Jak OpenAI zamienia klientów potencjalnych w rzeczywistych

Jest to jeden z serii naszych artykułów na temat sposobów opracowywania przez OpenAI własnych rozwiązań na podstawie naszych technologii.

Kiedy wprowadzono na rynek ChatGPT Enterprise i Business, popyt na nie gwałtownie wzrósł. Każdego miesiąca zgłaszały się do nas dziesiątki tysięcy firm — od start-upów na wczesnym etapie po międzynarodowe korporacje. Popyt był ogromny. Nasze systemy były naprawdę obciążone.

Prowadzenie takich potencjalnych klientów za pomocą formularzy i statycznych procesów nie odpowiadało wymogom sytuacji. Zbyt wielu potencjalnych klientów otrzymało automatyczną odpowiedź z prośbą, żeby zarejestrowali się online. Za mało osób dostało odpowiedzi na swoje pytania. Rezultatem tego były stracone możliwości i niespełnione oczekiwania klientów prowadzące do utraty zaufania.

Wyzwaniem była nie tylko skala. Była nim jakość. Kupujący oczekiwali konkretnych odpowiedzi:

• Czy ten produkt spełnia wymagania obowiązujące w opiece zdrowotnej?
• Jak możemy porównać dostępne pakiety i wybrać ten odpowiedni?
• Jakie wyniki widzą inni w naszej branży?

„Zgłaszało się do nas tysiące potencjalnych klientów miesięcznie, a mieliśmy możliwość porozmawiać tylko z ich niewielką częścią. Niektórzy potencjalni klienci potrzebowali odpowiedzi na kilka pytań, aby ich wrażenia z zakupów były naprawdę doskonałe, ale nie byliśmy w stanie zapewnić im spersonalizowanej obsługi” — mówi Harsha Chilakamarri z działu wprowadzania innowacji na rynek.

Tradycyjna automatyzacja nie była w stanie uwzględnić takiego niuansu. Liniowy wzrost zatrudnienia na dłuższą metę nie wchodził w grę. Potrzebowaliśmy innego podejścia.

Stworzyliśmy opartego na SI asystenta do obsługi sprzedaży, który nie ma zastąpić przedstawicieli handlowych, ale poszerzyć ich zasięg — został on wyszkolony i udoskonalony dzięki informacjom zwrotnym od przedstawicieli handlowych.

W jego centrum znajdują się nasze wewnętrzne łączniki. Dokumentacja produktu, biblioteki zasad, historie klientów i podręczniki są wprowadzane do kontekstu, który model może analizować. Ten asystent nie zgaduje. Odpowiada precyzyjnie, używając języka potencjalnego klienta i bezpośrednio odnosząc się do zadanego pytania.

Oznacza to, że potencjalni klienci uzyskują spersonalizowaną odpowiedź w ciągu kilku minut, napisaną w ich własnym języku i odnoszącą się do konkretnego pytania.

• Firma z Tokio otrzymuje odpowiedź w języku japońskim, a nie standardowy list w języku angielskim.
• System szpitali pytający o zgodność uzyskuje szczegółowe informacje już przy pierwszej wymianie informacji, a nie po kilku dniach czekania.
• Jeśli potencjalny klient spełnia kryteria kwalifikacyjne dla przedsiębiorstw, to rozmowa jest płynnie przekazywana do przedstawiciela handlowego, z zachowaniem niezmienionego kontekstu.

„Ten model pozwala nam nawiązać kontakt z każdym klientem i zapewnić mu niezwykle spersonalizowane wrażenia” — mówi Chilakamarri.

To nie jest automatyzacja dla samej automatyzacji. To automatyzacja, która od razu generuje korzyści.

Przełomem była nie tylko pierwsza odpowiedź asystenta. To była stojąca za nią pętla.

Podczas szkolenia modelu każdy projekt odpowiedzi był przekazywany przedstawicielom handlowym do poprawek. Każda poprawka stawała się danymi szkoleniowymi. W ciągu kilku tygodni dokładność wzrosła z 60 procent do ponad 98 procent. Zamiast odpowiadać ogólnymi szablonami, asystent zaczął brzmieć jak najlepsza wersja naszego zespołu, kodyfikując ocenę i udostępniając ją na dużą skalę.

Dla przedstawicieli handlowych zmiana była natychmiastowa. Skrzynki odbiorcze nie zapychały się niezakwalifikowanymi potencjalnymi klientami. Rozpoczynali już zainicjowane rozmowy z potencjalnymi klientami, którzy mieli realne zamiary i otrzymali odpowiedzi na prawdziwe pytania.

Ewaluacje dały również kierownictwu pewność siebie. Pokazały wymierny postęp, a nie tylko anegdotyczne przykłady. Pokazały, że asystent może być skalowany w odpowiedzialny sposób.

Efekt był natychmiastowy. Mała firma, która kiedyś gubiła się w kolejce, przesyłała pytania, otrzymywała przemyślane odpowiedzi w ciągu kilku godzin, a kilka dni później podpisywała umowę dla przedsiębiorstw. Te historie powtarzały się wielokrotnie.

To, co było ślepą uliczką, stało się jednym z naszych najsilniejszych kanałów wzrostu. W ciągu kilku miesięcy udało się uruchomić wielomilionowe cykliczne przychody roczne.

Dla przedstawicieli handlowych, którym przekazywano zakwalifikowanych potencjalnych klientów, zmiana była równie cenna. Zamiast przekopywać się przez przypadkowych potencjalnych klientów, widzieli aktywne rozmowy z wyraźnymi intencjami. Po raz pierwszy nikt nie czuł się pominięty.

Tu nie chodzi tylko o potencjalnych klientów. Wiąże się to z szerszymi możliwościami: proces wdrażania, odnawianie umów i wsparcie techniczne mogą odnieść korzyści dzięki zaufanym, spersonalizowanym rozmowom.

Wniosek jest prosty: kiedy dzięki AI zwiększasz kompetencje swoich najlepszych przedstawicieli handlowych, zwiększasz możliwości całego zespołu.

Jak ujął to Chilakamarri: „Dla zarządu było to prawdziwe objawienie. To dowód na to, że możemy budować OpenAI na OpenAI i prezentować naszą technologię bezpośrednio klientom”.

Spersonalizowanie kontaktu z każdym potencjalnym klientem nie jest taktyką. Staje się lepszym sposobem na wszelkie formy zaangażowania.