Intelligente Vertriebsautomatisierung für „Nova“; Verstreute Leads in einen intelligenten Verkaufsprozess umwandeln
Markentyp: B2B-Unternehmen, das Softwarelösungen und Technologiedienstleistungen anbietet
Markenname: NOVA
Netanik-Dienste: Künstliche Intelligenz, Vertriebsautomatisierung, AI Agent, CRM und Design intelligenter Systeme
Technischer Leiter für Infrastruktur und Standort: Navid Zamani
Projektmanager und Grafikdesigner: Sohail Motaghinia
Intelligente Vertriebsautomatisierung für Nova
Nova war ein im Bereich Softwarelösungen tätiges B2B-Unternehmen, das mit der Steigerung der Marketingaktivitäten die Anzahl der eingehenden Leads steigerte. Das Hauptproblem bestand nicht mehr darin, Leads zu gewinnen; Das Problem bestand darin, dass das Vertriebsteam nicht alle Leads mit der gleichen Geschwindigkeit und Genauigkeit prüfen, priorisieren und weiterverfolgen konnte. Ein Teil der Informationen befand sich in Formularen auf der Website, ein Teil im CRM und ein Teil in Gesprächen und E-Mails des Vertriebsteams, und durch diese Streuung konnte kein vollständiges Bild jedes potenziellen Kunden erstellt werden. Netanik, um dieses Problem zu lösen, eins Intelligente Vertriebsautomatisierung Entwickelt, um den Verkaufsprozess durch die Kombination von künstlicher Intelligenz, Verhaltensanalyse, Lead-Scoring und CRM strukturierter zu gestalten.
Das Hauptproblem von Nova
In einem B2B-Verkaufsprozess haben nicht alle Leads den gleichen Geschäftswert, und die bloße Erhöhung der Anzahl der Leads führt nicht zu einer verbesserten Vertriebsleistung. Ein Unternehmen erhält möglicherweise Dutzende von Anfragen pro Tag, aber nur ein Bruchteil davon passt in Bezug auf Branche, Organisationsgröße, Anforderungen, Budget oder Kaufzeitpunkt zu den Dienstleistungen dieser Gruppe. Wenn das Vertriebsteam alle diese Leads auf die gleiche Weise bearbeiten muss, wird viel Zeit für Opportunities aufgewendet, bei denen die Wahrscheinlichkeit einer Konvertierung geringer ist. Daher besteht das Hauptproblem von Nova darin, ein System dafür aufzubauen Identifizierung, Priorisierung und intelligentes Tracking von Leads war
Der Zweck des Projekts
Ziel von Netanik war es, ein System zu entwickeln, das die verfügbaren Informationen über den Lead sammeln und analysieren kann, bevor dieser in die Vertriebsnachverfolgungsphase eintritt. Das System musste in der Lage sein, Unternehmensattribute, Kontaktinformationen, Eingabequelle, Benutzerverhalten und Anfragetyp zu kombinieren, um ein kohärentes Bild des Leads zu erstellen. Anschließend wurden anhand der definierten Regeln und des Analysemodells die Leads in unterschiedliche Prioritäten eingeordnet und die nächsten Aktionen für jede Gruppe festgelegt. Auf diese Weise könnte sich das Vertriebsteam auf relevantere Chancen konzentrieren, anstatt eine große Anzahl von Leads manuell verwalten zu müssen.
Empfohlener interner Link: Im Satz „Künstliche Intelligenz für Unternehmen“ → Link zur Seite des Dienstes für künstliche Intelligenz von Netanik.
Intelligente Vertriebsautomatisierungsarchitektur
Bei der Gestaltung dieses Intelligente VertriebsautomatisierungNetanik hat den Prozess in mehrere unabhängige, aber miteinander verbundene Schichten unterteilt, sodass jeder Teil eine spezifische Aufgabe hat. Primärdaten wurden über verschiedene Kanäle in das System eingegeben und nach Bereinigung und Strukturierung der intelligenten Ebene zur Analyse bereitgestellt. Anschließend bewertete das System die Qualität und Bereitschaft jedes Leads anhand der definierten Kriterien und übertrug das Ergebnis an das CRM. Abschließend wurde basierend auf dem Status jedes Leads der entsprechende Workflow zur Nachverfolgung, Benachrichtigung oder Weiterleitung an einen Vertriebsexperten ausgeführt.
