OpenAI ਵਿੱਚ ਇਨਬਾਊਂਡ ਲੀਡਜ਼ ਨੂੰ ਗਾਹਕਾਂ ਵਿੱਚ ਬਦਲਣਾ

ਇਹ ਸਾਡੀ ਉਸ ਲੜੀ ਦਾ ਹਿੱਸਾ ਹੈ ਜਿਸ ਵਿੱਚ ਅਸੀਂ ਅੰਦਰੂਨੀ ਉਦਾਹਰਨਾਂ ਸਾਂਝੀਆਂ ਕਰਦੇ ਹਾਂ ਕਿ OpenAI ਆਪਣੀ ਹੀ ਤਕਨਾਲੋਜੀ ਅਤੇ APIs ਨੂੰ ਕਿਵੇਂ ਵਰਤ ਰਹੀ ਹੈ. ਇਹ ਟੂਲ ਅੰਦਰੂਨੀ ਤੌਰ ’ਤੇ, ਸਿਰਫ਼ OpenAI ਵਿੱਚ ਵਰਤੇ ਜਾ ਰਹੇ ਹਨ, ਅਤੇ ਇੱਥੇ ਇਸ ਲਈ ਸਾਂਝੇ ਕੀਤੇ ਗਏ ਹਨ ਤਾਂ ਜੋ ਦਿਖਾਇਆ ਜਾ ਸਕੇ ਕਿ ਅਤਿ-ਆਧੁਨਿਕ AI ਸਾਡੀਆਂ ਟੀਮਾਂ ਵਿੱਚ ਵੱਖ-ਵੱਖ ਵਰਤੋਂ ਦੇ ਮਾਮਲਿਆਂ ਨੂੰ ਕਿਵੇਂ ਸਮਰਥਨ ਦਿੰਦੀ ਹੈ. ਅਸੀਂ ਅੰਦਰੂਨੀ ਟੂਲਾਂ ਦੇ ਨਾਮ ਵੀ ਸਾਂਝੇ ਕਰ ਰਹੇ ਹਾਂ ਤਾਂ ਜੋ ਇਹ ਹੋਰ ਸਪਸ਼ਟ ਹੋ ਸਕੇ ਕਿ ਅਤਿ-ਆਧੁਨਿਕ AI ਸਾਡੀਆਂ ਟੀਮਾਂ ਨੂੰ ਕੰਮ ਪੂਰਾ ਕਰਨ ਵਿੱਚ ਕਿਵੇਂ ਮਦਦ ਕਰਦੀ ਹੈ.

ਜਦੋਂ ChatGPT Enterprise ਅਤੇ Business ਲਾਂਚ ਹੋਏ, ਤਦ ਇਨਬਾਊਂਡ ਮੰਗ ਵਿੱਚ ਤੇਜ਼ ਉਛਾਲ ਆਇਆ. ਸ਼ੁਰੂਆਤੀ ਪੜਾਅ ਦੇ ਸਟਾਰਟਅਪ ਤੋਂ ਲੈ ਕੇ ਬਹੁ-ਰਾਸ਼ਟਰੀ ਉਦਯੋਗਾਂ ਤੱਕ, ਦਹਾਕਿਆਂ ਹਜ਼ਾਰਾਂ ਕੰਪਨੀਆਂ ਹਰ ਮਹੀਨੇ ਸੰਪਰਕ ਕਰ ਰਹੀਆਂ ਸਨ. ਮੰਗ ਲਾਇਕ-ਧਿਆਨ ਸੀ. ਸਾਡੇ ਸਿਸਟਮਾਂ ’ਤੇ ਦਬਾਅ ਹਕੀਕਤੀ ਸੀ.

