أتمتة المبيعات الذكية لـ "Nova"؛ تحويل العملاء المتوقعين المتفرقين إلى عملية بيع ذكية

نوع العلامة التجارية: شركة B2B تقدم حلول البرمجيات والخدمات التكنولوجية
اسم العلامة التجارية: نوفا
خدمات نتانيك: الذكاء الاصطناعي، أتمتة المبيعات، وكيل الذكاء الاصطناعي، إدارة علاقات العملاء وتصميم الأنظمة الذكية

المدير الفني للبنية التحتية والموقع: نافيد زماني

مدير المشروع ومصمم الجرافيك: سهيل موتاغينيا

أتمتة المبيعات الذكية لنوفا

كانت شركة Nova شركة تعمل في مجال التعاملات بين الشركات (B2B) وتنشط في مجال الحلول البرمجية، مما أدى إلى زيادة عدد العملاء المتوقعين القادمين مع زيادة الأنشطة التسويقية. لم تعد المشكلة الرئيسية هي جذب العملاء المحتملين؛ كانت المشكلة هي أن فريق المبيعات لم يتمكن من فحص جميع العملاء المتوقعين وتحديد أولوياتهم ومتابعتهم بنفس السرعة والدقة. جزء من المعلومات كان موجودًا في نماذج الموقع، وجزءًا في إدارة علاقات العملاء (CRM) وجزءًا في المحادثات ورسائل البريد الإلكتروني الخاصة بفريق المبيعات، ولم يخلق هذا التشتت صورة كاملة عن كل عميل محتمل. Netanik لحل هذه المشكلة واحد أتمتة المبيعات الذكية تم تصميمه لجعل عملية المبيعات أكثر تنظيماً من خلال الجمع بين الذكاء الاصطناعي وتحليل السلوك وتسجيل العملاء المتوقعين وإدارة علاقات العملاء.

المشكلة الرئيسية لنوفا

في عملية مبيعات B2B، ليس لجميع العملاء المتوقعين نفس القيمة التجارية، وببساطة زيادة عدد العملاء المتوقعين لا يترجم إلى تحسين أداء المبيعات. قد تتلقى الشركة العشرات من الطلبات يوميًا، ولكن جزءًا صغيرًا منها فقط يناسب خدمات تلك المجموعة من حيث الصناعة أو حجم المؤسسة أو الاحتياجات أو الميزانية أو وقت الشراء. إذا كان على فريق المبيعات معالجة كل هؤلاء العملاء المحتملين بنفس الطريقة، فسيتم إنفاق الكثير من الوقت على الفرص التي تقل احتمالية تحويلها. ولذلك، فإن المشكلة الرئيسية لنوفا هي بناء نظام ل تحديد العملاء المتوقعين وترتيب أولوياتهم والتتبع الذكي لهم كان

الغرض من المشروع

كان هدف Netanik هو تصميم نظام يمكنه جمع وتحليل المعلومات المتوفرة حول العميل المحتمل قبل أن يدخل مرحلة متابعة المبيعات. يجب أن يكون النظام قادرًا على الجمع بين سمات الشركة ومعلومات الاتصال ومصدر الإدخال وسلوك المستخدم ونوع الطلب لإنشاء صورة متماسكة للعميل المتوقع. وبعد ذلك، بناءً على القواعد المحددة والنموذج التحليلي، تم وضع العملاء المتوقعين في أولويات مختلفة وتم تحديد الإجراءات التالية لكل مجموعة. بهذه الطريقة، يمكن لفريق المبيعات التركيز على المزيد من الفرص ذات الصلة بدلاً من إدارة عدد كبير من العملاء المتوقعين يدويًا.

الرابط الداخلي المقترح: في عبارة "الذكاء الاصطناعي للأعمال" ← رابط إلى صفحة خدمة الذكاء الاصطناعي الخاصة بشركة Netanik.

