Convertire i lead in entrata in clienti su OpenAI
Questo articolo fa parte della nostra serie che spiega come OpenAI sta sviluppando le proprie soluzioni sfruttando la nostra tecnologia.
Quando ChatGPT Enterprise e Business sono stati lanciati, la domanda in entrata è aumentata vertiginosamente. Decine di migliaia di aziende, dalle startup alle multinazionali, ci contattavano ogni mese. La domanda era straordinaria. La pressione sui nostri sistemi era evidente.
Gestire questi lead tramite moduli e flussi di lavoro statici non era sufficiente. Troppi potenziali clienti ricevevano una risposta automatica che li invitava a registrarsi online. Solo pochi riuscivano ad ottenere risposte concrete alle loro domande. Il risultato? Opportunità mancate e un'esperienza di acquisto che non rifletteva la fiducia che i clienti stavano riponendo in noi.
La sfida non riguardava solo l'entità della domanda, ma anche la qualità. Gli acquirenti cercavano risposte precise:
- Questo prodotto è conforme in un ambiente sanitario?
- Come confrontiamo i piani e scegliamo quello più adatto?
- Che risultati stanno ottenendo i nostri concorrenti nel settore?
“Ricevevamo migliaia di lead al mese, ma riuscivamo a parlare solo con una piccola percentuale di chi ci interpellava. Alcuni lead avevano bisogno di risposte a poche domande per vivere un'esperienza di acquisto davvero soddisfacente, ma non eravamo in grado di offrire quel tipo di personalizzazione", afferma Harsha Chilakamarri, Go-to-Market Innovation.
L'automazione tradizionale non riusciva a cogliere queste sfumature. L’assunzione lineare non era una soluzione sostenibile. Serviva un approccio diverso.
Abbiamo creato un assistente alle vendite in entrata basato sull'IA, progettato non per sostituire i rappresentanti, ma per amplificarne l'efficacia, addestrato e perfezionato grazie ai feedback degli stessi rappresentanti.
Al suo cuore ci sono i nostri connettori interni: documentazione del prodotto, librerie di politiche, storie dei clienti e playbook, tutti integrati in un contesto su cui il modello può ragionare. L'assistente non fa ipotesi. Risponde con precisione, nella lingua del prospect (potenziale cliente), e sempre in relazione diretta alla sua domanda.
Ciò significa che i potenziali clienti ricevono una risposta personalizzata in pochi minuti, scritta nella loro lingua e strettamente legata alla loro domanda specifica.
- Un'azienda a Tokyo riceve una risposta in giapponese, non una lettera standard in inglese.
- Un sistema ospedaliero che chiede informazioni sulla conformità ottiene i dettagli già al primo contatto, non dopo giorni di attesa.
- Se il potenziale cliente è qualificato a livello enterprise, la conversazione viene trasferita senza interruzioni a un rappresentante, con il contesto completo mantenuto.
"Questo modello ci permette di interagire con ogni cliente e offrirgli un'esperienza altamente personalizzata", afferma Chilakamarri.
Non si tratta di automazione fine a se stessa. È un'automazione che crea valore, immediatamente.
La vera innovazione non è stata solo la prima risposta dell'assistente, ma il ciclo che ci sta dietro.
Durante l'addestramento del modello, ogni risposta preliminare veniva restituita ai rappresentanti per essere corretta. Ogni correzione diventava dato per l'addestramento. La precisione è salita dal 60% a oltre il 98% in poche settimane. Invece di utilizzare modelli generici, l'assistente ha iniziato a rispondere come la versione migliore del nostro team, codificando il giudizio e rendendolo disponibile su larga scala.
"Io e un altro ingegnere da soli abbiamo costruito un sistema di valutazione molto complesso… Una volta che abbiamo trovato un modo per effettuare queste valutazioni, soprattutto in modo automatizzato, siamo riusciti a passare rapidamente da un'accuratezza del 60% al 90%, e ora al 98% sulle prime e-mail."
Per i rappresentanti, il cambiamento è stato immediato. Le caselle di posta non erano più intasate da lead non qualificati. Invece, aprivano conversazioni già avviate, con potenziali clienti che avevano reale intenzione di acquistare e domande concrete a cui era già stata data una risposta.
Le valutazioni hanno anche fornito fiducia ai vertici aziendali. Hanno mostrato progressi concreti, non solo aneddoti. Hanno dimostrato che l'assistente poteva essere scalato in modo responsabile.
L'impatto è stato immediato. Una piccola azienda, prima persa nella coda, ha inviato delle domande, ha ricevuto risposte dettagliate in poche ore e ha firmato un contratto enterprise pochi giorni dopo. Queste storie si sono ripetute di continuo.
Ciò che prima era un vicolo cieco è diventato uno dei nostri principali motori di crescita. In pochi mesi,abbiamo sbloccato milioni di ricavi annuali ricorrenti.
"La nostra più grande rivelazione è arrivata quando abbiamo lanciato per la prima volta l’assistente. Ci siamo resi conto che, offrendo ai lead in entrata esperienze personalizzate e rispondendo rapidamente alle domande chiave, anche via e-mail, molti sono pronti ad acquistare molto velocemente."
Per i rappresentanti che ricevevano lead qualificati, il cambiamento è stato altrettanto significativo. Invece di gestire lead generici, si trovavano ad affrontare conversazioni attive con un'intenzione chiara. Per la prima volta, nessuno si è sentito escluso.
Non si tratta solo di lead in entrata. Si tratta di un'opportunità più ampia: onboarding, rinnovi e assistenza possono tutti trarre beneficio da conversazioni personalizzate e di fiducia.
La lezione è semplice: quando si scala l'eccellenza dei migliori rappresentanti tramite l'IA, si trasforma ciò che è possibile per l'intero team.
Come ha detto Chilakamarri: "La leadership non potrebbe essere più entusiasta di questo. È la prova che possiamo costruire OpenAI on OpenAI e mostrare la nostra tecnologia direttamente ai clienti."
Personalizzare ogni lead non è una semplice tattica. Sta diventando il migliore modo di gestire ogni tipo di engagement.
