AI CRM broni się w sprzedaży przemysłowej tym, że porządnie czyta zapytanie, a nie tym, że wysyła więcej follow-upów

W tym zdaniu kryją się dwa różne biznesy. Zakup inwestycyjny to decyzja komitetu w cyklu od dziewięciu do osiemnastu miesięcy; obróbka skrawaniem według rysunku klienta rozstrzyga się w kilka dni na podstawie tego rysunku, a problemem jest tam liczba zapytań, a nie długość cyklu. Argumenty o zapytaniach ofertowych, kwalifikacji i dokumentacji dotyczą obu przypadków, te o komitecie zakupowym i scoringu — wyłącznie sprzedaży inwestycyjnej. To, co AI robi dobrze w każdym z nich, jest wąskie: przekształca tekst, który i tak już masz.

Dlaczego generyczna automatyzacja CRM nie działa przy długim cyklu sprzedaży B2B

Standardowy podręcznik zakłada jednego kupującego, krótką ocenę, duży rynek i taką liczbę transakcji, żeby scoring w ogóle coś znaczył. Żadne z tych założeń nie jest spełnione. Zakup inwestycyjny ocenia technolog, którego interesuje czas cyklu, inżynier jakości — zdolność procesu, kierownik utrzymania ruchu — części zamienne, kupiec — warunki handlowe, i dyrektor, który odpowiada za pozycję w budżecie inwestycyjnym. Pojawiają się w różnych momentach, więc sekwencja adresowana do „leada” nie trafia do nikogo.

Rynek jest przy tym skończony. Zbiór realnych odbiorców jest na tyle mały, że te same nazwiska wracają przez lata i przez kolejne firmy, bo inżynierowie przechodzą między zakładami — i na tyle mały, że żaden model behawioralny nie ma zbioru uczącego z prawdziwego zdarzenia. Irytująca automatyczna wiadomość nie jest tu błędem zaokrąglenia. Zapamiętuje się ją z nazwiskiem nadawcy.

Kontraktów rzadko przegrywa się z braku kolejnej wiadomości z pytaniem, czy udało się zapoznać z ofertą. Przegrywa się je, bo nie było Cię z niczym użytecznym w momencie, gdy powstawała lista inwestycji na przyszły rok, bo odpowiedź techniczna wróciła za późno albo bo wymaganie nigdy nie zostało spisane w formie, na której dałoby się pracować. Żaden z tych problemów nie jest problemem kadencji wysyłek.

Czytanie zapytania ofertowego i wydobywanie z niego wymagania

Zapytania ofertowe przychodzą w takiej formie, w jakiej klientowi było wygodnie je wysłać: PDF, arkusz, komplet rysunków, trzy akapity w mailu, firmowy formularz zakupowy, w którym istotnych jest sześć pól. Model niezawodnie wyciąga to, co występuje jako tekst — ilości i sposób odbiorów, terminy i warunki dostawy, listę wymaganych certyfikatów, warunki handlowe, numery indeksów wymienione w treści — w czasie potrzebnym na otwarcie pliku.

Pola, których źródłem jest rysunek, to zupełnie inna klasa. Tolerowanie geometryczne (GD&T), oznaczenia spoin, układ baz, chropowatość powierzchni, charakterystyki oznaczone jako krytyczne: to wszystko odczytywane jest zawodnie, a cokolwiek zostanie zdjęte z rysunku, trafia do inżyniera oznaczone jako niezweryfikowana propozycja, nigdy jako wartość, z której można wycenić. Potraktowanie obu klas tak samo to najkrótsza droga od użytecznej ekstrakcji do błędu w ofercie.