Lead-Eintrittspfad
Der erste Schritt des Systems bestand darin, Leads aus verschiedenen Quellen zu erhalten und zu verhindern, dass Informationen über mehrere Kanäle verteilt werden. Site-Formulare, Werbekampagnen, Landingpages, Beratungsanfragen und andere Touchpoints könnten an das System angebunden werden und grundlegende Informationen in eine definierte Struktur bringen. Sobald die Daten eingegangen sind, werden doppelte oder unvollständige Informationen identifiziert und der Lead-Datensatz wird im CRM-System erstellt oder aktualisiert. Diese Struktur ermöglichte es jedem Lead, von Anfang an einen klaren und nachvollziehbaren Weg zu haben.
Der Hauptfluss des Systems
Die Gesamtarchitektur des Prozesses wurde wie folgt gestaltet:
Leads aus verschiedenen Kanälen gewinnen
Informationen klären und konsolidieren
Analyse von Lead-Profilen und -Verhalten mit KI
Berechnen Sie die Punktzahl und bestimmen Sie die Prioritätsstufe
Notieren Sie das Ergebnis im CRM und führen Sie den Workflow aus
Übertragen des entsprechenden Leads an das Vertriebsteam und Aufzeichnen des Feedbacks
Dieses Modell kommt architektonisch dem Konzept des Lead Managements nahe; Ein Prozess, der das Gewinnen, Bewerten, Weiterleiten, Pflegen und Verfolgen von Leads umfasst, bis sie zu Verkaufschancen werden. [Empfohlener externer Link: Lead-Management in HubSpot]
Intelligentes Scoring von Leads
Einer der wichtigsten Teile des Projekts ist das Systemdesign Lead Scoring war; Bei diesem Projekt basierte die Wertung jedoch nicht auf einer festen Zahl. Informationen über die Passung des Leads zum Zielmarkt sowie sein Verhalten bei der Interaktion mit der Marke wurden nebeneinander analysiert, um ein genaueres Bild der Qualität des Leads zu erstellen. Beispielsweise kann ein Unternehmen hinsichtlich Größe und Branche gut zu Nova passen, aber keine nennenswerte Interaktion mit Produkten oder Dienstleistungen haben. Im Gegensatz dazu ist Lady möglicherweise sehr engagiert, aber nicht auf die Art des Geschäfts im Zielmarkt ausgerichtet. Daher musste das System beide Aspekte berücksichtigen.
Bewertungskriterien
Das Bewertungsmodell könnte eine Kombination verschiedener Kriterien berücksichtigen:
Eignung der Branche und des Zielmarktes
Größe und Profil der Organisation
Art des benötigten Produkts oder der gewünschten Dienstleistung
Nutzerverhalten auf der Website
Interaktion mit Inhalten und Verkaufsformen
Der Grad der Bereitschaft, ein Gespräch zu beginnen
Dieses Modell steht im Einklang mit dem gängigen Konzept des Lead Scoring; In CRM-Systemen kann eine Bewertung auf Basis von Datensatzmerkmalen und erfassten Verhaltensweisen erfolgen und das Ergebnis für die Priorisierung und nachfolgende Arbeitsabläufe verwendet werden. [Empfohlener externer Link: HubSpot Lead Scoring]
Eine feste Punktzahl reicht nicht aus
In vielen Verkaufsprozessen kann ein einfaches Scoring-Modell mit einigen festen Bedingungen ein guter Ausgangspunkt sein, aber je größer die Datenmenge und je komplexer der Markt wird, desto größer wird der Bedarf an detaillierteren Analysen. Netaniks Ansatz im Nova-Projekt bestand darin, die KI dazu zu bringen, sich an bestimmte Regeln zu halten und die Entscheidungsfindung nicht einem unkontrollierbaren Modell zu überlassen. Das System könnte strukturierte Informationen untersuchen und Muster in den Daten zusammen mit Geschäftsregeln für eine bessere Analyse verwenden. Auf diese Weise hatte die Vertriebsautomatisierung sowohl Kontrollierbarkeit als auch die Möglichkeit einer schrittweisen Weiterentwicklung.
