Automatisation intelligente des ventes pour « Nova » ; Transformer les leads dispersés en un processus de vente intelligent
Type de marque : Entreprise B2B fournissant des solutions logicielles et des services technologiques
Nom de la marque : NOUVELLE
Services Netanik : Intelligence artificielle, automatisation des ventes, AI Agent, CRM et conception de systèmes intelligents
Responsable technique infrastructures et chantier : Navid Zamani
Chef de projet et graphiste : Sohail Motaghinia
Automatisation intelligente des ventes pour Nova
Nova était une entreprise B2B active dans le domaine des solutions logicielles, qui avait augmenté le nombre de leads entrants avec l'augmentation des activités marketing. Le principal problème n’était plus d’attirer des leads ; Le problème était que l’équipe commerciale ne pouvait pas filtrer, hiérarchiser et suivre toutes les pistes avec la même rapidité et la même précision. Une partie des informations se trouvait dans les formulaires du site, une partie dans le CRM et une partie dans les conversations et les e-mails de l'équipe commerciale, et cette dispersion ne créait pas une image complète de chaque client potentiel. Netanik pour résoudre ce problème, un Automatisation intelligente des ventes Conçu pour structurer le processus de vente en combinant intelligence artificielle, analyse du comportement, lead scoring et CRM.
Le principal problème de Nova
Dans un processus de vente B2B, tous les leads n’ont pas la même valeur commerciale, et le simple fait d’augmenter le nombre de leads ne se traduit pas par une amélioration des performances commerciales. Une entreprise peut recevoir des dizaines de demandes par jour, mais seule une fraction d'entre elles correspond aux services de cet ensemble en termes de secteur, de taille d'organisation, de besoins, de budget ou de moment d'achat. Si l’équipe commerciale doit traiter tous ces leads de la même manière, elle passe beaucoup de temps sur des opportunités moins susceptibles de se convertir. Par conséquent, le principal problème de Nova est de construire un système pour Identification, priorisation et suivi intelligent des leads était
Le but du projet
L'objectif de Netanik était de concevoir un système capable de collecter et d'analyser les informations disponibles sur le prospect avant qu'il n'entre dans la phase de suivi des ventes. Le système devait être capable de combiner les attributs de l'entreprise, les informations de contact, la source d'entrée, le comportement de l'utilisateur et le type de demande pour créer une image cohérente du prospect. Ensuite, sur la base des règles définies et du modèle analytique, les pistes ont été placées dans différentes priorités et les prochaines actions ont été déterminées pour chaque groupe. De cette façon, l’équipe commerciale pourrait se concentrer sur des opportunités plus pertinentes au lieu de gérer manuellement un grand nombre de prospects.
Lien interne suggéré : Dans l'expression « intelligence artificielle pour les entreprises » → lien vers la page du service d'intelligence artificielle de Netanik.
Architecture intelligente d'automatisation des ventes
En concevant ceci Automatisation intelligente des ventesNetanik a divisé le processus en plusieurs couches indépendantes mais connectées afin que chaque partie ait une tâche spécifique. Les données primaires ont été saisies dans le système à partir de différents canaux et après nettoyage et structuration, elles ont été fournies à la couche intelligente pour analyse. Ensuite, le système a évalué la qualité et l'état de préparation de chaque prospect selon les critères définis et a transféré le résultat au CRM. Enfin, en fonction du statut de chaque prospect, le workflow approprié a été exécuté pour assurer le suivi, la notification ou le transfert à un expert commercial.
Chemin d'entrée du prospect
La première étape du système consistait à recevoir des pistes provenant de différentes sources et son objectif était d'éviter que les informations ne soient dispersées sur plusieurs canaux. Les formulaires de site, les campagnes publicitaires, les pages de destination, les demandes de consultation et autres points de contact pourraient être connectés au système et regrouper les informations de base dans une structure définie. Une fois les données reçues, les informations en double ou incomplètes sont identifiées et l'enregistrement de prospect est créé ou mis à jour dans le système CRM. Cette structure a permis à chaque prospect d'avoir un chemin clair et traçable dès le début.
