AI CRM zaslužuje svoje mjesto u industrijskoj prodaji time što ispravno pročita upit, a ne time što pošalje još podsjetnika

U toj se rečenici kriju dva posla. O kupnji kapitalne opreme odlučuje skupina ljudi, u ciklusu od devet do osamnaest mjeseci; izrada prema crtežu kupca odlučuje se u nekoliko dana, gdje je problem količina upita, a ne duljina ciklusa. Argumenti o upitima, kvalifikaciji i dokumentaciji koji slijede vrijede za oba slučaja, oni o skupini koja odlučuje i o bodovanju samo za kapitalnu prodaju. Ono što umjetna inteligencija u oba slučaja radi dobro usko je: preoblikuje tekst koji već imate.

Zašto generička CRM automatizacija ne radi na dugom B2B prodajnom ciklusu

Standardni scenarij pretpostavlja jednog kupca, kratku evaluaciju, veliko tržište i dovoljno poslova da bodovanje uopće nešto znači. Ništa od toga ne vrijedi. O kapitalnoj kupnji sudi proizvodni inženjer kojemu je važno vrijeme ciklusa, inženjer kvalitete kojemu je važna sposobnost procesa, voditelj održavanja kojemu su važni rezervni dijelovi, nabavljač kojemu su važni uvjeti, i direktor koji nosi stavku kapitalnih ulaganja. Dolaze u različitim trenucima, pa niz poruka upućen „kontaktu“ ne stiže ni do koga.

Tržište je usto konačno. Skup mogućih kupaca dovoljno je malen da se ista imena vraćaju kroz godine i kroz tvrtke, jer inženjeri prelaze iz pogona u pogon, i dovoljno malen da nijedan model ponašanja nema skup za učenje vrijedan spomena. Iritantna automatska poruka ovdje nije zaokruživanje na nulu. Zapamti se, s imenom i prezimenom.

Poslovi se rijetko gube zato što je izostala još jedna poruka s pitanjem jeste li stigli pregledati ponudu. Gube se zato što niste bili prisutni s nečim korisnim kad se pisao sljedeći plan kapitalnih ulaganja, zato što je tehnički odgovor stigao prekasno, ili zato što zahtjev nikada nije zapisan u obliku po kojem je itko mogao postupiti. Ništa od toga nije problem ritma slanja.

Čitanje upita za ponudu i izvlačenje stvarnog zahtjeva

Upiti za ponudu (RFQ) stižu u obliku u kojem ih je kupac odlučio poslati: PDF, proračunska tablica, skup crteža, tri odlomka u e-poruci, obrazac nabave od kojeg je bitno šest polja. Model pouzdano izvlači ono što u dokumentu postoji kao tekst — količine i dinamiku poziva na isporuku, datume i uvjete isporuke, popis certifikata, komercijalne uvjete, brojeve artikala navedene u tekstu — za vrijeme koje treba da se datoteka otvori.

Ono što nastaje na crtežu druga je klasa podataka. Geometrijsko toleriranje, simboli zavara, sustav referentnih baza, hrapavost površine, značajke označene kao kritične: to se čita nepouzdano, i sve što se pročita s crteža stiže označeno kao neprovjeren prijedlog za inženjera, nikada kao vrijednost iz koje se smije nuditi. Jednako postupanje s te dvije klase najbrži je put od korisnog izvlačenja podataka do pogreške u ponudi.

Pitanje vlasništva riješite prvo. Kupčevi crteži njegovo su intelektualno vlasništvo, obično pod ugovorom o povjerljivosti potpisanim mnogo prije nego što je upit stigao, a u zrakoplovstvu, obrani i dijelovima automobilske industrije mogu podlijegati kontroli izvoza prema ITAR-u, EAR-u ili Uredbi EU o dvojnoj namjeni. Provjerite što NDA dopušta u pogledu obrade i podizvršitelja prije nego što crtež dođe do modela, držite kontrolirane poslove na vlastitoj infrastrukturi ili u okruženju bez zadržavanja podataka i bez učenja modela, i zadržite put isključivanja tako da označeni kupci i obitelji artikala nikada ne uđu u obradu.

Vrjedniji dio rezultata jest ono što nedostaje. Pitanja koja pošaljete natrag u prvom satu najjači su signal kompetencije koji ćete ikada poslati, i sprječavaju da inženjer izradi ponudu na pretpostavci koju nitko nije provjerio.

