銷售中的人工智能
人工智慧在我們的個人生活中已經無所不在。 我們的經驗因其在不同領域的應用而豐富。
我們可能沒有意識到,我們在日常生活中以視訊推薦、產品推薦、語音助理、臉部辨識登入以及許多其他功能的形式使用人工智慧技術。
人工智能已經在節省我們的時間,同時也將我們引向為我們量身定制的內容和產品。
在工作場所也是如此,人工智慧可以提高自動化程度,以節省時間並增強人類能力,以獲得更好的結果。
Gartner 在貼文中 用於銷售 Covid-19 世界的新現實的頂級 CRM 銷售技術 概述了 AI 在銷售流程中的 5 種應用。
- 人工智慧在銷售預測的應用
- 交易評分中的人工智能
- 對話智能中的人工智能
- 定價技術中的人工智慧
- 人工智慧在教練支援的應用
這本電子書為 CXO 和銷售領導者提供了有關人工智慧引導銷售並在其組織中成功實施所需的所有資訊。
“商界領袖相信人工智慧將成為未來的基礎。事實上,72% 的人將其視為商業優勢。” - 普華永道
1.什麼是AI引導銷售
傳統上,我們只專注於特定交易或特定線索的活動,並就後續步驟做出決策。
諸如「發送什麼文件是最好的」和「聯繫的最佳時間是什麼時候」等決定取決於銷售人員的最佳判斷。
我們透過為交易的每個階段分配固定的轉換機率來進行預測。
例如:新的為 10%,合格的為 20%,準備關閉的為 80% 等。同樣,我們透過為特定特徵或行為分配固定分數來對潛在客戶進行評分。
傳統的銷售流程沒有系統化的方法來從過去的經驗中學習以改善未來的結果。
人工智慧引導的銷售彌補了這一差距。
人工智慧本質上只是一個簡單的過程,分析歷史數據,尋找導致特定結果的原因模式,並得出可用於做出預測和提供建議的推論。
此外,我們現在還有辦法從電話記錄和電子郵件中自動解讀情緒。
AI 程式透過應用機器學習 (ML) 和自然語言處理 (NLP) 功能來實現這一點。
機器非常擅長在短時間內篩選資料數百或數千次。
人工智慧可以幫助回答以下問題:
- 客戶所在產業有多大影響力
- 對你的勝率有影響嗎?
- 位置怎麼樣?
- 分配給該交易的銷售人員怎麼樣?
還有許多其他因素 - 參與次數、情緒、分享的文件、電話中如何處理異議等。
所有這些都不同程度地影響結果,人工智慧可以篩選歷史數據以找到相關性和因果關係。
有了足夠的歷史數據,人工智慧程式可以找到模式並測試各種假設,看看哪些因素影響程度更大,並提供預測和建議。
一些隱藏在人工智慧制服中的功能實際上並未使用機器學習,而是利用交易和聯絡人的可用數據來提供及時的智慧警報(例如:如果交易閒置或在某個階段停滯超過5 天,系統可以發送警報) 。
「67% 的銷售代表未完成年度配額」- 塔斯集團
2.人工智慧如何幫助銷售代表
Lead和MQL階段
資料豐富
銷售代表通常在LinkedIn或其他資源上花費時間來研究潛在客戶。 可以提供給定電子郵件地址或公司名稱的有用詳細信息的工具非常方便,可以節省銷售代表的時間。
率先取得進球
銷售代表會浪費大量時間去尋找質量不佳的銷售線索。 通過查看線索的參與行為和輪廓特徵,AI應用程序可以識別導致更高轉化率的線索特徵。 參與電子郵件,網站,社交渠道以及個人資料數據都是可以幫助預測轉化可能性的因素。
重複記錄警報
無論您的系統多麼複雜,重複記錄都會進入系統。 通常,這是由於用於同一聯繫人,組織或交易的文字略有不同。 程序可以監視此類重複記錄並提醒銷售代表,以使信息不會分散在不同的記錄中。
“52%的公司只相信他們擁有可靠率超過75%的客戶數據。而只有23%的公司相信他們擁有可靠的潛在客戶數據。” - CSO 見解
人工智慧可用於改善銷售流程每個階段的結果。 在接下來的幾頁中,我們將仔細研究人工智慧如何影響銷售漏斗的每個階段。
SQL階段
最佳聯繫時間
通過在最有可能與您的聯繫人聯繫時發送電子郵件或撥打電話來提高響應速度。 根據他們過去與您的團隊的接觸,系統可以建議合適的時隙來打電話或發電子郵件。
電子郵件助手
回覆電子郵件時,人工智慧可以建議銷售代表只需點擊即可插入的文件或模板,稱為文件推薦。 隨著交易進展到不同階段,某些文件(例如案例研究、比較文件或投資報酬率文件)可能會幫助您的潛在客戶評估您的產品。 人工智慧引導的應用程式可以查看不同文件成功率的歷史資料並及時提出建議。
空閒聯繫提醒
銷售是建立關係的過程。 重要的是要與潛在客戶保持互動,即使是那些沒有即時需求的潛在客戶也是如此。 空閒的聯繫提醒可以幫助銷售代表與潛在客戶保持聯繫。
“如果您在上午 15 點至 8 點之間致電,與潛在客戶建立聯繫的可能性會增加 11%。”
交易階段
交易分數
了解交易成功的可能性對於提前採取糾正措施並生成可預測的預測很重要。
交易警報和任務建議
除了文檔建議外,銷售代表還可以從克服障礙的其他技巧中受益。 例如,系統可以警告:
- 如果尚未確定決策者但交易已進入談判階段,則銷售代表 「合格」階段.
