Как мы зафейлили гипотезу с AI SDR, потратили 1,5 месяца и 2 500 000р

Наша Solution команда создает решение, цель которого повысить метрики inbound воронки в 2 раза. Мы исследуем разные пути, как создать продукт. И в ходе дискавери нашли проблему: когда маркетолог передает лидов сейлзам, менеджеры начинают обрабатывать их слишком поздно.

Наши аудиты воронок показывают, что чаще всего SLA составляет более 12 часов. Хотя должно быть 15 минут. Держать такой показатель очень сложно, но необходимо, чтобы сконвертировать лида во встречу.

Для этого компании нанимают SDRов. Их задачи просты: задать пару квалифицирующих вопросов, назначить встречу и убедиться, что лид до нее дойдет. Этот процесс достаточно шаблонизированный, не требует большой экспертизы и погружения. Значит, его можно автоматизировать. Еще SDR дешевле чем сейлзы (account executive), их меньше обучать и быстрее вводить в работу.

Это одна из причин, почему появилась концепция и видение продукта из 7 этапов CJM:

  • Оставление заявки;
  • Квалифицирующий квиз с несколькими ключевыми вопросами для приоритезации лидов;
  • На основе данных из квиза: ABCD сегментация для определения наиболее горячих лидов, которых нужно асап начать обрабатывать;
  • Бронирование встречи с приоритетными лидами сразу после квиза, без подключения менеджера;
  • Установление контакта в твердом канале после оставления заявки;
  • Догрев до встречи: в выбранном канале отвечаем на вопросы лида, делимся полезными материалами, доносим ценность встречи, все с помощью персонализированных сообщений;
  • Реанимация базы лидов, не дошедших до встречи
CJM с продуктом Dashly: от заявки до встречи
CJM с продуктом Dashly: от заявки до встречи

Прикиньте, от какой головной боли мы можем избавить команду? Наше решение взяло бы на себе огромный пласт рутинной работы и сделало бы CJM лида бесшовным и быстрым.

Мы определили для себя результат. Осталось всего-то понять, как туда дойти :)

Дальше начинается набор экспериментов, как сделать круто

Один из экспериментов: AI SDR

На этапе после получения заявки и определения ABCD сегмента, решили внедрить AI бота. Он должен отвечать на вопросы лида (подходит ли ему продукт, чего ожидать от встречи и тд.), сам задавать уточняющие вопросы и передавать контекст сейлзу.

Наша гипотеза заключалась в том, что бот будет удерживать лида на сайте, не давая ему уйти к конкурентам, а содержание диалогов будет помогать сейлзам персонализировать встречи.

Звучит стройно?

Место гипотезы AI бота в нашем продукте
Место гипотезы AI бота в нашем продукте

Чтобы наш бот мог адекватно разговаривать с лидами:

  • Взяли у клиента сейлз кит, в котором расписано, как менеджеры общаются, и есть FAQ;
  • Сами транскрибировали записи менеджеров и скармливали ChatGPT:
  • После запуска бота, смотрели как он общается, и дотюнивали, чтобы он отвечал правильно.

Работа была проведена гигантская. Эксперимент занял у нас несколько спринтов.

После внедрения получили достаточно хорошие результаты в плане верхнеуровневых метрик: 50% людей после квалификации разговаривали с ботом и у трети были довольно глубокие диалоги.

Общение с AI SDR после прохождения квалификационного квиза
Общение с AI SDR после прохождения квалификационного квиза

Вот только на назначение встречи это никак не влияло...

Мы ставили на то, что AI бот будет занимать лида диалогом, пока с ним не свяжется менеджер. Но по итогу бот просто прерывал естественный флоу лида, и тот отваливался.

Поняли, что нужно сосредоточиться на сокращении времени до назначения встречи, а не на удержании лида. Дорогой по ресурсам, но важный для нас вывод.

Второе важное ожидание от эксперимента: содержание диалогов с ботом должно было быть полезно сейлзам в их последующей работе с лидами. Как мы это видели:

  • АИ бот доквалифицирует человека, выявляя его интерес;
  • Сейлз получает саммари диалога в CRM и делает встречу более персонализированной.

И снова пошло не по плану…

Обратная связь показала, что менеджеры вообще не используют эту информацию и идут на встречу с теми же вопросами.

Главный вывод здесь: для менеджеров учиться и перестраиваться — это головная боль. И развивая именно этот сценарий, мы должны были упрощать их работу. А получалось, что давали какую-то информацию, которая ими не используется.

Приняли решение, что не готовы бороться, не готовы учить менеджеров тому, что можно работать по-другому, когда они сами в этом не заинтересованы.

Гипотеза с ботом стоила нам шести недель работы и пару миллионов, но совершенно не помогала растить конверсию во встречу. Конечно, было больно, но так устроен growth.

Отложили наш эксперимент с АИшкой до следующей более сильной гипотезы. Пока решили сосредоточиться на назначении встречи, чтобы минимизировать вовлеченность менеджера в этот процесс.

Еще больше о гипотезах с инбаунд воронкой (удачные тоже есть ;)) можно почитать в моем тг канале 👉 https://t.me/ive_from_0_to_1

Мы с командой строим продукт на глобал рынке, поэтому много пишу о Go to Market, построении команды и наших экспериментах. Подписывайтесь!

11
Начать дискуссию