Omvandla potentiella kunder till faktiska kunder hos OpenAI
Detta är en del av vår serie om hur OpenAI utvecklar sina egna lösningar på vår teknik.
När ChatGPT Enterprise och Business lanserades ökade efterfrågan kraftigt. Tiotusentals företag – från startup-företag i tidiga skeden till multinationella företag – kontaktade oss varje månad. Efterfrågan var enorm. Det ledde till stor belastning på våra system.
Att vägleda dessa potentiella kunder genom formulär och statiska arbetsflöden fungerade inte i den situationen. Alltför många potentiella kunder fick ett automatiskt svar där de ombads att registrera sig online. För få fick svar på sina frågor. Det innebar att företaget missade många möjligheter och att köpupplevelsen inte överensstämde med det förtroende vi fått.
Utmaningen handlade inte bara om de stora volymerna. Det var också en kvalitetsfråga. Köparna ville ha specifika svar:
- Uppfyller den här produkten kraven i en hälso- och sjukvårdsmiljö?
- Hur jämför vi abonnemang och väljer rätt alternativ?
- Vilka resultat ser andra företag i vår bransch?
”Vi fick in tusentals potentiella kunder varje månad och hade bara kapacitet att prata med en liten andel av dem. Vissa potentiella kunder behövde få svar på några frågor för att kunna få en riktigt fantastisk köpupplevelse, men vi kunde inte erbjuda en sådan anpassad upplevelse”, säger Harsha Chilakamarri, Go-to-Market Innovation.
Traditionell automatisering skulle inte klara att hantera de här nyanserna. Att rekrytera linjärt var inte hållbart. Vi behövde ha ett annat sätt att arbeta.
Vi skapade en AI-driven ingående säljassistent som inte är utformad för att ersättare säljare, utan som istället ska utöka deras räckvidd. Den är tränad och finjusterad med feedback från säljare.
I grunden för allt finns våra interna sammanlänkningar. Produktdokumentation, policybibliotek, kundberättelser och instruktioner förs in i kontext som modellen kan resonera kring. Assistenten gissar inte. Den svarar på ett korrekt sätt, på den potentiella kundens språk och direkt kopplat till frågan.
Det innebär att potentiella kunder får får ett anpassat svar inom några minuter, på deras eget språk och baserat på deras faktiska fråga.
- Ett företag i Tokyo får ett svar på japanska och inte ett engelskt standardbrev.
- Ett sjukhussystem som ställer frågor om efterlevnad får svaren vid det första utbytet och behöver inte vänta i flera dagar.
- Om den potentiella kunden är behörig som företag lämnas tråden direkt vidare till en säljare, med kontexten oförändrad.
”Med den här modellen kan vi samverka med och erbjuda alla kunder en oerhört individanpassad upplevelse”, säger Chilakamarri.
Automatisering är inget självändamål. Det handlar om automatisering som levererar värde – direkt.
Genombrottet handlade inte bara om assistentens första svar. Det var också själva processen bakom det.
När modellen tränades gick alla svarsutkast tillbaka till säljarna för att korrigeras. Korrigeringarna blev i sin tur träningsdata. Riktigheten ökade från 60 procent till mer än 98 procent på bara några veckor. Istället för att använda generella mallar började assistenten låta som den bäst versionen av vårt team – bedömningar kodifierades och gjordes tillgängliga i stor skala.
”Vi har utvecklat mycket komplexa utvärderingssystem med hjälp av enbart mig och en tekniker… När vi hade ett sätt att genomföra de här utvärderingarna, inte minst på ett automatiskt sätt, kunde vi snabbt gå från en riktighet på 60 procent till 90 procent och nu 98 procent på de första e-postmeddelandena”.
För säljarna blev förändringen omedelbar. Inkorgarna var inte fulla av obehöriga potentiella kunder. De öppnade samtal som redan var igång, med potentiella kunder som hade konkreta avsikter och som fått svar på riktiga frågor.
Utvärderingen gav också ledningen stöd. De visade på mätbara framsteg, inte bara anekdotiska belägg. De visade att assistenten kunde skalas upp på ett ansvarsfullt sätt.
Effekten märktes direkt. Ett litet företag som tidigare försvann i kön av inkommande frågor fick genomtänkta svar inom några timmar och undertecknade ett företagsavtal några dagar senare. De här berättelserna återkom hela tiden.
Det som tidigare var en återvändsgränd blev en av våra starkaste tillväxtkanaler. Inom några månader hade flera miljoner i återkommande årsintäkter frigjorts.
”Vårts största aha-ögonblick var när vi lanserade assistenten för första gången. Vi insåg att om vi ger inkommande potentiella kunder anpassade upplevelser och snabbt besvarar viktiga frågor – också via e-post – blir många benägna att snabbt göra köp”.
För säljare som fick tillgång till behöriga potentiella kunder var förändringen minst lika värdefull. Istället för att söka bland generella potentiella kunder såg de aktiva samtal med tydliga avsikter. För första gången togs alla tillvara.
Det här gäller inte bara inkommande potentiella kundkontakter. Det visar också på en bredare möjlighet: onboarding, förnyanden och support kan också dra fördel av pålitliga, individanpassade samtal.
Lärdomen är enkel: när du skalar upp den höga kvalitet dina bästa säljare erbjuder via AI kan du förändra vad som är möjligt för hela teamet.
Som Chilakamarri formulerar det: ”Ledningen är oerhört nöjda med det här. Det visar att vi kan utveckla OpenAI på OpenAI och demonstrera vår teknik direkt för kunderna.”
Att anpassa varje potentiell kund handlar inte om taktik. Det är på väg att bli en bättre metod för alla typer av kontakter.
