В отделе продаж есть куча задач, которыми никто не хочет заниматься, в том числе и РОП. Но хочешь-не хочешь, а надо — от этого ведь напрямую выручка зависит. Мало кому нравится, например, прослушивать все записи звонков, давать им оценку и рекомендации по улучшению. Что делать в этом случае?
Конечно же, нанять сотрудника, которому рутинные задачи нипочем, ведь он не знает ни усталости, ни скуки. У него нет любимчиков и ограничения по рабочим часам. Желательно еще и дешевого, которому даже рабочее место не нужно. В общем, нейросетевого.
Сегодня расскажем, с какими проблемами столкнулся отдел внедрения Аспро.Cloud, и какие ИИ-инструменты нам помогли их решить.
Проблема отдела
Мы давно выяснили что КЭВ (ключевой этап воронки) в наших продажах это демовстречи в формате онлайн-видеоконференции. Обычно они занимают 30-45 минут, иногда немного больше.
На демо-встречу клиенты заранее записываются и проходят скоринг: категория А/В/С. Это помогает фокусировать усилия менеджеров на результативных встречах.
Они помогают:
- Нам понять, какие задачи нужно решить клиенту.
- Клиенту понять, какие задачи может решить Аспро.Cloud.
Это важная двусторонняя коммуникация, потому что в ходе диалога клиенты понимают, какие еще проблемы можно решить с помощью внедрения и это ключевой этап воронки продаж. Удобно для всех.
Поскольку этап ключевой, его нужно более тщательно контролировать. Поэтому это постоянная, монотонная работа для руководителя отдела.
.jpg)
В отделе 3 сотрудника, и если каждый проведет, например, 5 встреч — это 7,5 часов видео, которые надо отсмотреть. А бывает и больше. Тратить весь рабочий день на это просто невозможно.
А даже если бы и было возможно, то все равно глаз замыливается, начинаешь уставаить и отвлекаться. В итоге можно пропустить важные моменты.
Зачем отсматривать встречи? Чтобы контролировать качество работы каждого менеджера. У нас есть стандарты, и их необходимо соблюдать. Плюс со стороны и с высоты опыта руководитель всегда может дать ценный совет, подсказать, как лучше провести ту или иную встречу.
Поэтому какое-то время демовстречи отсматривали выборочно. Просто выбираешь случайную встречу, например, клиента категории А, и на ее основе делаешь выводы о работе сотрудника. Кого-то контролировали больше, кого-то — меньше.
Очевидно, что это неоптимальный способ, ведь значительная часть встреч остается без контроля и обратной связи для улучшения.
Решаем проблему с помощью ИИ
Мысли о внедрении искусственного интеллекта в отдел продаж у нас были давно. Поэтому когда мы окончательно сформировали видение проблемы, мы перешли к разработке решения. Звучала задача так: нужен инструмент, который упростит обработку контроля качества демовстреч.
К решению проблемы мы подошли системно. Сперва сформировали список «хотелок», без которых проект будет бесполезен:
- Решение должно быть автоматизированным — чтобы менеджеру не нужно было вручную загружать куда-то запись, писать промпт и копировать ответ. Наша задача — уменьшить рутинную нагрузку, а не увеличить ее.
- На выходе мы должны получить резюме встречи: зафиксированные договоренности, задачи на нашей стороне и на стороне клиента.
- Контроль качества. У нас уже был чек-лист контроля качества встречи, от ИИ требовалось только проанализировать по нему встречу.
- Оценки контроля качества должны фиксироваться в едином документе и быть доступны для анализа. На основе данных оценок будет высчитываться средняя оценка для каждого менеджера, которая влияет на его KPI и зарплату
В качестве вводной у нас транскрибация встречи от Zoom. Сервис делает ее сам, без дополнительных интеграций. Файл расшифровки передаем в LLM.