Le flux principal du système
L'architecture globale du processus a été conçue comme suit :
Obtenir des leads à partir de différents canaux
Effacement et consolidation des informations
Analyse du profil et du comportement des leads avec l'IA
Calculer le score et déterminer le niveau de priorité
Enregistrez le résultat dans CRM et exécutez le workflow
Transférer le prospect approprié à l'équipe commerciale et enregistrer les commentaires
Ce modèle est architecturalement proche du concept de Lead Management ; Un processus qui comprend l'attraction, l'évaluation, l'acheminement, l'entretien et le suivi des prospects jusqu'à ce qu'ils deviennent des opportunités de vente. [Lien externe suggéré : Gestion des leads dans HubSpot]
Notation intelligente des leads
L'une des parties les plus importantes du projet est la conception du système Lead Scoring était; Mais dans ce projet, la notation n’était pas basée sur un nombre fixe. Les informations sur l'adéquation du prospect avec le marché cible, ainsi que son comportement dans ses interactions avec la marque, ont été analysées côte à côte pour créer une image plus précise de la qualité du prospect. Par exemple, une entreprise peut convenir parfaitement à Nova en termes de taille et de secteur d’activité, mais n’avoir aucune interaction significative avec des produits ou des services. En revanche, Lady peut être très engagée mais non ciblée en termes de type d'entreprise sur le marché cible ; Le système devait donc prendre en compte ces deux aspects.
Critères de notation
Le modèle de notation pourrait considérer une combinaison de différents critères :
Adéquation au secteur d’activité et au marché cible
Taille et profil de l'organisation
Type de produit ou service requis
Comportement des utilisateurs sur le site Web
Interaction avec le contenu et les formulaires de vente
Le niveau de préparation pour démarrer une conversation
Ce modèle s’inscrit dans le concept commun du Lead Scoring ; Dans les systèmes CRM, la notation peut être effectuée sur la base des caractéristiques des enregistrements et des comportements enregistrés, et le résultat peut être utilisé pour la priorisation et les flux de travail ultérieurs. [Lien externe recommandé : HubSpot Lead Scoring]
Un score fixe ne suffit pas
Dans de nombreux processus de vente, un simple modèle de notation avec quelques conditions fixes peut constituer un bon point de départ, mais à mesure que les données augmentent et que le marché devient plus complexe, le besoin d'une analyse plus détaillée augmente. L'approche de Netanik dans le projet Nova consistait à obliger l'IA à respecter des règles spécifiques et à ne pas laisser la prise de décision à un modèle incontrôlable. Le système pourrait examiner les informations structurées et utiliser les modèles de données ainsi que les règles métier pour une meilleure analyse. De cette manière, l’automatisation des ventes était à la fois contrôlable et pouvait se développer progressivement.
intelligence artificielle Dans le processus de vente
Le rôle de l'intelligence artificielle dans ce projet n'était pas seulement de générer du texte pour l'e-mail ou de répondre au client, mais elle a également été utilisée dans la section analyse et prise de décision. Le système pourrait rassembler diverses informations sur un prospect et créer un résumé utilisable pour le professionnel de la vente. Ce résumé pourrait inclure le profil de l'entreprise, le besoin potentiel, le chemin d'entrée, les interactions précédentes et la prochaine action suggérée. L'objectif était que le professionnel des ventes ait une idée plus complète du statut du prospect avant de passer l'appel.
Mener une analyse contextuelle
Lorsque les informations d'un prospect sont collectées à partir de plusieurs sources différentes, la véritable valeur des données vient lorsqu'il est possible d'identifier la relation entre elles. Par exemple, consulter à lui seul quelques pages liées à un produit peut ne pas générer beaucoup d’informations, mais lorsque ce comportement est combiné à une demande de conseil et à un profil d’entreprise, il peut prendre un sens différent. Le système intelligent a tenté de placer ces informations dans un contexte commun afin de créer un résultat plus exploitable pour l'équipe commerciale. C'est ici L'intelligence artificielle dans la vente Cela peut aller au-delà des automatisations conditionnelles.
