OpenAI တွင် inbound lead များကို customer များအဖြစ် ပြောင်းလဲခြင်း

ဤအကြောင်းအရာသည် OpenAI က ၎င်း၏ကိုယ်ပိုင် နည်းပညာနှင့် API များကို မည်သို့အသုံးပြုနေသည်ဆိုသည့် အတွင်းပိုင်းဥပမာများကို မျှဝေသည့် စီးရီး၏ တစ်စိတ်တစ်ပိုင်းဖြစ်သည်။ ဤကိရိယာများကို OpenAI အတွင်းတွင်သာ အသုံးပြုနေပြီး၊ စွမ်းဆောင်ရည်အမြင့်ဆုံး AI သည် ကျွန်ုပ်တို့၏အဖွဲ့များတစ်လျှောက် အသုံးပြုမှုကိစ္စများကို မည်သို့ ပံ့ပိုးနေသည်ကို ဥပမာပြရန် ဤနေရာတွင် မျှဝေထားခြင်းဖြစ်သည်။ ထို့အပြင် စွမ်းဆောင်ရည်အမြင့်ဆုံး AI က ကျွန်ုပ်တို့အဖွဲ့များ၏ အလုပ်များကို မည်သို့ပြီးမြောက်စေသည်ကို ပိုမိုရှင်းလင်းစွာ မြင်နိုင်ရန် အတွင်းသုံး tool အမည်များကိုလည်း မျှဝေထားသည်။

ChatGPT Enterprise နှင့် Business ကို စတင်မိတ်ဆက်သည့်အချိန်တိုင်း inbound demand သည် အရှိန်အဟုန်ဖြင့် မြင့်တက်လာခဲ့သည်။ အစောပိုင်းအဆင့် startup များမှ နိုင်ငံစုံ လုပ်ငန်းကြီးများအထိ ကုမ္ပဏီပေါင်း သောင်းချီက လစဉ် ဆက်သွယ်လာခဲ့ကြသည်။ လိုအပ်ချက်ပမာဏက ထူးခြားလှသည်။ ကျွန်ုပ်တို့၏ စနစ်များပေါ်ရှိ ဖိအားကလည်း အမှန်တကယ် ကြီးမားခဲ့သည်။

ထို lead များကို form များနှင့် static workflow များမှတစ်ဆင့် လမ်းကြောင်းသတ်မှတ်ပေးခြင်းက အချိန်၏လိုအပ်ချက်ကို မဖြည့်ဆည်းနိုင်ခဲ့ပါ။ prospect များစွာက online မှာ sign up လုပ်ပါဟု ပြောသည့် automated reply တစ်စောင်သာ ရခဲ့ကြသည်။ မေးခွန်းများကို ဖြေကြားပေးခံရသူက နည်းလွန်းခဲ့သည်။ ရလဒ်အနေဖြင့် အခွင့်အလမ်းများ လွဲချော်သွားပြီး customer များက ကျွန်ုပ်တို့အပေါ် ထားရှိနေသည့် ယုံကြည်မှုနှင့် မကိုက်ညီသော ဝယ်ယူမှုအတွေ့အကြုံတစ်ခု ဖြစ်လာခဲ့သည်။

စိန်ခေါ်မှုက scale တစ်ခုတည်း မဟုတ်ပါ။ quality လည်း ဖြစ်သည်။ ဝယ်ယူသူများက တိကျသည့်အဖြေများကို လိုချင်ကြသည်-

• ဤထုတ်ကုန်သည် ကျန်းမာရေးစောင့်ရှောက်မှု ပတ်ဝန်းကျင်တွင် compliance ကို ကိုက်ညီပါသလား။
• Plan များကို မည်သို့ နှိုင်းယှဉ်ပြီး သင့်တော်သော plan ကို ရွေးချယ်မလဲ။
• ကျွန်ုပ်တို့လုပ်ငန်းနယ်ပယ်ရှိ peer များက မည်သည့်ရလဒ်များကို တွေ့မြင်နေကြသလဲ။

“ကျွန်ုပ်တို့က တစ်လလျှင် lead ပေါင်း ထောင်ချီ ရရှိနေခဲ့ပေမယ့် အနည်းငယ်သော အစိတ်အပိုင်းတစ်ခုနှင့်သာ စကားပြောနိုင်တဲ့ capacity ရှိခဲ့တယ်။ တချို့ lead တွေမှာ ကောင်းမွန်တဲ့ ဝယ်ယူမှုအတွေ့အကြုံတစ်ခု ဖြစ်လာဖို့ မေးခွန်း နှစ်ခုလောက်ကို သေချာဖြေဖို့ လိုအပ်ပေမယ့် အဲဒီလို တစ်ဦးချင်းအလိုက် အတွေ့အကြုံကို ကျွန်ုပ်တို့ မပေးနိုင်ခဲ့ဘူး” ဟု Go-to-Market Innovation မှ Harsha Chilakamarri က ပြောသည်။

