OpenAI’a ulaşan potansiyel alıcıları müşterilerimize dönüştürüyoruz
Bu makale, OpenAI’ın nasıl kendi teknolojisini kullanarak kendi çözümlerini geliştirdiği hakkındaki yazı dizimizin bir parçasıdır.
ChatGPT Enterprise ve Business planlarının her biri kullanıma sunulduğunda, gelen taleplerde müthiş bir artış oldu. Her ay, yeni kurulmuş girişimlerden çok uluslu şirketlere kadar on binlerce şirket bize ulaşıyordu. Talep inanılmazdı. Sistemlerimiz gerçek anlamda ağır bir yük altındaydı.
Bu potansiyel müşterileri formlar ve statik iş akışları aracılığıyla yönlendirerek o anki ihtiyaca cevap vermek imkânsızdı. Çok fazla potansiyel müşteriye web sitesi üzerinden kaydolmaları yönünde otomatik yanıtlar gönderildi. Bunların çok azının soruları cevaplandı. Sonuçta pek çok fırsat kaçırıldı ve müşterilerin bize duyduğu güvene yakışmayan bir satın alma deneyimi yaşandı.
Burada üstesinden gelemediğimiz zorluk sadece nicelik değildi. Aynı zamanda nitelikti. Alıcılar, sorularına net cevaplar almak istiyordu:
- Bu ürün sağlık sektöründe kullanıma uygun mu?
- Planları nasıl karşılaştırabiliriz ve doğru olanı nasıl seçeriz?
- Sektörümüzdeki meslektaşlarımız ne gibi sonuçlar elde ediyor?
“Her ay binlerce potansiyel alıcı bize ulaşıyordu ve bunların sadece ufak bir kısmıyla konuşacak kapasitemiz vardı. Pazar Stratejisi ve İnovasyon Sorumlusu Harsha Chilakamarri, bu konuda şunları söylüyor: “Bazı potansiyel alıcıların gerçek anlamda harika bir satın alma deneyimi yaşamaları için bazı sorularının cevaplanması gerekiyordu, ancak biz bu kişiselleştirilmiş deneyimi sunamadık.”
Geleneksel otomasyon süreçleri aynı inceliği taşıyamazdı. Artan iş yüküyle doğru orantılı şekilde işe alım yapmak sürdürülebilir değildi. Farklı bir yaklaşıma ihtiyacımız vardı.
Gelen taleplerle ilgilenmek üzere, temsilcilerin yerini alması için değil, onların etki alanını genişletmek için tasarlanmış, temsilcilerden gelen geri bildirimlerle eğitilen ve geliştirilen, yapay zeka destekli bir satış asistanı yarattık.
Sistemin temelinde, dâhili bağlayıcılarımız yer alıyor. Ürün belgeleri, politika kütüphaneleri, müşteri hikâyeleri ve kılavuzlar, modelin üzerinde mantık yürütebileceği bir bağlama oturtuluyor. Asistan, tahmin yürütmüyor. Potansiyel alıcının sorduğu soruya doğru bir şekilde, kendi dilinde, soruyla doğrudan bağlantılı yanıtlar veriyor.
Bu sayede potansiyel alıcılar kendi dillerinde, sorularına dayalı ve kişiselleştirilmiş bir yanıtı dakikalar içinde alabiliyor.
- Tokyo'daki bir şirket, doldurması için kendisine İngilizce bir form gönderilmesi yerine, sorusuna Japonca cevap alıyor.
- Bir hastane idaresi uyumluluk konusunda bilgi istediğinde, gerekli ayrıntılı bilgileri günlerce bekledikten sonra değil, ilk görüşmede alıyor.
- Potansiyel alıcı kurumsal düzeydeyse, bağlam bire bir korunarak, konu sorunsuz şekilde bir temsilciye aktarılıyor.
Chilakamarri: "Bu model, her müşteriyle etkileşim kurmamızı ve onlara son derece kişiselleştirilmiş bir deneyim sunmamızı sağlıyor."
Bu, öylesine bir otomasyon değil. Katma değer sunan ve bunu anında yapan bir otomasyon.
