozdější termín změny, běžící smlouvu, nevhodný region, nedostatečný objem, zájem o doplňující informace a přímý zájem o schůzku. Tato klasifikace odpovědí bývá podceňována. Zabraňuje tomu, aby poznámka typu ‚ozvěte se na podzim‘ zapadla v doručené poště. V září 2025 je taková reakce pipeline, nikoli archiv.

FAQ: Funguje AI v obchodu i při dlouhých smluvních vázanostech?

Ano, ale pouze tehdy, pokud nepředstíráte, že každý oslovený nakoupí okamžitě. Dlouhé smluvní lhůty nejsou důvodem proti outboundu. Jsou důvodem pro lepší práci s časem. U Persil Wäscheservice jsme strukturovaně zaznamenávali informace o stávajících smlouvách, termínech jejich vypršení a možných testovacích fázích. Účet, který je dnes vázán smlouvou, může mít za šest měsíců vyšší hodnotu než ten, který chce okamžité srovnání cen. Většina obchodních organizací tyto budoucí příležitosti ztrácí, protože jejich evidence visí pouze na paměti jednotlivců.

FAQ: Čím se liší AI-SDR od klasického cold outreach?

Klasický cold outreach často začíná nákupem databáze a skriptem. AI-SDR v tom lepším případě vychází z parametrů shody (fitu), signálů (spouštěčů) a načasování. V tom je ten rozdíl. U Persil Wäscheservice nebyla rozhodující pouhá automatizace odesílání, nýbrž kombinace regionální prioritizace, segmentovaného sdělení a předání kvalifikovaného kontaktu. Špatný proces umělá inteligence pouze zesílí a udělá hlasitějším. Dobrý proces učiní měřitelným a replikovatelným.

FAQ: Proč je regionální hustota důležitější než objem leadů?

Protože v servisním byznysu regionální hustota přímo určuje marži. Dva klienti na stejné trase mohou být ziskovější než jeden větší zákazník zcela mimo dosah. To neplatí jen pro prádelny. Platí to pro údržbu, úklid, revizní služby, servis zdravotnické techniky i mnoho modelů technického terénního servisu. Obchod se proto nesmí ptát jen: Kdo by mohl koupit? Musí se ptát: Koho dokážeme ziskově obsloužit?

Sedm kroků pro B2B outbound v servisním odvětví

Když implementaci v Persil Wäscheservice shrnu do procesního modelu, zbyde sedm kroků. Ne jako neměnná šablona, ale jako pracovní postup. Kdo tyto kroky přeskočí, obvykle skončí zpátky u generických kampaní a rozčarování na poradách vedení.

  1. Definujte ekonomicky smysluplné cílové zákazníky, nikoli pouze obory. Hotel sám o sobě není ICP. Hotel s 80 pokoji, sezónními špičkami a v dosahu existující dodací trasy už profilem ICP být může.
  2. Stanovte tvrdá vylučovací kritéria. Vzdálenost, minimální objem, frekvence svozu, regulatorní požadavky nebo neefektivní poloha musí vést k vyřazení hned v úvodu.
  3. Rozdělte segmenty podle operativních problémů. Hotely, domovy pro seniory a provozovatelské skupiny potřebují odlišné argumenty, jiné kontaktní osoby i jiné kvalifikační otázky.
  4. Využívejte konkrétní spouštěče místo prázdných frází. Otevření pobočky, rekonstrukce, nábory personálu, změna provozovatele, špatné recenze nebo rozšíření prostor poslouží jako podstatně lepší důvod k oslovení než obecné ujištění o kvalitě služeb.
  5. Měřte počet schůzek na 100 relevantních účtů. Tato metrika nutí obchod hodnotit kvalitu účtů i způsob oslovení v těsném propojení.
  6. Vybudujte proces pro práci s dlouhodobým načasováním. Zejména u servisních smluv nevzniká pipeline v prvním měsíci, ale v pečlivém systému plánovaných návratů k účtům před koncem stávajících závazků.
  7. Propojujte obchod s provozem na týdenní bázi. Pokud nejsou trasy, kapacity a regionální poptávka v souladu, obchod v konečném důsledku jedná proti zájmům vlastní firmy.

Sedmý krok bývá nejméně populární. Obchod a provoz spolu často mluví až ve chvíli, kdy je zakázka na spadnutí. To je pozdě. U Persil Wäscheservice byly regionální signály viditelné mnohem dříve: Kde vzniká poptávka? Které segmenty reagují? Které oblasti bychom neměli tlačit? To považuji za jeden z největších přínosů správně implementované AI v obchodu. Nepřináší jen více kontaktů. Dělá poptávku předvídatelnou.

Produkt Amplifa Amplifa pomáhá B2B týmům s ICP rešerší, AI-SDR outboundem, prioritizací účtů a předáváním kvalifikovaných schůzek.

Co by si jednatelé měli z příběhu Persil Wäscheservice odnést

Moje první ponaučení: Outbound musí odpovídat možnostem operativního provozu. Zní to suše, ale právě v tom spočívá rozdíl mezi růstem a chaosem. Výrobní firma ze segmentu Mittelstand by také nepřijala každou zakázku, pokud na ni nemá seřízené stroje, dostupný materiál nebo volné kapacity. Servisní podniky by měly uvažovat stejně. Obchod není nezávislý motor. Obchod je přímo napojen na převodovku provozu.