Najpierw rozstrzygnij kwestię własności. Komplet rysunków klienta to jego własność intelektualna, zwykle objęta NDA podpisanym na długo przed zapytaniem, a w lotnictwie, obronności i części motoryzacji może podlegać kontroli eksportu według ITAR, EAR albo unijnego rozporządzenia o produktach podwójnego zastosowania. Sprawdź, co NDA dopuszcza w zakresie przetwarzania i podwykonawców, zanim rysunek trafi do modelu, trzymaj prace objęte kontrolą na instalacji lokalnej albo we wdrożeniu bez przechowywania i bez uczenia, i utrzymuj ścieżkę wykluczenia, żeby oznaczeni klienci i rodziny detali nigdy nie weszli do tego obiegu.

Cenniejsza połowa tego, co z tego wychodzi, to lista rzeczy, których w zapytaniu nie ma. Pytania odesłane w pierwszej godzinie to najsilniejszy sygnał kompetencji, jaki w ogóle wyślesz, i to one powstrzymują inżyniera przed wyceną na założeniu, którego nikt nie sprawdził.

Użyteczną ekstrakcję od takiej, którą inżynier i tak przerabia ręcznie, dzielą dwie zasady. Każda pozycja wskazuje swoje źródło: arkusz i komórkę, jeśli źródłem jest skoroszyt, stronę i obszar na niej, jeśli jest nim skan. I model zostawia pole puste, zamiast zgadywać — a to jest współczynnik, który mierzysz osobno dla każdego pola na własnym zbiorze testowym, a nie zachowanie, które dostajesz, każąc mu się wstrzymywać. Wstrzymywanie zawodzi tam, gdzie dostępna jest prawdopodobna wartość domyślna, czyli na tolerancji albo standardowym wykończeniu powierzchni, więc pole o niskim wstrzymywaniu i wysokim błędzie zostawiasz człowiekowi.

Pierwsza odpowiedź techniczna, która niczego firmie nie obiecuje

Pierwsza odpowiedź rozstrzyga, czy w ogóle jesteś w ocenie. Dobra nazywa zastosowanie, zamiast dziękować za zainteresowanie, powtarza wymaganie tak, jak je zrozumiano, zadaje te dwa albo trzy pytania, które zmieniają odpowiedź, i deklaruje następny krok z datą.

Model podaje tę strukturę w minutę, a człowiek poprawia i wysyła. Wysyłka automatyczna to inny system, a nie inne ustawienie tego samego, i żaden szkic nie podaje specyfikacji: każda liczba, która mogłaby trafić do oferty, pochodzi od kogoś, kto ma uprawnienia, żeby wiążąco ją zadeklarować.

Streszczanie historii klienta i utrzymywanie aktualnego rekordu w CRM

Szansa sprzedaży, która ciągnie się czternaście miesięcy, rozłożona jest na sto maili, trzy wizyty, dwie partie próbne i nieudaną próbę. Historia istnieje i nikt jej nie czyta, więc kiedy opiekun klienta odchodzi, jej praktyczna wartość wynosi zero. Model, który przeczyta wątek i wprowadzi w temat następną osobę, jest naprawdę użyteczny.

Jest przy tym stratny, a to, co wypada, to nieproporcjonalnie często jednozdaniowe zobowiązanie zakopane w środku: ustępstwo na tolerancji, cena utrzymana przez wskazany okres, wyłączenie uzgodnione na rozmowie. Streszczenie prawie poprawne, które po cichu pomija ustępstwo, jest gorsze niż jego brak. Traktuj je więc jako wejście do wątku, wiąż każde stwierdzenie z wiadomością, z której pochodzi, a zobowiązania wyciągaj do osobnej listy ze wskazaniem źródeł.

Ta sama funkcja rozwiązuje najstarszy problem CRM. Handlowcy nie aktualizują rekordów, bo aktualizacja to wprowadzanie danych, które nic nie daje w zamian, a odpowiedź jest ta sama co na hali produkcyjnej: proponuj, nie żądaj. Po rozmowie asystent układa notatkę i proponuje zmianę etapu oraz następne działanie. Zostają propozycjami, bo asystent, który po cichu zmienia wartości albo daty zamknięcia, niszczy jedyną rzecz, którą CRM musi być — zapisem, w który ludzie wierzą.