Résumé intelligent pour le professionnel de la vente
L'une des fonctionnalités conçues était de générer une synthèse de l'état du prospect avant de le référer à un expert. Au lieu que le vendeur doive examiner plusieurs enregistrements et interactions précédentes, les informations importantes étaient présentées dans une vue structurée. Ce résumé pourrait aider le vendeur à entamer la conversation avec une meilleure compréhension du problème du client et à éviter les questions répétitives. En conséquence, l’IA jouerait le rôle de couche de préparation de l’information, et la décision finale serait toujours laissée aux humains.
"L'intelligence artificielle n'était pas censée remplacer le vendeur ; le vendeur était censé disposer de meilleures informations et d'une décision plus rapide avant chaque appel."
Connexion du système au CRM
CRM Dans ce projet, il a été considéré comme le centre des informations commerciales et, au lieu de créer un système séparé, une automatisation intelligente a été placée autant que possible à côté de la structure CRM. Les informations sur le prospect, le score, le statut, les activités et les actions entreprises ont été enregistrées dans un enregistrement traçable. Cette architecture a permis à l'équipe commerciale de conserver son environnement familier et son intelligence artificielle en coulisses pour gérer les processus chronophages. En conséquence, la nouvelle technologie se connecterait à l’infrastructure existante plutôt que de créer un autre îlot d’informations.
Coordination du marketing et des ventes
L’un des problèmes courants dans les entreprises en croissance est la distance entre les équipes marketing et commerciales. Le marketing génère des leads, mais les ventes ne disposent pas toujours de suffisamment d'informations sur la source, le comportement ou le contexte de ce lead. L'automatisation conçue place ces informations sur un chemin commun afin que les prospects soient transférés du marketing aux ventes avec des informations plus complètes. Une telle structure peut également créer une base appropriée pour mesurer les performances des campagnes et vérifier la qualité réelle des leads.
Enregistrer les commentaires sur les ventes
Le système n'a pas été conçu uniquement pour envoyer des informations au vendeur, et les commentaires de l'équipe commerciale ont également été considérés comme faisant partie du cycle du système. Le résultat de l’appel, le statut de l’opportunité, la raison pour laquelle le prospect n’a pas été suivi ou converti en client peuvent être des données précieuses pour l’amélioration des processus. Ces informations peuvent être utilisées dans les étapes suivantes pour modifier les critères de notation et les flux de travail. De cette manière, le système passe progressivement d’une automatisation fixe à un processus optimisable.
Concevoir des flux de vente intelligents
Après analyse et scoring, chaque lead ne suit pas forcément le même chemin. Le système basé sur le statut de chaque enregistrement, Workflow Cela activerait le approprié pour que l'action suivante soit alignée sur l'état du prospect. Par exemple, les prospects hautement qualifiés pourraient être transférés plus rapidement vers un professionnel de la vente, tandis que les prospects peu adaptés pourraient entrer progressivement dans un parcours de développement et de communication. Cette séparation permet d'allouer les ressources de l'équipe commerciale en fonction de la priorité réelle.
Différents chemins à suivre
Sur la base de la structure définie, les workflows peuvent être exécutés pour différents scénarios :
Référence immédiate des prospects hautement prioritaires aux ventes
Envoyer des informations supplémentaires aux prospects qui doivent être examinés
Entrée de leads non préparés dans le processus de Nurturing
Rappel automatique pour les suivis annulés
S'inscrire et mettre à jour le statut dans CRM
Créez des alertes pour les opportunités urgentes ou urgentes
Cette structure évite que l’automatisation des ventes ne devienne un ensemble de déclencheurs épars et que chaque action s’inscrit dans une logique spécifique.
