Ena najpogostejših uporab umetne inteligence v prodaji je kvalifikacija leadov. Podjetja vsak dan prejmejo veliko število povpraševanj, med katerimi je precej neželene pošte ali takšnih z nizkim prodajnim potencialom. Zaradi tega se lahko najbolj obetavne poslovne priložnosti izgubijo med manj pomembnimi.

Za eno izmed naših strank v Evropski uniji smo razvili sistem za kvalifikacijo leadov, ki s pomočjo umetne inteligence samodejno prepozna potencialno najvrednejše stranke in jih dodeli Key Account Managerjem.

Stranka je želela vhodne leade oceniti glede na njihov poslovni potencial ter najbolj obetavne priložnosti takoj dodeliti Key Account Managerjem. Celoten postopek je moral potekati v realnem času, brez zamud pri komunikaciji s strankami.

Vzpostavili smo potek kvalifikacije leadov na osnovi umetne inteligence, integriran z Bitrix24. Do učinkovite strategije kvalifikacije smo prišli skozi več razvojnih iteracij.

Prvi pristop je temeljil na finančnih kazalnikih podjetij, kot so osnovni kapital, število zaposlenih in letni prihodki. Umetna inteligenca je zbirala podatke, končno oceno pa je izračunal deterministični sistem točkovanja.

Ta pristop se je hitro izkazal za neustreznega. Poslovni registri v večini evropskih držav modelom umetne inteligence niso dostopni, komercialni dostop prek API-jev pa je zelo drag. Podatek o osnovnem kapitalu je bilo mogoče pridobiti pri manj kot 30 % podjetij, podatki o številu zaposlenih in prihodkih pa so bili redko na voljo. Posledično natančnost kvalifikacije ni bila zadovoljiva.

Drugi pristop je temeljil na metodologiji, ki jo je že uporabljala prodajna ekipa naročnika. Njihove kvalifikacijske postopke smo pretvorili v AI-prompt, s katerim je model ocenjeval leade podobno kot izkušen prodajni svetovalec.

Čeprav so bili rezultati precej boljši, model še vedno ni imel dostopa do informacij, ki jih prodajniki običajno pridobijo med uvodnimi pogovori s strankami. Velikega dela teh podatkov preprosto ni mogoče pridobiti z raziskovanjem javno dostopnih virov.

Preboj smo dosegli, ko smo umetni inteligenci prenehali nalagati zbiranje dodatnih informacij in jo namesto tega naučili na podlagi zgodovinskih odločitev naročnika.

Izvozili smo bazo že kvalificiranih podjetij in modelu naročili, naj analizira značilnosti podjetij, ki jih je prodajna ekipa v preteklosti ocenila kot perspektivna. Na podlagi teh primerov je umetna inteligenca razvila lastno strategijo ocenjevanja, pri čemer uporablja le podatke, ki so na voljo ob nastanku novega leada.

Ta pristop se je izkazal za najbolj natančnega med vsemi pristopi. Omogočil je uporabo cenejšega jezikovnega modela ter bistveno zmanjšal porabo tokenov.

Rešitev je bila nameščena na lokalni (on-premises) namestitvi Bitrix24 in je bila integrirana prek REST API-ja platforme.

Čeprav je optimiziran AI-prompt zagotavljal razmeroma hiter odziv, je obdelava modela vseeno povzročila določeno zakasnitev. Da avtomatizacija CRM-ja zaradi tega ni bila počasnejša, smo uvedli asinhrono arhitekturo, ki omogoča, da se kvalifikacija leadov izvaja v ozadju, medtem ko drugi avtomatizirani procesi nemoteno nadaljujejo z delovanjem.