Perché i tuoi messaggi di prospezione su LinkedIn restano senza risposta

La maggior parte dei messaggi di prospezione su LinkedIn si assomiglia: una frase di apertura generica, un complimento vago sul ruolo o sull'azienda, poi una richiesta. Il destinatario riconosce lo schema in una frazione di secondo, e la maggior parte di questi messaggi finisce ignorata. Non è solo un'impressione: è quello che mostrano diversi studi indipendenti sul tema.

Gli acquirenti B2B evitano attivamente i messaggi non pertinenti

Secondo un'indagine Gartner condotta nel 2024-2025 su 632 acquirenti B2B, il 73% evita attivamente i fornitori che inviano messaggi di prospezione non pertinenti. Non si tratta di un semplice fastidio passeggero: influenza direttamente la decisione di prendere o meno in considerazione un fornitore.

La personalizzazione moltiplica le risposte, non solo il tasso di apertura

Un'analisi di Gong (2023), condotta su oltre 30.000 email di prospezione provenienti da più di 250 aziende, ha misurato l'effetto concreto di un messaggio costruito attorno a un dato specifico dell'azienda del destinatario, invece di un messaggio generico indirizzabile a chiunque: i decisori (dal livello di direttore in su) coinvolti in questo modo rispondono tre volte più spesso.

Questo conferma qualcosa di piuttosto intuitivo, una volta formulato con chiarezza: un messaggio generico non costa nulla da ignorare, perché non dimostra a nessuno che si sia davvero guardato il suo profilo. Un messaggio ancorato a un dettaglio reale e verificabile, un ruolo preciso, un'azienda, un percorso particolare, cambia le cose, perché dimostra il contrario.

Anche l'IA, usata correttamente, migliora il tasso di risposta

LinkedIn ha pubblicato nel 2025 dei dati sulle proprie funzionalità di IA per il recruiting: i messaggi generati con l'aiuto dell'IA ottengono un tasso di accettazione superiore del 44% rispetto ai messaggi non assistiti. Questo risultato è interessante proprio perché contraddice un'idea diffusa ("l'IA suona sempre generica"): il problema non è mai stato l'IA in sé, ma il modo in cui viene usata. Un messaggio generato a partire da un fatto reale del profilo consultato non ha nulla a che vedere con uno generato solo da un nome e un titolo di lavoro.

Cosa cambia in concreto

Questi tre dati raccontano la stessa storia da tre angolazioni diverse: l'irrilevanza allontana, un fatto reale e specifico cambia tutto, e l'IA può aiutare a produrre questo livello di personalizzazione su larga scala, a condizione che si basi su dati reali e non su generalità.

È esattamente il principio alla base di InProspector: generare un messaggio a partire da un dettaglio concreto del profilo LinkedIn che si sta consultando, mai da una formula generica. Il messaggio va sempre riletto e personalizzato prima dell'invio, ma il punto di partenza è un fatto, non una supposizione.