Czy AI CRM zastępuje system, który już masz, czy siada na nim

Przeważnie siada na nim. Rekord klienta, szansy sprzedaży i zamówienia zostaje tam, gdzie jest, czy to Salesforce, Dynamics, HubSpot, Odoo, czy moduł CRM w Twoim ERP. Asystent czyta z tego rekordu, ze skrzynki pocztowej, z archiwum ofert i z repozytorium dokumentów, a zapisuje trzy rzeczy: notatkę, propozycję zmiany pola i zadanie z właścicielem i terminem — wszystko rozliczalne i odwracalne.

Projektem jest więc integracja, a nie model, a wykłada się to zwykle na identyfikatorze, który musi przetrwać drogę między CRM, ERP i systemem dokumentów, bo klucz kontrahenta i numer klienta nigdy nie zostały ze sobą uzgodnione. Jeśli nie masz CRM, najpierw jest CRM: asystent nie utrzyma w aktualności rekordu, który nie istnieje.

W czym AI jest słabe i gdzie Cię to kosztuje

Nie zna Twoich możliwości: tego, że tolerancja jest osiągalna, ale dopiero w drugiej operacji, że ten stop zaciera się w Twoim procesie, że podana wielkość roczna jest wielokrotnością tego, co ten segment kiedykolwiek zamawiał. Nie ma poczucia konsekwencji handlowych i równie chętnie napisze pewne zdanie o czasie realizacji, co ostrożne, bo oba są poprawną polszczyzną. Nie wie też, co zmieniło się po tym, jak przekazałeś mu dokumenty, przez co aktualność dokumentacji jest obowiązkiem operacyjnym, a nie zadaniem wdrożeniowym.

Kwalifikacja leadów, która szanuje kupującego technicznego: dlaczego scoring to nie kwalifikacja

Scoring przypisuje liczbę na podstawie zachowań: odwiedzone strony, otwarte maile, pobrane dokumenty. Na rynku z tak małą liczbą realnych kupujących mierzy to głównie ciekawość, a profilem, który nagradza najpewniej, jest inżynier konkurencji czytający Twoją dokumentację.

Kwalifikacja odpowiada na inne pytania. Czy istnieje zastosowanie, do którego pasuje nasza maszyna, opisane na tyle konkretnie, żeby dało się to sprawdzić. Czy jest budżet i w jakim okresie. Kto decyduje i kto może zawetować. I co się stanie, jeśli nie zrobią nic.

Asystent pomaga tylko tym, że zadaje pytania, na które kupujący techniczny chce odpowiedzieć. Inżynier bez oporu poda detal, materiał, wielkość serii i czas cyklu, a porzuci formularz żądający przedziału zatrudnienia i widełek budżetowych. Najbardziej niedocenianym efektem jest szybkie nie: większość kosztu złego zapytania to praca inżyniera aplikacyjnego zużyta, zanim ktokolwiek ustalił, że nigdy nie pasowało.

Chatbot AI, który odpowiada z Twojej dokumentacji, zamiast zmyślać

Zadaj modelowi językowemu pytanie o produkt, a odpowie z tego, czego się nauczył, prozą łudząco podobną do Twojej dokumentacji, przy czym pewność brzmienia nie ma żadnego związku z prawdziwością. W sprzedaży technicznej to najgorsza możliwa awaria, bo błędna odpowiedź trafia na zrzut ekranu, jest przesyłana dalej i cytowana Ci na spotkaniu.