Dva pravila razdvajaju korisno izvlačenje podataka od onoga koje inženjer ionako ponovi ručno. Svaka stavka navodi svoj izvor: list i ćeliju ako je izvor proračunska tablica, stranicu i područje na njoj ako je skenirani dokument. I model radije ostavi polje prazno nego da pogađa, što je stopa koju mjerite po polju na vlastitom ispitnom skupu, a ne ponašanje koje dobijete uputom neka se suzdrži. Suzdržavanje zakaže ondje gdje postoji uvjerljiva zadana vrijednost, na toleranciji ili na standardnoj obradi površine, pa polje s niskim suzdržavanjem i visokom pogreškom ostavljate čovjeku.

Izrada prvog tehničkog odgovora bez obvezivanja tvrtke

Prvi odgovor odlučuje jeste li u evaluaciji. Dobar imenuje primjenu umjesto da zahvaljuje kupcu na interesu, ponavlja zahtjev onako kako je shvaćen, postavlja dva ili tri pitanja koja mijenjaju odgovor i obvezuje se na sljedeći korak s datumom.

Model tu strukturu isporuči u minuti, a čovjek uredi i pošalje. Automatsko slanje drugi je sustav, a ne druga postavka istoga, i nijedan nacrt ne navodi specifikaciju: svaki broj koji bi mogao doći do ponude dolazi od nekoga tko se tim brojem smije obvezati.

Sažimanje povijesti kupca i održavanje CRM zapisa aktualnim

Prilika koja traje četrnaest mjeseci razasuta je po stotinu e-poruka, tri posjeta, dvije probne serije i jednom neuspjelom pokusu. Povijest postoji i nitko je ne čita, pa kad account manager ode, njezina je praktična vrijednost nula. Model koji pročita cijeli niz i uvede sljedeću osobu u temu doista je koristan.

Model pritom gubi dio sadržaja, a ono što ispada nesrazmjerno je često obveza u jednoj rečenici zakopana u sredini: popuštena tolerancija, cijena držana do određenog roka, iznimka dogovorena telefonom. Sažetak koji je gotovo točan, a prešuti ustupak, gori je od nikakvoga. Zato ga tretirajte kao ulaz u cijeli niz, povežite svaku tvrdnju s porukom iz koje dolazi, a preuzete obveze izvucite u zaseban popis s izvorima.

Ista sposobnost rješava najstariji problem CRM-a. Prodavači ne ažuriraju zapise jer je to unos podataka koji ništa ne vraća, a odgovor je isti onaj koji dobiva pogon: predloži, nemoj tražiti. Nakon poziva asistent napiše nacrt bilješke i predloži promjenu faze i sljedeću radnju. Ostaju prijedlozi, jer asistent koji tiho mijenja vrijednosti ili datume zaključenja uništava ono jedino što CRM mora biti — zapis u koji ljudi vjeruju.

Zamjenjuje li AI CRM sustav koji već vodite ili sjeda na njega

Uglavnom sjeda na njega. Zapis o kupcu, prilici i narudžbi ostaje gdje jest, bio to Salesforce, Dynamics, HubSpot, Odoo ili CRM modul vašeg ERP-a. Asistent čita iz tog zapisa, iz sandučića, iz arhive ponuda i iz sustava dokumenata, a upisuje natrag tri stvari: bilješku, predloženu promjenu polja i zadatak s nositeljem i datumom, sve pripisivo osobi i sve poništivo.

Projekt je, dakle, integracija, a ne model, a ono što obično zapne jest identifikator koji mora preživjeti put između CRM-a, ERP-a i sustava dokumenata, jer ključ kupca i broj kupca nikada nisu usklađeni. Ako CRM nemate, CRM dolazi prvi: asistent ne može održavati aktualnim zapis koji ne postoji.

U čemu umjetna inteligencija nije dobra i gdje će vas to stajati

Ne poznaje vaše mogućnosti: da je tolerancija ostvariva, ali tek u drugoj operaciji, da se legura u vašem procesu naljepljuje na alat, da je navedena godišnja količina višestruko veća od svega što taj segment ikada naruči. Nema osjećaj za komercijalnu posljedicu i jednako će spremno napisati samouvjerenu rečenicu o roku isporuke kao i opreznu, jer su obje jednako uredno sročene. Ne zna ni što se promijenilo nakon što ste joj predali dokumente, zbog čega je aktualnost dokumentacije operativna odgovornost, a ne zadatak pri postavljanju sustava.