Calendrier de suivi
Le temps peut être crucial dans les ventes B2B, et un retard dans la réponse peut entraîner une perte d’opportunités commerciales. Pour cette raison, l’heure d’arrivée du lead et son niveau de priorité ont été pris en compte dans la conception du workflow. Le système pourrait définir une alerte ou une action automatique pour certaines conditions et déléguer la tâche à l'expert concerné dans d'autres cas. L’objectif n’était pas d’éliminer le suivi humain ; Il était plutôt important de réduire le risque d’oubli d’actions.
Agent IA dans l'automatisation des ventes
Dans les étapes plus avancées du projet, l'architecture peut évoluer vers un AI Agent vente La différence entre l'agent et un simple workflow est que l'agent peut utiliser différents outils et suivre un processus en plusieurs étapes en fonction de la situation existante. Par exemple, un agent peut recevoir des informations sur les prospects du CRM, analyser le contexte de la demande, récupérer des informations pertinentes et, dans le cadre défini pour celles-ci, suggérer ou exécuter l'action suivante. Bien entendu, un tel système doit être conçu avec des outils, des autorisations et des garde-fous spécifiques.
Agent au lieu d'automatisation
L'automatisation traditionnelle fonctionne généralement sur la base de règles prédéfinies et prend une action spécifique pour chaque situation spécifique. L'agent peut analyser la situation dans des situations plus complexes et choisir la bonne voie en fonction de l'objectif défini. La documentation officielle d'OpenAI décrit également l'Agent comme un système capable d'utiliser le modèle de langage pour gérer l'exécution du Workflow et d'utiliser différents outils pour recevoir des informations ou effectuer des actions. [Lien externe suggéré : Guide officiel OpenAI des agents IA]
Garde-corps et contrôle humain
Plus d'autonomie du système ne signifie pas supprimer le contrôle humain, et d'ailleurs, plus l'Agent a de capacités, plus la définition des limitations devient importante. Ainsi, l'architecture du projet a envisagé la possibilité de déterminer la portée des opérations, le niveau d'accès, les conditions de transfert à l'homme et les règles de mise en œuvre des actions. Certaines actions peuvent être entièrement automatisées, tandis que d’autres ne peuvent être exécutées qu’après l’approbation d’un expert. Cette approche aide le système intelligent à se déplacer de manière spécifique et contrôlable.
Sécurité des données de vente
Les données de vente comprennent généralement des données commerciales, des informations de contact, l'historique des interactions et parfois des informations sensibles sur les clients. Par conséquent, la conception d'un Automatisation intelligente des ventes Sans tenir compte de la sécurité des données, ce n’est pas une solution complète. L'accès aux informations doit être défini en fonction du rôle des utilisateurs, et chaque agent ou workflow ne doit avoir accès qu'aux données dont il a besoin pour effectuer sa tâche. En outre, la journalisation des événements et la vérification des activités du système peuvent aider à mieux contrôler le processus.
Niveau d'accès utilisateur
Un professionnel de la vente, un directeur commercial et un responsable d'organisation n'ont pas nécessairement besoin du même niveau de connaissances. Par conséquent, l'architecture du système doit être capable d'ajuster l'accès en fonction des rôles et des responsabilités et de ne pas fournir d'informations inutiles aux utilisateurs. Le même principe doit être suivi dans le cas des agents et chaque agent doit recevoir uniquement les outils et les données dont il a besoin. Cette séparation constitue l’une des bases importantes du développement durable des systèmes d’entreprise intelligents.
Surveiller et enregistrer les événements
Pour les systèmes fonctionnant dans des processus métier, il est important de voir ce qui s'est passé et pourquoi une action a été entreprise. Les activités de journalisation, l'état du flux de travail et les modifications des données peuvent aider l'équipe technique et de gestion à mieux enquêter sur le comportement du système. Ces informations seront également utilisées lors du dépannage ou de la modification de la logique d'automatisation. Pour cette raison, la visibilité et le contrôle du système ont été considérés dès le début comme faisant partie de la conception.