- 如果客戶對交易的適應性很低,經理人就需要介入,為銷售代表提供指導。
電子郵件,電話和會議中的操作項
我們多少次錯過了承諾的跟進任務? 通過分析電話和電子郵件中的通信並使用NLP,AI應用程序可以選擇操作項,以使銷售代表更容易跟進。
價格優化
給客戶合適的折扣是什麼? 是否應該給予折扣? 基於AI的系統可以根據過去的銷售數據來建議合適的折扣或價格變化。
「50% 的銷售時間浪費在毫無成效的勘探上」 - B2B Lead
客戶階段
向上銷售和交叉銷售
什麼時候是合適的追加銷售時間? 或者您的客戶還可以從中受益什麼? 使用AI,您可以發現擴大現有客戶關係的機會。
“85% 的高管認為人工智慧將使他們的公司獲得或維持競爭優勢,但只有約20% 的高管以某種方式融入人工智慧,只有不到39% 的高管制定了人工智慧戰略” ——麻省理工學院
3.人工智慧如何幫助銷售主管
交易洞察
對話提醒和交易執行簡介
支援 NLP 的人工智慧工具可以為銷售經理提供交易的執行摘要,讓她鳥瞰交易的所有活動以及積極和消極的信號。
該工具可透過通話記錄和電子郵件進行分析,尋找管理員分類的短語(例如:定價、手冊、競爭對手、功能)並提供摘要。
銷售經理可以查看潛在客戶的情緒是否朝著正面的方向發展,並點擊查看特定對話。
“55% 以銷售為生的人不具備成功所需的技能。” - 卡尺公司
預測
基於人工智能的預測
有些銷售人員擅長分配機率,而有些則不然。 有些人過於樂觀,有些人則持謹慎態度。 由於這些人類傾向,傳統的預測常常被證明是不準確的。
銷售經理可以透過應用機器學習模型來獲得更可靠的預測,該模型考慮了與交易相關的所有可能影響其結果的活動。 不要只憑直覺行事!
與人工智慧相關的任何事物一樣,隨著時間的推移,隨著可用數據的增加,預測的準確性也會提高。
「102 天是接近結束時間的平均領先時間」- Salesforce
教學與輔導
人工智慧可以將銷售經理轉變為銷售導師
如果您要管理一個由10個銷售代表組成的團隊,則即使每個人每天花3個小時在電話上,也無法手動查看電話(這意味著您必須在30個小時內檢查9個小時,即使這是唯一的情況)你做)。 應用NLP的基於AI的工具可以提供統計信息,例如情緒,聽話,最長的獨白等。
支援人工智慧的工具可以篩選通話記錄和電子郵件,並標記那些不合格的內容,供銷售經理(又稱教練)審查。 經理可以查看哪些代表需要幫助以及他們需要幫助的領域(例如:議程設定、發現問題、異議處理...)。 在查看電話/電子郵件時,經理可以引用範例和指南來加快銷售人員的學習過程。
“81% 的人表示,通過捕獲他們會面或發送電子郵件的人的高品質聯繫信息,可以提高數據的準確性。” - 介紹蜂巢
4. 哪些數據對於實現人工智慧引導銷售的所有優勢至關重要?
