Follow-up automatico dei lead: il 39,7% risponde su WhatsApp

Una ventina di consulenti, circa 49 lead nuovi al giorno e nessun sollecito sistematico. Con primo contatto e solleciti automatici legati al CRM, dal 16/07 al 25/10/2026 ha risposto su WhatsApp il 39,7% dei lead e 278 hanno prenotato una telefonata.

39,7%

lead che hanno risposto su WhatsApp (1.960 su 4.936)

Registro della sequenza, 16/07-25/10/2026

100 su 100

primi WhatsApp partiti entro 15 minuti dalla creazione del lead

Campione di 100 aperture, 25/08, 29/09 e 23-25/10/2026

278

lead con una telefonata prenotata (5,6%), prenotata non ancora svolta

Registro della sequenza, stato al 25/10/2026

Caso studio · Mediazione creditizia· Pubblicato il 25 ottobre 2026· Ivan Lao, Make Certified Partner e n8n Expert

In breve

  • Società di mediazione creditizia, una ventina di consulenti con un numero WhatsApp ciascuno
  • 4.936 lead in poco più di tre mesi, circa 49 al giorno, senza primo contatto né solleciti sistematici
  • Primo WhatsApp ed email automatici, solleciti che rispettano lo stato del CRM, assistente AI che propone l'appuntamento
  • 1.960 lead hanno risposto (39,7%) e 278 hanno prenotato una telefonata; il 17,5% delle aperture è fallito
Scrivania di un piccolo ufficio di consulenza con uno smartphone appoggiato accanto a una cartellina di documenti e una tazza di caffè, luce del pomeriggio

Il contesto

Il cliente è una società di mediazione creditizia con una ventina di consulenti, ciascuno con il proprio numero WhatsApp. I lead arrivano da più fonti esterne, entrano nel CRM e vengono assegnati a un consulente, che deve contattarli, capire la situazione e portarli a un appuntamento telefonico.

Prima il primo contatto e i richiami dipendevano dall'agenda e dalla memoria di ogni consulente. La richiesta del cliente era esplicita: servivano solleciti automatici proprio nelle fasi in cui il cliente finale resta senza notizie dal consulente.

Il problema

Il primo problema era il volume. Dal 16/07 al 25/10/2026 sono entrati nella sequenza 4.936 lead, in media circa 49 al giorno, da dividere fra i consulenti. Ognuno va contattato presto, perché un lead che aspetta si raffredda, e va richiamato per giorni o settimane se non risponde. A mano, con decine di lead nuovi ogni giorno, i richiami sono la prima cosa che salta.

Un dato di partenza sul tempo di primo contatto non c'era: nessuno lo misurava, e già questo diceva molto. Per questo i numeri sotto sono solo "dopo", e lo dichiaro.

Cosa ho costruito

Un sistema in n8n collegato al CRM del cliente (SuiteCRM), alla WhatsApp Cloud API sui numeri dei consulenti, a Brevo per le email e a TidyCal per gli appuntamenti telefonici.

  1. Apertura immediata. Quando il CRM assegna un lead, partono subito un WhatsApp e un'email a nome del consulente, dal suo numero, con un modello approvato da Meta.
  2. Solleciti a cadenza. Se il lead non risponde, i promemoria partono dopo 4, 8, 12, 24 e 36 ore lavorative, poi dopo 5, 10, 20, 30, 60 e 90 giorni. Prima di ogni invio il sistema rilegge lo stato nel CRM: se il consulente ha già preso in carico, sospeso o chiuso il lead, il sollecito non parte.
  3. Risposta e appuntamento. Quando il lead risponde la sequenza si ferma e un assistente AI conversa con lui, risponde alle domande generali e propone una telefonata con il consulente sul calendario di prenotazione. Appena il consulente scrive a mano, l'assistente si mette in pausa.
  4. Sequenze dedicate per alcune fasi della pratica e per chi non risponde al telefono.
  5. Il CRM resta il centro. Ogni sera un riassunto delle chat finisce sulla scheda del lead, ogni invio è registrato con il suo esito, e la disiscrizione chiede una conferma esplicita.
Flusso: il lead viene assegnato nel CRM, parte subito un WhatsApp con email a nome del consulente, seguono solleciti solo se lo stato CRM lo consente, se il lead risponde un assistente AI propone la telefonata, e ogni sera un riassunto va nel CRMLeadassegnatonel CRMPrimo WhatsApped emaildel consulenteSollecitise lo statolo consenteSe risponde,l'assistente AIpropone la callRiassuntoseralenel CRM