ਉਹ ਲੀਡਜ਼ ਨੂੰ ਫਾਰਮਾਂ ਅਤੇ ਸਥਿਰ ਵਰਕਫ਼ਲੋਜ਼ ਰਾਹੀਂ ਰੂਟ ਕਰਨਾ ਉਸ ਸਮੇਂ ਦੀ ਲੋੜ ਨੂੰ ਪੂਰਾ ਨਹੀਂ ਕਰ ਸਕਿਆ. ਬਹੁਤ ਸਾਰੇ ਸੰਭਾਵੀ ਗਾਹਕਾਂ ਨੂੰ ਇੱਕ ਆਟੋਮੇਟਡ ਜਵਾਬ ਮਿਲਦਾ ਸੀ ਜਿਸ ਵਿੱਚ ਉਨ੍ਹਾਂ ਨੂੰ ਆਨਲਾਈਨ ਸਾਈਨ ਅੱਪ ਕਰਨ ਲਈ ਕਿਹਾ ਜਾਂਦਾ ਸੀ. ਬਹੁਤ ਘੱਟ ਲੋਕਾਂ ਦੇ ਸਵਾਲਾਂ ਦੇ ਜਵਾਬ ਮਿਲਦੇ ਸਨ. ਨਤੀਜਾ ਇਹ ਸੀ ਕਿ ਮੌਕੇ ਹੱਥੋਂ ਨਿਕਲ ਗਏ ਅਤੇ ਖਰੀਦਣ ਦਾ ਅਨੁਭਵ ਉਹ ਭਰੋਸਾ ਨਹੀਂ ਦਰਸਾ ਸਕਿਆ ਜੋ ਗਾਹਕ ਸਾਡੇ ’ਤੇ ਕਰ ਰਹੇ ਸਨ.

ਚੁਣੌਤੀ ਸਿਰਫ਼ ਪੱਧਰ ਦੀ ਨਹੀਂ ਸੀ. ਗੁਣਵੱਤਾ ਦੀ ਵੀ ਸੀ. ਖਰੀਦਦਾਰ ਖ਼ਾਸ ਜਵਾਬ ਚਾਹੁੰਦੇ ਸਨ:

• ਕੀ ਇਹ ਉਤਪਾਦ ਸਿਹਤ-ਸੇਵਾ ਦੇ ਮਾਹੌਲ ਵਿੱਚ ਅਨੁਕੂਲ ਹੈ?
• ਅਸੀਂ ਯੋਜਨਾਵਾਂ ਦੀ ਤੁਲਨਾ ਕਿਵੇਂ ਕਰੀਏ ਅਤੇ ਸਹੀ ਚੋਣ ਕਿਵੇਂ ਕਰੀਏ?
• ਸਾਡੇ ਉਦਯੋਗ ਵਿੱਚ ਸਮਕਾਲੀ ਕਿਹੜੇ ਨਤੀਜੇ ਦੇਖ ਰਹੇ ਹਨ?

Harsha Chilakamarri, ਗੋ-ਟੂ-ਮਾਰਕੇਟ ਇਨੋਵੇਸ਼ਨ ਕਹਿੰਦੇ ਹਨ, “ਸਾਨੂੰ ਹਰ ਮਹੀਨੇ ਹਜ਼ਾਰਾਂ ਲੀਡਜ਼ ਮਿਲ ਰਹੀਆਂ ਸਨ ਅਤੇ ਸਾਡੇ ਕੋਲ ਉਹਨਾਂ ਵਿੱਚੋਂ ਸਿਰਫ਼ ਥੋੜ੍ਹੇ ਹਿੱਸੇ ਨਾਲ ਗੱਲ ਕਰਨ ਦੀ ਸਮਰੱਥਾ ਸੀ. ਕੁਝ ਲੀਡਜ਼ ਨੂੰ ਬਹੁਤ ਵਧੀਆ ਖਰੀਦ ਅਨੁਭਵ ਲਈ ਸਿਰਫ਼ ਕੁਝ ਸਵਾਲਾਂ ਦੇ ਜਵਾਬ ਚਾਹੀਦੇ ਸਨ, ਪਰ ਅਸੀਂ ਉਹ ਨਿੱਜੀਕਰਤ ਅਨੁਭਵ ਦੇਣ ਦੇ ਯੋਗ ਨਹੀਂ ਸਨ.”