Przeżywalne czyni to ugruntowanie odpowiedzi w dokumentach. Pytanie wyszukuje fragmenty w Twoich własnych dokumentach, model odpowiada wyłącznie z nich i je wskazuje, przez co typowa awaria zamienia się w „nie znalazłem tego w dokumentacji”. Większość pracy jest po stronie dokumentów: które są obowiązujące, które zostały wycofane i muszą zniknąć z indeksu wyszukiwania — pozostając w systemie dokumentów zgodnie z Twoją procedurą jakości, ale poza zasięgiem asystenta — i które są poufne.

To nie eliminuje awarii. Wyszukiwanie zwraca wycofaną rewizję, bo to ona lepiej pasuje tekstowo; zwraca właściwy dokument, a model źle odczytuje w nim tabelę; nie znajduje nic sensownego i tak czy owak odpowiada z tego, czego się nauczył. Wskazanie źródła pogarsza każdy z tych przypadków, bo w błędną odpowiedź z nazwą dokumentu przy niej wierzy się mocniej.

Egzekwuj więc ograniczenia w systemie, a nie w dokumencie polityki: odpowiadaj wyłącznie z materiałów opublikowanych, podawaj nazwę i rewizję użytego dokumentu, przy pytaniach o specyfikację odmawiaj zamiast wnioskować, nigdy nie podawaj ceny ani terminu. I zapisuj każde pytanie, na które nie umiał odpowiedzieć, bo ten dziennik to spisana przez Twoich klientów lista tego, czego nie opublikowałeś.

Dane, które już masz, i co trzeba zrobić, żeby dało się ich użyć

Jest ich więcej, niż myślisz, i są w gorszym stanie, niż myślisz. Skrzynka pocztowa zawiera lata zapytań ofertowych i wymiany technicznej, historia ofert to, co proponowałeś i po jakiej cenie, a powody przegranych — najcenniejszy zbiór danych w firmie, o ile ktokolwiek wypełniał je uczciwie. ERP trzyma Twoje czasy realizacji i daty dostaw, które warto sprawdzić, zanim im zaufasz: planowane kontra rzeczywiste i to, czy obiecany termin nie był nadpisywany za każdym razem, gdy się przesuwał.

Dalej ich stan. Ten sam klient istnieje trzy razy w różnej pisowni, a niemiecka spółka córka jest osobnym kontrahentem bez powiązania ze spółką matką, więc nikt nie widzi, że grupa kupiła już dwie linie. A powód przegranej to na większości rekordów „cena”, czyli to, co ludzie wybierają, gdy prawdziwym powodem była wolna odpowiedź.

Praca jest nieefektowna i to ona stanowi większość projektu: deduplikacja kontrahentów, odwzorowanie struktur grup kapitałowych, uzgodnienie jednej obowiązującej lokalizacji dokumentacji z jawnym polem rewizji, zastąpienie powodu przegranej wpisywanego ręcznie w polu tekstowym krótką listą, z której handlowiec może wybrać zgodnie z prawdą. Model zbudowany na tych danych dziedziczy każdy błąd i podaje go z pełnym przekonaniem.

Przekazanie do człowieka i dlaczego złe przekazanie kasuje całą wartość

Moment, w którym asystent kończy, a zaczyna człowiek, jest tym, po którym klient ocenia cały system. Klient szczegółowo opisuje swoje zastosowanie, handlowiec dzwoni dwa dni później i zadaje te same pytania od początku, a wszystko, co zyskała automatyzacja, przepada w tej jednej minucie.

Przekazanie, które działa, niesie ze sobą rozmowę podpiętą do szansy sprzedaży, pytanie, które wywołało eskalację, imiennego właściciela zamiast wspólnej skrzynki i czas odpowiedzi, za który ktoś odpowiada. Mów wprost, czym jest asystent, bo kupujący techniczny zorientuje się w kilka wymian zdań, i eskaluj automatycznie przy każdym zobowiązaniu co do specyfikacji, każdej cenie, każdej reklamacji i zawsze, gdy klient pyta o to samo drugi raz.