Due scelte tecniche contano più delle altre. La prima: la cadenza dei solleciti non è affidata ad "attese" dentro l'automazione, ma a una tabella che il sistema legge ogni 15 minuti. Se il server si riavvia non si perde nulla, e in qualsiasi momento posso vedere chi riceverà cosa e quando. La seconda: il controllo dello stato CRM prima di ogni messaggio. Un sollecito automatico a una persona con cui il consulente sta già parlando fa più danni di nessun sollecito. In una verifica del 01/09/2026 sui 14 giorni precedenti, su 4.151 invii le regole di stop sono state rispettate, con 2 eccezioni, entrambe spiegate.

Sulle risposte dell'assistente ho messo controlli automatici che bloccano recapiti inventati e promesse che il consulente non ha fatto. Nel credito quello che un assistente non deve dire conta quanto quello che dice.

La campagna ai clienti esistenti

Sullo stesso impianto, a ottobre, ho costruito una campagna per ricontattare i clienti già finanziati: 1.194 persone in lista, divise fra i consulenti. Una breve sequenza di messaggi con modelli approvati da Meta, inviati a scaglioni crescenti in tre fasce orarie (9:00, 12:30 e 17:00), dal numero del consulente e con il suo link di prenotazione. Chi risponde esce dalla sequenza e la conversazione passa al consulente.

I risultati

I numeri sono letti dalle tabelle delle automazioni e dal CRM il 25/10/2026. Misurano risposte e appuntamenti prenotati, non pratiche concluse: lo dico prima della tabella perché è la differenza che conta.

MisuraValorePeriodo e fonte
Lead entrati nella sequenza4.936Registro della sequenza, 16/07-25/10/2026
Lead che hanno risposto su WhatsApp1.960 (39,7%)Registro della sequenza, 16/07-25/10/2026
Lead con appuntamento telefonico prenotato278 (5,6%)Registro della sequenza, stato al 25/10/2026
Primo WhatsApp entro 15 minuti dalla creazione del lead100 su 100Campione di 100 aperture del 25/08, del 29/09 e del 23-25/10/2026
Messaggi di apertura consegnati o letti4.757 su 5.911 (80,5%)Registro degli invii, 27/07-25/10/2026
Messaggi di apertura falliti1.032 su 5.911 (17,5%)Registro degli invii, 27/07-25/10/2026
Campagna clienti esistenti: clienti raggiunti1.183 su 1.194Registro della campagna, invii dal 14/10 al 20/10/2026, letto il 25/10
Campagna: clienti che hanno risposto143 (12,1%)Registro della campagna, 14-25/10/2026
Campagna: tempo mediano di risposta3,7 oreRegistro della campagna, 14-25/10/2026
Campagna: appuntamenti prenotati2Registro della campagna, 14-25/10/2026
Campagna: disiscritti68 (5,7%)Registro della campagna, 14-25/10/2026
Campagna: numeri errati47 (4,0%)Registro della campagna, 14-25/10/2026

Sul tempo di primo contatto: nel campione il ritardo massimo è stato di 13,7 minuti, e la mediana fra 0 e 7 minuti a seconda della finestra osservata. Il 17,5% di aperture fallite è il dato sfavorevole: lo spiego nella sezione successiva.

