UI-kvalifikacija novih potencialnih strank

Ena najpogostejših uporab umetne inteligence v prodaji je kvalifikacija potencialnih strank. Številna podjetja se soočajo z ogromnim številom povpraševanj, vključno z neželeno pošto in povpraševanji z nizkim potencialom. Posledično se povpraševanja strank z visokim potencialom pogosto izgubijo med manj pomembnimi. Za eno od naših strank v EU smo razvili sistem za UI-kvalifikacijo potencialnih strank, ki samodejno prepozna perspektivne potencialne stranke in jih usmeri k vodjem ključnih strank.

Izziv

Stranka je potrebovala vzpostavitev postopka kvalifikacije potencialnih strank glede na njihov potencial, tako da bi bile najvrednejše stranke usmerjene k vodjem ključnih strank — in to čim hitreje, brez zavlačevanja komunikacije.

Rešitev

Uvedli smo UI-voden potek kvalifikacije potencialnih strank, integriran z Bitrix24. Iskanje prave strategije kvalifikacije je zahtevalo več ponovitev.

Naš prvi pristop je bil ocenjevanje podjetij na podlagi finančnih kazalnikov, kot so registrirani kapital, število zaposlenih in letni prihodek. UI je bila odgovorna za zbiranje podatkov, končno kvalifikacijo pa je opravil determinističen algoritem točkovanja.

Kmalu smo ugotovili, da poslovni registri v ključnih evropskih državah niso dovoljevali dostopa UI, stroški dostopa prek API pa so bili previsoki. Posledično je model lahko ocenil kapital podjetja v manj kot 30 % primerov, medtem ko sta bila število zaposlenih in prihodek redko na voljo. Skupna natančnost je bila zato nezadostna.

V naslednji fazi smo uporabili poziv, ki je temeljil na scenarijih, ki jih prodajni vodje uporabljajo za ročno kvalifikacijo. Ta pristop je zagotovil večjo natančnost, a se je prav tako soočil s pomanjkanjem razpoložljivih podatkov. Odgovore na mnoga vprašanja je enostavno pridobiti med telefonskim klicem, a jih je nemogoče najti prek spletnega iskanja.

Nazadnje smo izvozili obstoječo bazo kvalificiranih podjetij in UI prosili, naj jo analizira ter oblikuje strategijo točkovanja podjetij zgolj z omejenim naborom parametrov, ki so na voljo v fazi pridobivanja potencialnih strank. Ta pristop se je izkazal za najnatančnejšega in hkrati stroškovno najučinkovitejšega, saj ni zahteval najnaprednejših modelov in je ustvaril minimalno število izhodnih žetonov.

Tehnična izvedba

Rešitev je bila uvedena na lokalni (on-premises) namestitvi Bitrix24 z uporabo REST API.

Čeprav je optimiziran poziv zagotavljal razmeroma hitre odzive, je sklepanje UI dodalo opazno zakasnitev. Da bi obdelava potencialnih strank ostala odzivna, smo uvedli asinhrono arhitekturo, ki je drugim potekom avtomatizacije omogočila nadaljevanje, medtem ko je kvalifikacija potekala v ozadju.