ရိုးရာ automation သည် ထိုသို့သော နူးညံ့သိမ်မွေ့မှုကို မသယ်ဆောင်နိုင်ခဲ့ပါ။ လူအင်အားကို တစ်ဖြည်းဖြည်းတိုး၍ ခန့်အပ်သွားခြင်းကလည်း ရေရှည်မတည်တံ့နိုင်ပါ။ ကျွန်ုပ်တို့အနေဖြင့် ကွဲပြားသော နည်းလမ်းတစ်ခု လိုအပ်ခဲ့သည်။

ကျွန်ုပ်တို့သည် rep များကို အစားထိုးရန် မဟုတ်ဘဲ ၎င်းတို့၏ လုပ်ဆောင်နိုင်စွမ်းကို ချဲ့ထွင်ပေးရန် ရည်ရွယ်ပြီး rep feedback ဖြင့် လေ့ကျင့်ပြုပြင်ထားသော AI စွမ်းအားသုံး inbound sales assistant ကို ဖန်တီးခဲ့သည်။

၎င်း၏ အခြေခံဗဟိုတွင် ကျွန်ုပ်တို့၏ internal connector များ ရှိသည်။ Product documentation၊ policy library များ၊ customer story များနှင့် playbook များကို မော်ဒယ်က ဆင်ခြင်စဉ်းစားနိုင်သည့် context အတွင်းသို့ ထည့်သွင်းပေးထားသည်။ assistant က မှန်းဆမဖြေပါ။ prospect ၏ ဘာသာစကားဖြင့်၊ သူတို့မေးခွန်းနှင့် တိုက်ရိုက်ဆက်စပ်သည့် တိကျသောအဖြေများကို ပြန်လည်တုံ့ပြန်သည်။

ဆိုလိုသည်မှာ prospect များသည် မိနစ်ပိုင်းအတွင်း ၎င်းတို့၏ ကိုယ်ပိုင်ဘာသာစကားဖြင့် ရေးသားထားပြီး ၎င်းတို့၏ အမှန်တကယ်မေးခွန်းအပေါ် အခြေခံထားသည့် တစ်ဦးချင်းအလိုက် တုံ့ပြန်ချက်ကို ရရှိကြသည်။

• Tokyo ရှိ ကုမ္ပဏီတစ်ခုသည် အင်္ဂလိပ် form letter မဟုတ်ဘဲ ဂျပန်ဘာသာဖြင့် အဖြေကို ရရှိသည်။
• compliance အကြောင်း မေးမြန်းသည့် ဆေးရုံစနစ်တစ်ခုသည် ရက်များစွာ စောင့်ဆိုင်းပြီးမှ မဟုတ်ဘဲ ပထမဆုံး အပြန်အလှန်ဆက်သွယ်မှုအတွင်း အသေးစိတ်အချက်အလက်များကို ရရှိသည်။
• prospect သည် enterprise-qualified ဖြစ်ပါက context မပျက်ဘဲ rep ထံသို့ ချောမွေ့စွာ လွှဲပြောင်းပေးသည်။

“ဒီမော်ဒယ်က customer တိုင်းနဲ့ ထိတွေ့ဆက်ဆံပြီး အလွန်အမင်း တစ်ဦးချင်းအလိုက် အတွေ့အကြုံကို ပေးနိုင်စေပါတယ်” ဟု Chilakamarri က ပြောသည်။

ဤသည်မှာ automation ကို automation အတွက်သာ လုပ်ခြင်း မဟုတ်ပါ။ ချက်ချင်းတန်ဖိုးပေးနိုင်သော automation ဖြစ်သည်။

breakthrough က assistant ၏ ပထမဆုံး reply တစ်ခုတည်း မဟုတ်ပါ။ ၎င်းနောက်ကွယ်ရှိ loop ဖြစ်သည်။

မော်ဒယ်ကို လေ့ကျင့်ရာတွင် draft response တိုင်းကို အမှားပြင်ဆင်ရန် sales rep များထံ ပြန်ပို့ခဲ့သည်။ ပြင်ဆင်ချက်တိုင်းသည် training data ဖြစ်လာခဲ့သည်။ ရက်သတ္တပတ်အနည်းငယ်အတွင်း တိကျမှုသည် 60 percent မှ 98 percent ကျော်အထိ မြင့်တက်လာခဲ့သည်။ generic template များအစား assistant သည် ကျွန်ုပ်တို့အဖွဲ့၏ အကောင်းဆုံးပုံစံကဲ့သို့ အသံထွက်လာပြီး judgment ကို စနစ်တကျ သတ်မှတ်ကာ scale ဖြင့် အသုံးပြုနိုင်အောင် ပြုလုပ်လာခဲ့သည်။