بنية أتمتة المبيعات الذكية

في تصميم هذا أتمتة المبيعات الذكيةقام Netanik بتقسيم العملية إلى عدة طبقات مستقلة ولكنها متصلة بحيث يكون لكل جزء مهمة محددة. تم إدخال البيانات الأولية إلى النظام من قنوات مختلفة وبعد التنظيف والهيكلة، تم تقديمها إلى الطبقة الذكية لتحليلها. ثم قام النظام بتقييم جودة وجاهزية كل عميل متوقع وفقًا للمعايير المحددة ونقل النتيجة إلى إدارة علاقات العملاء (CRM). أخيرًا، بناءً على حالة كل عميل محتمل، تم تنفيذ سير العمل المناسب للمتابعة أو الإخطار أو التحويل إلى خبير المبيعات.

مسار دخول الرصاص

كانت الخطوة الأولى للنظام هي تلقي العملاء المحتملين من مصادر مختلفة وكان الغرض منه هو منع تناثر المعلومات في قنوات متعددة. يمكن ربط نماذج الموقع والحملات الإعلانية والصفحات المقصودة وطلبات الاستشارة ونقاط الاتصال الأخرى بالنظام ووضع المعلومات الأساسية في بنية محددة. بمجرد استلام البيانات، يتم تحديد المعلومات المكررة أو غير الكاملة ويتم إنشاء سجل العميل المتوقع أو تحديثه في نظام إدارة علاقات العملاء (CRM). سمح هذا الهيكل لكل عميل محتمل بأن يكون له مسار واضح وقابل للتتبع منذ البداية.

التدفق الرئيسي للنظام

تم تصميم البنية العامة للعملية على النحو التالي:

1. الحصول على عملاء محتملين من قنوات مختلفة

2. مسح وتوحيد المعلومات

3. تحليل ملف تعريف الرصاص والسلوك باستخدام الذكاء الاصطناعي

4. حساب النتيجة وتحديد مستوى الأولوية

5. سجل النتيجة في CRM وقم بتشغيل سير العمل

6. نقل العميل المتوقع المناسب إلى فريق المبيعات وتسجيل الملاحظات

هذا النموذج معمارياً قريب من مفهوم إدارة العملاء المتوقعين؛ عملية تتضمن جذب العملاء المحتملين وتقييمهم وتوجيههم ورعايتهم وتتبعهم حتى يصبحوا فرصًا للمبيعات. [رابط خارجي مقترح: إدارة العملاء المحتملين في HubSpot]

التسجيل الذكي للعملاء المتوقعين

أحد أهم أجزاء المشروع هو تصميم النظام Lead Scoring كان؛ لكن في هذا المشروع، لم يكن التسجيل يعتمد على رقم ثابت. تم تحليل المعلومات حول مدى ملاءمة العميل المتوقع للسوق المستهدف، بالإضافة إلى سلوكه في التفاعل مع العلامة التجارية، جنبًا إلى جنب لإنشاء صورة أكثر دقة لجودة العميل المتوقع. على سبيل المثال، قد تكون الشركة مناسبة لشركة Nova من حيث الحجم والصناعة، ولكن ليس لديها تفاعل كبير مع المنتجات أو الخدمات. في المقابل، قد تكون السيدة منخرطة بشكل كبير ولكنها غير مستهدفة من حيث نوع العمل في السوق المستهدف؛ ولذلك، كان على النظام أن يأخذ في الاعتبار كلا الجانبين.

معايير التسجيل

يمكن أن يأخذ نموذج التسجيل بعين الاعتبار مجموعة من المعايير المختلفة:

• ملاءمة الصناعة والسوق المستهدف

• حجم وملف المنظمة

• نوع المنتج أو الخدمة المطلوبة

• سلوك المستخدم على الموقع

• التفاعل مع المحتوى ونماذج المبيعات

• مستوى الاستعداد لبدء المحادثة

يتماشى هذا النموذج مع المفهوم الشائع لتسجيل نقاط العميل المتوقع؛ في أنظمة إدارة علاقات العملاء، يمكن إجراء التسجيل بناءً على خصائص السجل والسلوكيات المسجلة، ويمكن استخدام النتيجة لتحديد الأولويات ومسارات العمل اللاحقة. [الرابط الخارجي الموصى به: HubSpot Lead Score]

النتيجة الثابتة ليست كافية

في العديد من عمليات المبيعات، يمكن أن يكون نموذج التسجيل البسيط مع بعض الشروط الثابتة نقطة انطلاق جيدة، ولكن مع نمو البيانات وزيادة تعقيد السوق، تزداد الحاجة إلى تحليل أكثر تفصيلاً. كان النهج الذي اتبعه نتانيك في مشروع نوفا هو جعل الذكاء الاصطناعي يلتزم بقواعد محددة وعدم ترك عملية صنع القرار لنموذج لا يمكن السيطرة عليه. يمكن للنظام فحص المعلومات المنظمة وأنماط الاستخدام في البيانات إلى جانب قواعد العمل لتحليل أفضل. وبهذه الطريقة، تتمتع أتمتة المبيعات بإمكانية التحكم وإمكانية التطوير التدريجي.