Künstliche Intelligenz Im Verkaufsprozess
Die Rolle künstlicher Intelligenz bestand in diesem Projekt nicht nur darin, Texte für E-Mails zu generieren oder dem Kunden zu antworten, sondern sie wurde auch im Bereich Analyse und Entscheidungsfindung eingesetzt. Das System könnte verschiedene Informationen über einen Lead zusammenführen und eine brauchbare Zusammenfassung für den Vertriebsprofi erstellen. Diese Zusammenfassung könnte das Unternehmensprofil, den potenziellen Bedarf, den Einstiegspfad, frühere Interaktionen und vorgeschlagene nächste Maßnahmen umfassen. Das Ziel bestand darin, dass sich der Vertriebsprofi vor dem Anruf ein umfassenderes Bild vom Status des Leads verschafft.
Führen Sie eine Kontextanalyse durch
Wenn die Informationen eines Leads aus verschiedenen Quellen gesammelt werden, kommt der wahre Wert der Daten erst dann zum Tragen, wenn es möglich ist, die Beziehung zwischen ihnen zu identifizieren. Wenn man beispielsweise nur ein paar Seiten zu einem Produkt ansieht, kann das nicht viele Informationen generieren, aber wenn dieses Verhalten mit einer Beratungsanfrage und einem Firmenprofil kombiniert wird, kann es eine andere Bedeutung bekommen. Das intelligente System versuchte, diese Informationen in einen gemeinsamen Kontext zu stellen, um für das Vertriebsteam ein umsetzbareres Ergebnis zu erzielen. Hier ist Künstliche Intelligenz im Vertrieb Es kann über bedingte Automatisierungen hinausgehen.
Intelligente Zusammenfassung für den Vertriebsprofi
Eine der entwickelten Funktionen bestand darin, eine Zusammenfassung des Lead-Status zu erstellen, bevor er an einen Experten weitergeleitet wird. Anstatt dass der Verkäufer mehrere Datensätze und frühere Interaktionen überprüfen musste, wurden wichtige Informationen in einer strukturierten Ansicht dargestellt. Diese Zusammenfassung könnte dem Verkäufer helfen, das Gespräch mit einem besseren Verständnis des Problems des Kunden zu beginnen und sich wiederholende Fragen zu vermeiden. Dadurch würde die KI die Rolle einer Informationsvorbereitungsschicht spielen und die endgültige Entscheidung bliebe weiterhin dem Menschen überlassen.
„Künstliche Intelligenz sollte den Verkäufer nicht ersetzen; der Verkäufer sollte vor jedem Anruf bessere Informationen und eine schnellere Entscheidung haben.“
Systemanbindung an CRM
CRM In diesem Projekt wurde es als Zentrum der Vertriebsinformationen betrachtet und anstelle der Schaffung eines separaten Systems wurde eine intelligente Automatisierung so weit wie möglich neben der CRM-Struktur platziert. Informationen über den Lead, die Punktzahl, den Status, die durchgeführten Aktivitäten und Maßnahmen wurden in einem nachverfolgbaren Protokoll erfasst. Diese Architektur ermöglichte es dem Vertriebsteam, weiterhin über seine vertraute Umgebung und künstliche Intelligenz im Hintergrund zu verfügen, um zeitaufwändige Prozesse zu verwalten. Dadurch würde sich die neue Technologie in die bestehende Infrastruktur integrieren, anstatt eine weitere Informationsinsel zu schaffen.
Koordination von Marketing und Vertrieb
Eines der häufigsten Probleme in wachsenden Unternehmen ist die Distanz zwischen dem Marketing- und Vertriebsteam. Marketing generiert Leads, aber der Vertrieb verfügt nicht immer über genügend Informationen über die Quelle, das Verhalten oder den Kontext dieses Leads. Durch die gezielte Automatisierung werden diese Informationen auf einen gemeinsamen Weg gebracht, sodass Leads mit umfassenderen Informationen vom Marketing an den Vertrieb weitergeleitet werden. Eine solche Struktur kann auch eine geeignete Grundlage schaffen, um die Leistung von Kampagnen zu messen und die tatsächliche Qualität von Leads zu überprüfen.
