هوش مصنوعی در حال تحول بهرهوری است، اما فروش همچنان یک مرز جدید باقی مانده است
کاربردهای بالقوه هوش مصنوعی تولیدکننده و عاملگرا میتواند زمان بیشتری برای فروش آزاد کند و نرخ تبدیل را افزایش دهد.
نوشتهٔ آن بوشه، جو وانگ، پیتر بوئن، تامارا لوئیس، جاستین مورفی، و مارک کوواک – ترجمهشده توسط تیم گفتا
در یک نگاه
- تیمهای فروش در مقایسه با دیگر بخشها، در پذیرش و بهرهبرداری از هوش مصنوعی عقب ماندهاند، اما پتانسیل آن آنقدر زیاد است که نمیتوان آن را نادیده گرفت.
- هوش مصنوعی میتواند وظایفی را بر عهده بگیرد که فروشندگان را آزاد کند تا زمان بیشتری با مشتریان سپری کنند، و موفقیتهای اولیه نشاندهنده بهبود ۳۰ درصدی یا بیشتر در نرخ پیروزی است.
- همانند سایر حوزهها، راز دستاوردهای قابل توجه در بازنگری فرآیندهای فروش نهفته است، نه صرفاً اتوماسیون فرآیندهای موجود.
- شناسایی حوزههای با پتانسیل بالا و تصمیمگیری در مورد نقطه شروع، گامهای اولیه مهمی هستند، همراه با کسب حمایت از سطح مدیران ارشد.
در دو سال گذشته، هوش مصنوعی تولیدکننده بر صحنه اصلی تکیه زده و وعدههایی برای بهبود بهرهوری داده است؛ از شتاببخشی به توسعه نرمافزار گرفته تا سادهسازی محتوای بازاریابی، ارتقای راهحلهای پشتیبانی، و کاهش بارهای اداری. با وجود این شور و اشتیاق، بیشتر شرکتها هنوز نتوانستهاند این مزایا را در مقیاس بزرگ بهرهبرداری کنند یا دستاوردهای معناداری در کارایی هزینه یا رشد درآمد مشاهده نمایند.
حالا، هوش مصنوعی عاملگرا وارد میدان شده است؛ با عاملهای خودگردان که میتوانند جریانهای کاری پیچیده را دنبال کنند، اهداف تعیین نمایند، برنامهریزی کنند، اجرا نمایند، و حتی در حین کار یاد بگیرند—همه اینها با حداقل دخالت انسانی. پتانسیل آن؟ سیستمهای هوشمندتر، نتایج سریعتر، و فضای بیشتری برای افراد تا بر آنچه واقعاً اهمیت دارد، تمرکز کنند.
اما نتایج واقعاً موفق همچنان نادر هستند. بسیاری از شرکتها بهبودهای کوچک بهرهوری را در چند حوزه مانند توسعه نرمافزار ثبت کردهاند، اما تنها میتوانند موفقیتهای خود را در دو رقم اندازهگیری کنند.
دلیلش این است که بیشتر شرکتها هنوز فرمول پیادهسازی هوش مصنوعی در مقیاس را کشف نکردهاند—و فروش چالشی دشوارتر از بیشتر فعالیتها را نشان میدهد، به دلایل مختصری:
- یک مورد استفاده بهتنهایی بهندرت تأثیرگذار است، زیرا روز یک فروشنده میان دهها وظیفه پراکنده میشود. بیشتر شرکتها عقب ننشستهاند تا مسیر کامل فروش را ترسیم کنند، بنابراین تلاشها همچنان پراکنده و جزئی باقی میمانند.
- آزمایشهای از پایین به بالا کارساز نیست، زیرا اهداف ذاتاً نامشخص هستند.
- اعمال هوش مصنوعی بر فرآیندهای موجود اغلب تنها به دستاوردهای کوچک بهرهوری (میکروبهرهوری) منجر میشود، زیرا گلوگاههای جدیدی پدیدار میگردد. بدون بازطراحی فرآیند، شرکتها به جای حذف ناکارآمدیها، آنها را اتوماسیون میکنند.
- هوش مصنوعی به زمینه دادهای عظیم و پاکیزه نیاز دارد، اما دادههای فروش و ورود به بازار بر سیستمهای متعددی پراکنده شدهاند، با کنترل کیفیت یا حاکمیت اندک.