الذكاء الاصطناعي في عملية البيع

ولم يقتصر دور الذكاء الاصطناعي في هذا المشروع على إنشاء نص للبريد الإلكتروني أو الرد على العميل فحسب، بل تم استخدامه أيضًا في قسم التحليل واتخاذ القرار. يمكن للنظام جمع أجزاء مختلفة من المعلومات حول العميل المتوقع وإنشاء ملخص قابل للاستخدام لمحترفي المبيعات. يمكن أن يتضمن هذا الملخص ملف تعريف العمل والحاجة المحتملة ومسار الدخول والتفاعلات السابقة والإجراء التالي المقترح. كان الهدف هو أن يحصل موظف المبيعات على صورة أكثر اكتمالاً عن حالة العميل المتوقع قبل إجراء المكالمة.

قيادة التحليل السياقي

عندما يتم جمع معلومات العميل المتوقع من عدة مصادر مختلفة، فإن القيمة الحقيقية للبيانات تأتي عندما يكون من الممكن تحديد العلاقة بينهما. على سبيل المثال، قد لا يؤدي عرض بعض الصفحات المتعلقة بمنتج ما إلى توليد الكثير من المعلومات، ولكن عندما يتم دمج هذا السلوك مع طلب المشورة وملف تعريف الشركة، فقد يأخذ معنى مختلفًا. حاول النظام الذكي وضع هذه المعلومات في سياق مشترك لإنشاء مخرجات أكثر قابلية للتنفيذ لفريق المبيعات. هذا هو المكان الذكاء الاصطناعي في المبيعات يمكن أن تتجاوز الأتمتة المشروطة.

ملخص ذكي لمحترفي المبيعات

إحدى الميزات المصممة هي إنشاء ملخص لحالة العميل المتوقع قبل إحالته إلى أحد الخبراء. بدلاً من أن يضطر مندوب المبيعات إلى مراجعة سجلات متعددة وتفاعلات سابقة، تم تقديم المعلومات المهمة في عرض منظم. يمكن أن يساعد هذا الملخص مندوب المبيعات على بدء المحادثة بفهم أفضل لمشكلة العميل وتجنب الأسئلة المتكررة. ونتيجة لذلك، سيلعب الذكاء الاصطناعي دور طبقة إعداد المعلومات، وسيظل القرار النهائي متروكًا للبشر.

"لم يكن من المفترض أن يحل الذكاء الاصطناعي محل البائع؛ كان من المفترض أن يكون لدى البائع معلومات أفضل وقرار أكثر جاهزية قبل كل مكالمة."

اتصال النظام بـ CRM

CRM وفي هذا المشروع، تم اعتباره مركزًا لمعلومات المبيعات، وبدلاً من إنشاء نظام منفصل، تم وضع الأتمتة الذكية بجوار هيكل إدارة علاقات العملاء قدر الإمكان. تم تسجيل المعلومات حول العميل المتوقع والنتيجة والحالة والأنشطة والإجراءات المتخذة في سجل يمكن تتبعه. سمحت هذه البنية لفريق المبيعات بالاحتفاظ ببيئتهم المألوفة والذكاء الاصطناعي خلف الكواليس لإدارة العمليات التي تستغرق وقتًا طويلاً. ونتيجة لذلك، سيتم دمج التكنولوجيا الجديدة في البنية التحتية الحالية بدلاً من إنشاء جزيرة معلومات أخرى.