Erfassen Sie Verkaufsfeedback
Das System war nicht nur darauf ausgelegt, Informationen an den Verkäufer zu senden, sondern auch das Feedback des Verkaufsteams wurde als Teil des Systemzyklus betrachtet. Das Ergebnis des Anrufs, der Status der Verkaufschance und der Grund für die Nichtnachverfolgung oder Umwandlung des Leads in einen Kunden können wertvolle Daten für die Prozessverbesserung sein. Diese Informationen können in den nächsten Schritten verwendet werden, um die Bewertungskriterien und Arbeitsabläufe zu ändern. Auf diese Weise wird das System schrittweise von einer festen Automatisierung zu einem optimierbaren Prozess transformiert.
Gestaltung intelligenter Vertriebsabläufe
Nach der Analyse und Bewertung folgt nicht unbedingt jeder Lead dem gleichen Weg. Das System basiert auf dem Status jedes Datensatzes, Workflow Es würde das entsprechende aktivieren, sodass die nächste Aktion auf den Zustand des Leads abgestimmt ist. Beispielsweise könnten Leads mit hoher Eignung schneller zu einem Vertriebsprofi weitergeleitet werden, während Leads mit geringer Eignung einen schrittweisen Pflege- und Kommunikationspfad einschlagen könnten. Durch diese Trennung können die Ressourcen des Vertriebsteams nach tatsächlicher Priorität zugewiesen werden.
Verschiedene Wege, denen man folgen kann
Basierend auf der definierten Struktur könnten Workflows für verschiedene Szenarien ausgeführt werden:
Die sofortige Weiterleitung von Produkten mit hoher Priorität führt zum Verkauf
Senden Sie zusätzliche Informationen an Leads, die überprüft werden müssen
Eintritt unvorbereiteter Leads in den Nurturing-Prozess
Automatische Erinnerung für rückgängig gemachte Nachverfolgungen
Registrieren und Status im CRM aktualisieren
Erstellen Sie Benachrichtigungen für zeitkritische oder zeitkritische Gelegenheiten
Diese Struktur verhindert, dass die Vertriebsautomatisierung zu einer Reihe verstreuter Auslöser wird und jede Aktion Teil einer bestimmten Logik ist.
Nachsorgeplan
Bei B2B-Verkäufen kann die Zeit von entscheidender Bedeutung sein, und eine Verzögerung bei der Reaktion kann dazu führen, dass Geschäftschancen verloren gehen. Aus diesem Grund wurden die Ankunftszeit des Leads und seine Prioritätsstufe bei der Gestaltung des Workflows berücksichtigt. Das System könnte für einige Bedingungen eine automatische Warnung oder Aktion definieren und in anderen Fällen die Aufgabe an den entsprechenden Experten delegieren. Das Ziel bestand nicht darin, die menschliche Verfolgung zu eliminieren; Vielmehr ging es darum, die Möglichkeit des Vergessens von Handlungen zu verringern.
KI-Agent in der Vertriebsautomatisierung
In den fortgeschritteneren Phasen des Projekts kann sich die Architektur in Richtung a bewegen AI Agent Verkauf Der Unterschied zwischen dem Agenten und einem einfachen Workflow besteht auch darin, dass der Agent verschiedene Tools verwenden und je nach bestehender Situation einem mehrstufigen Prozess folgen kann. Beispielsweise kann ein Agent Lead-Informationen aus dem CRM erhalten, den Kontext der Anfrage analysieren, relevante Informationen abrufen und im dafür definierten Rahmen die nächste Aktion vorschlagen oder ausführen. Natürlich muss ein solches System mit spezifischen Tools, Berechtigungen und Leitplanken entworfen werden.
