Konvertering af indgående kundeemner til kunder hos OpenAI

Dette er en del af vores serie om, hvordan OpenAI bygger sine egne løsninger på vores teknologi.

Da ChatGPT Enterprise og Business hver især blev lanceret, steg den indgående efterspørgsel. Titusindvis af virksomheder – fra helt nystartede virksomheder til multinationale koncerner – kontaktede os hver måned. Efterspørgslen var bemærkelsesværdig. Belastningen på vores systemer var reel.

At føre disse kundeemner gennem formularer og statiske arbejdsgange ville tage alt for lang tid. For mange potentielle kunder fik et automatiseret svar, der bad dem om at tilmelde sig online. For få fik svar på deres spørgsmål. Resultatet var forspildte muligheder og en købsoplevelse, der ikke matchede den tillid, kunderne viste os.

Udfordringen var ikke kun mængden. Det var kvaliteten. Køberne ville have specifikke svar.

• Overholder dette produkt kravene i sundhedsvæsnet?
• Hvordan sammenligner vi abonnementer og vælger det rigtige?
• Hvilke resultater ser andre aktører i vores branche?

“Vi fik tusindvis af kundeemner hver måned og havde kun kapacitet til at tale med ganske få. Nogle kundeemner ønskede at få besvaret et par spørgsmål for at få den gode købsoplevelse, men vi var ikke i stand til at given den personliggjorte oplevelse,” siger Harsha Chilakamarri, Go-to-Market Innovation.

Traditionel automatisering kunne ikke tage højde for det. Lineær ansættelse var ikke økonomisk. Vi havde brug for en anden tilgang.

Vi skabte en AI-drevet assistent til indgående salg, ikke konstrueret til at erstatte sælgere, men til at udvide deres rækkevidde – trænet og justeret via sælgernes feedback.

Kernen i den er vores interne forbindelser. Produktdokumentation, politikbiblioteker, kundecases og playbooks sættes i en kontekst, som modellen kan ræsonnere over. Assistenten gætter ikke. Den svarer med præcision på salgsemnets sprog og i direkte sammenhæng med spørgsmålet.

Det betyder, at kundeemnerne får et personliggjort svar inden for få minutter, skrevet på deres eget sprog og med udgangspunkt i deres faktiske spørgsmål.

• En virksomhed i Tokyo får et svar på japansk og ikke et standardbrev på engelsk.
• Et hospital, der spørger om overholdelse af standarder, får oplysninger i umiddelbar forlængelse af spørgsmålet og ikke efter flere dages venten.
• Hvis kundeemnet klassificeres som en virksomhed, overføres mailtråden problemfrit til en sælger med hele den tilhørende kontekst.

“Med den model kan vi tage os af hver eneste kunde og give kunden en ekstremt personlig oplevelse,” siger Chilakamarri.

Det er ikke automatisering for dens egen skyld. Det er automatisering, der leverer værdi med det samme.

Gennembruddet var ikke kun assistentens første svar. Det var det bagvedliggende loop.

Ved træning af modellen blev hvert eneste svarkladde ført tilbage til sælgerne til korrektion. Hver korrektion blev træningsdata. Præcisionen steg fra 60 % til mere end 98 % efter få uger. I stedet for generiske skabeloner begyndte assistenten at lyde som den bedste version af vores team, idet den kodificerede vurderinger og gjorde dem tilgængelige i stor skala.

For sælgerne skete skiftet med det samme. Indbakkerne var ikke længere fyldt op med ikke-kvalificerede salgsemner. De åbnede samtaler, der allerede var i bevægelse med kundeemner, der havde et reelt ønske om at købe og reelle spørgsmål, de ønskede svar på.

Evalueringerne betød også øget tillid hos ledelsen. De viste målbar fremgang, ikke blot anekdoter. De beviste, at assistenten kunne skaleres op ansvarligt.

Virkningen var øjeblikkelig. En lille virksomhed, der før var fortabt i køen, sendte spørgsmål, fik relevante svar inden for få timer, og underskrev en virksomhedsaftale få dage senere. Den type historier gentager sig igen og igen.

Det, der før var en blindgyde, blev nu en af vores stærkeste salgskanaler. Inden for få måneder blev der låst op for millionbeløb i årligt tilbagevendende indtægter.

For sælgere, der modtog kvalificerede kundeemner, var ændringen lige så værdifuld. I stedet for at grave sig gennem generiske kundeemner så de aktive samtaler med klare købssignaler. For første gang følte ingen sig hægtet af.

Det handler ikke kun om indgående salgsemner. Det peger på en bredere mulighed: Onboarding, fornyelser og support kan alle drage fordel af tillidsfulde, personlige samtaler.

Lektionen er enkel: Når du skalerer dine bedste repræsentanters ekspertise gennem AI, ændrer du, hvad der er muligt for hele teamet.

Som Chilakamarri formulerer det: “Ledelsen kunne ikke være mere begejstret. Det beviser, at vi kan bygge OpenAI på OpenAI og udnytte vores teknologi direkte mod kunderne.”

Personliggørelse af ethvert kundeemne er ikke en taktisk øvelse. Det bliver en bedre måde for alle interaktioner.