Sulla campagna ai clienti esistenti: delle 143 risposte, 87 sono arrivate al primo messaggio, 44 al primo sollecito e 12 al secondo. Quindi il 39% delle risposte non ci sarebbe stato senza solleciti. 83 risposte su 143 sono arrivate entro 24 ore, e 68 conversazioni sono state prese in carico da un consulente. Gli appuntamenti prenotati però sono solo 2, e il 5,7% di disiscritti è alto: la campagna ha riaperto conversazioni, non ha ancora prodotto un risultato commerciale misurabile.

Limiti della misura. Un appuntamento prenotato non è un appuntamento svolto né una pratica. Le prenotazioni registrate abbinate a un lead sono 322, perché alcune persone hanno riprenotato: per prudenza uso i 278 lead con appuntamento al 25/10. I 4.936 lead sono quelli rimasti in perimetro: il 24/07 il cliente ha escluso alcune fonti e quelle righe sono state tolte. 1.877 lead hanno i solleciti fermati dallo stato CRM, in buona parte perché già lavorati dal consulente: non li conto né come esito positivo né come negativo. Non c'è un gruppo di controllo, e i consulenti lavorano anche al telefono: risposte e appuntamenti nascono dall'automazione insieme al loro lavoro. Il tempo di primo contatto è misurato su un campione di 100 aperture su 5.911, quasi tutte in orario lavorativo. Le risposte alla campagna non sono state classificate in positive e negative, perché non leggo i testi dei messaggi.

Cosa rifarei diversamente

Il 17,5% di aperture fallite è il numero che mi piace meno. In buona parte viene da numeri che non hanno WhatsApp e da periodi in cui alcuni numeri dei consulenti erano bloccati lato Meta e non potevano inviare. Il sistema registrava ogni errore, ma nessuno guardava l'andamento numero per numero: un consulente poteva restare giorni senza inviare prima che qualcuno se ne accorgesse. Oggi metterei dal primo giorno un controllo per singolo numero, con un avviso quando gli errori superano una soglia, e per chi non ha WhatsApp farei proseguire i solleciti solo via email invece di riprovare.

La seconda lezione riguarda le disiscrizioni. All'inizio alcune arrivavano da clic che nessuna persona aveva fatto: il sistema di anteprima dei link di Meta apriva il collegamento di disiscrizione. Dal 12/08 la disiscrizione chiede una conferma esplicita. Nella campagna ai clienti esistenti, però, il 5,7% di disiscritti resta alto: con persone che ti conoscono già, la frequenza dei solleciti va tarata con più prudenza di quanto ho fatto io.

Per chi ha senso

Per chi riceve molti lead da più fonti e li distribuisce fra più consulenti o commerciali: mediazione creditizia, assicurazioni, agenzie immobiliari, servizi finanziari, formazione. Funziona se il CRM ha stati tenuti aggiornati, perché è lo stato a decidere chi riceve un sollecito e chi no.

Non serve se i lead sono pochi e un commerciale riesce a chiamarli tutti in giornata, o se il CRM non viene aggiornato: in quel caso l'automazione scriverebbe a persone già seguite, e conviene prima mettere ordine nel processo.

Strumenti usati

n8nWhatsApp Cloud APISuiteCRMBrevoTidyCalAgente AI

Numeri letti il 25 ottobre 2026 dalle tabelle delle automazioni e dal CRM del cliente, senza modificarli; il tempo di primo contatto è misurato su un campione di 100 aperture.

Chi scrive: Ivan Lao, Make Certified Partner e n8n Expert.

Come è nato questo caso studio: l'ho scritto con l'aiuto dell'intelligenza artificiale, partendo dalla documentazione del progetto e dai dati letti nei sistemi del cliente, senza modificarli. Il nome del cliente non compare finché non lo autorizza. Ho verificato ogni numero e approvato il testo prima di pubblicarlo.

Leggi anche

Vuoi un sistema così per la tua attività?

Scrivimi due righe su come lavori oggi: ti dico cosa si può costruire nel tuo caso e cosa misureremmo per sapere se funziona.

Scrivimi

Senza impegno · Massimo 10 clienti in gestione