Uczciwy pomiar: czas odpowiedzi i kwalifikowany pipeline, a nie liczba wysłanych wiadomości

Większość raportów z takich systemów mierzy ich własną aktywność: wysłane wiadomości, obsłużone rozmowy, godziny zaoszczędzone według mnożnika podanego przez dostawcę. Wszystkie te liczby rosną niezależnie od tego, czy cokolwiek się poprawiło. Zacznij zamiast tego od czasu od zapytania do pierwszej merytorycznej odpowiedzi technicznej, gdzie merytoryczna znaczy, że odniosła się do zastosowania, a nie potwierdziła wpłynięcie. Potem czas od zapytania ofertowego do oferty na tych zapytaniach, które przyjąłeś jako mieszczące się w zakresie, i udział tych, które doszły do oferty — co pokazuje te umierające w kolejce u inżyniera.

Odrzucone zapytania mierz na osobnej osi, czyli ile dni zajęło ich odrzucenie, bo to jest liczba, którą szybkie nie ma obniżać. Jeden wskaźnik ofertowania liczony na obu mianownikach mówi organizacji, żeby wyceniała zapytania, które właśnie kazałeś jej odrzucać. Potem kwalifikowany pipeline wobec definicji kwalifikacji spisanej przed projektem oraz liczba pytań, na które asystent nie umiał odpowiedzieć — ta powinna spadać, w miarę jak publikujesz to, czego brakowało.

RODO i czego oczekuje europejski kupujący przemysłowy

Podstawa prawna kontaktu handlowego B2B nie jest w Europie jednolita. Krajowe wdrożenia przepisów ePrivacy różnią się, a w części państw członkowskich niezamówiona wiadomość handlowa do kontaktu służbowego traktowana jest znacznie ostrzej, niż sugeruje zwyczajowe streszczenie o „uzasadnionym interesie”. Rozstrzygnij to z prawnikiem osobno dla każdego rynku i zbuduj system tak, żeby reguły mogły różnić się między krajami bez przepisywania go od nowa.

Reszta to decyzje inżynierskie z konsekwencjami po stronie zakupów. Ankieta kupującego zapyta, gdzie przetwarzany jest tekst jego zapytania, czy opuszcza UE, czy uczy czyjegokolwiek modelu i jak długo jest przechowywany. Cztery krótkie odpowiedzi przeprowadzą Cię przez to pierwsze sito: przetwarzanie w UE, brak uczenia na treściach klientów, określony okres przechowywania, logowany dostęp. Za sitem stoi podpisana umowa powierzenia przetwarzania, lista podprocesorów, Twoje środki techniczne i organizacyjne oraz zwykle certyfikat ISO 27001 albo SOC 2. Skompletuj to, zanim przyjdzie zapytanie.

Każdą decyzję o odrzuceniu zapytania niech zatwierdza człowiek — co jest zarazem właściwą konstrukcją i końcem sporu o zautomatyzowane podejmowanie decyzji. Poza prawem: europejski kupujący przemysłowy oczekuje, że będzie traktowany jak profesjonalista, a zmyślone „wracam do naszej rozmowy” szkodzi na małym rynku technicznym bardziej niż niewysłanie niczego.

Od czego zacząć: pierwszy projekt AI w sprzedaży

Jeden proces, osiem do dwunastu tygodni, jeden imienny właściciel po stronie sprzedaży i jeden po stronie inżynierii oraz spisana definicja sukcesu, zanim cokolwiek powstanie. Zacznij od ścieżki przychodzących zapytań ofertowych: tam skupia się wartość, a błędy systemu widzą najpierw Twoi właśni ludzie.

Pierwsze dwa tygodnie poświęć na zebranie pięćdziesięciu prawdziwych zapytań ofertowych z ostatnich dwóch lat wraz z tym, co na nie zaproponowano i jak się skończyły. Ten zbiór jest testem, a bez niego oceniasz system na demonstracjach dobranych przez tego, kto je zbudował. Potem zbuduj ekstrakcję i listę brakujących informacji, sprawdzaną przez inżyniera aplikacyjnego wobec tego, czym wymaganie okazało się naprawdę. Asystent rozmawiający z klientem jest na końcu, bo tylko on rozmawia z klientami bez nadzoru.

