Sztuczna inteligencja stopniowo wkracza w te nisze, które z reguły były obsługiwane wyłącznie przez ludzi. Jedną z nich jest sprzedaż. Według Harvard Business Review, firmy wykorzystujące sztuczną inteligencję w sprzedaży zwiększyły liczbę potencjalnych klientów i spotkań o 50%. AI oszczędza również czas, zwiększa produktywność sprzedaży i przejmuje rutynowe zadania. Platforma Ringostat zbadała, jakie gotowe rozwiązania istnieją, aby pomóc menedżerom sprzedaży. W ten sposób firmy mogą zlecić lwią część zadań sztucznej inteligencji i skupić się na zamykaniu transakcji.
Poszukiwanie potencjalnych klientów
Według statystyk około 21% czasu menedżer sprzedaży B2B poświęca na generowanie i analizę leadów. A im węższa i bardziej wyspecjalizowana nisza, tym jest to trudniejsze. Wyszukuje potencjalnych klientów w mediach społecznościowych lub katalogach online, odwiedza ich strony internetowe, szuka kontaktów osób odpowiedzialnych i ręcznie wprowadza je do CRM.
Dlatego AI jest coraz częściej wykorzystywana do poszukiwania klientów. Na przykład ZoomInfo ma bazę danych kontaktów i szuka wśród nich. Inne AI takie jak Seamless.ai mogą przeprowadzać wyszukiwanie w czasie rzeczywistym. Użytkownik musi wprowadzić charakterystykę grupy docelowej: w jakich działach pracują, wielkość firmy, słowa kluczowe, których klienci mogą używać do wyszukiwania produktu itp.
Menedżer sprzedaży otrzymuje listę potencjalnych klientów z e-mailami, numerami telefonów, informacjami o firmie i profilami w mediach społecznościowych. Takie AI są często zintegrowane z CRM, więc kontakty mogą być importowane do takich systemów dla dalszej pracy z nimi.
Lista leadów wygenerowanych przez Seamless.ai. Klikając odpowiedni przycisk, można przejść do kontaktu przeniesionego do CRM.
Istnieją również AI, które analizują wcześniejsze transakcje, tworzą wzorce oraz portret potencjalnego nabywcy i oferują kontakty osób, które do niego pasują. W tym celu system uzyskuje dostęp do własnej bazy danych, która może zawierać miliony firm.
Innym sposobem na znalezienie „ciepłych” klientów jest analiza osób odwiedzających witrynę. Na przykład istnieje usługa o nazwie Ledfeeder, która integruje się z Google Analytics i zbiera kontakty firm odwiedzających stronę. Kontakty mogą być automatycznie podzielone na kategorie według poziomu zaangażowania. Ułatwia to zespołowi sprzedaży ustalanie priorytetów w przetwarzaniu potencjalnych klientów.
Ocena leadów
Istnieją AI, które bardziej szczegółowo oceniają „przydatność” różnych leadów dla firmy i ich skłonność do zakupu, czyli przeprowadzają scoring.
Forward.ai ocenia potencjalnych klientów, analizując ich zachowanie na stronie internetowej i interakcję z określonymi rodzajami treści. Na tej podstawie AI wnioskuje, który klient jest bardziej skłonny do złożenia zamówienia. Na przykład osoba, która pobrała listę produktów z cenami, jest oczywiście bliższa konwersji niż ktoś, kto dopiero zasubskrybował bloga. A odwiedzający, który spędził długi czas na stronie drogiego produktu, prawdopodobnie przyniesie firmie większy zysk niż ktoś, kto szybko przejrzał tani produkt.
Kryteria, według których system ocenia leady, firma ustala samodzielnie. Przykładowo, w przypadku usługi online, może to być liczba funkcji, z których klient skorzystał w okresie testowym. Im wyższa ona jest, tym większe prawdopodobieństwo, że użytkownik jest wystarczająco zainteresowany, aby zapłacić za usługę.
W rezultacie menedżerowie sprzedaży mogą skupić się na potencjalnych klientach z wysokimi wynikami. A użytkowników z niskimi wynikami można całkowicie wykluczyć. Lub skontaktować się z nimi w ostatniej kolejności. Co więcej, AI nieustannie się uczy, znajdując ukryte sygnały i interpretując dane. Dlatego taka ocena jest dokładniejsza niż ocena dokonywana przez człowieka. Ponadto sztuczna inteligencja może doradzić, kiedy najlepiej skontaktować się z klientem.
