Gjør potensielle kunder om til faktiske kunder hos OpenAI
Dette er en del av serien om hvordan OpenAI utvikler sine egne løsninger med vår egen teknologi.
Da ChatGPT Enterprise og Business ble lansert, økte antallet potensielle kunder kraftig. Titusenvis av selskaper, fra nyoppstartede firmaer til multinasjonale foretak, tok kontakt hver måned. Etterspørselen var bemerkelsesverdig. Belastningen på systemene våre var stor.
Å rute alle disse potensielle kundene gjennom skjemaer og statiske arbeidsflyter var ikke tilstrekkelig. For mange av dem fikk et automatisk svar som ba dem om å registrere seg på nettet. Altfor få fikk spørsmålene sine besvart. Resultatet var tapte muligheter og en kjøpsopplevelse som ikke samsvarte med den tilliten kundene viste oss.
Utfordringen var ikke bare skalering. Det var kvalitet. Kjøperne ønsket spesifikke svar:
- Er dette produktet i samsvar med regelverket for helsetjenester?
- Hvordan sammenligner og velger vi riktig abonnement?
- Hvilke resultater har andre bedrifter i bransjen vår hatt?
«Vi fikk tusenvis av potensielle kunder hver måned, men hadde bare kapasitet til å snakke med en liten del av dem. Noen potensielle kunder trengte svar på et par spørsmål for å få en virkelig god kjøpsopplevelse, men vi var ikke i stand til å tilby en personlig tilpasset opplevelse», sier Harsha Chilakamarri fra Go-to-Market Innovation.
Tradisjonell automatisering fanget ikke opp den nyansen. Lineær ansettelse var ikke bærekraftig. Vi trengte en annen tilnærming.
Vi utviklet en AI-drevet salgsassistent som ikke er ment å erstatte salgsrepresentantene våre, men å utvide rekkevidden deres, og den er lært opp og utbedret med tilbakemeldinger fra salgsrepresentantene.
Kjernen i den er de interne koblingene våre. Produktdokumentasjon, biblioteker med retningslinjer, kundehistorier og håndbøker trekkes inn i en kontekst som modellen kan resonnere over. Assistenten gjetter ikke. Den svarer nøyaktig, på den potensielle kundens språk, og svaret er direkte knyttet til spørsmålet.
Det betyr at potensielle kunder får et personlig tilpasset svar på bare noen få minutter, skrevet på personens eget språk og forankret i det faktiske spørsmålet.
- Et selskap i Tokyo får svar på japansk, ikke på engelsk.
- Et sykehussystem som spør om samsvar, får informasjon i den første svarutvekslingen, ikke etter flere dager.
- Hvis den potensielle kunden er kvalifisert for Enterprise, overtar en representant sømløst tråden, med konteksten intakt.
«Denne modellen gjør det mulig for oss å engasjere oss i og gi hver enkelt kunde en unik og personlig tilpasset opplevelse», sier Chilakamarri.
Dette er ikke automatisering for automatiseringens skyld. Det er automatisering som umiddelbart leverer merverdi.
Gjennombruddet var ikke bare assistentens første svar. Det var sløyfen bak det.
Da vi lærte opp modellen, ble hvert eneste svarutkast sendt tilbake til salgsrepresentantene for rettelse. Hver rettelse ble opplæringsdata. Nøyaktigheten gikk fra 60 % til over 98 % innen noen få uker. I stedet for generiske maler begynte assistenten å høres ut som den beste versjonen av teamet vårt. Vurderinger ble kodifisert, og assistenten ble gjort tilgjengelig i stor skala.
«Vi utviklet et svært komplekst evalueringssystem med bare meg og en annen programvaretekniker ... Da vi først hadde funnet en måte å gjennomføre disse evalueringene på, spesielt på en automatisert måte, klarte vi raskt å øke nøyaktigheten fra 60 % til 90 %, og nå er den 98 % for første e-post.»
For salgsrepresentantene var endringen umiddelbar. Innboksene ble ikke fylt med ukvalifiserte potensielle kunder. De åpnet samtaler som allerede var påbegynt, med potensielle kunder som hadde reelle intensjoner og fikk svar på reelle spørsmål.
Evalueringene ga også ledelsen trygghet. De viste målbar fremgang, ikke bare anekdoter. De beviste at assistenten kunne skaleres på en ansvarlig måte.
Effekten var umiddelbar. En liten bedrift som tidligere forsvant i køen, sendte inn spørsmål, fikk gjennomtenkte svar i løpet av få timer og signerte en Enterprise-kontrakt noen få dager senere. Disse historiene gjentok seg igjen og igjen.
Det som en gang var en blindgate, ble en av de sterkeste vekstkanalene våre. I løpet av få måneder hadde vi sikret oss flere millioner i årlige gjentakende inntekter.
«Vår største aha-opplevelse var da vi først lanserte assistenten. Vi innså at hvis vi gir potensielle kunder personlig tilpassede opplevelser og raskt svarer på viktige spørsmål – selv via e-post – er mange klare til å kjøpe veldig raskt.»
Endringen ble like verdifull for salgsrepresentantene som fikk tilsendt kvalifiserte potensielle kunder. I stedet for å måtte lete gjennom en rekke generiske potensielle kunder, så de aktive samtaler med klare intensjoner. For første gang følte ingen seg etterlatt.
Dette handler ikke bare om potensielle kunder. Det peker på en større mulighet: introduksjon, fornyelse og støtte kan alle dra nytte av pålitelige, personlig tilpassede samtaler.
Lærdommen er enkel: Når du skalerer dyktigheten til de beste salgsrepresentantene dine gjennom AI, endrer du hva som er mulig for hele teamet.
Som Chilakamarri sa det: «Ledelsen kunne ikke vært mer begeistret over dette. Det er bevis på at vi kan utvikle OpenAI med OpenAI og vise frem teknologien vår direkte til kundene.»
Personlig tilpasning for hver potensielle kunde er ikke en taktikk. Det er i ferd med å bli den beste tilnærmingen for alt engasjement.
