Как небольшая компания b2b увеличила конверсию продаж на 68% с помощью нейросети. Кейс

Было 25%, через 3 месяца стало 42% конверсия SQL2CW. Статья о том, как добиться нелинейного эффекта с помощью эффективного процесса и автоматизации рутинных операций с помощью ИИ, даже на кровавом рынке, среди акул.

Команда продаж 5 чел: 2хSDR и 3хAE (которые лида превращают в клиента). SDR-ы обеспечивают приток новых квалифицированных лидов (SQL) в количестве 20 шт/мес на каждого. Затем AE принимают лида, проводят доквалификацию и закрывают сделку: подписывают договор и получают первый платеж.

В итоге, из 20 SQL за 4-6 месяцев до оплаты доходило 5 клиентов. Чек - от 5 млн руб. ИТ-услуги, очень много параметров для кастомизации.

Для того, чтобы получить 20 SQL, каждому SDRу необходимо было провести более 60 встреч в месяц, после каждой встречи заполнить 20 ячеек в CRM, написать фоллоуап каждому лиду и еще совершить другие активности, которые позволят запланировать встречи на будущее (Revenue Generation Activities).

Менеджера по контролю качества нет, РОП - играющий тренер, слушать звонки ему некогда. Есть цель - взять под контроль конверсию продаж и наращивать ее итеративно, тестируя разные техники. В целом, заниматься внедрением и долгим онбордингом системы некому. Мы взяли все в свои руки. Со стороны заказчика минимальные усилия: предоставить нам доступ к звонкам и CRM. Раз в неделю встречаемся на час и обсуждаем результаты, слушаем фидбек. Обучение заняло 45 минут - как в школе, и погнали!

Работа SDR - это огромный пласт мелких движений, постоянные переключения: ответы на входящие запросы, звонки и тд. SDR находится на переднем крае: он не может сапрятаться от клиентов, он всегда должен быть на связи. Поэтому работа SDR сопряжена со стрессом и ошибками: люди не успевают делать все правильно. Чтобы снизить количество ошибок, необходимо автоматизировать все, что можно автоматизировать.

Основная задача, стоявшая перед нами на первом этапе - автоматизировать ввод данных в CRM. У заказчика было 7 ключевых вопросов, ответы на которые должны фиксироваться в отдельные ячейки в CRM:

Если ответы на все 7 вопросов есть и цифра в бюджете подходящая - лид считается квалифицированным и передается по процессу на следующий этап-AE, который его принимает и заводит сделку, которую потом доводит до денег. Если ответов нет, делался еще один подход в попытке выяснить эти детали. Если после второй попытки ответы не получались, лида ставили на “прогрев” маркетинговыми инструментами, пока он сам не дозреет.

На начальном этапе нейросеть SalesAI в базе уже определяла наличие ответов на эти вопросы и сами ответы записывались в указанные ячейки в CRM (amoCRM) через API интеграцию. Встречи проходили через Zoom/Meet, поэтому работали через приложение, которое устанавливается на компьютере. Сотрудники на MacOS mp3 файлы встречи загружали в свое облако.

Разработка вопросно-ответной системы для поиска этих 7 ответов заняло всего неделю. Без обучения точность определения ответа была 50%. Самый большой разбег был на вопросе 5. Хотя по логике там всего несколько вариантов: больше зарабатывать или меньше тратить, но люди скатывались в ответы в коннотации задач, а не целей. Но нам это тоже необходимо было фиксировать. Для повышения точности извлечения ответов на все вопросы, мы произвели дообучение нейросети на реальных звонках. Еще через неделю точность извлечения ответов в слепых тестах составила 89%.

На следующих этапах нам необходимо было обеспечить систему закрепления эффективных навыков сотрудниками. Раз уж мы анализируем весь диалог, то почему бы нам и не измерить заодно качество работы SDR и AE? Мы стали оценивать качество работы менеджеров по продажам.

Разбили задачу на этапы:

Анализ результатов первого этапа показал, что:

Теперь они не торопились и если за 45 минут не получили все ответы, то продолжали встречу и доводили ее до результата.

Количество SQL выросло на 28%

Введение дополнительных более тонких метрик позволило через 2 недели увеличить конверсию в SQL до 36%

В результате Won Sales анализа мы установили, что среди всех успешно закрывшихся сделок были дополнительные общие черты:

80% из них на этапе SQL имели ответы на вопросы:

70% из них имели ответы на такие вопросы:

50% имели ответы на эти вопросы:

и 20% сделок имели ответы на такие вопросы:

Нам была поставлена задача расширить и научить нейросеть дополнительно извлекать ответы и на эти вопросы на первых 3-х встречах с клиентом (Discovery, Demo и встреча с ТОПом)

Перед менеджерами стояла задача как можно быстрее проговорить эти темы с клиентом, чтобы он озвучил ответы на них.

Задача SalesAI - как можно быстрее извлечь из разговора ответы на эти вопросы и записать в ячейки CRM.

Для того, чтобы быстрее дообучить нейросеть на реальных звонках и привить новые навыки сотрудникам, мы вывели в интерфейсе SalesAI подсказки по этим вопросам. Задача была просто озвучить вопрос. Дальше - дело техники. Заодно выучили правильные вопросы. Это 50% успеха.

Если система знает ответы на указанные выше 17 вопросов, то подставив правильные ответы в правильный шаблон, у нас получится шикарный фоллоуап, который собирается автоматически. Это позволит не только сэкономить 15-30 минут после каждой встречи, но и зафиксировать лиду еще раз его боли.

Тут как раз об этом и описано детально.

Сейчас нейросеть SalesAI автоматически извлекает из диалогов с клиентами ответы на 17 вопросов, записывает ответы на каждый из них в 17 разных ячеек amoCRM, автоматически создает протокол встречи и контролирует качество работы менеджеров по продажам по 33-м параметрам.

Это дает небольшой компании с командой всего 5 сейлов мощный рычаг конкурентоспособности. За первые 1,5 месяца мы помогли нашему клиенту улучшить следующие цифры:

За следующие 1,5 месяца мы увидели еще прогресс:

А вот тут мы описывали кейс, как мы повысили конверсию на 18% для компании B2C.

Ну а это наш телеграм-канал, в котором мы описываем и кейсы и еще много чего интересного о продажах :)