Als je denkt dat AI een recent fenomeen is, dan kan deze nugget je misschien amuseren. Terwijl de term 'kunstmatige intelligentie' voor het eerst werd bedacht in 1955, werd het concept van AI voor het eerst besproken in 'Ars generalis ultima' (The Ultimate General Art) door Ramon Lull in 1308 CE *.
Nu is dat heel lang geleden! Tegenwoordig heeft AI veel aspecten van ons leven geraakt. Het lijkt overal te zijn.
Of het nu gaat om video-aanbevelingen op YouTube, productaanbevelingen op Amazon of verkeersvoorspellingen op Google Maps, AI-gebaseerde algoritmen helpen ons elke dag. We profiteren er allemaal op de een of andere manier in ons persoonlijke leven van.
AI heeft ook op het werk doorgedrongen - bij het verbeteren van bedrijfsfuncties. In fabrieken verbetert AI de veiligheid en productiviteit. In HR helpt AI medewerkers om realtime hulp te krijgen bij vragen over verlof en salarisadministratie. In marketing kan AI helpen om de juiste doelgroep voor een campagne te bereiken. Bij klantenservice biedt AI realtime antwoorden op veelgestelde vragen via chatbots en maakt het agenten tijd vrij om aan complexe vragen te werken.
AI in verkoop
Zodra we AI demystificeren, is het gemakkelijk in te zien waarom het ook effectief kan zijn in het verkoopproces. AI leest patronen in historische gegevens met grote nauwkeurigheid. In het bijzonder patronen, waarbij bepaald gedrag in een vroeg stadium samen met het profiel kan leiden tot een specifiek toekomstig gedrag of resultaat.
Beschouw de volgende gevallen:
- E-mailstatus: of een e-mail wordt geopend of niet wanneer deze op een bepaald tijdstip wordt verzonden.
- Document: of een document al dan niet heeft geholpen om door te gaan naar een later stadium, enz.
Nu is elk individu en elke klant anders. Als je er duizenden hebt, en mogelijk honderden datapunten voor elk, zullen er patronen ontstaan.
AI is gebouwd om patronen te lezen en is zo ver gevorderd dat er weinig of geen handmatige tussenkomst nodig is.
AI-systemen kunnen enorme hoeveelheden gegevens doorzoeken en het proces duizenden keren herhalen om patronen te vinden die tot specifieke resultaten leiden (bijvoorbeeld gewonnen of verloren deal). Sommige AI-modellen hebben ingebouwde mechanismen om de nauwkeurigheid te verbeteren door te voorspellen op basis van historische gegevens en te verifiëren of voorspellingen overeenkomen met hun werkelijke resultaten, en deze steeds opnieuw te herhalen met aanpassingen totdat de nauwkeurigheid hoog is.
Verkoopteams beginnen al te profiteren van AI-gebaseerde applicaties die hen uiteindelijk helpen meer deals te winnen en sneller deals te sluiten.
Hier zijn 15 kritieke verkoopgebieden die kunnen profiteren van AI.
Lead & MQL Stage
- Profielverrijking
Verkoopvertegenwoordigers brengen meestal tijd door op LinkedIn of andere bronnen om potentiële klanten te onderzoeken. Tools die nuttige details kunnen opleveren op basis van een e-mailadres of bedrijfsnaam, kunnen erg handig zijn en tijd besparen voor verkopers.
- lead scoring
Verkoopvertegenwoordigers verliezen veel tijd met het jagen op slecht gekwalificeerde leads. Door het engagementgedrag en de profielkenmerken van leads te beoordelen, kunnen AI-toepassingen kenmerken in leads identificeren die tot een hogere conversie leiden. Betrokkenheid bij e-mails, websites, sociale kanalen, samen met profielgegevens, zijn allemaal factoren die de kans op conversie kunnen helpen voorspellen.
- Toon duplicaten
Hoe geavanceerd uw systeem ook is, dubbele records komen het systeem binnen. Heel vaak is dit te wijten aan kleine varianten in de tekst die voor dezelfde contactpersoon of organisatie of deal worden gebruikt. Programma's kunnen dergelijke dubbele records in de gaten houden en verkoopvertegenwoordigers waarschuwen, zodat informatie niet in verschillende records wordt verspreid.
SQL-fase
- Beste tijd om contact op te nemen
Verbeter het responspercentage door e-mails te sturen of te bellen wanneer uw contacten het meest waarschijnlijk bereid zijn om deel te nemen. Op basis van hun eerdere betrokkenheid bij uw team, kan het systeem geschikte tijdvakken voorstellen om te bellen of e-mailen.