ਰਵਾਇਤੀ ਆਟੋਮੇਸ਼ਨ ਇਸ ਨਜ਼ਾਕਤ ਨੂੰ ਨਹੀਂ ਸੰਭਾਲ ਸਕੀ. ਲਕੀਰਵਾਰ ਭਰਤੀ ਕਰਨਾ ਟਿਕਾਊ ਨਹੀਂ ਸੀ. ਸਾਨੂੰ ਇੱਕ ਵੱਖਰਾ ਰਵੱਈਆ ਚਾਹੀਦਾ ਸੀ.

ਅਸੀਂ AI-ਸੰਚਾਲਿਤ ਇਨਬਾਊਂਡ ਸੇਲਜ਼ ਅਸਿਸਟੈਂਟ ਬਣਾਇਆ ਜੋ ਪ੍ਰਤਿਨਿਧੀਆਂ ਦੀ ਥਾਂ ਲੈਣ ਲਈ ਨਹੀਂ, ਸਗੋਂ ਉਹਨਾਂ ਦੀ ਪਹੁੰਚ ਵਧਾਉਣ ਲਈ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਸੀ—ਅਤੇ ਪ੍ਰਤਿਨਿਧੀਆਂ ਦੇ ਫੀਡਬੈਕ ਨਾਲ ਟ੍ਰੇਨ ਅਤੇ ਸੁਧਾਰਿਆ ਗਿਆ ਸੀ.

ਇਸ ਦੇ ਕੇਂਦਰ ਵਿੱਚ ਸਾਡੇ ਅੰਦਰੂਨੀ ਕਨੈਕਟਰ ਹਨ. ਉਤਪਾਦ ਦਸਤਾਵੇਜ਼ੀਕਰਨ, ਨੀਤੀ ਲਾਇਬ੍ਰੇਰੀਆਂ, ਗਾਹਕ ਕਹਾਣੀਆਂ ਅਤੇ ਪਲੇਬੁੱਕਸ ਨੂੰ ਉਸ ਸੰਦਰਭ ਵਿੱਚ ਲਿਆਂਦਾ ਜਾਂਦਾ ਹੈ ਜਿਸ ’ਤੇ ਮਾਡਲ ਤਰਕ ਕਰ ਸਕੇ. ਅਸਿਸਟੈਂਟ ਅੰਦਾਜ਼ਾ ਨਹੀਂ ਲਗਾਉਂਦਾ. ਇਹ ਸੰਭਾਵੀ ਗਾਹਕ ਦੇ ਸਵਾਲ ਨਾਲ ਸਿੱਧੇ ਜੁੜੇ ਹੋਏ, ਸਹੀ ਜਵਾਬ ਉਹਨਾਂ ਦੀ ਭਾਸ਼ਾ ਵਿੱਚ ਦਿੰਦਾ ਹੈ.

ਇਸਦਾ ਮਤਲਬ ਹੈ ਕਿ ਸੰਭਾਵੀ ਗਾਹਕਾਂ ਨੂੰ ਮਿੰਟਾਂ ਵਿੱਚ ਨਿੱਜੀਕਰਤ ਜਵਾਬ ਮਿਲਦਾ ਹੈ, ਉਹਨਾਂ ਦੀ ਆਪਣੀ ਭਾਸ਼ਾ ਵਿੱਚ ਲਿਖਿਆ ਹੋਇਆ, ਅਤੇ ਉਹਨਾਂ ਦੇ ਅਸਲ ਸਵਾਲ ’ਤੇ ਆਧਾਰਿਤ.