تنسيق التسويق والمبيعات

إحدى المشاكل الشائعة في الشركات المتنامية هي المسافة بين فريق التسويق والمبيعات. يولد التسويق عملاء محتملين، لكن المبيعات لا تحتوي دائمًا على معلومات كافية حول مصدر هذا العميل المحتمل أو سلوكه أو سياقه. تضع الأتمتة المصممة هذه المعلومات على مسار مشترك بحيث يتم نقل العملاء المتوقعين من التسويق إلى المبيعات بمعلومات أكثر اكتمالاً. يمكن لمثل هذا الهيكل أيضًا إنشاء أساس مناسب لقياس أداء الحملات والتحقق من الجودة الحقيقية للعملاء المحتملين.

سجل ردود فعل المبيعات

لم يتم تصميم النظام فقط لإرسال المعلومات إلى مندوب المبيعات، وكانت التعليقات الواردة من فريق المبيعات تعتبر أيضًا جزءًا من دورة النظام. يمكن أن تكون نتيجة المكالمة وحالة الفرصة وسبب عدم متابعة العميل المتوقع أو تحويله إلى عميل بيانات قيمة لتحسين العملية. يمكن استخدام هذه المعلومات في الخطوات التالية لتعديل معايير التسجيل ومسارات العمل. وبهذه الطريقة، يتحول النظام تدريجياً من الأتمتة الثابتة إلى عملية قابلة للتحسين.

تصميم سير عمل المبيعات الذكية

بعد التحليل والتسجيل، لا يتبع كل عميل متوقع بالضرورة نفس المسار. النظام يعتمد على حالة كل سجل، Workflow سيؤدي ذلك إلى تنشيط الإجراء المناسب بحيث يتوافق الإجراء التالي مع حالة العميل المتوقع. على سبيل المثال، يمكن نقل العملاء المتوقعين ذوي اللياقة العالية بسرعة أكبر إلى متخصصين في المبيعات، في حين يمكن للعملاء المحتملين ذوي اللياقة المنخفضة الدخول في مسار رعاية وتواصل تدريجي. يسمح هذا الفصل بتخصيص موارد فريق المبيعات بناءً على الأولوية الفعلية.

مسارات مختلفة لمتابعة

استنادًا إلى البنية المحددة، يمكن تنفيذ مهام سير العمل لسيناريوهات مختلفة:

• الإحالة الفورية ذات الأولوية العالية تؤدي إلى المبيعات

• أرسل معلومات إضافية إلى العملاء المتوقعين الذين يحتاجون إلى المراجعة

• دخول عملاء متوقعين غير مستعدين في عملية الرعاية

• تذكير تلقائي للمتابعات التي تم التراجع عنها

• تسجيل وتحديث الحالة في CRM

• إنشاء تنبيهات للفرص الحساسة للوقت أو الحساسة للوقت

يمنع هذا الهيكل أتمتة المبيعات من أن تصبح مجموعة من المحفزات المتفرقة وكل إجراء هو جزء من منطق محدد.

الجدول الزمني للمتابعة

يمكن أن يكون الوقت عاملاً جوهريًا في مبيعات B2B، وقد يؤدي التأخير في الاستجابة إلى ضياع فرص العمل. ولهذا السبب، تم أخذ وقت وصول الرصاص ومستوى أولويته في الاعتبار عند تصميم سير العمل. يمكن للنظام تحديد تنبيه أو إجراء تلقائي لبعض الحالات وتفويض المهمة إلى الخبير المختص في حالات أخرى. لم يكن الهدف القضاء على التتبع البشري؛ بل كان من المهم تقليل احتمالية نسيان الأفعال.

وكيل الذكاء الاصطناعي في أتمتة المبيعات

في المراحل الأكثر تقدمًا من المشروع، يمكن للهندسة المعمارية أن تتحرك نحو أ AI Agent بيع كان أيضًا الفرق بين الوكيل وسير العمل البسيط هو أن الوكيل يمكنه استخدام أدوات مختلفة واتباع عملية متعددة الخطوات وفقًا للوضع الحالي. على سبيل المثال، يمكن للوكيل تلقي معلومات العميل المتوقع من CRM، وتحليل سياق الطلب، واسترداد المعلومات ذات الصلة، وضمن النطاق المحدد له، اقتراح الإجراء التالي أو تنفيذه. وبطبيعة الحال، يجب تصميم مثل هذا النظام بأدوات وأذونات وحواجز حماية محددة.

