Proaction با Codex: فروش ۶۰٪ بیشتر، صرفه‌جویی بیش از ۷۵ ساعت

Proaction⁠(در یک پنجره جدید باز می‌شود) برای کسب‌وکارهایی نرم‌افزار می‌سازد که ناوگان وسایل نقلیه، از خودروهای سواری و کامیون‌ها گرفته تا ماشین‌آلات ساختمانی، را مدیریت می‌کنند. از آنجا که شیوهٔ کار هر ناوگان متفاوت است، بخش مهمی از فروش پلتفرم Proaction این است که به مشتریان بالقوه نشان دهند چطور با کسب‌وکارشان سازگار می‌شود.

اما ساخت دموهای اختصاصی به زمانی نیاز داشت که تیم مهندسی نمی‌توانست به آن اختصاص دهد. بنیان‌گذاران ناچار بودند برای توضیح قابلیت‌های محصول به گفت‌وگو و اسلایدهای ارائه تکیه کنند. Codex ورق را برگرداند.

کالین کنودسن، هم‌بنیان‌گذار و مدیر ارشد عملیات Proaction، می‌گوید: «چون تخصص فنی ندارم، قبلاً اگر دمو می‌خواستم، مجبور بودم از مهندسان کمک بگیرم.» «حالا خودم آن را در Codex می‌سازم.» کالین هر ماه چهار تا شش دموی تعاملی و اختصاصی می‌سازد که ساخت هرکدام ۳۰ تا ۴۵ دقیقه زمان می‌برد. او برآورد می‌کند که با این کار، دیگر نیازی به ۴۰ تا ۶۰ ساعت کار مهندسی نیست.

کالین پس از تماس فروش، Codex را به فایل ضبط‌شدهٔ تماس در Granola، مکاتبات ایمیلی با مشتری بالقوه و هر صفحه‌گسترده‌ای که او به اشتراک گذاشته است ارجاع می‌دهد. Codex با استفاده از این اطلاعات، محیطی نمایشی مبتنی بر HTML را اختصاصی‌سازی می‌کند که بازتابی از محصول Proaction و ناوگان خود مشتری است.

وقتی کالین صفحه‌نمایشش را به اشتراک می‌گذارد، مشتریان بالقوه خودروهای سواری، کامیون‌ها یا تجهیزات خودشان را می‌بینند که متناسب با شیوهٔ کارشان سازمان‌دهی شده‌اند. آن‌ها می‌توانند مشخص کنند چه چیزهایی نیاز به تغییر دارد و در ساخت راهکار مشارکت کنند. کالین می‌گوید: «با همکاری هم راهکار نهایی را می‌سازید، بدون اینکه اصلاً پای تیم مهندسی به میان بیاید.»

ارائهٔ دمو با داده‌های خود مشتریان بالقوه، دلیل ملموسی به آن‌ها می‌دهد تا قدم بعدی را بردارند. کالین برآورد می‌کند که با دموهای اختصاصی، درصد فرصت‌های فروشی که پس از تماس اولیه، به‌جای باقی ماندن در مرحلهٔ پیگیری و حفظ ارتباط، وارد مرحلهٔ توسعهٔ راهکار می‌شوند، ۵۰ تا ۶۰ درصد افزایش یافته است.

به گفتهٔ کالین، اگر مهندسان Proaction دموهای مشابهی می‌ساختند، برای هرکدام حدود ۱۰ ساعت زمان لازم بود. از آنجا که Proaction ماهانه حدود چهار تا شش دمو ارائه می‌دهد، این یعنی هر ماه ۴۰ تا ۶۰ ساعت صرفه‌جویی در وقت تیم مهندسی.

دمو در مراحل بعدی هم باعث صرفه‌جویی در زمان می‌شود. وقتی یک مشتری بالقوه به مشتری واقعی تبدیل می‌شود، کالین دموی اختصاصی را به‌عنوان مرجع تصویری در اختیار مهندسان می‌گذارد. این کار پرسش‌ها و رفت‌وبرگشت‌های مربوط به اینکه چه چیزی باید ساخته شود را کاهش می‌دهد.

Proaction همچنین با استفاده از Codex یک مرکز راهکارهای مشتریان ساخته است که مشتریان بالقوه می‌توانند وارد آن شوند، گردش‌کارهای متناسب با کسب‌وکارشان را بررسی کنند و مطالب فروش را مرور کنند. این مرکز به مشتریان کمک می‌کند نیازهایشان را توضیح دهند و به همکاران غیرمهندس امکان می‌دهد آن گفت‌وگوها را به نیازمندی‌های روشن‌تری تبدیل کنند. به این ترتیب، وقتی مهندسان وارد کار می‌شوند، تصویر مشخص‌تری از آنچه باید بسازند دارند.