Platforma forward.ai ustala scoring, pokazuje najnowsze sygnały, które miały na niego wpływ oraz źródło informacji
Chatboty AI są również w stanie oceniać klientów i przekazywać najbardziej obiecujących do zespołu sprzedaży. Pozwala to pracownikom uniknąć niepotrzebnego rozpraszania uwagi.
Automatyzacja rutynowych czynności
Według statystyk menedżerowie poświęcają tylko 33% swojego czasu pracy na sprzedaż. Jednym z powodów są mechaniczne czynności, które nie mają bezpośredniego wpływu na zyski, ale bez nich sprzedaż nie ruszy do przodu. Przyjrzyjmy się kilku uniwersalnym zadaniom, które może przejąć AI.
Wprowadzanie informacji do CRM
Według SalesDirector.ai sztuczna inteligencja może zautomatyzować do 90% procesów wprowadzania danych. Ta AI może zbierać informacje z wiadomości e-mail i wydarzeń w kalendarzu i rejestrować je w CRM. Przykładowo, analizuje ona, kto jest autorem mailu wysłanego do menedżera lub kto był uczestnikiem spotkania online. Serwis wyszukuje imię i nazwisko oraz inne informacje i tworzy kontakt w CRM lub rejestruje interakcję z klientem.
Ponadto AI może zbierać informacje o kliencie na podstawie jego podpisu. Ona samodzielnie zrozumie, gdzie znajduje się imię i nazwisko, numer telefonu lub Skype, stanowisko i firma, i zapisze je w odpowiednich polach karty kontaktowej w CRM.
Planowanie spotkań i wydarzeń
W tym przypadku AI działa na kilka sposobów, rozpoznając wzorce w harmonogramie i porządkując je.
- Zwiększa lub zmniejsza czas trwania powtarzającego się wydarzenia, w zależności od tego, ile czasu ostatnio ono zajęło. Powiedzmy, że kilka ostatnich codziennych spotkań z zespołem trwały o 20 minut dłużej. AI weźmie to pod uwagę przy ustawianiu następnego spotkania.
- Analizuje czas, w którym jesteś najbardziej produktywny i może zaplanować ważniejsze spotkania i zadania na ten czas. Po zintegrowaniu z komunikatorami internetowymi współpracownicy zobaczą oznaczenie, że masz „focus time”, więc nie powinieneś być w tym momencie rozpraszany.
- W razie potrzeby może przenieść bardziej „elastyczne” spotkania — na przykład regularne spotkanie one-on-one z kolegą. Oczywiście, jeśli nie spowoduje to konfliktu w kalendarzu drugiego pracownika.
- Może automatycznie korespondować z osobą, ktorej należy wyznaczyć termin spotkania. Można na przykład dodać Clara AI do kopii wiadomości e-mail, aby pomogła ona wybrać najlepszy czas na wydarzenie. Następnie asystent sam skontaktuje się z klientem i umówi spotkanie.
Przykład wiadomości e-mail o godzinie i dacie spotkania, wygenerowanej automatycznie przez AI Clara
Transkrypcja spotkań i podejmowanie działań następczych
Podczas spotkania specjalista sprzedaży powinien robić notatki, aby pamiętać, o co chodziło. Lub przejrzeć nagranie, opisać kluczowe punkty i napisać list do klienta z podsumowaniem. Teraz AI może to zrobić.
Niestety, popularne zagraniczne systemy nie znają jeszcze polskiego wystarczająco dobrze. Na przykład, mieliśmy negatywne doświadczenia z FireFlies.ai przez to. Ale takie serwisy będą przydatne do pracy z zagranicznymi klientami. Nagrywają spotkania i transkrybują wszystkie wypowiedzi, dodając kody czasowe. AI tworzy podsumowania spotkań, które zapewniają pełny obraz rozmowy. Specjalista ds. sprzedaży musi je skopiować i wysłać do klienta, aby zarejestrować ustalenia osiągnięte podczas spotkania.
Przykład transkrypcji spotkania wykonanej przez Airgram
Kontrola przetwarzania połączeń
Innym codziennym zadaniem kierowników sprzedaży i liderów zespołów jest odsłuchiwanie nagrań rozmów. Robiąc to, muszą również tworzyć notatki z kodami czasowymi, jeśli menedżer popełnił błąd lub powinien był użyć innego argumentu. „Inteligentny” asystent może również podjąć się tego zadania. Aby to zrobić, musisz użyć wirtualnej centrali PBX z AI — Ringostat jest pierwszą taką platformą w Polsce.