У языковой модели уже есть чек-лист из 16 параметров для оценки качества проведения встречи. По нему она оценивает работу менеджера, после чего заполняет онлайн-таблицу с оценками.
В таблице помимо оценок по критериям есть текстовая оценка встречи:
- Good — подчеркиваем, что менеджер сделал хорошо.
- Improve — что стоит улучшить.
- Work on — над чем стоит поработать.
Итого в таблице есть все важные данные для аналитики: дата встречи, ответственный менеджер, оценки по критериям. Дальше остается собрать сводные таблицы, и вся полезная информация — под рукой.
Параллельно этому LLM передает информацию в Аспро.Cloud в виде комментария к сделке. В нем:
- рекомендации менеджеру;
- заполненный шаблон с итогами встречи для отправки клиенту;
- процент соответствия критериям чек-листа;
- файл с расшифровкой.
В целом — все просто. Настроенная интеграция выглядит так:
Но мы немного упростим для восприятия
Контроль ИИ
Доверяй, но проверяй. На первых порах мы вели 2 параллельные таблицы: с ручными оценками встреч, и с оценками от LLM. Это необходимо, чтобы убедиться, что ИИ корректно понимает критерии, и результат не будет принципиально отличаться от ручной оценки.
Мы сверяли показатели и донастраивали промпт языковой модели. Она часто «жалела» менеджера и ставила балл там, где РОП бы его не поставил. После некоторых правок удалось прийти к реалистичной картине, где оценки ИИ и руководителя совпадали.
Однако важно помнить, что при любой настройке ИИ-автоматизации важно проводить первичную проверку. А лучше и не только первичную.
Отчет по продажам
Параллельно с этим настроили отчеты по выставленным счетам в телеграм для исполнительного директора и руководителей отделов.
Выглядит это так:
Возможные изменения
Это все — первая итерация автоматизации с помощью ИИ-агентов. Скорее всего, со временем она изменится, и мы уже отметили для себя некоторые точки роста:
- Виджет оценки менеджеров на рабочий стол Аспро.Cloud. Сейчас все графики — в онлайн-таблицах, не совсем удобно.
- Тестирование разных языковых моделей. Возможно, другая LLM даст лучший результат: более точные оценки или рекомендации будут полезнее.
- Состав критериев оценки. Со временем будем корректировать промпты чек-лист оценки. Он обязательно меняется со временем: сезонность, акции, новый приоритет в продажах.
- Дискретные критерии оценки. Сейчас модель оценивает критерии от 0 до 1 с шагом в 0,5. Получается только 3 возможных варианта. Уже в ближайшей итерации будем тестировать шаг в 0,25 — так будет меньше погрешность.
Тем не менее текущим результатом мы более чем довольны. У руководителя развязались руки на действительно важные задачи, а менеджеры оперативно получают обратную связь — буквально по завершении встречи. Это важно, потому что так замечания лучше усваиваются, ведь сотрудник еще помнит контекст.
А руководитель, накопив данные по оценкам, может скинуть таблицу для анализа в ИИ, чтобы он определил ключевые проблемы и помог составить план обучающего тренинга
Мы регулярно оцениваем эффективность отдела. Благодаря этим проверкам мы повысили качество работы менеджеров, что в свою очередь увеличило конверсию в продажу. Как итог: +28% к выручке за месяц. И есть подозрение, что это еще не предел.
У меня же стало заметно больше времени на другие задачи. По ощущениям освободилось больше 50% рабочего времени.
Теперь мне достаточно просмотреть отчет от ИИ, чтобы узнать, как работает отдел. Это не только быстрее, но и более объективно, чем слушать выборочные встречи. Раньше такого результата можно было добиться только если нанимать аутсорсинговую компанию.
Если вы тоже хотите подключить какую-либо ИИ-автоматизацию в Аспро.Cloud, мы всегда готовы помочь. Просто оставьте заявку — и мы свяжемся, чтобы обсудить возможное внедрение.