Le résultat du projet et la valeur créée
Le projet Nova a montré que la valeur de l'IA dans les ventes ne vient pas nécessairement d'un chatbot ou d'un outil de génération de texte. Lorsque les données CRM, le comportement des utilisateurs, les règles de vente et les capacités d'IA sont intégrés dans une architecture cohérente, le processus de vente peut être rendu plus structuré et mesurable. Au lieu d’examiner toutes les pistes de la même manière, l’équipe commerciale obtient des informations plus prioritaires et peut mieux gérer son temps. D’autre part, l’organisation disposera d’une infrastructure extensible qui pourra être connectée ultérieurement à des agents plus avancés.
Réalisations architecturales
Le résultat le plus important du projet a été la création d'un système intégré de gestion du flux de leads, et pas seulement l'ajout d'un outil d'IA au processus de vente. L'architecture créée offrait la possibilité de recevoir des données de différentes sources, d'analyser les informations, de les noter, de s'inscrire dans CRM et de mettre en œuvre des actions ultérieures selon un chemin spécifique. De plus, la structure du système a été conçue de manière à ce que de nouveaux critères, davantage d'outils et d'agents plus spécialisés puissent y être ajoutés à l'avenir. Cette extensibilité transforme le système d'un projet à court terme en une infrastructure évolutive.
Le rôle de Nathaniel
Dans ce projet, Netanik a examiné le problème sous l'angle combiné de la stratégie, de la technologie et de l'expérience commerciale et s'est concentré sur la construction d'un système pouvant être utilisé dans des opérations réelles. La conception de l'architecture, la logique de notation, la connexion de l'IA au CRM, la définition des workflows et le parcours de développement des agents faisaient partie de cette approche. Le but n’était pas de faire une démonstration d’intelligence artificielle ; La technologie devait plutôt résoudre un problème spécifique dans le processus de vente. C'est la même approche que Netanik suit dans la conception de solutions intelligentes pour les entreprises.
L'avenir de l'automatisation intelligente des ventes
La prochaine étape de ce projet pourrait être le développement d'agents spécialisés pour différents départements commerciaux. Par exemple, un agent peut être chargé d’analyser les leads, un autre agent peut préparer les informations nécessaires aux experts et un autre système peut surveiller le pipeline et identifier les points nécessitant une action. Cette structure, si elle est conçue correctement, peut gérer une partie du travail répétitif de l’équipe commerciale et en même temps transférer les décisions sensibles aux humains. Le chemin de développement doit se poursuivre sur la base des données réelles et des besoins opérationnels de l'organisation, et pas seulement en ajoutant de nouvelles fonctionnalités au système.
De la piste à la relation
La vente intelligente ne consiste pas seulement à convertir un formulaire en une transaction : une véritable valeur est créée lorsque l'ensemble du parcours client est compris. Les données de chaque interaction peuvent aider à mieux comprendre les besoins des clients, le calendrier et le contexte décisionnel. L'intelligence artificielle peut fournir ces informations à l'équipe pour former des communications plus précises et adaptées. Dans cette optique, au lieu de se concentrer uniquement sur la rapidité, l’automatisation des ventes devient un outil permettant de créer des processus plus cohérents et extensibles.
résumé
Le projet Nova est un exemple de conception Automatisation intelligente des ventes Se concentrer sur l'intégration des données, l'analyse de l'IA, la notation des leads et le CRM. Dans cette architecture, au lieu d’être en marge du processus de vente, l’intelligence artificielle est introduite par parties qui permettent de mieux analyser les informations et de structurer les actions répétitives. Dans le même temps, les décisions sensibles restent sous le contrôle de l’équipe humaine et le système fonctionne avec certaines restrictions et niveaux d’accès. Le résultat final est une infrastructure extensible qui peut commencer par la gestion des leads et passer à l'avenir à des agents d'IA spécialisés et à une automatisation plus approfondie des processus de vente.