Kvalifikacija upita koja poštuje tehničkog kupca: zašto bodovanje nije kvalificiranje

Bodovanje dodjeljuje broj na temelju ponašanja: posjećene stranice, otvorene e-poruke, preuzeti dokumenti. Na tržištu s ovoliko malo stvarnih kupaca to uglavnom mjeri znatiželju, a profil koji najpouzdanije nagrađuje jest inženjer konkurencije koji čita vašu dokumentaciju.

Kvalificiranje odgovara na druga pitanja. Postoji li primjena u koju vaša oprema pristaje, opisana dovoljno konkretno da se može provjeriti. Postoji li proračun i u kojem razdoblju. Tko odlučuje i tko može staviti veto. I što se događa ako ne poduzmu ništa.

Asistent pomaže samo ako postavlja pitanja na koja tehnički kupac želi odgovoriti. Inženjer će vam bez ustezanja dati artikl, materijal, količinu i vrijeme ciklusa, a napustit će obrazac koji traži raspon broja zaposlenih i raspon proračuna. Najpodcjenjeniji je ishod „brzo ne“: najveći dio troška lošeg upita čini aplikacijski inženjering koji taj upit potroši prije nego što itko utvrdi da nikada nije ni pristajao.

AI chatbot koji odgovara iz vaše dokumentacije umjesto da izmišlja

Postavite jezičnom modelu pitanje o proizvodu i odgovorit će iz onoga na čemu je učio, u tekstu koji zvuči točno kao vaša dokumentacija, bez ikakve veze između toga koliko samouvjereno zvuči i toga je li istinito. U tehničkoj prodaji to je najgori mogući način otkazivanja, jer se pogrešan odgovor snimi, proslijedi i citira vam se natrag na sastanku.

Utemeljenje odgovora u vlastitim dokumentima čini to podnošljivim. Pitanje dohvati odlomke iz vaših dokumenata, model odgovara samo iz njih i navodi ih, čime se uobičajena pogreška pretvara u „to nisam pronašao u dokumentaciji“. Najveći je dio posla na strani dokumenata: koji su mjerodavni, koji su zamijenjeni i moraju izaći iz indeksa — zadržani u sustavu dokumenata kako vaš postupak kvalitete traži, ali nedostupni asistentu — i koji su povjerljivi.

To pogrešku ne uklanja. Dohvat vrati nevažeću reviziju jer se ta revizija tekstualno bolje poklapa; vrati pravi dokument, a model krivo pročita tablicu u njemu; ne nađe ništa relevantno pa svejedno odgovori iz naučenoga. Citat svaki od tih slučajeva čini gorim, jer se pogrešnom odgovoru s imenom dokumenta uz njega vjeruje jače.

Zato ograničenja provedite u sustavu, a ne u dokumentu s politikama: odgovaraj samo iz objavljenih materijala, navedi dokument i reviziju koju si upotrijebio, na pitanja o specifikaciji radije odbij nego zaključuj, nikada ne daj cijenu ni rok isporuke. I bilježite svako pitanje na koje nije mogao odgovoriti, jer je taj zapis popis koji su vaši kupci napisali o onome što niste objavili.

Podaci koje već imate i što treba da postanu upotrebljivi

Više nego što mislite i u gorem stanju nego što mislite. U sandučiću su godine upita i tehničkih razmjena, povijest ponuda drži što ste nudili i po kojoj cijeni, a razlozi gubitka poslova najvrjedniji su skup podataka u tvrtki — ako ih je itko pošteno ispunjavao. ERP drži vaše rokove isporuke i datume isporuke, koje vrijedi provjeriti prije nego što im povjerujete: planirano naspram stvarnoga, i je li se obećani datum prepisivao svaki put kad se pomaknuo.

Zatim stanje tih podataka. Isti kupac postoji tri puta pod različito napisanim imenom, a njemačko društvo kći zaseban je kupac bez veze s maticom, pa nitko ne vidi da je grupacija već kupila dvije linije. A razlog gubitka na većini zapisa glasi „cijena“, što je ono što ljudi odaberu kad je stvarni razlog bio spor odgovor.