- تیمهای فروش تحت فشار و پراکندهاند، و این فقط یکی دیگر از ابزارها در رژه طولانی وعدههای فناوری است. برخلاف حوزههایی مانند مهندسی که جریانهای کاریشان نسبتاً استاندارد است، فرآیندهای فروش بر اساس تیم، منطقه، و فرد به شدت متفاوت است.
- تیمهای خط مقدم اغلب تمایلی به تغییر رفتار خود ندارند. رسیدن به سهمیه به عنوان «به اندازه کافی خوب» دیده میشود، و آموزش هوش مصنوعی معمولاً ایستا است.
با این حال، جنبه مثبت آن آنقدر امیدوارکننده است که نمیتوان نادیدهاش گرفت. فروشندگان ممکن است تنها حدود ۲۵٪ از زمان خود را واقعاً صرف فروش به مشتریان کنند. هوش مصنوعی میتواند این را دو برابر کند، با بر عهده گرفتن بخش عمدهای از کارهایی که اطراف فروش را احاطه کردهاند اما ارزش افزوده کمی دارند، و زمان بیشتری برای خدمات مشتری باقی بگذارد. و این فقط نیمی از داستان است: هوش مصنوعی همچنین به تیمها کمک میکند تا نرخهای تبدیل را در هر گام از قیف فروش بهبود بخشند—بهبودهای جهشی که در مجموع به بیش از ۳۰٪ افزایش در نرخ پیروزی منجر میشود.
-
ترسیم هوش مصنوعی در سراسر چرخه حیات فروش
تیمهای فروش که به این پتانسیل هوش مصنوعی چشم دوختهاند، باید تعیین کنند که هوش مصنوعی کجا میتواند بیشترین دستاوردها را ارائه دهد و از کجا شروع کنند. کار بن با شرکتهای فناوری و مصرفی کسبوکار به کسبوکار و کسبوکار به مصرفکننده که هوش مصنوعی را در فروش پیادهسازی کردهاند، ۲۵ مورد استفاده را در مراحل مختلف چرخه حیات فروش شناسایی کرده است که رهبران باید آنها را بررسی کنند تا حداکثر مزایا را از پیادهسازی هوش مصنوعی به دست آورند. برخی از این موارد ابتدا به عنوان اتوماسیون نرمافزاری سنتی آغاز شدند و با هوش مصنوعی/یادگیری ماشین تقویت گردیدند. بسیاری از آنها با هوش مصنوعی تولیدکننده بیشتر بهبود یافتهاند، و حالا شاهد پیادهسازی هوش مصنوعی عاملگرا در چندین مورد استفاده هستیم.
-
تحقق پتانسیل هوش مصنوعی عاملگرا
پیادهسازی هوش مصنوعی عاملگرا وعده میدهد که ارزش بیشتری را در فروش آزاد کند. فناوری با سرعت در حال پیشرفت است، اما بیشتر شرکتها هنوز به آرامی پیش میروند. احتمالاً فروشندگان در ۶ تا ۱۸ ماه آینده برنامههای کاربردی توانمندتری ارائه خواهند داد، اما همین حالا هم شاهد نتایج هدفمند در مقیاس هستیم، برای مثال، در میان شرکتهایی که از جریانهای کاری بدون کد استفاده میکنند. بزرگترین موانع همچنان پاکسازی دادهها، استانداردسازی فرآیند، اتخاذ تصمیمات دشوار حاکمیتی، و تغییر نحوه انجام کار باقی ماندهاند (که باید شامل خاموش کردن روشهای قدیمی کار و همچنین دسترسی به ابزارها و دادههای قدیمی باشد).
-
شناسایی نقطه شروع
بسیاری از شرکتها با توجه به طیف گسترده کاربردهای عملی هوش مصنوعی، در تعیین نقطه شروع مشکل دارند. حوزههای نشاندادهشده در شکل ۲، موارد استفادهای را نشان میدهند که اغلب به یکدیگر وابسته هستند و این امر پیشبرد کار را بدون پرداختن به عناصر پایهای مانند معماری داده و همراستایی کسبوکار دشوار میسازد.
برای مثال، تولید سرنخ و جستجوی مشتریان بالقوه را در نظر بگیرید. بدون دادههای پاک و متصل، فروشندگان نمیدانند چرا یک حساب کاربری داغ است، با چه کسی باید تعامل کنند، چه چیزی را پیشنهاد دهند، یا چگونه پیام را شخصیسازی نمایند. در حالی که بسیاری از شرکتها مستقیماً به فروش هدایتشده میپرند، نمایندگان ابتدا به بینشهایی نیاز دارند که قابل اعتماد، آسان برای عمل، و واقعاً نو باشند.