Moje druhé ponaučení: Segmentace není marketingový luxus. Je to produktivita obchodu. V případě Persil Wäscheservice hotely, pečovatelská zařízení i skupiny provozovatelů reagovaly odlišně, protože čelí odlišným problémům. Kdo k nim přistupuje stejně, možná získá odpovědi. Zřídkakdy se však dostane ke správným jednáním. Stejnou chybu vídám u strojírenských firem, které automotive, medtech a zakázkovou výrobu oslovují stejnou hodnotovou nabídkou. A pak se diví nízkému podílu odpovědí.

Moje třetí ponaučení: AI se vyplatí tam, kde se potkává opakovatelnost s kontextem. Samotnou mechanickou repetici zvládne jakýkoli jednoduchý nástroj. Hluboký kontext zůstává doménou člověka. To podstatné se odehrává mezi tím: mnoho účtů, mnoho signálů, jasné segmenty, opakující se vzorce, ale dostatek nuancí, na které generické texty nestačí. Přesně v tomto prostoru ležela páka Persil Wäscheservice.

Nezačali jsme najednou prodávat agresivněji. Přestali jsme nevhodné konverzace považovat za pokrok.

— Tobias, obchodní ředitel v Persil Wäscheservice

Tato věta se mi líbí, protože nabourává rozšířenou obchodní iluzi. Aktivita nerovná se pokrok. Plné kalendáře neznamenají pipeline. Spousta odpovědí nemusí značit skutečnou odezvu trhu. Dobrý outboundový systém někdy dokonce viditelnou aktivitu sníží, protože nevhodné účty vyřadí dříve. Zpočátku to může působit neintuitivně. Dokud se neprojeví vyšší kvalita předkládaných nabídek.

Moje prognóza: Čistě inboundové strategie ve středním stavu ztrácejí dech

Jsem o tom přesvědčen: Kdo se v roce 2026 v B2B středním stavu spolehne výhradně na inbound, ztratí kontrolu nad svou pipeline. Ne ze dne na den. Ale plíživě. Ti nejvhodnější zákazníci nehledají aktivně vždy. Mnozí mají stávající smlouvy, jsou nespokojení, ale ne natolik, aby sami vyplnili poptávkový formulář. Jiní problém mají, ale nepopisují ho slovy vašeho marketingu. Hotel možná nehledá ‚změnu dodavatele praní prádla‘. Hledá řešení situace, kdy v pondělí po plném víkendu nemá co povléct.

To platí naprosto stejně pro strojírenství, výrobce komponentů i technické služby. Vedoucí výroby nehledá pokaždé nový stroj. Řeší zmetkovitost, průběžnou dobu výroby, nedostatek lidí nebo zastaralé příslušenství. Pokud váš obchod zareaguje až v momentě, kdy je vypsáno výběrové řízení, přicházíte pozdě. Někdy příliš pozdě. Společnosti jako Schaeffler, Festo nebo Wittenstein nevyhrávají jen proto, že je lze snadno najít. Vyhrávají proto, že strukturují trhy, rozumějí aplikacím a vstupují do rozhodovacích procesů v rané fázi.

Persil Wäscheservice pro mě proto nepředstavuje pouhou hezkou ukázku automatizace. Je příkladem toho, jak mohou regionální B2B služby samy aktivně formovat poptávku, aniž by slepě honily objem. Technologie tvoří pouze část skládačky. Důležitější bylo rozhodnutí přestat obchod vnímat jako sled náhodných akvizičních pokusů a začít k němu přistupovat jako k řiditelnému procesu s přímou vazbou na provoz.

Co z toho plyne? Jednoduchý postřeh z mnoha implementací: Ty nejlepší obchodní týmy se neptají nejdříve na to, kolik leadů dokážou vygenerovat. Ptají se, jakou poptávku vůbec chtějí obsloužit. Zbytek je práce. Ale konečně práce, která dává smysl.

Kompletní Success Story Schválený klientský příběh Persil Wäscheservice a vybudování regionálně zacíleného B2B outboundového systému s Amplifa.

Amplifa: Startseite · Produkt · AI SDR Agents · ICP Playbook · Über uns · Gespräch vereinbaren · Webinar

Ressourcen: Blog · Vertriebslexikon · Studien · Guides · Workflows · Tool-Vergleich · Email Finder · Intent Finder · Lookalike Finder · Tools

Branchen: Maschinenbau · Medizintechnik · Automobil · Chemie · Elektronik · Metallindustrie · Kunststofftechnik · Lebensmittel · Verpackung · Konsumgüter · Energie · Software

Success Stories: Übersicht · Wingcopter · Schnaithmann · Ottobock · Xandor · MK Kögel · Zeller+Gmelin · MagnetWorld · Persil Wäscheservice

Rechtliches: Impressum · Datenschutz · AGB

Branchenverbände & Quellen: VDMA · ZVEI · BME · Bitkom · BVMW · VCI · VDA · BVMed · Statista · Destatis

Bewertungen & Vergleich: G2 · Capterra · Gartner · OMR Reviews

Amplifa Profile: LinkedIn · X / Twitter · Anthony Filipiak (CEO) · Leon J. Hermann (COO)