Podczas korzystania z AI w raportach telefonii pojawiają się dodatkowe informacje o każdym połączeniu. Na przykład transkrypcja tekstowa rozmowy, która jest automatycznie tłumaczona na język angielski. W ten sposób kierownik lub lider zespołu może kontrolować pracowników, którzy komunikują się z klientami w innych językach.
Na platformie Ringostat można przeczytać transkrypcję dialogu i odsłuchać wybrany wiersz, klikając go
AI tworzy również krótkie podsumowanie rozmowy, co, podobnie jak transkrypcja dialogów, pozwala zaoszczędzić czas na monitorowaniu połączeń. W razie potrzeby można użyć filtrów, aby znaleźć tylko te rozmowy, w których omawiano określoną kwestię. Pomoże to na przykład sprawdzić, czy menedżerowie postępują zgodnie ze scenariuszem lub pamiętają o powiadomieniu klientów o nowym produkcie.
Ponadto AI analizuje ogólny nastrój rozmowy oraz osobno klienta i menedżera. W ten sposób możliwe jest odfiltrowanie tylko tych połączeń, w których klient był rozczarowany lub negatywnie nastawiony. I zainterweniować w odpowiednim czasie, zanim wpłynie ona negatywnie na transakcję.
Korespondencja z klientami
Menedżerowie czasami muszą pisać dziesiątki e-maili każdego dnia. Tutaj AI może pomóc na kilka sposobów. Oczywiście do pisania maili można wykorzystać ChatGPT czy Bard, ale istnieją osobne rozwiązania przeznaczone specjalnie dla sprzedaży. Najczęściej są one zintegrowane z CRM, więc historia komunikacji z klientami będzie rejestrowana w systemie.
Prostsze rozwiązania, takie jak aplikacja Writer, pomogą szybciej pisać e-maile sprzedażowe. Działają na takiej zasadzie:
- wpisujesz nazwę swojej marki i opisujesz jej możliwości;
- umieszczasz wezwanie do działania, na przykład zachęcenie do wzięcia udziału w wyprzedaży promocyjnej;
- następnie AI wyszukuje dodatkowe informacje o firmie w dostępnych źródłach i tworzy szablon wiadomości e-mail wyglądający tak, jakby został napisany przez człowieka;
- ponadto sama aplikacja opisuje możliwości i zalety marki;
- AI może również zasugerować temat, który przyciągnie zainteresowanie i sprawi, że wiadomość e-mail zostanie otwarta.
Bardziej zaawansowane rozwiązania pomagają personalizować wiadomości e-mail, a tym samym budować mocniejsze i cieplejsze relacje z klientami. Przykładowo, zgodnie z doświadczeniem klienta Lyne.ai, takie podejście pomogło zwiększyć liczbę odpowiedzi o 10-15%.
Działa to następująco:
- wczytujesz do usługi tabelę z nazwami firm;
- AI analizuje ich strony internetowe, blogi, wydarzenia i posty w mediach społecznościowych, szukając czegoś, za co można się „złapać”;
- tworzy spersonalizowane treści, na przykład może zacząć od stwierdzenia, że uczestniczył w konferencji firmy, przeczytał badanie, zobaczył wiadomość o nagrodzie itp.;
- organicznie dopasowuje wezwanie do działania.
Takie narzędzia zbierają również statystyki dotyczące wiadomości e-mail i przypisują klientom punkty w zależności od tego, w jaki sposób wchodzili oni w interakcję z wiadomościami.
Podczas ustawiania personalizacji w Lyne.ai można wybrać źródła informacji i ich priorytet
Istnieją również wbudowane AI dla CRM, które mogą automatycznie generować wiadomości e-mail przy użyciu dostępnych informacji o klientach i transakcjach. Na przykład, jeśli CRM ma dane, że dana osoba uczestniczyła w webinarze, system może skomponować wiadomość e-mail z podziękowaniem za udział i ofertą demonstracji produktu. Można również poprosić AI o napisanie wiadomości e-mail w określonym tonie, na przykład bardziej przyjaznym lub profesjonalnym.
Prognozowanie prawdopodobieństwa sprzedaży
Istnieją serwisy oparte na AI, które mogą przewidywać prawdopodobieństwo sprzedaży i inne wskaźniki biznesowe: popyt, przychody, koszty itp. Mogą one zbierać dane z tysięcy źródeł, analizować trendy rynkowe, historię sprzedaży, asortyment, CRM, ERP i dane z mediów społecznościowych, a nawet uwzględniać sezonowość. Takie AI wykorzystują złożone modele obliczeniowe i mogą szybko analizować duże ilości danych. Ale oczywiście wymagają zaangażowania specjalistów do konfiguracji.
