Как одна компания увеличила конверсию продаж на 68% с помощью нейросети
Было 25%, через 3 месяца стало 42% конверсия SQL2CW. Статья о том, как добиться нелинейного эффекта с помощью эффективного процесса и автоматизации рутинных операций, даже на кровавом рынке, среди акул.
Ситуация в отделе продаж
Команда продаж 5 чел: 2хSDR и 3хAE. SDR-ы обеспечивают приток новых квалифицированных лидов (SQL) в количестве 20 шт/мес на каждого. Затем AE принимают лида, проводят доквалификацию и закрывают сделку: подписывают договор и получают первый платеж.
В итоге, из 20 SQL за 4–6 месяцев до оплаты доходило 5 клиентов. Чек — от 5 млн руб. Для того, чтобы получить 20 SQL, каждому SDRу необходимо было провести более 60 встреч в месяц, после каждой встречи заполнить 20 ячеек в CRM, написать фоллоуап каждому лиду и еще совершить другие активности, которые позволят запланировать встречи на будущее (Revenue Generation Activities).
Менеджера по контролю качества нет, РОП — играющий тренер, слушать звонки ему некогда. Есть цель — взять под контроль конверсию продаж и наращивать ее итеративно, тестируя разные техники. Работа SDR — это огромный пласт мелких движений, постоянные переключения: ответы на входящие запросы, звонки и тд. SDR находится на переднем крае: он не может сапрятаться от клиентов, он всегда должен быть на связи. Поэтому работа SDR сопряжена со стрессом и ошибками: люди не успевают делать все правильно. Чтобы снизить количество ошибок, необходимо автоматизировать все, что можно автоматизировать.
Задача
Основная задача, стоявшая перед нами на первом этапе — автоматизировать ввод данных в CRM. У заказчика было 7 ключевых вопросов, ответы на которые должны фиксироваться в отдельные ячейки в CRM:
Какой бюджет предусмотрен у клиента на проект?
Как выглядит процесс принятия решения?
По каким критериям вы выбираете себе партнера?
Кто является конечным ЛПР?
Какую бизнес-цель необходимо выполнить?
Кто основное заинтересованное лицо в решении?
Какие конкуренты засветились в сделке?
Если ответы на все 7 вопросов есть и цифра в бюджете подходящая — лид считается квалифицированным и передается по процессу на следующий этап-AE, который его принимает и заводит сделку, которую потом доводит до денег. Если ответов нет, делался еще один подход в попытке выяснить эти детали. Если после второй попытки ответы не получались, лида ставили на «прогрев» маркетинговыми инструментами, пока он сам не дозреет.
Решение
На начальном этапе нейросеть SalesAI в базе уже определяла наличие ответов на эти вопросы и сами ответы записывались в указанные ячейки в CRM (amoCRM) через API интеграцию. Встречи проходили через Zoom/Meet, поэтому работали через приложение, которое устанавливается на компьютере. Сотрудники на MacOS mp3 файлы встречи в свое облако.
Разработка вопросно-ответной системы для поиска этих 7 ответов заняло всего неделю. Без обучения точность определения ответа была 50%. Самый большой разбег был на вопросе 5. Хотя по логике там всего несколько вариантов: больше зарабатывать или меньше тратить, но люди скатывались в ответы в коннотации задач, а не целей. Но нам это тоже необходимо было фиксировать. Для повышения точности извлечения ответов на все вопросы, мы произвели дообучение нейросети на реальных звонках. Еще через неделю точность извлечения ответов в слепых тестах составила 89%.
На следующих этапах нам необходимо было обеспечить систему закрепления эффективных навыков сотрудниками. Раз уж мы анализируем весь диалог, то почему бы нам и не измерить заодно качество работы SDR и AE? Мы стали оценивать качество работы менеджеров по продажам.
Разбили задачу на этапы ↓
Этап 1. Холодный старт
Длительность встреч (час / мин);
Количество встреч (шт);
Общее время встреч;
Слушал (%);
Говорил (%);
Длительность монолога (мин / сек);
Клиент говорил (мин / сек);
Метрики оценки эмоционального интеллекта менеджера по продажам
Анализ результатов первого этапа показал, что:
SDRы стали проводить встречи более качественно. Раньше у них был жесткий таймлайн: 45/15/15 45 мин на встречу, потом 15 минут рутинные операции после встречи, 15 минут на ответы по другим клиентам и сходить в туалет и опять. Мы избавили их от необходимости 15 минут вносить данные по результатам и писать саммари встречи и они расслабились в правильном смысле. Это отразилось на том, что они стали меньше говорить, больше слушать и получать больше ответов на вопросы.
Увеличилась вовлеченность в диалог. Отношения стали выстраиваться более качественно.
Доля полученных ответов выросла на 40%.
Стали больше слушать: с 40% до 65%.
Доля клиента в эфире выросла в 3Х.
Теперь они не торопились и если за 45 минут не получили все ответы, то продолжали встречу и доводили ее до результата.
Количество SQL выросло на 28%.
Этап 2. Увеличение метрик на дашборде:
Контроль пройденных тем;
Темп речи (слов / мин);
Молчание (мин / сек);
Перебивания (шт);
Сильные слова, подчеркивающие УТП (шт);
Плохие слова, снижающие ценность (шт);
Введение дополнительных более тонких метрик позволило через 2 недели увеличить конверсию в SQL до 36%.
Более глубокий анализ качества общения позволяет увеличить конверсию продаж
Этап 3. Увеличение точности квалификации и количества вопросов
В результате Won Sales анализамы установили, что среди всех успешно закрывшихся сделок были дополнительные общие черты:
80% из них на этапе SQL имели ответы на вопросы:
Какую проблему клиента мы решаем?
Какой ущерб несет клиент от этой проблемы?
Что будет, если не починить эту проблему?
70% из них имели ответы на такие вопросы:
Какой четкий план сделки по шагам?
Как долго можно не решать эту проблему?
50% имели ответы на эти вопросы:
Кто еще влияет на принятие решения о покупке?
Как обычно выделяется бюджет?
Как выглядит процесс увеличения бюджета?
20% сделок имели ответы на такие вопросы:
Как долго можно не решать эту проблему?
Как долго согласовывается сделка в разных категориях бюджета?
Нам была поставлена задача расширить и научить нейросеть дополнительно извлекать ответы и на эти вопросы на первых 3-х встречах с клиентом (Discovery, Demoи NBM). Перед менеджерами стояла задача как можно быстрее проговорить эти темы с клиентом, чтобы он озвучил ответы на них. Задача SalesAI — как можно быстрее извлечь из разговора ответы на эти вопросы и записать в ячейки CRM.
Этап 4. Автоматизация протокола встречи
Если система знает ответы на указанные выше 17 вопросов, то подставив правильные ответы в правильный шаблон, у нас получится шикарный фоллоуап, который собирается автоматически. Это позволит не только сэкономить 15–30 минут после каждой встречи, но и зафиксировать лиду еще раз его боли, и даст психологический эффект.
Сейчас нейросеть SalesAI автоматически извлекает из диалогов с клиентами ответы на 17 вопросов, записывает ответы на каждый из них в 17 разных ячеек amoCRM, автоматически создает протокол встречи и контролирует качество работы менеджеров по продажам по 33-м параметрам.
Кейсы
Новости 
How to 
Интервью и дискуссии 
Исследования 
Просто о сложном 
Проверено ADPASS 
Рекламные кампании