Agent statt Automatisierung
Die herkömmliche Automatisierung basiert in der Regel auf vordefinierten Regeln und ergreift für jede spezifische Situation eine bestimmte Aktion. Der Agent kann die Situation in komplexeren Situationen analysieren und entsprechend dem definierten Ziel den richtigen Weg wählen. Die offizielle Dokumentation von OpenAI beschreibt den Agenten auch als ein System, das das Sprachmodell verwenden kann, um die Ausführung von Workflows zu verwalten und verschiedene Tools zum Empfangen von Informationen oder zum Ausführen von Aktionen zu verwenden. [Empfohlener externer Link: Offizieller OpenAI-Leitfaden für KI-Agenten]
Leitplanke und menschliche Kontrolle
Mehr Autonomie des Systems bedeutet nicht, dass die menschliche Kontrolle aufgehoben wird, und je mehr Fähigkeiten der Agent hat, desto wichtiger wird übrigens die Definition von Einschränkungen. Daher wurde in der Projektarchitektur die Möglichkeit berücksichtigt, den Umfang der Operationen, die Zugriffsebene, die Bedingungen für die Übertragung auf den Menschen und die Regeln für die Umsetzung von Maßnahmen festzulegen. Einige Aktionen können vollständig automatisiert werden, während andere nur nach Zustimmung eines Experten ausgeführt werden können. Dieser Ansatz hilft dem intelligenten System, sich auf spezifische und kontrollierbare Weise zu bewegen.
Sicherheit der Verkaufsdaten
Zu den Verkaufsdaten gehören in der Regel Geschäftsdaten, Kontaktinformationen, der Interaktionsverlauf und manchmal vertrauliche Kundendaten. Daher ist das Design eines Intelligente Vertriebsautomatisierung Ohne Berücksichtigung der Datensicherheit ist es keine vollständige Lösung. Der Zugriff auf Informationen sollte basierend auf der Rolle der Benutzer definiert werden, und jeder Agent oder Workflow sollte nur Zugriff auf die Daten haben, die er zur Ausführung seiner Aufgabe benötigt. Auch die Protokollierung von Ereignissen und die Überprüfung der Systemaktivitäten können dazu beitragen, den Prozess besser zu steuern.
Benutzerzugriffsebene
Ein Vertriebsprofi, ein Vertriebsleiter und ein Organisationsleiter benötigen nicht unbedingt den gleichen Wissensstand. Daher sollte die Systemarchitektur in der Lage sein, den Zugriff basierend auf Rollen und Verantwortlichkeiten anzupassen und den Benutzern keine unnötigen Informationen bereitzustellen. Dasselbe Prinzip sollte auch bei Agenten befolgt werden und jeder Agent sollte nur die Tools und Daten erhalten, die er benötigt. Diese Trennung ist eine der wichtigen Grundlagen für die nachhaltige Entwicklung intelligenter Unternehmenssysteme.
Ereignisse überwachen und aufzeichnen
Für Systeme, die in Geschäftsprozessen arbeiten, ist es wichtig zu sehen, was passiert ist und warum eine Aktion durchgeführt wurde. Durch die Protokollierung von Aktivitäten, Workflow-Status und Datenänderungen kann das Technik- und Managementteam das Systemverhalten besser untersuchen. Diese Informationen werden auch bei der Fehlerbehebung oder Änderung der Automatisierungslogik verwendet. Aus diesem Grund wurden Systemsichtbarkeit und -kontrolle von Anfang an als Teil des Entwurfs berücksichtigt.
Das Ergebnis des Projekts und der geschaffene Wert
Project Nova hat gezeigt, dass der Wert von KI im Vertrieb nicht unbedingt von einem Chatbot oder einem Textgenerierungstool abhängt. Wenn CRM-Daten, Benutzerverhalten, Verkaufsregeln und KI-Funktionen in eine zusammenhängende Architektur integriert werden, kann der Verkaufsprozess strukturierter und messbarer gestaltet werden. Anstatt alle Leads auf die gleiche Weise zu prüfen, erhält das Vertriebsteam priorisierte Informationen und kann seine Zeit besser einteilen. Andererseits verfügt die Organisation über eine erweiterbare Infrastruktur, die zu einem späteren Zeitpunkt mit fortschrittlicheren Agenten verbunden werden kann.