الوكيل بدلاً من الأتمتة

تعمل الأتمتة التقليدية عادةً بناءً على قواعد محددة مسبقًا وتتخذ إجراءً محددًا لكل موقف محدد. يمكن للوكيل تحليل الموقف في المواقف الأكثر تعقيدًا واختيار المسار الصحيح وفقًا للهدف المحدد. تصف الوثائق الرسمية لـ OpenAI أيضًا الوكيل بأنه نظام يمكنه استخدام نموذج اللغة لإدارة تنفيذ سير العمل واستخدام أدوات مختلفة لتلقي المعلومات أو تنفيذ الإجراءات. [رابط خارجي مقترح: دليل OpenAI الرسمي لوكلاء الذكاء الاصطناعي]

الدرابزين والسيطرة البشرية

المزيد من استقلالية النظام لا يعني إزالة السيطرة البشرية، وبالمناسبة، كلما زادت قدرات الوكيل، أصبح تعريف القيود أكثر أهمية. لذلك، نظرت بنية المشروع في إمكانية تحديد نطاق العمليات، ومستوى الوصول، وشروط نقلها إلى البشر، وقواعد تنفيذ الإجراءات. يمكن أتمتة بعض الإجراءات بالكامل، بينما لا يمكن تنفيذ البعض الآخر إلا بعد موافقة الخبراء. يساعد هذا النهج النظام الذكي على التحرك بطريقة محددة ويمكن التحكم فيها.

أمن بيانات المبيعات

تتضمن بيانات المبيعات عادةً بيانات العمل ومعلومات الاتصال وسجل التفاعل وتفاصيل العميل الحساسة في بعض الأحيان. ولذلك فإن تصميم أ أتمتة المبيعات الذكية وبدون النظر في أمن البيانات، فهو ليس حلاً كاملاً. يجب تحديد الوصول إلى المعلومات بناءً على دور المستخدمين، ويجب أن يتمتع كل وكيل أو سير عمل فقط بإمكانية الوصول إلى البيانات التي يحتاجها لأداء مهمته. كما يمكن أن يساعد تسجيل الأحداث والتحقق من أنشطة النظام في التحكم في العملية بشكل أفضل.

مستوى وصول المستخدم

لا يحتاج محترفو المبيعات ومدير المبيعات ومدير المؤسسة بالضرورة إلى نفس المستوى من المعرفة. لذلك، يجب أن تكون بنية النظام قادرة على ضبط الوصول بناءً على الأدوار والمسؤوليات وعدم تقديم معلومات غير ضرورية للمستخدمين. وينبغي اتباع نفس المبدأ في حالة الوكلاء ويجب أن يتلقى كل وكيل فقط الأدوات والبيانات التي يحتاجها. ويعد هذا الفصل أحد الأسس المهمة للتنمية المستدامة لأنظمة المؤسسات الذكية.

مراقبة وتسجيل الأحداث

بالنسبة للأنظمة العاملة في العمليات التجارية، من المهم معرفة ما حدث ولماذا تم اتخاذ الإجراء. يمكن أن تساعد أنشطة التسجيل وحالة سير العمل وتغييرات البيانات الفريق الفني والإداري في التحقيق بشكل أفضل في سلوك النظام. سيتم أيضًا استخدام هذه المعلومات عند استكشاف أخطاء منطق الأتمتة وإصلاحها أو تعديلها. ولهذا السبب، تم اعتبار رؤية النظام والتحكم فيه جزءًا من التصميم منذ البداية.

نتيجة المشروع والقيمة التي تم إنشاؤها

أظهر مشروع نوفا أن قيمة الذكاء الاصطناعي في المبيعات لا تأتي بالضرورة من برنامج الدردشة الآلي أو أداة إنشاء النص. عندما يتم دمج بيانات إدارة علاقات العملاء وسلوك المستخدم وقواعد المبيعات وإمكانيات الذكاء الاصطناعي في بنية متماسكة، يمكن جعل عملية المبيعات أكثر تنظيماً وقابلة للقياس. بدلاً من مراجعة جميع العملاء المتوقعين بنفس الطريقة، يحصل فريق المبيعات على المزيد من المعلومات ذات الأولوية ويمكنه إدارة وقتهم بشكل أفضل. ومن ناحية أخرى، سيكون لدى المنظمة بنية تحتية قابلة للتوسيع يمكن ربطها بوكلاء أكثر تقدمًا في مرحلة لاحقة.

