Inkomende leads converteren naar klanten bij OpenAI
Dit artikel maakt deel uit van onze serie over hoe OpenAI eigen oplossingen bouwt op basis van eigen technologie.
Toen ChatGPT Enterprise en Business werden gelanceerd, nam de vraag sterk toe. Tienduizenden bedrijven, van start-ups tot multinationals, namen elke maand contact op. De vraag was opmerkelijk. De druk op onze systemen was groot.
Het doorverwijzen van die leads via formulieren en statische workflows schoot op dat moment tekort. Te veel potentiële klanten kregen een automatisch antwoord waarin hen werd gevraagd zich online aan te melden. Te weinig kregen antwoord op hun vragen. Het resultaat was dat we kansen misten en dat de aankoopervaring niet overeenkwam met het vertrouwen dat klanten in ons stelden.
De uitdaging lag niet alleen in de omvang. Het draaide om de kwaliteit. Kopers wilden specifieke antwoorden:
- Is dit product geschikt voor gebruik in een zorgomgeving?
- Hoe vergelijken we plannen en kiezen we het juiste plan?
- Welke resultaten zien collega's in onze branche?
"We kregen duizenden leads per maand en hadden slechts capaciteit om met een klein deel daarvan in gesprek te gaan. Sommige leads hadden een paar antwoorden nodig voor een werkelijk geweldige koopervaring, maar we waren niet in staat om die gepersonaliseerde ervaring te bieden", zegt Harsha Chilakamarri, Go-to-Market Innovation.
De traditionele automatisering kon die nuance niet bieden. Lineair aannemen was niet houdbaar. We hadden een andere aanpak nodig.
We hebben een door AI aangestuurde inbound sales assistent ontwikkeld die niet is bedoeld om medewerkers te vervangen, maar om hun bereik te vergroten. Deze assistent is getraind en geoptimaliseerd met feedback van medewerkers.
De kern wordt gevormd door onze interne connectoren. Productdocumentatie, bibliotheken met beleidsregels, klantverhalen en playbooks worden in een context geplaatst waarover het model kan redeneren. De assistent doet niet zomaar wat. Deze reageert nauwkeurig, in de taal van de potentiële klant en sluit direct aan op hun vraag.
Dat betekent dat potentiële klanten binnen enkele minuten een gepersonaliseerd antwoord krijgen, geschreven in hun eigen taal en gebaseerd op hun feitelijke vraag.
- Een bedrijf in Tokio ontvangt een antwoord in het Japans, geen standaardbrief in het Engels.
- Een ziekenhuis dat vraagt naar naleving, krijgt die informatie tijdens het eerste contact, niet na dagenlang wachten.
- Als de potentiële klant als bedrijf wordt gekwalificeerd, wordt de thread naadloos doorgespeeld naar een medewerker, met behoud van de context.
“Met dit model kunnen we elke klant een uitermate gepersonaliseerde ervaring bieden”, aldus Chilakamarri.
Dit is geen automatisering omwille van de automatisering zelf. Het is automatisering die direct meerwaarde oplevert.
De doorbraak was niet alleen het eerste antwoord van de assistent. Het was de loop erachter.
Bij het trainen van het model werd elke conceptreactie teruggestuurd naar de salesmedewerkers voor correcties. Elke correctie werd omgezet in trainingsdata. De nauwkeurigheid steeg binnen enkele weken van 60 procent naar meer dan 98 procent. In plaats van generieke sjablonen begon de assistent te klinken als de beste versie van ons team, door beoordelingen te codificeren en op grote schaal beschikbaar te maken.
“Alleen ik en een andere ingenieur hebben een zeer complex eval-systeem gebouwd... Toen we eenmaal een manier hadden gevonden om die evals uit te voeren, vooral op een geautomatiseerde manier, konden we snel van 60% nauwkeurigheid naar 90% gaan, en nu zelfs 98% bij eerste e-mails.”
Voor medewerkers was de verandering onmiddellijk merkbaar. Hun mailbox werd niet overspoeld met ongekwalificeerde leads. Ze borduurden voort op gesprekken die al gaande waren, met potentiële klanten die serieuze intenties hadden en echte vragen beantwoord kregen.
De evals gaven ook het management vertrouwen. Ze lieten meetbare vooruitgang zien, niet alleen anekdotes. Ze bewezen dat de assistent op verantwoorde wijze kon worden opgeschaald.
Het effect was onmiddellijk merkbaar. Een klein bedrijf dat ooit in de lange wachtrij stond, stelde vragen, kreeg binnen enkele uren doordachte antwoorden en tekende enkele dagen later een zakelijk contract. Die verhalen zagen we keer op keer terugkomen.
Wat eerst een doodlopende weg was, werd een van onze sterkste groeikanalen. Binnen enkele maanden werd een jaarlijkse terugkerende omzet van miljoenen euro's gerealiseerd.
“Ons grootste aha-moment was toen we de assistent voor het eerst lanceerden. We realiseerden ons dat als we inkomende leads een gepersonaliseerde ervaring bieden en snel belangrijke vragen beantwoorden, zelfs via e-mail, veel leads graag snel tot aankoop willen overgaan."
Voor medewerkers aan wie gekwalificeerde leads werden doorgegeven, was de verandering net zo waardevol. Ze hoefden geen algemene leads meer door te spitten, maar kregen te maken met actieve gesprekken met een duidelijke intentie. Voor het eerst voelde niemand zich in de steek gelaten.
Dit gaat niet alleen over inkomende leads. Het wijst op een bredere kans: onboarding, verlengingen en ondersteuning kunnen allemaal profiteren van vertrouwde, gepersonaliseerde gesprekken.
De les is simpel: wanneer je de uitmuntendheid van je beste medewerkers schaalt met behulp van AI, verander je de mogelijkheden voor het hele team.
Zoals Chilakamarri het zegt: “Het management kon hier niet enthousiaster over zijn. Het is het bewijs dat we OpenAI op OpenAI kunnen bouwen en onze technologie rechtstreeks aan klanten kunnen presenteren."
Elke lead personaliseren is geen tactiek. Het wordt een betere manier voor alle betrokkenheid.