• ਟੋਕਿਓ ਵਿੱਚ ਇੱਕ ਕੰਪਨੀ ਨੂੰ ਅੰਗਰੇਜ਼ੀ ਫਾਰਮ-ਪੱਤਰ ਦੀ ਬਜਾਏ ਜਪਾਨੀ ਵਿੱਚ ਜਵਾਬ ਮਿਲਦਾ ਹੈ.
• ਅਨੁਕੂਲਤਾ ਬਾਰੇ ਪੁੱਛ ਰਹੀ ਇੱਕ ਹਸਪਤਾਲ ਪ੍ਰਣਾਲੀ ਨੂੰ ਕਈ ਦਿਨ ਉਡੀਕਣ ਦੀ ਬਜਾਏ ਪਹਿਲੀ ਗੱਲਬਾਤ ਵਿੱਚ ਹੀ ਵੇਰਵੇ ਮਿਲ ਜਾਂਦੇ ਹਨ.
• ਜੇ ਸੰਭਾਵੀ ਗਾਹਕ enterprise-ਯੋਗ ਹੈ, ਤਾਂ ਪੂਰੇ ਸੰਦਰਭ ਸਮੇਤ ਗੱਲਬਾਤ ਬਿਨਾਂ ਰੁਕਾਵਟ ਇੱਕ ਪ੍ਰਤਿਨਿਧੀ ਨੂੰ ਸੌਂਪ ਦਿੱਤੀ ਜਾਂਦੀ ਹੈ.

Chilakamarri ਕਹਿੰਦੇ ਹਨ, “ਇਹ ਮਾਡਲ ਸਾਨੂੰ ਹਰ ਗਾਹਕ ਨਾਲ ਜੁੜਨ ਅਤੇ ਉਹਨਾਂ ਨੂੰ ਬਹੁਤ ਹੀ ਨਿੱਜੀਕਰਤ ਅਨੁਭਵ ਦੇਣ ਦੀ ਸਮਰੱਥਾ ਦਿੰਦਾ ਹੈ.”

ਇਹ ਸਿਰਫ਼ ਆਟੋਮੇਸ਼ਨ ਲਈ ਆਟੋਮੇਸ਼ਨ ਨਹੀਂ ਹੈ. ਇਹ ਉਹ ਆਟੋਮੇਸ਼ਨ ਹੈ ਜੋ ਤੁਰੰਤ ਮੁੱਲ ਦਿੰਦੀ ਹੈ.

ਅਸਲ ਬ੍ਰੇਕਥਰੂ ਸਿਰਫ਼ ਅਸਿਸਟੈਂਟ ਦਾ ਪਹਿਲਾ ਜਵਾਬ ਨਹੀਂ ਸੀ. ਇਹ ਉਸ ਦੇ ਪਿੱਛੇ ਵਾਲਾ ਲੂਪ ਸੀ.

ਮਾਡਲ ਨੂੰ ਟ੍ਰੇਨ ਕਰਦੇ ਸਮੇਂ, ਹਰ ਡਰਾਫਟ ਜਵਾਬ ਸੋਧਾਂ ਲਈ ਵਾਪਸ ਸੇਲਜ਼ ਪ੍ਰਤਿਨਿਧੀਆਂ ਕੋਲ ਜਾਂਦਾ ਸੀ. ਹਰ ਸੋਧ ਟ੍ਰੇਨਿੰਗ ਡਾਟਾ ਬਣ ਗਈ. ਕੁਝ ਹੀ ਹਫ਼ਤਿਆਂ ਵਿੱਚ ਸਹੀਪਣ 60 ਫ਼ੀਸਦੀ ਤੋਂ ਵੱਧ ਕੇ 98 ਫ਼ੀਸਦੀ ਤੋਂ ਉੱਪਰ ਪਹੁੰਚ ਗਿਆ. ਆਮ ਟੈਂਪਲੇਟਾਂ ਦੀ ਥਾਂ, ਅਸਿਸਟੈਂਟ ਸਾਡੀ ਟੀਮ ਦੇ ਸਭ ਤੋਂ ਵਧੀਆ ਰੂਪ ਵਾਂਗ ਸੁਣਾਈ ਦੇਣਾ ਸ਼ੁਰੂ ਹੋ ਗਿਆ, ਫੈਸਲਾ-ਸਮਰੱਥਾ ਨੂੰ ਕੋਡੀਫਾਈ ਕਰਦਾ ਹੋਇਆ ਅਤੇ ਉਸਨੂੰ ਵੱਡੇ ਪੱਧਰ ’ਤੇ ਉਪਲਬਧ ਬਣਾਉਂਦਾ ਹੋਇਆ.