الإنجازات المعمارية

وكان أهم مخرجات المشروع هو بناء نظام متكامل لإدارة تدفق العملاء المحتملين، وليس مجرد إضافة أداة الذكاء الاصطناعي إلى عملية المبيعات. توفر البنية التي تم إنشاؤها إمكانية تلقي البيانات من مصادر مختلفة، وتحليل المعلومات، والتسجيل، والتسجيل في إدارة علاقات العملاء وتنفيذ الإجراءات اللاحقة في مسار معين. كما تم تصميم هيكل النظام بحيث يمكن إضافة معايير جديدة والمزيد من الأدوات والمزيد من العوامل المتخصصة إليه في المستقبل. تعمل قابلية التوسعة هذه على تحويل النظام من مشروع قصير المدى إلى بنية تحتية قابلة للتطوير.

دور ناثانيال

في هذا المشروع، قام Netanik بدراسة المشكلة من الزاوية المشتركة للاستراتيجية والتكنولوجيا والخبرة التجارية وركز على بناء نظام يمكن استخدامه في العمليات الحقيقية. كان التصميم المعماري ومنطق التسجيل وربط الذكاء الاصطناعي بإدارة علاقات العملاء وتحديد سير العمل ومسار تطوير الوكيل جزءًا من هذا النهج. لم يكن الهدف تقديم عرض للذكاء الاصطناعي؛ بل كان على التكنولوجيا أن تحل مشكلة معينة في عملية البيع. وهذا هو نفس النهج الذي يتبعه Netanik في تصميم الحلول الذكية للشركات.

مستقبل أتمتة المبيعات الذكية

يمكن أن تكون المرحلة التالية من هذا المشروع هي تطوير وكلاء متخصصين لأقسام المبيعات المختلفة. على سبيل المثال، يمكن أن يكون أحد الوكلاء مسؤولاً عن تحليل العملاء المتوقعين، ويمكن لوكيل آخر إعداد المعلومات التي يحتاجها الخبراء، ويمكن لنظام آخر مراقبة التدفق وتحديد النقاط التي تحتاج إلى إجراء. يمكن لهذا الهيكل، إذا تم تصميمه بشكل صحيح، إدارة جزء من العمل المتكرر لفريق المبيعات وفي نفس الوقت نقل القرارات الحساسة إلى البشر. يجب أن يستمر مسار التطوير بناءً على البيانات الفعلية والاحتياجات التشغيلية للمنظمة، وليس فقط إضافة إمكانات جديدة للنظام.

من الرصاص إلى العلاقة

لا يقتصر البيع الذكي على تحويل النموذج إلى صفقة فحسب، بل يتم إنشاء القيمة الحقيقية عندما يتم فهم رحلة العميل بأكملها. يمكن أن تساعد البيانات المستمدة من كل تفاعل في فهم احتياجات العملاء والتوقيت وسياق اتخاذ القرار بشكل أفضل. يمكن للذكاء الاصطناعي توفير هذه المعلومات للفريق لتشكيل اتصالات أكثر دقة ومخصصة. ومن وجهة النظر هذه، بدلاً من التركيز فقط على السرعة، تصبح أتمتة المبيعات أداة لبناء عمليات أكثر تماسكاً وقابلية للتوسعة.

ملخص

مشروع نوفا هو مثال للتصميم أتمتة المبيعات الذكية التركيز على تكامل البيانات وتحليلات الذكاء الاصطناعي وتسجيل العملاء المحتملين وإدارة علاقات العملاء. في هذه البنية، بدلاً من أن يكون على هامش عملية البيع، يتم تقديم الذكاء الاصطناعي في أجزاء يمكنها تحليل المعلومات بشكل أفضل وجعل الإجراءات المتكررة أكثر تنظيماً. وفي الوقت نفسه، تظل القرارات الحساسة تحت سيطرة الفريق البشري، ويعمل النظام بقيود ومستويات وصول معينة. والنتيجة النهائية هي بنية تحتية قابلة للتوسيع يمكن أن تبدأ بإدارة العملاء المحتملين والانتقال إلى وكلاء الذكاء الاصطناعي المتخصصين وأتمتة عمليات المبيعات بشكل أعمق في المستقبل.