När Alex, en marknadsförare på mellannivå, försökte få en större roll på en byrå var hans LinkedIn-inkorg en kyrkogård av ignorerade meddelanden. Kalla DM kändes som skräppost. Rekryterarna nappade inte. Sedan byggde han ett arbetsflöde i Notion som drivs av ChatGPT och Claude. Istället för stela intron lät varje meddelande som ett genuint mänskligt svar, anpassat till den rekryterande chefens ton. För första gången rullade svaren in - och de var inte botar. De var riktiga beslutsfattare som sa: "Låt oss prata."

ChatGPT och Claude om att skapa kontextuell uppsökande verksamhet

Alex började med en tydlig regel: inga generiska öppningsfraser. Med ChatGPT tog han fram strukturerade uppmaningar som speglade varje jobbeskrivning. Claude, med sin naturliga ton, mjukade upp språket. Tillsammans skapade de en rytm: personligt intro → mervärde → tydlig avslutning.

Exempel på uppmaning (LinkedIn-intro):
Sammanhang: Målroll = Senior Marketing Manager på SaaS startup. Den anställande chefen skrev om att skala upp betalda annonser.
Uppgift: Skriv ett LinkedIn-meddelande på 100 ord där du kopplar min portfolio till deras utmaning.
Begränsningar: Använd en konversationston, inga buzzwords, inget "excited to connect".
Resultat: Meddelandeutkast på vanlig engelska, 3 variationer.

Resultat: Istället för "Hoppas att du har det bra" hänvisade Alex meddelande till chefens eget inlägg - och fick ett omedelbart svar.

ChatGPT och Claude för att hantera uppföljningar

De flesta kandidater tappar bollen efter ett försök. Alex gjorde ett dubbelt försök. ChatGPT genererade strukturerade uppföljningar med tre dagars mellanrum. Claude justerade rösten: artig ihärdighet, aldrig påträngande.

Exempel på uppmaning (uppföljningsfrekvens):
Kontext: Skickade LinkedIn DM för 3 dagar sedan, inget svar. Chefen var aktiv igår.
Uppgift: Skapa en kort uppföljning som lägger till en resurslänk (portföljfallstudie).
Begränsningar: ≤ 50 ord, undvik "bara kollar läget", professionellt men varmt.
Resultat: Ett enda utkast med ämne + meddelande.

En rekryterande chef svarade efter den andra uppföljningen: "Tack för att du påminde mig - låt oss boka ett samtal."

ChatGPT och Claude om uppvärmning inför intervjun

När svaren hade landat använde Alex samma kombination för att förbereda sig inför intervjun. Claude simulerade riktiga frågor från den anställande chefen. ChatGPT genererade svar i punktform som knöts till mätvärden.

Exempel på fråga (simulering av förberedelser):
Kontext: Intervju för SaaS-marknadsföringsroll, fokus = effektivitet i annonsutgifter.
Uppgift: Simulera 5 frågor från rekryterande chef + modellera starka svar.
Begränsningar: Svar ≤ 120 ord, citera mätvärden, undvik fluff.
Utdata: Lista med frågor och svar i tabell: Fråga | Svar | Mätvärde refererat till.

Den förberedelsen förvandlade det som brukade vara svamlande monologer till skarpa svar som gav nickningar.

Före vs efter-tabellen

Steg

Gammalt arbetsflöde

Med ChatGPT + Claude

LinkedIn DMs

Generisk kopia-klistra in

Kontextuell, ton-matchad

Uppföljningar

Besvärliga eller saknas

Strukturerad, artig rytm

Förberedelser inför intervjun

Spridda anteckningar

Riktade frågor och svar med mätetal

Svarsfrekvens

5%

42%

Förtroendenivå

Låg, gissningar

Hög, inövad och naturlig


Chatronix: Genvägen med flera modeller

Alex blev trött på att jonglera med uppmaningar mellan plattformar. Det var då han konsoliderade allt i Chatronix.

Från en arbetsyta kunde han:

  • Kör 6 bästa modeller sida vid sida (ChatGPT, Claude, Gemini, Grok, Perplexity AI, DeepSeek).

  • Testa 10 gratis snabbkörningar innan han slutförde uppsökande skript.

  • Använd Turbo Mode + One Perfect Answer för att sammanfoga sex utgångar till ett rent utkast.

  • Spara sitt uppsökande system i Prompt Library med taggning och favoriter - ett klick, hela arbetsflödet kördes.

👉TestaChatronix.ai

Professionell uppmaning för LinkedIn Warm Outreach

Här är det exakta tekniska ramverket för prompt som Alex använde för att värma upp kalla LinkedIn-trådar och få anställningsansvariga att svara:

Sammanhang: Marknadsförare på mellannivå som ansöker till SaaS-roller. Mål = rekryterande chefer som skriver om prestationsbaserad marknadsföring. Mål = starta en konversation som leder till en intervju.
Ingångar: Arbetsbeskrivningstext, nyligen publicerat LinkedIn-inlägg av rekryterande chef, länk till fallstudie i min portfolio.
Roll: Uppsökande copywriter med HR-erfarenhet.
Uppgift: Utarbeta 3 personliga varianter av LinkedIn-meddelanden, var och en under 120 ord.
Begränsningar: Inga buzzwords, inga "exalterad att ansluta", undvik klichéer. Varje variant måste 1) referera till chefens inlägg, 2) knyta mina färdigheter till problemet, 3) avsluta med en mjuk CTA.
Stil/Röst: Konversationsinriktad, självsäker, varm.
Utmatningsschema: JSON → {"variation1": "...", "variation2": "...", "variation3": "...}.
Acceptanskriterier: Låter mänskligt, passerar AI-detektorer, redo att klistras in i LinkedIn.
Efterbehandling: Föreslå en valfri uppföljning om inget svar inom 3 dagar.

Slutlig takeaway

ChatGPT och Claude skrev inte bara bättre LinkedIn-meddelanden - de byggde riktiga konversationer. Genom att kombinera kontextuella uppmaningar med mänskligt klingande ton förvandlade Alex ignorerade DM till intervjuer i sin kalender. I kombination med Chatronix blev arbetsflödet repeterbart, pålitligt och snabbt. Resultatet: fler svar, fler intervjuer och den första rollen som han faktiskt ville ha.