ਪ੍ਰਤਿਨਿਧੀਆਂ ਲਈ ਇਹ ਬਦਲਾਅ ਤੁਰੰਤ ਸੀ. ਇਨਬਾਕਸ ਗੈਰ-ਯੋਗ ਲੀਡਜ਼ ਨਾਲ ਨਹੀਂ ਭਰ ਰਹੇ ਸਨ. ਉਹ ਪਹਿਲਾਂ ਹੀ ਚੱਲ ਰਹੀਆਂ ਗੱਲਬਾਤਾਂ ਖੋਲ੍ਹਦੇ ਸਨ, ਉਹਨਾਂ ਸੰਭਾਵੀ ਗਾਹਕਾਂ ਨਾਲ ਜਿਨ੍ਹਾਂ ਦਾ ਅਸਲ ਇਰਾਦਾ ਸੀ ਅਤੇ ਜਿਨ੍ਹਾਂ ਦੇ ਅਸਲ ਸਵਾਲਾਂ ਦੇ ਜਵਾਬ ਮਿਲ ਚੁੱਕੇ ਸਨ.

ਇਵੈਲਜ਼ ਨੇ ਨੇਤ੍ਰਿਤਵ ਨੂੰ ਭਰੋਸਾ ਵੀ ਦਿੱਤਾ. ਉਹਨਾਂ ਨੇ ਸਿਰਫ਼ ਕਹਾਣੀਆਂ ਨਹੀਂ, ਸਪਸ਼ਟ ਤਰੱਕੀ ਦਿਖਾਈ. ਉਹਨਾਂ ਨੇ ਸਾਬਤ ਕੀਤਾ ਕਿ ਅਸਿਸਟੈਂਟ ਨੂੰ ਜ਼ਿੰਮੇਵਾਰੀ ਨਾਲ ਵੱਡੇ ਪੱਧਰ ’ਤੇ ਲਿਆਂਦਾ ਜਾ ਸਕਦਾ ਹੈ.

ਅਸਰ ਤੁਰੰਤ ਸੀ. ਇੱਕ ਛੋਟੀ ਕੰਪਨੀ ਜੋ ਪਹਿਲਾਂ ਕਤਾਰ ਵਿੱਚ ਗੁੰਮ ਹੋ ਜਾਂਦੀ ਸੀ, ਉਸਨੇ ਸਵਾਲ ਭੇਜੇ, ਕੁਝ ਘੰਟਿਆਂ ਵਿੱਚ ਸੋਚ-ਵਿਚਾਰ ਵਾਲੇ ਜਵਾਬ ਪ੍ਰਾਪਤ ਕੀਤੇ, ਅਤੇ ਕੁਝ ਦਿਨਾਂ ਬਾਅਦ enterprise ਕਰਾਰ ’ਤੇ ਦਸਤਖ਼ਤ ਕਰ ਦਿੱਤੇ. ਅਜਿਹੀਆਂ ਕਹਾਣੀਆਂ ਵਾਰ-ਵਾਰ ਦੁਹਰਾਈਆਂ ਗਈਆਂ.

ਜੋ ਪਹਿਲਾਂ ਅੰਤਹੀਣ ਰੁਕਾਵਟ ਸੀ, ਉਹ ਸਾਡੇ ਸਭ ਤੋਂ ਮਜ਼ਬੂਤ ਵਾਧਾ ਚੈਨਲਾਂ ਵਿੱਚੋਂ ਇੱਕ ਬਣ ਗਿਆ. ਕੁਝ ਮਹੀਨਿਆਂ ਵਿੱਚ, ਸਾਲਾਨਾ ਆਵਰਤੀ ਆਮਦਨ ਵਿੱਚ ਕਈ ਮਿਲੀਅਨ ਅਨਲੌਕ ਹੋ ਗਏ.