rep များအတွက် အပြောင်းအလဲက ချက်ချင်းပင် ဖြစ်ပေါ်ခဲ့သည်။ inbox များသည် အရည်အချင်းမပြည့်မီသော lead များဖြင့် မပိတ်ဆို့တော့ပါ။ ၎င်းတို့သည် အမှန်တကယ် စိတ်ဝင်စားမှုရှိပြီး အမှန်တကယ်မေးခွန်းများ ဖြေကြားပြီးသား prospect များနှင့် စတင်လှုပ်ရှားနေပြီဖြစ်သည့် စကားဝိုင်းများကို ဖွင့်လိုက်ကြသည်။

eval များကလည်း leadership ကို ယုံကြည်မှု ပေးခဲ့သည်။ ၎င်းတို့က anecdote များသာ မဟုတ်ဘဲ တိုင်းတာနိုင်သော တိုးတက်မှုကို ပြသခဲ့သည်။ assistant ကို တာဝန်ယူမှုရှိစွာ scale ချဲ့နိုင်ကြောင်း သက်သေပြခဲ့သည်။

သက်ရောက်မှုက ချက်ချင်းပင် ပေါ်လွင်ခဲ့သည်။ တစ်ချိန်က queue အတွင်း ပျောက်ကွယ်နေခဲ့သော ကုမ္ပဏီအသေးတစ်ခုသည် မေးခွန်းများ တင်သွင်းခဲ့ပြီး နာရီပိုင်းအတွင်း စဉ်းစားထားသည့် အဖြေများကို ရရှိကာ ရက်အနည်းငယ်အကြာတွင် enterprise contract တစ်ခု လက်မှတ်ထိုးခဲ့သည်။ ထိုကဲ့သို့သော ဇာတ်လမ်းများသည် ထပ်ခါထပ်ခါ ဖြစ်ပေါ်လာခဲ့သည်။

တစ်ချိန်က dead end ဖြစ်ခဲ့သော အရာသည် ကျွန်ုပ်တို့၏ အားအကောင်းဆုံး growth channel များအနက် တစ်ခု ဖြစ်လာခဲ့သည်။ လအနည်းငယ်အတွင်း annual recurring revenue သည် သန်းပေါင်းများစွာ အထိ ဖွင့်လှစ်ရရှိလာခဲ့သည်။

qualified lead များ လွှဲပြောင်းပေးခံရသော rep များအတွက်လည်း ဤအပြောင်းအလဲက အလားတူ တန်ဖိုးရှိခဲ့သည်။ generic lead များကို တူးဖော်ကြည့်ရှုရမည့်အစား ရည်ရွယ်ချက် ရှင်းလင်းသော active conversation များကို တွေ့မြင်လာကြသည်။ ပထမဆုံးအကြိမ်အဖြစ် မည်သူမျှ နောက်ကျကျန်ခဲ့သည်ဟု မခံစားရတော့ပါ။

ဤအရာသည် inbound lead များအကြောင်းသာ မဟုတ်ပါ။ ပိုမိုကျယ်ပြန့်သည့် အခွင့်အလမ်းတစ်ရပ်ကို ညွှန်ပြနေသည်- onboarding၊ renewal များနှင့် support တို့သည် ယုံကြည်ရပြီး တစ်ဦးချင်းအလိုက် ဆွေးနွေးပြောဆိုမှုများမှ အကျိုးကျေးဇူး ရရှိနိုင်သည်။

သင်ခန်းစာက ရိုးရှင်းသည်- AI မှတစ်ဆင့် သင်၏အကောင်းဆုံး rep များ၏ excellence ကို scale ချဲ့လိုက်သောအခါ အဖွဲ့တစ်ဖွဲ့လုံးအတွက် ဖြစ်နိုင်သည့်အရာကို သင် ပြောင်းလဲပစ်လိုက်ခြင်း ဖြစ်သည်။

Chilakamarri ၏ စကားဖြင့်ဆိုရလျှင်- “leadership က ဒီအပေါ် ပိုမိုစိတ်လှုပ်ရှားမနေနိုင်တော့လောက်အောင် စိတ်လှုပ်ရှားနေပါတယ်။ ဒါက OpenAI on OpenAI ကို တည်ဆောက်နိုင်ပြီး ကျွန်ုပ်တို့ရဲ့ နည်းပညာကို customer များထံ တိုက်ရိုက် ပြသနိုင်ကြောင်း သက်သေပါပဲ။”

lead တိုင်းကို တစ်ဦးချင်းအလိုက် ပြုမူဆက်ဆံခြင်းသည် tactic တစ်ခု မဟုတ်ပါ။ engagement အားလုံးအတွက် ပိုမိုကောင်းမွန်သော နည်းလမ်းတစ်ခုအဖြစ် ဖြစ်လာနေပါသည်။