一些需要歷史數據的人工智慧驅動功能包括:
交易評分
交易分數的某些組成部分,特別是適合度分數、權威分數、參與度分數是根據該交易的屬性與先前贏得/失去的交易的比較來確定的。
任務建議
關於在交易的特定階段發送什麼文件或下一步要採取什麼行動的建議將根據過去交易進展到結束時採取這些行動的結果來確定。
人工智慧驅動的預測
透過考慮人工智慧支援的交易評分,可以在更客觀的基礎上進行更多預測。
這些提到的功能需要過去交易(贏或輸)的數據來建立和測試預測模型。
「82% 的 B2B 決策者認為銷售代表沒有做好準備」 - Blender
以下是一些依賴過去交易資料的關鍵屬性:
- 交易管道名稱
- 交易進入階段以及階段所花費的時間
- 交易結果(贏/輸)
- 交易金額
- 所有者名稱
- 相關組織產業、規模、地區等領域
- 相關聯絡人在交易中的角色
- 交易每個階段的接觸點數量 - 電子郵件、聊天、電話、會議、活動、網站活動、文件和案例。
- 交易不同階段共享的檔案名稱
還有許多其他支援人工智慧的功能不需要這些歷史數據,如下所述。
“銷售代表收集的 79% 的機會相關數據從未在 CRM 系統中更新。” - 歐洲科學協會
5. 如果我們沒有過去交易的資料怎麼辦?
隨著數據的增多,基於人工智慧的預測和建議會變得更好。 但是,如果您一開始根本沒有數據,那麼某些 AI 功能可能在第一天就無法使用。通常,至少需要 1 筆贏/輸的交易才能有足夠的信心。
以下人工智慧驅動的功能不需要歷史交易資料:
最佳聯繫時間
這是根據聯絡人的參與歷史記錄得出的(聯絡人何時打開電子郵件、發送電子郵件、查看文件等)
交易和聯繫情緒
情緒源自於聯絡人透過電子郵件內容、通話記錄和聊天訊息發送的訊息。
交易對話提醒
當潛在客戶或客戶提到特定短語時,可以提醒銷售經理。
對話分析
特定短語和關鍵字可以配置為正面、負面或中性。 管理員還可以將它們分為不同的類別(例如:定價、價值主張、功能),然後查看交易中的對話摘要。
電子郵件回复助手
根據潛在客戶要求的資訊回覆電子郵件時,可以向銷售代表提供範本和文件建議。
銷售輔導
可以分析電話和電子郵件錄音,以了解銷售人員的溝通方式。 語音分析可以測量說話速度、情緒、Talk2Listen 比率以及高級洞察,例如銷售人員是否很好地處理問題、提出問題以及暫停以允許客戶繼續說話。
“30% 的 B2B 公司將採用人工智慧來增強至少一項主要銷售流程。” - 加特納
6. 為什麼有些由人工智慧引導的銷售計畫會失敗?
當開始人工智慧減輕團隊負擔時,您應該記住,其他團隊過去引入人工智慧的一些嘗試都失敗了。
了解失敗的原因將有助於您避免陷入陷阱。
那麼,為什麼一些基於人工智慧的銷售計劃會失敗呢?
- 數據匱乏且數據品質差
- AI引擎使用了錯誤的訓練模型
- 當前交易中的零星通信
- 銷售人員缺乏信任且對基於人工智慧的功能採用不佳
- 缺乏持久性
「92% 的客戶互動發生在電話上」 - Salesforce
數據匱乏且數據品質差
為了提供預測和建議,人工智慧引擎使用您過去交易的數據。 這包括與交易相關的數據,例如電話、電子郵件、已完成的任務、已發送的文件、聯絡人欄位(例如:交易聯絡人角色)、組織欄位(例如:組織行業、位置)。
有了更多數據,預測和建議(例如最佳聯繫時間、交易得分、交易建議)就會變得更好。
小提示:
如果您已經擁有過去的交易數據,那麼您可以在人工智慧採用的早期就期待良好的結果。
如果您的組織想要使用 Vtiger Calculus AI,Vtiger 也可以從其他 CRM 匯入您過去的資料。