Posao je neatraktivan i čini najveći dio projekta: očistiti duplikate kupaca, modelirati strukture grupacija, dogovoriti jedno mjerodavno mjesto za dokumentaciju s izričitim poljem revizije, zamijeniti slobodan tekst razloga gubitka kratkim popisom iz kojeg prodavač može pošteno birati. Model izgrađen na ovim podacima naslijedit će svaku pogrešku i isporučiti je samouvjereno.

Predaja čovjeku i zašto loša predaja poništava svu vrijednost

Trenutak u kojem asistent stane, a čovjek počne, mjesto je na kojem kupac ocjenjuje cijeli sustav. Kupac detaljno opiše svoju primjenu, prodavač nazove dva dana poslije i postavi ista pitanja ispočetka, i sve što je automatizacija dobila potroši se u toj minuti.

Predaja koja funkcionira nosi razgovor pridružen prilici, pitanje koje je izazvalo eskalaciju, imenovanog nositelja umjesto zajedničkog sandučića i vrijeme odgovora za koje netko snosi odgovornost. Budite iskreni o tome što je asistent, jer tehnički kupac to shvati unutar nekoliko razmjena, i eskalirajte automatski na svaku obvezu o specifikaciji, svaku cijenu, svaku reklamaciju i kad god kupac pita dvaput.

Pošteno mjerenje: vrijeme odgovora i kvalificirani pipeline, a ne broj poslanih poruka

Većina izvještaja o ovakvim sustavima mjeri njihovu vlastitu aktivnost: poslane poruke, obrađene razgovore, uštedu sati izračunatu množiteljem koji je dao dobavljač. Sve to raste bez obzira na to je li se išta popravilo. Počnite umjesto toga s vremenom od upita do prvog sadržajnog tehničkog odgovora, pri čemu sadržajan znači da se bavio primjenom, a ne da je potvrdio primitak. Zatim vrijeme od upita do ponude na upitima koje ste prihvatili kao prikladne, i udio onih koji su uopće došli do ponude, čime se vide oni koji umiru u redu kod inženjera.

Odbijene upite mjerite na zasebnoj osi, koliko je dana trebalo da ih odbijete, jer je to broj koji „brzo ne“ postoji da bi smanjilo. Jedinstvena stopa izrade ponuda preko oba nazivnika govori organizaciji neka nudi upravo one upite koje ste joj rekli da odbija. Zatim kvalificirani pipeline prema definiciji kvalificiranoga napisanoj prije projekta, i broj pitanja na koja asistent nije mogao odgovoriti, koji bi trebao padati kako objavljujete ono što je nedostajalo.

GDPR i što europski industrijski kupac očekuje

Pravna osnova za B2B obraćanje nije jednaka u cijeloj Europi. Nacionalne provedbe ePrivacy pravila razlikuju se, a u nekim se državama članicama nezatražena komercijalna e-pošta poslovnom kontaktu tretira mnogo strože nego što uobičajeni sažetak o „legitimnom interesu“ sugerira. Odlučite to s pravnikom po tržištu i izgradite sustav tako da se pravila mogu razlikovati po državama bez prepisivanja.

Ostalo su inženjerske odluke s posljedicama u nabavi. Upitnik kupca pitat će gdje se obrađuje tekst njegova upita, izlazi li iz EU, uči li na njemu ičiji model i koliko se dugo čuva. Četiri kratka odgovora prolaze taj prvi filtar: obrada u EU, nema učenja na sadržaju kupaca, definirano razdoblje čuvanja, pristup se bilježi. Iza filtra stoje potpisan ugovor o obradi podataka, popis podizvršitelja obrade, vaše tehničke i organizacijske mjere i obično certifikat ISO 27001 ili SOC 2. Složite ih prije nego što upit stigne.

Zadržite čovjeka u postupku donošenja svake odluke kojom se upit odbija, što je istodobno ispravan dizajn i kraj rasprave o automatiziranom donošenju odluka. Osim zakona, europski industrijski kupac očekuje da se prema njemu postupa kao prema profesionalcu, a izmišljeno „nadovezujem se na naš razgovor“ na malom tehničkom tržištu čini više štete nego da niste poslali ništa.