- E-mailassistent
Bij het beantwoorden van een e-mail kan AI documenten of sjablonen voorstellen die verkoopvertegenwoordigers met een klik kunnen invoegen.
- Document aanbevelingen
Naarmate de deal verschillende fasen doorloopt, kunnen bepaalde documenten, zoals casestudy's, vergelijkingsdocumenten of ROI-documenten, uw potentiële klanten helpen bij het evalueren van uw product. AI-gestuurde applicaties kunnen historische gegevens over het succespercentage van verschillende documenten bekijken en tijdig aanbevelingen doen.
- Inactieve contactherinneringen
Verkopen is het proces van het opbouwen van een relatie. Het is belangrijk om in contact te blijven met uw potentiële klanten, ook degenen die geen onmiddellijke behoefte hebben. Inactieve contactherinneringen kunnen verkoopvertegenwoordigers helpen contact te houden met hun potentiële klanten.
Deal-fase
- Dealscore
Het is belangrijk om de kans op succes van een deal te kennen om van tevoren corrigerende maatregelen te nemen en voorspelbare prognoses te genereren.
- Dealwaarschuwingen en taakaanbevelingen
Naast documentaanbevelingen kunnen verkoopvertegenwoordigers ook profiteren van andere tips die hindernissen overwinnen. Het systeem kan bijvoorbeeld waarschuwen voor:
- Verkoopvertegenwoordigers als er nog geen beslisser is geïdentificeerd, maar de deal naar de fase 'Gekwalificeerd' gaat.
- Managers als het klantprofiel laag is voor een deal, en ze moeten ingrijpen om verkoopvertegenwoordigers te begeleiden.
- Actie-items van e-mails, oproepen en vergaderingen
Hoe vaak hebben we de beloofde vervolgtaken gemist? Door de communicatie in oproepen en e-mails te analyseren en NLP te gebruiken, kunnen AI-applicaties de actie-items uitkiezen om het voor verkoopvertegenwoordigers gemakkelijker te maken om op te volgen.
- Prijsoptimalisatie
Wat is de juiste korting om aan een klant te geven? Moet er überhaupt korting worden gegeven? AI-gebaseerde systemen kunnen de juiste kortingen of prijsvariaties voorstellen op basis van gegevens van eerdere verkopen.
Klanten
- Upselling en cross-selling
Wanneer is het het juiste moment om te upsellen? Of van welke andere producten kan uw klant profiteren? Met behulp van AI kunt u kansen identificeren om uw bestaande klantrelaties uit te breiden.
Verkoopmanagers
Verkoopleiders willen verkopers in de beste positie brengen om te slagen. Ze hebben niet alleen nauwkeurige prognoses nodig, maar ook tijdige waarschuwingen om te helpen met specifieke deals en gebieden te vinden waar verkopers coaching nodig hebben. Hier zijn enkele gebieden waar AI verkoopleiders kan helpen.
- AI-gebaseerde prognose
Krijg betrouwbaardere prognoses door machine learning-modellen toe te passen die rekening houden met alle engagementen met betrekking tot een deal die het resultaat kunnen beïnvloeden. Ga niet zomaar af op uw voorgevoel!
- Oproepanalyse
Als u leiding geeft aan een team van 10 verkoopvertegenwoordigers, is het onmogelijk om oproepen handmatig te bekijken, zelfs als ze elk 3 uur per dag aan de telefoon zijn (dat betekent dat u 30 uur in uw 9 uur moet doornemen, zelfs als dat het enige is je doet). Op AI-gebaseerde tools die NLP toepassen, kunnen statistieken leveren zoals stemming, praten om te luisteren, langste monologen, enz.
- Coaching
Op AI-gebaseerde tools kunnen e-mails en oproepen markeren die niet aan de beste praktijken voldoen, zodat ze door de verkoopmanagers (ook wel coaches genoemd) kunnen worden beoordeeld. Coaches kunnen verkoopvertegenwoordigers vinden die hulp nodig hebben bij specifieke aspecten van gesprekken (agenda-instelling of ontdekkingsvragen, enz.).
Probeer Vtiger Calculus AI gratis tot 31 maart 2021. Het is tijd om AI in handen te geven van uw verkoopteams.
Dealscores, dealaanbevelingen, e-mailassistent, oproepanalyse en coachingfuncties maken allemaal deel uit van Vtiger Calculus. Vtiger Calculus is een add-on die beschikbaar is voor Vtiger Sales & Vtiger One-edities (Professional & Enterprise-niveaus).
Referenties * - Hier is een korte geschiedenis van AI geschreven door Gil Press voor Forbes en gepubliceerd op 30 december 2016.