人工智慧的一些功能,主要是由自然語言處理 (NLP) 實現的功能,例如呼叫分析、電子郵件分析、情緒評分、對話訊號,不需要歷史資料。 因此,將這些作為您最初目標的一部分將從第一天起就對您的銷售人員有所幫助。
注意:Vtiger 可以從其他 CRM 匯入您過去的資料。
「生產力損失和銷售線索管理不善每年給公司造成至少 1 兆美元的損失」—CMO 委員會
固定訓練模型
可以對歷史資料應用不同的機器學習 (ML) 模型來進行預測。 模型的選擇會對結果產生很大影響。 應用自學習方法的機器學習模型可提供更準確的結果。
小提示:
請注意,訓練模型可能需要調整。 Vtiger 團隊已準備好與您合作監控結果並做出必要的調整。 Vtiger Calculus AI 允許管理員自訂模型,並提供易於配置的控件,以便為您的組織獲得最佳結果。
如果銷售人員發現系統錯誤地解釋了電子郵件或通話記錄中的某些文本,Calculus AI 還可以讓銷售人員一鍵糾正情緒。
「40% 是銷售代表花在尋找可以打電話的人上的時間」—內部銷售
分散的溝通和隱藏的接觸點
如果電話、電子郵件、聊天、WhatsApp 對話未記錄在系統中,那麼人工智慧引擎將根據部分數據提供較差的預測和建議。 某些接觸點(例如:銷售人員發送的報價或投資回報率文件中的參與度)可能不會被關注,但對於追蹤參與度和得出正確的預測同樣重要。
小提示:
找到一個具有插件和整合的工具,可以自動將通話、聊天、WhatsApp 對話和電子郵件引入 CRM,而無需銷售人員進行任何操作。
Vtiger CRM Mobile 應用程式和 Web 用戶端允許銷售人員在應用程式內撥打電話並進行 WhatsApp 對話。 Vtiger 也與 Zoom Meet 和 Google Meet 整合。 (Microsoft Teams 整合將於 1 年第一季推出)。 Vtiger 還具有 Gmail 和 Office2021 的附加元件。
Vtiger CRM 具有內建文件追蹤功能。 因此,當您從 Vtiger 發送帶有報價單或任何其他文件的電子郵件時,CRM 不僅會在查看時提醒您,還會使用這些資料來更新預測和建議。
「50% 研究顯示 35 -50% 的銷售額流向最先回應的供應商」- 內部銷售
採用率低
不準確的預測或建議會很快削弱熱情並減少採用。 因此,在一開始就設定正確的期望並明智地推出人工智慧功能非常重要。 由於一些基於人工智慧的功能可能需要數據,因此最好在第二個月或第三個月推出。
小提示:
使用需要最少改變習慣的工具。 設定 2 或 3 階段的時間表來推出人工智慧。 第一階段可以是不需要歷史資料的功能(如上所述)。
「85% 的潛在客戶和客戶對他們的電話體驗不滿意」 - Salesforce
缺乏持久性
與任何新舉措一樣,都會遇到障礙。 尤其是那些需要改變一些習慣的舉措,即使是很小的改變。 在推出人工智慧引導銷售時,您應該預料到會遇到挑戰。
它們的形式可能是由於模型錯誤或數據不足而導致的預測不準確,或者由於缺乏培訓而導致採用率不高。
了解這些是正常的,並繼續採取糾正措施將帶領您的銷售團隊取得成功的結果。
小提示:
您的第一線經理對於成功推出人工智慧至關重要。 他們應該參與規劃和監控人工智慧功能推出的採用。
與您的Vtiger CRM教練共享反饋以獲取指導。
「42.5% 的銷售代表需要 10 個月或更長時間才能提高工作效率」—埃森哲
“預計未來三年預測智慧 (118%) 和現金流程自動化 (115%) 等領域將實現三位數成長。” - 銷售隊伍
7. 選擇人工智慧引導銷售工具時該注意什麼?