کار روزانهٔ کالین حوزه‌های فروش، پشتیبانی مشتریان و مدیریت محصول را در بر می‌گیرد. کالین با افزونه‌های Codex برای ابزارهایی مانند Granola، Gmail، Slack، Linear، GitHub و HubSpot، اطلاعات مرتبط با مشتری را یک‌جا جمع می‌کند و در همان Codex بر اساس آن‌ها دست به کار می‌شود.

او برای آماده‌سازی پیگیری‌ها، متن تماس‌ها و سابقهٔ ایمیل‌ها را بازیابی می‌کند، در Linear موارد کاری ایجاد می‌کند و فرصت‌های فروش را در HubSpot به‌روز می‌کند. او همچنین فرایندی خودکار و زمان‌بندی‌شده راه‌اندازی کرده است که تماس‌های اخیر را مرور و گزارش آخرین وضعیت فروش را برای تیم آماده می‌کند.

قبلاً حجم زیاد کارش به معنای جابه‌جایی مداوم بین زبانه‌ها و کپی کردن اطلاعات از ابزاری به ابزار دیگر بود. حالا کالین می‌تواند نیازش را توضیح دهد و از Codex برای گردآوری اطلاعات مرتبط و اجرای گام بعدی استفاده کند. «تمام کارهایم حول کار در Codex می‌چرخد. کمتر پیش می‌آید از آن خارج شوم.» این را کالین می‌گوید. کالین که برآورد می‌کند روزانه ۱۵ تا ۲۰ کار مجزا دارد، معتقد است Codex ماهانه ۲۵ تا ۳۳ ساعت در وقتش صرفه‌جویی می‌کند.

Proaction در بخش‌های مختلف پلتفرم خود نیز از مدل‌های OpenAI استفاده می‌کند. وقتی مشتریان همراه با گزارش مشکل خودرو عکس ارسال می‌کنند، ChatGPT‑5.6 Sol به شناسایی آسیب کمک می‌کند. Proaction همچنین با GPT‑Live‑1 در حال ساخت عامل‌هایی است که بخش بیشتری از کارهای روزمرهٔ ادارهٔ ناوگان را بر عهده می‌گیرند. این شرکت این قابلیت را «لایهٔ اجرای مدیریت‌شده» می‌نامد.

مشتریان می‌توانند از عامل‌های تخصصی بخواهند به کارهایی مانند عوارض جاده‌ای یا سرویس خودرو رسیدگی کنند، یا گردش‌کارهایی تنظیم کنند که عامل مناسب را به‌طور خودکار به کار بگیرند. این عامل‌ها از مدل‌های OpenAI، از جمله GPT‑Live‑1 و GPT‑6 Astra، برای برقراری تماس صوتی، بررسی اسناد و تصاویر، تحلیل متن و پاسخ‌گویی در چت استفاده می‌کنند.

یکی از این عامل‌ها، به نام مارتی، برای هماهنگی تعمیر و نگهداری خودرو طراحی شده است. مارتی دربارهٔ مشکل با راننده صحبت می‌کند، با تعمیرگاه‌ها تماس می‌گیرد، خدمات موردنیاز را هماهنگ می‌کند و به تأیید و پرداخت هزینهٔ برآوردشده کمک می‌کند. هر جا کار نیاز به بررسی یا مداخلهٔ انسانی داشته باشد، تیم Proaction وارد عمل می‌شود.

GPT‑6 Astra همچنین به Proaction امکان می‌دهد این تجربه‌ها را سریع‌تر برای مشتریان بسازد. دنی اوهالوران، مدیر محصول، می‌گوید: «فرایندهای کار با رایانه در Astra کوتاه‌تر و سرراست‌تر است. با GPT‑5.6 Sol، برای انجام همان کار فرایند بسیار طولانی‌تری طی می‌شد.»

Codex و GPT‑6 Astra وقت بیشتری در اختیار Proaction می‌گذارند تا بفروشد، از مشتریان پشتیبانی کند و کسب‌وکارش را پیش ببرد. Proaction با عامل‌های ساخته‌شده بر پایهٔ GPT‑Live‑1، برای مدیران ناوگان هم وقت بیشتری آزاد می‌کند.