Kryteria wyjścia spisz przed startem: czas pierwszej odpowiedzi na wskazanym segmencie, godziny pracy inżynierii na jedno zapytanie oraz ekstrakcja oceniona na tym zbiorze referencyjnym — precyzja dla każdego pola, a przede wszystkim czułość (recall) na polach, które niosą ryzyko wyceny. Odsetek zaakceptowanych propozycji jest sygnałem adopcji, a nie kryterium wyjścia: gdy inżynierowie wiedzą, że to jest oceniane, drobne poprawki się kończą, a błędy, które mają znaczenie, to pominięcia, których recenzent przeglądający schludną listę nie wychwyci. Z góry ustal, czego odmówisz: masowej wysyłki wychodzącej, czegokolwiek, co wysyła bez przeglądu, i uruchamiania tego tam, gdzie podstawa prawna albo kwestia NDA są otwarte.

Gdzie w tym wszystkim mieści się Meta Smart Factory

META CRM Bot to produkt MSF po stronie sprzedaży tej platformy; pozostałe moduły na tej stronie — MES, APS, MRP, jakość, utrzymanie ruchu, magazyn — prowadzą fabrykę. Budujemy obie połowy i właśnie dlatego powyższy tekst jest o kolejności i jakości danych, a nie o funkcjach.

Jedną rzecz trzeba nazwać, zamiast ją wygładzać: ten produkt opisany jest tutaj jako wielojęzyczna komunikacja działająca całą dobę, a w sprzedaży technicznej to nie jest ta część, którą włącza się jako pierwszą. Ograniczenia, za którymi argumentowano powyżej, są kwestią konfiguracji, a nie marketingu — szkic z człowiekiem, który go wysyła, eskalacja przy każdym zobowiązaniu co do specyfikacji, ceny albo terminu, brak masowej wysyłki wychodzącej na rynek, na którym wracają te same nazwiska. Poproś o nie w wersji testowej.

Częścią wartą przemyślenia jest styk. W zapytaniu przemysłowym dominują dwa pytania — czy utrzymacie tę charakterystykę przy tym takcie i czy to będzie u nas w 34. tygodniu — i żadne z nich nie jest pytaniem, na które asystent powinien odpowiadać. Pierwsze to zdolność procesu dla konkretnej charakterystyki, maszyny i oprzyrządowania, z analizą systemu pomiarowego, która nie zjada połowy pola tolerancji, a przy nowym detalu nie ma historii, z której dałoby się odpowiedzieć. Drugie to pytanie o przyszłe moce wobec portfela zamówień, który zmienia się codziennie. Historyczna terminowość dostaw to nie zdolność produkcyjna, a zdolność dzisiaj to nie zdolność w 34. tygodniu.

To, co asystent zrobić może, to pobrać dowody i położyć je przed osobą, która odpowiada. Zmierzone czasy cyklu i braki na najbliższym porównywalnym detalu powiedzą Twojemu inżynierowi, czy zapytanie uzasadnia badanie zdolności; portfel zamówień w APS powie planiście, czy 34. tydzień jest realny. Datę i tak podaje planista. Jeśli zapis produkcyjny nie jest wiarygodny, warstwa AI w sprzedaży zbudowana na nim i tak będzie z niego wyceniać.

Bardziej użyteczna pierwsza rozmowa nie jest więc demonstracją. Jest przeglądem Twoich własnych ostatnich zapytań ofertowych i tego, co się z każdym z nich stało, bo to w jedno popołudnie pokazuje, gdzie sprzedaż traci czas — a czasem odpowiedź brzmi, że to nie jest ta część, którą naprawi oprogramowanie.