Gdje početi: prvi projekt umjetne inteligencije u prodaji

Jedan tijek rada, osam do dvanaest tjedana, jedan imenovani nositelj u prodaji i jedan u inženjeringu, i pisana definicija uspjeha prije nego što se išta izgradi. Počnite s putem dolaznih upita: vrijednost je ondje koncentrirana, a način na koji sustav zakaže prvi vide vaši vlastiti ljudi.

Prva dva tjedna potrošite na prikupljanje pedeset stvarnih upita iz zadnje dvije godine, s tim što je ponuđeno i što se dogodilo. Taj je skup ispit, a bez njega ocjenjujete na demonstracijama koje je odabrao onaj tko ih je i izradio. Zatim izgradite izvlačenje podataka i popis onoga što nedostaje, uz pregled aplikacijskog inženjera prema tome kakav se zahtjev na kraju pokazao. Asistent okrenut kupcu dolazi zadnji, jer jedini razgovara s kupcima bez nadzora.

Izlazne kriterije napišite prije početka: vrijeme prvog odgovora na imenovanom segmentu, inženjerski sati po upitu i izvlačenje podataka ocijenjeno prema tom referentnom skupu, preciznost po polju i prije svega odziv na poljima koja nose rizik za ponudu. Stopa prihvaćanja signal je prihvaćenosti, a ne izlazni kriterij: čim inženjeri shvate da se upravo ona mjeri, granične ispravke prestaju, a pogreške koje su bitne izostavljanja su koja inženjer, preletjevši uredan popis, neće uhvatiti. Unaprijed odlučite što ćete odbiti: masovni outbound, bilo kakvo slanje bez pregleda, rad ondje gdje je pitanje pravne osnove ili NDA-a otvoreno.

Gdje se tu uklapa Meta Smart Factory

MSF-ov META CRM Bot proizvod je na prodajnoj strani ove platforme; ostali moduli na ovim stranicama — MES, APS, MRP, kvaliteta, održavanje, skladište — vode tvornicu. Gradimo obje polovice, zbog čega je gornji tekst o redoslijedu i kvaliteti podataka, a ne o značajkama.

Jedno treba imenovati, a ne zaobići: taj je proizvod ovdje naveden kao višejezično dopisivanje koje radi danonoćno, a u tehničkoj prodaji to nije dio koji se uključuje prvi. Ograničenja za koja se gore zalažemo stvar su konfiguracije, a ne marketinga — model piše nacrt, a čovjek šalje, eskalacija na svaku obvezu o specifikaciji, cijeni ili isporuci, nema masovnog outbounda na tržište na kojem se ista imena ponavljaju. Tražite ih u probnom radu.

Dio o kojem vrijedi razmisliti jest šav. Industrijskim upitom dominiraju dva pitanja, možete li držati ovu značajku pri ovom taktu i hoće li stići do 34. tjedna, a nijedno nije pitanje na koje bi asistent smio odgovoriti. Prvo je sposobnost procesa na konkretnoj značajki, stroju i napravi, sa studijom mjernog sustava koja ne pojede pola tolerancijskog polja, a na novom dijelu nema povijesti iz koje bi se odgovorilo. Drugo je pitanje buduće raspoloživosti kapaciteta prema knjizi narudžbi koja se mijenja svaki dan. Povijesna isporuka na vrijeme nije kapacitet, a današnji kapacitet nije kapacitet u 34. tjednu.

Ono što asistent može jest dohvatiti dokaze i staviti ih pred osobu koja odgovara. Izmjerena vremena ciklusa i škart na najbližem usporedivom dijelu reći će vašem inženjeru opravdava li upit studiju sposobnosti; knjiga narudžbi u APS-u reći će vašem planeru je li 34. tjedan uvjerljiv. Datum i dalje dolazi od planera. Ako proizvodni zapis nije pouzdan, AI sloj u prodaji izgrađen na njemu svejedno će iz njega raditi ponude.

Zato korisniji prvi razgovor nije demonstracija. To je pregled vaših vlastitih nedavnih upita i onoga što se s njima dogodilo, jer se iz toga u jedno poslijepodne vidi gdje prodaja gubi vrijeme — a ponekad je odgovor da to nije dio koji softver može popraviti.