Architektonische Leistungen
Das wichtigste Ergebnis des Projekts war der Aufbau eines integrierten Systems zur Verwaltung des Lead-Flows und nicht nur die Hinzufügung eines KI-Tools zum Verkaufsprozess. Die erstellte Architektur bot die Möglichkeit, Daten aus verschiedenen Quellen zu empfangen, Informationen zu analysieren, zu bewerten, im CRM zu registrieren und nachfolgende Aktionen in einem bestimmten Pfad umzusetzen. Außerdem wurde die Struktur des Systems so gestaltet, dass in Zukunft neue Kriterien, mehr Tools und spezialisiertere Agenten hinzugefügt werden können. Diese Erweiterbarkeit verwandelt das System von einem kurzfristigen Projekt in eine skalierbare Infrastruktur.
Nathaniels Rolle
In diesem Projekt untersuchte Netanik das Problem aus der kombinierten Perspektive von Strategie, Technologie und Geschäftserfahrung und konzentrierte sich auf den Aufbau eines Systems, das im realen Betrieb eingesetzt werden kann. Architekturdesign, Bewertungslogik, Verbindung von KI mit CRM, Definition von Arbeitsabläufen und Agentenentwicklungspfad waren Teile dieses Ansatzes. Das Ziel bestand nicht darin, künstliche Intelligenz zur Schau zu stellen; Vielmehr musste die Technologie ein konkretes Problem im Verkaufsprozess lösen. Dies ist derselbe Ansatz, den Netanik bei der Entwicklung intelligenter Lösungen für Unternehmen verfolgt.
Die Zukunft der intelligenten Vertriebsautomatisierung
Die nächste Stufe dieses Projekts könnte die Entwicklung spezialisierter Agenten für verschiedene Vertriebsabteilungen sein. Beispielsweise kann ein Agent für die Analyse der Leads verantwortlich sein, ein anderer Agent kann die von den Experten benötigten Informationen aufbereiten und ein anderes System kann die Pipeline überwachen und die Punkte identifizieren, die Maßnahmen erfordern. Diese Struktur kann bei richtiger Gestaltung einen Teil der sich wiederholenden Arbeit des Vertriebsteams bewältigen und gleichzeitig sensible Entscheidungen auf den Menschen übertragen. Der Entwicklungspfad sollte auf der Grundlage der tatsächlichen Daten und betrieblichen Anforderungen der Organisation fortgesetzt werden und nicht nur dem System neue Funktionen hinzufügen.
Vom Lead zur Beziehung
Beim intelligenten Verkaufen geht es nicht nur darum, ein Formular in ein Geschäft umzuwandeln. Ein echter Mehrwert entsteht, wenn die gesamte Customer Journey verstanden wird. Daten aus jeder Interaktion können dazu beitragen, die Kundenbedürfnisse, den Zeitpunkt und den Entscheidungskontext besser zu verstehen. Künstliche Intelligenz kann diese Informationen dem Team zur Verfügung stellen, um eine genauere und maßgeschneiderte Kommunikation zu ermöglichen. Anstatt sich ausschließlich auf die Geschwindigkeit zu konzentrieren, wird die Vertriebsautomatisierung aus dieser Sicht zu einem Werkzeug zum Aufbau kohärenterer und erweiterbarer Prozesse.
Zusammenfassung
Das Nova-Projekt ist ein Beispiel für Design Intelligente Vertriebsautomatisierung Der Schwerpunkt liegt auf Datenintegration, KI-Analyse, Lead-Scoring und CRM. In dieser Architektur wird künstliche Intelligenz nicht nur am Rande des Verkaufsprozesses eingesetzt, sondern in Teilen eingeführt, die Informationen besser analysieren und sich wiederholende Aktionen strukturierter gestalten kann. Gleichzeitig bleiben sensible Entscheidungen unter der Kontrolle des menschlichen Teams und das System arbeitet mit bestimmten Einschränkungen und Zugriffsebenen. Das Endergebnis ist eine erweiterbare Infrastruktur, die mit dem Lead-Management beginnen und in Zukunft zu spezialisierten KI-Agenten und einer tieferen Automatisierung von Verkaufsprozessen übergehen kann.