ਯੋਗ ਲੀਡਜ਼ ਪ੍ਰਾਪਤ ਕਰਨ ਵਾਲੇ ਪ੍ਰਤਿਨਿਧੀਆਂ ਲਈ ਵੀ ਇਹ ਬਦਲਾਅ ਉਤਨਾ ਹੀ ਕੀਮਤੀ ਸੀ. ਆਮ ਲੀਡਜ਼ ਵਿੱਚ ਖੰਗਾਲਣ ਦੀ ਬਜਾਏ, ਉਹਨਾਂ ਨੂੰ ਸਪਸ਼ਟ ਇਰਾਦੇ ਵਾਲੀਆਂ ਸਰਗਰਮ ਗੱਲਬਾਤਾਂ ਦਿਖਾਈ ਦਿੰਦੀਆਂ ਸਨ. ਪਹਿਲੀ ਵਾਰ, ਕਿਸੇ ਨੂੰ ਵੀ ਪਿੱਛੇ ਛੱਡਿਆ ਹੋਇਆ ਮਹਿਸੂਸ ਨਹੀਂ ਹੋਇਆ.

ਇਹ ਸਿਰਫ਼ ਇਨਬਾਊਂਡ ਲੀਡਜ਼ ਬਾਰੇ ਨਹੀਂ ਹੈ. ਇਹ ਇੱਕ ਵੱਡੇ ਮੌਕੇ ਵੱਲ ਇਸ਼ਾਰਾ ਕਰਦਾ ਹੈ: onboarding, renewals ਅਤੇ support ਸਭ ਭਰੋਸੇਯੋਗ, ਨਿੱਜੀਕਰਤ ਗੱਲਬਾਤਾਂ ਤੋਂ ਲਾਭ ਲੈ ਸਕਦੇ ਹਨ.

ਸਬਕ ਸਧਾਰਣ ਹੈ: ਜਦੋਂ ਤੁਸੀਂ AI ਰਾਹੀਂ ਆਪਣੇ ਸਭ ਤੋਂ ਵਧੀਆ ਪ੍ਰਤਿਨਿਧੀਆਂ ਦੀ ਉਤਕ੍ਰਿਸ਼ਟਤਾ ਨੂੰ ਵੱਡੇ ਪੱਧਰ ’ਤੇ ਲਿਆਂਦੇ ਹੋ, ਤਾਂ ਤੁਸੀਂ ਪੂਰੀ ਟੀਮ ਲਈ ਸੰਭਾਵਨਾਵਾਂ ਬਦਲ ਦਿੰਦੇ ਹੋ.

ਜਿਵੇਂ Chilakamarri ਨੇ ਕਿਹਾ: “ਨੇਤ੍ਰਿਤਵ ਇਸ ਬਾਰੇ ਇਸ ਤੋਂ ਵੱਧ ਉਤਸ਼ਾਹਿਤ ਨਹੀਂ ਹੋ ਸਕਦਾ. ਇਹ ਇਸ ਗੱਲ ਦਾ ਸਬੂਤ ਹੈ ਕਿ ਅਸੀਂ OpenAI ਨੂੰ OpenAI ਉੱਤੇ ਤਿਆਰ ਕਰ ਸਕਦੇ ਹਾਂ ਅਤੇ ਆਪਣੀ ਤਕਨਾਲੋਜੀ ਨੂੰ ਸਿੱਧਾ ਗਾਹਕਾਂ ਅੱਗੇ ਦਰਸਾ ਸਕਦੇ ਹਾਂ.”

ਹਰ ਲੀਡ ਨੂੰ ਨਿੱਜੀਕਰਤ ਕਰਨਾ ਕੋਈ ਤਕਨੀਕ ਨਹੀਂ ਹੈ. ਇਹ ਹਰ ਕਿਸਮ ਦੇ ਜੁੜਾਅ ਲਈ ਇੱਕ ਹੋਰ ਵਧੀਆ ਤਰੀਕਾ ਬਣਦਾ ਜਾ ਰਿਹਾ ਹੈ.