موثرترین پروژههای آزمایشی بر یک یا دو حوزه در ابتدای چرخه حیات فروش تمرکز میکنند، جایی که فروشندگان بیشترین نیاز را به کمک در شناسایی، اطلاعرسانی، و عمل بر سرنخها دارند. شرکتهای پیشرو از آنجا شروع میکنند و موارد استفاده را بر اساس ارزش کسبوکار و آمادگی فرآیند اولویتبندی مینمایند. این رویکرد پایهای برای دستاوردهای پایدار در کارایی فروش، تعامل قویتر با مشتریان، و اعتماد فروشندگان به ابزارهای هوش مصنوعی فراهم میکند.
-
تحقق کامل پتانسیل هوش مصنوعی در فروش
در کارمان برای کمک به شرکتها در آزمایش هوش مصنوعی در فروش، مجموعهای مداوم از درسها را مشاهده کردهایم که پروژههای آزمایشی شکستخورده را از آنهایی که مقیاسپذیر میشوند، جدا میکند.
- دیدگاه انتها به انتها از یک فرآیند را اتخاذ کنید. هوش مصنوعی تولیدکننده یا عاملگرا ممکن است تیتر اصلی باشد، اما ارزش واقعی در ترکیب هوش مصنوعی عاملگرا و تولیدکننده با هوش مصنوعی سنتی و اتوماسیون، بازطراحی فرآیند، پاکسازی داده، تنظیم اهداف از بالا به پایین، و تمرکز بر اجرا نهفته است.
- فرآیندها را بازتصور کنید. اتوماسیون فرآیندهای متوسط تنها نتایج متوسط را تسریع میکند. فعالیتهای فروش را بازاندیشی کنید و جریانهای کاری بهترین شیوه را توسعه دهید.
- دامنه را برای مقیاسپذیری محدود کنید. تلاش برای انجام همه چیز به طور همزمان، شتاب را کند میکند. با بخشهای پرتأثیر فرآیند فروش شروع کنید (برای مثال، یک یا دو حوزه از شش حوزه در شکل ۲) و نقشه راهی بسازید که حرکت تجاری شما را منعکس کند.
- بر دادهها تمرکز کنید، با تمایل به سرعت به جای کمال. دادهها مهم هستند، اما کمال لازم نیست. بر آنچه به اندازه کافی خوب است برای حرکت سریع تمرکز کنید و آنچه برای پاکسازی دادهها نیاز است تا به آن نقطه برسید. گام اول حذف دادهها و محتوای قدیمی، نادرست، یا گیجکننده است—گاهی تا ۸۰٪. این کار زمان و منابع میگیرد؛ در اینجا کمسرمایهگذاری نکنید.
- آزمایش کنید، بیاموزید، تکرار کنید. اثبات مفهومهای سریع بهترین ابزار شما برای شناسایی جایی که ارزش وجود دارد، هستند. آنها همچنین اعتقاد به چشمانداز و گامهای رسیدن به آن را میسازند.
- حمایت و اجرای سطح مدیران ارشد. مدیریت تغییر قوی پایهای است؛ تحول واقعی هوش مصنوعی همچنین نیاز به تمرکز پایدار از سوی مدیران اجرایی دارد. یک تیم پیادهسازی اختصاصی با قابلیتهای واقعی باید مسئولیت تنظیم اهداف و رسیدن به آنها را بر عهده گیرد.
هوش مصنوعی پتانسیل عظیمی برای تحول فروش دارد، اما بیشتر شرکتها هنوز نتایج معناداری نمیبینند. برای تبدیل وعده به عملکرد، تیمها باید موارد استفاده با ارزش بالا را شناسایی و اولویتبندی کنند، فرآیندهای کلیدی را بازتصور نمایند، و دادههای خود را پاکسازی کنند. همه چیز به تعهد روشن و از بالا به پایین برای پیادهسازی هوش مصنوعی در مقیاس بستگی دارد. وقتی درست انجام شود، رهبران میتوانند زندگی فروشندگان خط مقدم را به طور چشمگیری بهبود بخشند و یک برتری پایدار نسبت به رقبایی که هنوز در حالت انتظار و مشاهده گیر کردهاند، بسازند.