Niektóre AI są wbudowane bezpośrednio w CRM, a zespół może z nich korzystać bez wiedzy technicznej. Na przykład takie rozwiązanie może przewidzieć, jak prawdopodobna jest sprzedaż danemu klientowi.
Dobrze znany system HubSpot analizuje leady i przewiduje, czy transakcja zostanie zamknięta w ciągu 90 dni. Aby wyciągnąć takie wnioski, sztuczna inteligencja opiera się na danych dotyczących aktywności klientów, takie jak całkowita i średnia liczba stron przeglądanych w witrynie, liczba dostarczonych wiadomości e-mail, odpowiedzi na nie lub rezygnacji z subskrypcji, data ostatniej wizyty w witrynie itp.
Z drugiej strony, AI zwraca uwagę na informacje o kliencie w CRM: liczbę nagrań w karcie transakcji, ile dni minęło od ostatniego kontaktu z leadem, kiedy zaplanowana jest następna aktywność itp. Zwraca również uwagę na to, czy kontakt zawiera numer telefonu. Jeśli klient go nie zostawił, prawdopodobieństwo skontaktowania się z nim spada, a wraz z nim prawdopodobieństwo zamknięcia transakcji.
Przewidując prawdopodobieństwo sprzedaży według leadów, HubSpot pokazuje pozytywne i negatywne czynniki, które wpływają na wynik
Wskazówki dotyczące zamykania transakcji
Niektóre platformy mają tak zwanego „asystenta AI”, który może również doradzać najlepsze kolejne kroki dla transakcji. Wygoda polega na tym, że takie rozwiązanie dostosowuje się do zachowania klienta i z czasem się udoskonala.
Jeśli chodzi o CRM, taki system zwraca uwagę na liczne sygnały generowane przez kontakt. Które strony produktów odwiedza użytkownik, które e-maile otwiera, czy klika w linki w nich zawarte, co kupił i jak dawno temu. AI może również kierować się zaprogramowanymi regułami i monitorować wydajność transakcji, aby przeanalizować, jak ją poprawić.
W związku z tym sztuczna inteligencja doradza, które produkty polecić i jak zwiększyć średni rachunek. Załóżmy, że użytkownik zamówił określony produkt klasy ekonomicznej, ale często odwiedza stronę droższego odpowiednika. AI może zalecić wysłanie klientowi wiadomości e-mail ze zniżką na produkt premium. Podobnie asystent zasugeruje produkty powiązane z tym, który już zaciekawił klienta.
Dla firm, które nie korzystają z CRM, istnieją podobne rozwiązania do obsługi połączeń. AI analizuje treść rozmowy i doradza, co należy zrobić w trakcie lub przed kolejnym połączeniem. Na przykład przygotować szczegółowe porównanie z konkurencją,
wysłać dokumenty, umówić się na prezentację online.
Przykład porady dostarczonej przez platformę Ringostat po rozmowie telefonicznej. W następnej komunikacji menedżer powinien dowiedzieć się, czy produkt naprawdę dobrze rozwiązuje potrzeby klienta
Istnieją również serwisy, które analizują aktywność klientów w mediach społecznościowych oraz ich sposób komunikacji. Na tej podstawie AI tworzy portret psychologiczny, a nawet bierze pod uwagę sformułowania najczęściej używane przez potencjalnego nabywcę. W rezultacie menedżer otrzymuje porady, jak najlepiej dostosować swoje wiadomości do każdego klienta i jakich tematyk lub zwrotów unikać.
Kilka „ale”: o czym należy pamiętać podczas korzystania z AI w sprzedaży
- W każdym razie AI najczęściej uczy się z firmowych baz danych. A więc poprawność jej pracy będzie zależeć od „czystości” i trafności takiej bazy danych. Przed szkoleniem upewnij się, że Twoje dane są kompletne, wolne od duplikatów i błędów oraz aktualizowane na czas.
- Jeśli używasz AI do prognozowania, sprawdź na pierwszych etapach, czy jej prognozy zgadzają się z tym, co obliczyłeś ręcznie. W przeciwnym razie błąd może zostać zauważony zbyt późno.
- Jeśli chodzi o złożone transakcje z dużymi firmami, „żywy” menedżer nadal odgrywa kluczową rolę. Indywidualne podejście, charyzma i wieloletnie doświadczenie mają tutaj ogromne znaczenie.
- Jeśli klient jest bardzo niezadowolony, przekaż go jak najszybciej człowiekowi. W taki sposób złagodzisz negatywne wrażenie, pokazując, że klient jest dla ciebie ważny.