Mengubah prospek inbound menjadi pelanggan di OpenAI
Ini adalah bagian dari seri tulisan mengenai cara OpenAI membangun solusi yang memakai teknologi kami sendiri.
Saat ChatGPT Enterprise dan Business masing-masing diluncurkan, permintaan inbound meningkat drastis. Puluhan ribu perusahaan—mulai dari perusahaan rintisan tahap awal hingga perusahaan multinasional—menghubungi kami setiap bulan. Permintaannya luar biasa. Tekanan terhadap sistem kami sangat nyata.
Mengarahkan prospek melalui formulir dan alur kerja statis saja tidak mampu mengatasi momen ini. Terlalu banyak prospek yang mendapatkan balasan otomatis yang mengarahkan ke pendaftaran online. Terlalu sedikit prospek yang mendapatkan jawaban atas pertanyaannya. Akibatnya, kehilangan peluang dan pengalaman membeli tidak cocok dengan kepercayaan yang diberikan pelanggan kepada kami.
Tantangannya bukan sekadar skala. Tetapi kualitas. Pembeli ingin jawaban spesifik:
- Apakah produk ini dapat menghadirkan kepatuhan di industri layanan kesehatan?
- Bagaimana kami membandingkan berbagai paket dan memilih paket yang tepat?
- Hasil seperti apa yang didapatkan oleh perusahaan serupa di industri kami?
“Kami mendapatkan ribuan prospek dalam sebulan dan hanya punya kapasitas untuk berbicara dengan sebagian kecil saja. Beberapa prospek ingin pertanyaan mereka dijawab untuk memperoleh pengalaman membeli yang sangat baik, tetapi kami tidak dapat menyediakan pengalaman yang dipersonalisasi,” ujar Harsha Chilakamarri, Go-to-Market Innovation.
Automasi tradisional tidak mampu menangkap nuansa tersebut. Merekrut secara linear tidaklah berkelanjutan. Kami perlu pendekatan berbeda.
Kami menciptakan asisten penjualan inbound dengan didukung AI yang dirancang bukan untuk menggantikan tenaga penjualan tetapi memperluas jangkauan mereka, yang dilatih dan disempurnakan dengan masukan dari tenaga penjualan.
Konektor internal kami menjadi pusatnya. Dokumentasi produk, pustaka kebijakan, kisah pelanggan, dan buku panduan dikumpulkan lalu dijadikan konteks yang menjadi dasar penalaran model. Asisten tidak menebak-nebak. Asisten merespons dengan akurasi dalam bahasa prospek yang secara langsung terkait dengan pertanyaannya.
Artinya, prospek mendapatkan respons yang dipersonalisasi dalam hitungan menit, yang ditulis dalam bahasanya sendiri, berdasarkan pertanyaan aktual.
- Perusahaan di Tokyo mendapatkan jawaban dalam bahasa Jepang, bukan dalam surat berbahasa Inggris.
- Sistem rumah sakit yang menanyakan tentang kepatuhan mendapatkan detail dalam percakapan pertama, tidak harus menunggu berhari-hari.
- Jika prospek memenuhi syarat enterprise, utas komunikasi langsung diserahkan kepada tenaga penjualan, dengan konteks yang utuh.
“Berkat model ini, kita dapat berinteraksi dan menghadirkan pengalaman yang sangat dipersonalisasi bagi setiap pelanggan,” kata Chilakamarri.
Ini bukanlah automasi biasa. Ini adalah automasi yang langsung menghadirkan nilai.
Terobosannya bukan sekadar balasan pertama asisten. Melainkan proses di baliknya.
Saat melatih model, setiap respons draf dikembalikan ke tenaga penjualan untuk diperbaiki. Setiap perbaikan menjadi data latihan. Akurasi meningkat dari 60 persen menjadi di atas 98 persen dalam hitungan minggu. Bukan lagi seperti templat generik, asisten mulai terdengar seperti versi terbaik dari tim kami, mengelola penilaian secara sistematis dan menyediakannya dalam skala besar.
“Kami membangun sistem evaluasi yang sangat kompleks, hanya saya dan engineer lain... Setelah kami memiliki cara untuk melakukan evaluasi tersebut, terutama secara otomatis, kami dapat meningkatkan akurasi dengan cepat dari 60% menjadi 90%, dan sekarang 98% pada email pertama.”
Bagi tenaga penjualan, perubahan ini terjadi seketika. Kotak masuk tidak dipenuhi prospek yang tidak memenuhi syarat. Tenaga penjualan membuka percakapan yang sudah berjalan, dengan prospek yang benar-benar memiliki niat dan pertanyaan yang nyata terjawab.
Evaluasi ini juga memberikan keyakinan kepada jajaran kepemimpinan. Proses ini menunjukkan kemajuan terukur, bukan sekadar anekdot. Proses ini membuktikan asisten dapat dikembangkan secara bertanggung jawab.
Dampaknya langsung terlihat. Perusahaan kecil yang dulunya kewalahan dengan pertanyaan yang diajukan, kini memperoleh jawaban bermakna dalam hitungan jam, dan menandatangani kontrak perusahaan beberapa hari setelahnya. Kisah-kisah tersebut terus berulang.
Yang dulunya jalan buntu, sekarang menjadi salah satu saluran pertumbuhan terkuat kami. Dalam hitungan bulan, pendapatan tahunan yang bernilai jutaan berhasil diperoleh.
“Titik terang langsung kita lihat ketika pertama kali meluncurkan asisten. Kami sadar, jika kami memberikan pengalaman yang dipersonalisasi kepada prospek <i>inbound</i> dan menjawab pertanyaan utama dengan segera—bahkan melalui email—banyak yang mau membeli dengan sangat cepat.”
Bagi tenaga penjualan yang mendapatkan prospek yang memenuhi syarat, perubahan tersebut sama bernilainya. Tidak lagi menggali prospek generik, mereka melihat percakapan aktif dengan niat yang jelas. Untuk pertama kalinya, tidak ada yang merasa tertinggal.
Ini bukan hanya tentang prospek inbound. Ini menunjukkan peluang yang lebih luas: orientasi, perpanjangan, dan dukungan dapat diuntungkan dari percakapan tepercaya dan dipersonalisasi.
Pelajarannya sederhana: saat Anda meningkatkan keunggulan tenaga penjual terbaik melalui AI, Anda membuka begitu banyak peluang bagi keseluruhan tim.
Sebagaimana yang dikatakan Chilakamarri: “Jajaran kepemimpinan menjadi lebih tertarik karena proses ini. Inilah bukti bahwa kami dapat membangun OpenAI dengan teknologi OpenAI dan menunjukkan teknologi kami secara langsung kepada pelanggan.”
Mempersonalisasi setiap prospek bukanlah taktik. Ini menjadi cara yang lebih baik untuk semua interaksi.
