Problem

Försäljningsteamet spenderade en betydande del av sin tid på affärsutveckling och utgående försäljning. Ett externt SDR-team kostar betydande pengar utan praktiskt taget inga resultat att visa för det.

Lösning

Försäljning är en domän där processautomation har använts under lång tid med varierande resultat. Vi har sett ökningen av bokstavligen tusentals mjukvaruföretag som försöker sälja sitt ”AI-försäljningsautomatiseringsverktyg”. Men när du kliar på ytan inser du att de flesta av dessa verktyg inte riktigt påverkar alls.

Det finns ett antal anledningar till att många befintliga AI-försäljningsmetoder ger otillfredsställande resultat

• Brist på djup integration med ditt CRM och faktiska arbetssätt
• Personerna som konfigurerar systemet förstår inte riktigt ditt företags värdeförslag och kundernas köpbeteende
• AI-företagen sparar på LLM-modellens kraft för att hålla kostnaderna nere
• Överberoende av AI för att göra allt minskar intern kunskap och kritiskt tänkande

Resultatet är att de flesta AI-försäljningsverktyg skapar generiska, tråkiga och dåligt kalibrerade resultat. I takt med att fler och fler företag anammar dessa tillvägagångssätt blir det också en ökande kapprustning där mottagare av prospekteringsmeddelanden blir mindre mottagliga.

AI är ett fantastiskt verktyg, men du måste veta hur du använder denna kraft.

För att navigera runt dessa problem och för att hjälpa säljteamet att fokusera mer på faktisk försäljning skapade vi en skräddarsydd virtuell assistent som hjälpte försäljningen med prospektering. Vi bestämde oss för att bygga något som liknar en lagkamrat - en bot som du kan ge uppgifter genom att beskriva vad du vill ha på vanligt språk.

Den virtuella assistenten hade specialbyggda funktioner för:

• Autonom planering: Den viktigaste förmågan vi gav assistenten är att själv bestämma vad den behöver göra baserat på uppgiftsbeskrivningen. Uppgifterna skrevs på planspråk, som sedan bryts ner till en sekvens av aktiviteter.
• Forskning: Assistenten har förmågan att utföra webbsökningar, besöka företagets webbplatser och upptäcka LinkedIn-profildata. Den sammanfattar alla sina resultat till ett tillfälligt minne som kan användas för att styra andra delar av assistenternas arbete. Forskningsagenten utbildades för att leta efter information som var specifik för företagets värdeförslag.
• Skrivande: Eftersom assistenten kan läsa all data från CRM samt bedriva forskning från olika källor, kunde den skriva extremt naturliga och personliga meddelanden.
• Uppdatera CRM-fält: Om boten hittade ny information som inte var anpassad till CRM hade den möjlighet att uppdatera vissa valda fält, som webbadress eller antal anställda, etc.
• Hitta profiler: Boten kunde upptäcka beslutsfattare baserat på jobbprofiler. Vi hittade de bästa resultaten genom att fokusera på jobbtitlar och profilnyckelord.
• Kvalitetsresultat leder: Tack vare dess forskningskapacitet kunde vi enkelt bygga en modul för att utvärdera kvaliteten på leads. Boten utbildades i de komplexa reglerna mellan land, företagsstorlek och vertikala specifika beroende. Med dessa tillvägagångssätt kunde boten gissa en leadskvalitetspoäng med i princip perfekt säkerhet.

Från början kände vi att det var viktigt att hålla säljarna ansvariga. Varje meddelande som skapats av systemet godkändes av en AE. Tanken var att maskiner inte ersätter säljare — de hjälper dem att arbeta snabbare och med högre kvalitet.

Vad var resultatet av detta tillvägagångssätt? Försäljningsrepresentanterna kunde göra prospektering konsekvent och med hög kvalitet i en takt som översteg 10 gånger den vanliga takten. Detta innebar att mer tid kunde läggas på att faktiskt sälja. Efter cirka 6 månader i drift kunde systemet ses ha bidragit till 40% av företagspipelinen.

Automatisering lönar sig eftersom systemet inte bara resulterade i rörledningstillväxt utan också kostade 80% mindre att driva än den tidigare metoden. På daglig basis är detta system också praktiskt taget underhållsfritt eftersom vi tillämpar rigorös felhantering och såg till att systemet fortsätter att fungera även om vissa delar av automatiseringen misslyckas.

Kund

SaaS för företag

System som används

• Anpassade API:er
• Webbskrapning
• Processautomatisering
• Pipedrive
• GPT-4 API
• GPT-4O API