OpenAI-তে ইনবাউন্ড লিডকে কাস্টমারে রূপান্তর করা
এটি আমাদের সিরিজের অংশ যেখানে OpenAI কীভাবে আমাদের প্রযুক্তির উপর ভিত্তি করে নিজের সমাধান তৈরি করছে তা দেখানো হয়েছে.
যখন ChatGPT এন্টারপ্রাইজ এবং বিজনেস প্রত্যেকটি চালু করা হয়েছিল, ইনবাউন্ড ডিমান্ড ব্যাপকভাবে বেড়ে গিয়েছিল. প্রায় লাখ লাখ কোম্পানি—প্রারম্ভিক স্টেজের স্টার্টআপ থেকে বহুজাতিক এন্টারপ্রাইজ পর্যন্ত—প্রতি মাসে যোগাযোগ করছিল. ডিমান্ড চমৎকার ছিল. আমাদের সিস্টেমের উপর চাপ বাস্তব ছিল.
সেই লিডগুলো ফর্ম এবং স্থির ওয়ার্কফ্লো দিয়ে রুট করা সেই মুহূর্তে কার্যকর ছিল না. অনেক সম্ভাব্য গ্রাহকরা একটি স্বয়ংক্রিয় উত্তর পেয়েছিল যা তাদেরকে অনলাইনে সাইন আপ করতে বলেছিল. খুব কম সংখ্যক গ্রাহক তাদের প্রশ্নের উত্তর পেয়েছিল. ফলস্বরূপ, সুযোগগুলো হারিয়ে গেছে এবং একটি ক্রয় অভিজ্ঞতা তৈরি হয়েছে যা গ্রাহকের আমাদের প্রতি রাখা আস্থার সাথে মিলেনি.
চ্যালেঞ্জ শুধু স্কেল ছিল না. এটি ছিল মান. গ্রাহকরা নির্দিষ্ট উত্তর চেয়েছিলেন:
- এই পণ্যটি হেলথকেয়ার পরিবেশে মান্য কি?
- আমরা পরিকল্পনাগুলো কীভাবে তুলনা করব এবং সঠিকটি কীভাবে নির্বাচন করব?
- আমাদের শিল্পের সহকর্মীরা কী ফলাফল দেখছে?
“আমরা প্রতি মাসে হাজার হাজার লিড পাচ্ছিলাম এবং কেবল একটি ছোট অংশের সঙ্গে কথা বলার ক্ষমতা ছিল. কিছু লিডকে চমৎকার ক্রয় অভিজ্ঞতা দেওয়ার জন্য কয়েকটি প্রশ্নের উত্তর প্রয়োজন ছিল, কিন্তু আমরা সেই ব্যক্তিগত অভিজ্ঞতা দিতে পারিনি,” বলেছেন হর্ষা চিলাকামারী, গো-টু-মার্কেট ইনোভেশন.
প্রচলিত অটোমেশন সেই সূক্ষ্মতার বোঝা বহন করতে পারত না. সরলরেখায় নিয়োগ করা টেকসই ছিল না. আমাদের একটি ভিন্ন পদ্ধতির প্রয়োজন ছিল.
আমরা একটি AI-চালিত ইনবাউন্ড সেলস অ্যাসিস্ট্যান্ট তৈরি করেছি যা রেপসকে প্রতিস্থাপন করার জন্য নয়, তাদের পৌঁছনকে বাড়ানোর জন্য—রেপ ফিডব্যাক দিয়ে প্রশিক্ষিত এবং পরিশোধিত.
এর মূল কোরে আমাদের অভ্যন্তরীণ কানেক্টরগুলো রয়েছে. প্রোডাক্ট ডকুমেন্টেশন, নীতি লাইব্রেরি, গ্রাহক গল্প এবং প্লেবুকগুলো সেই প্রসঙ্গে আনা হয় যা মডেল বিশ্লেষণ করতে পারে. অ্যাসিস্ট্যান্ট অনুমান করে না. এটি সঠিকভাবে প্রতিক্রিয়া জানায়, প্রাস্পেক্টের ভাষায়, সরাসরি তাদের প্রশ্নের সঙ্গে সম্পর্কিত.
এর মানে, প্রাস্পেক্টরা কয়েক মিনিটের মধ্যে ব্যক্তিগতকৃত উত্তর পান, তাদের নিজস্ব ভাষায় লেখা, তাদের প্রকৃত প্রশ্নের উপর ভিত্তি করে.
- টোকিওর একটি কোম্পানি জাপানি ভাষায় উত্তর পায়, ইংরেজি ফর্ম লেটার নয়.
- কমপ্লায়েন্স সম্পর্কে জিজ্ঞাসা করা একটি হাসপাতাল সিস্টেম প্রথম এক্সচেঞ্জেই বিস্তারিত পায়, কয়েক দিনের অপেক্ষার পর নয়.
- যদি প্রাস্পেক্ট এন্টারপ্রাইজ-যোগ্য হয়, থ্রেডটি কোনো বাধা ছাড়াই রেপকে হস্তান্তর করা হয়, প্রসঙ্গ অপরিবর্তিত থাকে.
“এই মডেলটি আমাদের প্রতিটি গ্রাহকের সঙ্গে যোগাযোগ করতে এবং একটি অতিরিক্ত ব্যক্তিগতকৃত অভিজ্ঞতা দিতে সক্ষম করে,” বলেছেন চিলাকামারী.