當您開始在組織中實施人工智慧引導銷售時,您可能沒有所需的全部數據。 因此,在尋找合適的工具時,您應該尋找提供這些功能的工具。
- 可配置性
- 第一天的特點
可配置性
雖然許多工具承諾只需很少的配置即可提供開箱即用的人工智慧功能,但它們要么需要數千筆記錄,要么提供不準確的預測。 透過人工幹預,即使數據較少,也可以快速提高預測的準確性。 例如,您在特定地理區域可能具有較高的轉換率。 僅當該區域用於訓練模型時才能檢測到這一點。 有些工具允許對訓練模型中的欄位進行微調。
「與低績效公司相比,高績效公司擁有銷售自動化的可能性是低績效公司的 2 倍」- Velocify
提供客製化功能的工具可帶來更好的結果並提高組織中 AI 的採用率。
您可以自訂的內容:
- 訓練模型
- 旅程模板(劇本)
- 自然語言處理模型
- 適合度分數字段
- 對話訊號 - 針對您的業務的正面和負面短語
- 競爭對手名稱
第一天的特點
即使您沒有過去交易的數據,在等待數據累積的過程中,人工智慧也可以透過多種方式在第一天為銷售人員和銷售經理提供協助。
「33% 是銷售代表積極銷售的實際時間」 - CSO Insights
尋找可以提供這些功能且不需要歷史交易資料的工具:
- 聯繫情緒和交易情緒
- 最佳聯繫時間
- 通話錄音中的操作項目
- 輔導儀表板
“表現出色的銷售團隊在預測智能方面表現出色或非常擅長的可能性高出 2.8 倍。” - 銷售隊伍
8. 人工智慧加速成功之路
人工智慧可以改變您團隊的銷售方式。 當您向他們提供支援人工智慧的建議時,他們對交易採取的行動、跟進的時間、對話的品質、共享的文件都會得到改善。
當您開始在銷售團隊中推廣人工智慧時,您應該採取以下幾個簡單步驟來確保成功。
第 1 步 - 從簡單的目標開始
您希望透過使用 AI 實現什麼目標 - 是提高潛在客戶轉換率嗎? 為了提高交易勝率? 為了更快完成交易? 還是指導銷售代表更好地發現或成交?
請記住,除非銷售代表從中受益,否則任何新銷售技術的採用率都會很低。 因此,主要目標之一應該是授權銷售代表。
人工智慧可以在許多方面為銷售代表提供協助,從確定潛在客戶的優先級,到識別要對交易執行的操作,或提醒他們閒置的交易,或建議回覆電子郵件時要包含的內容等等。
“在使用智慧功能時,表現出色的銷售團隊對預測準確性產生重大積極影響的可能性是表現不佳的銷售團隊的 10.5 倍。” - 銷售隊伍
第 2 步 - 與所有利害關係人溝通
您的銷售團隊可能會對人工智慧引導銷售持懷疑態度。 我們在自己的銷售團隊中也注意到了這一點。
銷售人員有兩個主要問題。
- 預測的準確性:人工智慧隨著數據的增加而變得更好。 因此,在早期階段必然存在預測和建議不準確的情況。 相應地設定期望。
- 擔心AI可能會限制其作用:相反,人工智慧透過成為他們的智慧助理來增強他們的成功。
告知您的銷售團隊您希望透過實施人工智慧引導銷售實現什麼目標,以及它將如何幫助他們和組織。
“46% 的公司表示,行銷和銷售是他們在人工智慧採用系統上投資最多的領域。” - 銷售隊伍
步驟 3 - 找到一個可以讓您從現有資料開始的工具
人工智慧驅動的應用程式需要資料來訓練預測模型。 它不僅包括贏得和失去的交易的名稱和交易規模,還包括交易的接觸點、交易的其他屬性以及相關組織和聯絡人。 通常,如果您重新開始,這些數據可能無法使用。
Vtiger Calculus 等工具可以幫助您從有限的資料開始,並讓您從第一天開始就可以使用不需要歷史資料的功能。 例如,您的團隊可以受益於最佳聯繫時間、通話分析和輔導儀表板、輔導記分卡等功能,開箱即用 1%。
“未來三年銷售團隊採用人工智慧的預期成長率將達到 139%。” - 銷售隊伍
步驟 4 - 透過前 90 天的每週回顧收集回饋。
收集銷售人員和銷售領導的回饋,了解哪些功能可以幫助他們實現目標,哪些功能不能幫助他們實現目標。 。 人工智慧引擎對資料使用不同的演算法模型來做出預測。 這些模型可能需要一些調整,以確保預測和建議準確。 每週回顧將有助於儘早發現偏差並提高預測的準確性。
9。 總結
Gartner 在最近一份題為「人工智慧引導銷售」的報告中發現,COVID-19 的流行讓許多銷售團隊措手不及。 修訂後的預測比先前的基準預測低 50%。 許多銷售領導者現在正在尋求實現內部和外部流程的現代化,以提高預測的轉換率和準確性。
透過利用人工智慧驅動的工具,銷售領導者可以提供一個得力的助手,指導他們的銷售人員在與每個客戶的旅程的所有步驟。 他們也可以轉型成為導師。
“81% 的財富 500 強首席執行官認為人工智慧是一個重要的投資領域。” - 福布斯
“83% 最積極採用人工智慧和認知技術的公司表示,他們的公司已經取得了中等(53%)或實質性(30%)的效益。” - 德勤