Burada çığır açan atılım, sadece asistanın ilk cevabı değildi. O ilk cevabın arka planındaki iş akışıydı.
Model eğitilirken her taslak yanıt, düzeltmeler için satış temsilcilerine geri gönderildi. Her düzeltme, eğitim verisine dönüştü. Doğruluk oranı birkaç hafta içinde yüzde 60'tan yüzde 98'in üzerine çıktı. Asistan konuşurken genel şablonları kullanmak yerine, ekibimizin en iyi versiyonu gibi konuşmaya başladı. Onların muhakeme yeteneğini koda dönüştürerek sistemleştirdi ve bunu geniş ölçekte kullanılabilir hâle getirdi.
“Oldukça karmaşık bir değerlendirme sistemi oluşturduk. Ekipte sadece ben ve bir mühendis daha vardı… Bu değerlendirmeleri bir tür otomasyon kullanarak yapmanın bir yolunu bulduğumuzda, ilk e-postalarda %60 doğruluktan %90'a, şimdi de %98'e hızla ulaşabildik.”
Temsilciler için, değişimin etkileri hemen görülmeye başladı. Artık gelen kutuları niteliksiz potansiyel müşterilerle dolup taşmıyordu. Zaten başlatılmış olan konuşmalara, gerçekten satın alma niyeti olan ve gerçek sorularına cevap verilmiş potansiyel müşterilerle devam ettiler.
Değerlendirmeler de yönetim kadrosuna güven verdi. Yapılan testler sadece anekdotları değil, ölçülebilir ilerlemeler kaydedildiğini gösteriyodu. Asistanın sorumlu bir şekilde ölçeklenebileceğini kanıtladılar.
Etki anında görüldü. Daha önce kuyrukta kaybolup giden küçük şirketler artık sorular sorduğunda saatler içinde üzerine düşünülmüş cevaplar aldı ve birkaç gün içinde Enterprise planı için sözleşme imzaladı. Bu hikâyeler defalarca tekrarlandı.
Daha önce bizim için tam bir açmaz olan durum, en güçlü büyüme kanallarımızdan biri hâline geldi. Birkaç ay içinde milyonlarca dolarlık yıllık kalıcı gelir elde edildi.
“En büyük aydınlanma anımızı asistanı ilk kez kullanıma sunduğumuzda yaşadık. Gelen potansiyel müşterilere kişiselleştirilmiş deneyimler sunduğumuz ve önemli soruları e-posta yoluyla bile olsa hızlı bir şekilde yanıtladığımız takdirde, çoğunun gerçekten hızlı bir şekilde satın almaya istekli olduğunu fark ettik."
Nitelikli müşteri adaylarının iletildiği temsilciler için de bu değişim aynı derecede değerli oldu. Genel potansiyel müşteriler arasında inceleme yapmak yerine, açıkça satın alma niyeti olan müşterilerle aktif konuşmalar gerçekleştirdiler. İlk kez, kimse yüz üstü bırakılmış hissetmedi.
Burada konu sadece gelen potansiyel müşteriler değil. Daha geniş kapsamlı bir fırsat söz konusu: Oryantasyon, plan yenilemeleri ve destek hizmetleri gibi işlemlerin tamamı güvenilir ve kişiselleştirilmiş konuşmalardan faydalanabilir.
Buradan çıkarılacak ders oldukça basit: En iyi temsilcilerinizin yetkinliklerini yapay zeka aracılığıyla ölçeklendirdiğinizde, tüm ekip için nelerin mümkün olabileceğini değiştirirsiniz.
Chilakamarri’nin de dediği gibi: “Liderlik kadrosu bu konuda son derece heyecanlı. Bu, OpenAI'ı OpenAI kullanarak geliştirebileceğimizin ve teknolojimizi müşterilere doğrudan gösterebileceğimizin kanıtı."
Her potansiyel müşteriyle etkileşimleri kişiselleştirmek, bir taktik değil. Kişiselleştirme, her türlü etkileşim için daha iyi bir yol hâline geliyor.