এটি কেবল স্বয়ংক্রিয়তার জন্য নয়. এটি এমন স্বয়ংক্রিয়তা যা সঙ্গে সঙ্গে মূল্য দেয়.
ব্রেকথ্রু কেবল অ্যাসিস্ট্যান্টের প্রথম প্রতিক্রিয়া নয়. এটি এর পেছনের লুপ.
মডেল প্রশিক্ষণের সময়, প্রতিটি খসড়া উত্তর সংশোধনের জন্য সেলস রেপদের কাছে ফেরত পাঠানো হয়. প্রতিটি সংশোধন প্রশিক্ষণ ডেটা হয়ে যায়. সঠিকতা কয়েক সপ্তাহের মধ্যে 60 শতাংশ থেকে 98 শতাংশেরও বেশি বেড়েছে. সাধারণ টেমপ্লেটের পরিবর্তে, অ্যাসিস্ট্যান্ট আমাদের টিমের সেরা সংস্করণের মতো শোনাতে শুরু করে, বিচারবুদ্ধি কোডিফাই করে এবং স্কেলে উপলব্ধ করে.
“শুধু আমি এবং আরেকজন ইঞ্জিনিয়ার মিলিয়ে আমরা একটি অত্যন্ত জটিল এভাল সিস্টেম তৈরি করেছি… একবার আমরা সেই এভালগুলো করার উপায় পেলাম, বিশেষ করে স্বয়ংক্রিয়ভাবে, আমরা দ্রুত 60% সঠিকতা থেকে 90% এবং এখন প্রথম ইমেইলে 98%-এ পৌঁছাতে পেরেছি.”
রেপসের জন্য, পরিবর্তন তাৎক্ষণিক ছিল. ইনবক্সগুলো অযোগ্য লিডে ভরে ওঠেনি. তারা ইতিমধ্যে চলমান কথোপকথন খুলেছিল, যেখানে প্রাস্পেক্টদের বাস্তব উদ্দেশ্য এবং বাস্তব প্রশ্নের উত্তর ছিল.
এভালস নেতৃত্বকে আত্মবিশ্বাসও প্রদান করেছিল. তারা কেবল গল্প নয়, পরিমাপযোগ্য অগ্রগতি দেখিয়েছে. তারা প্রমাণ করেছে যে অ্যাসিস্ট্যান্টকে দায়িত্বশীলভাবে স্কেল করা যায়.
প্রভাব তাত্ক্ষণিক ছিল. একটি ছোট কোম্পানি, কিউতে হারিয়ে যাওয়া, প্রশ্ন জমা দিল, কয়েক ঘণ্টার মধ্যে গভীর চিন্তাশীল উত্তর পেয়েছে, এবং কয়েক দিনের মধ্যে একটি এন্টারপ্রাইজ চুক্তি স্বাক্ষর করল. সেই গল্পগুলো বারবার পুনরাবৃত্তি হলো.
যা আগে একটি বন্ধ রাস্তা ছিল তা আমাদের সবচেয়ে শক্তিশালী বৃদ্ধির চ্যানেলের একটি হয়ে গেল. কয়েক মাসের মধ্যে, বার্ষিক পুনরাবৃত্ত আয়ে বহু মিলিয়ন উন্মুক্ত হলো.
“আমাদের সবচেয়ে বড় আকস্মিক উপলব্ধি মুহূর্তটি এসেছিল যখন আমরা প্রথমবার অ্যাসিস্ট্যান্ট চালু করেছিলাম আমরা বুঝতে পারলাম, যদি আমরা ইনবাউন্ড লিডকে ব্যক্তিগতকৃত অভিজ্ঞতা দিই এবং মূল প্রশ্নের দ্রুত উত্তর দিই—এমনকি ইমেইলের মাধ্যমে—অনেকে খুব দ্রুত কেনার জন্য উদগ্রীব থাকে
যোগ্য লিড পাওয়া রেপদের জন্য, এই পরিবর্তনও সমানভাবে মূল্যবান ছিল. সাধারণ লিড খুঁজে বের করার পরিবর্তে, তারা স্পষ্ট উদ্দেশ্য সহ সক্রিয় কথোপকথন দেখল. প্রথমবারের মতো, কেউ পিছনে পড়ে যাওয়া অনুভব করল না.
এটি কেবল ইনবাউন্ড লিডের ব্যাপার নয়. এটি একটি বৃহত্তর সুযোগের দিকে নির্দেশ করে: অনবোর্ডিং, রিনিউয়াল, এবং সাপোর্ট সমস্তই বিশ্বাসযোগ্য, ব্যক্তিগতকৃত কথোপকথন থেকে উপকৃত হতে পারে.
পাঠটি সহজ: যখন আপনি AI-এর মাধ্যমে আপনার সেরা রেপদের উৎকর্ষকে স্কেল করেন, তখন আপনি পুরো দলের জন্য সম্ভবককে পরিবর্তন করেন.
চিলাকামারী যেমন বলেছেন: “নেতৃত্ব এই ব্যাপারে আরও উত্তেজিত হতে পারত না. এটি প্রমাণ যে আমরা OpenAI-এর উপর OpenAI তৈরি করতে পারি এবং আমাদের প্রযুক্তি সরাসরি গ্রাহকদের কাছে প্রদর্শন করতে পারি.”
প্রতিটি লিড ব্যক্তিগতকরণ করা একটি কৌশল নয়. এটি সমস্ত সংযুক্তির জন্য একটি উন্নত উপায় হয়ে যাচ্ছে.
