Tekoäly muuttaa sitä, mistä asiakkaat maksavat

Eliana Angelova on CRO Ison Xperiences -yrityksessä, joka on asiakaskokemuksen hallintaan erikoistunut yritys ja jolla on tuotannossa 1 600 virtuaaliagenttia.

Istahdimme hänen kanssaan keskustelemaan siitä, miten tekoäly muuttaa myyntiä ja hinnoittelua. Tässä hänen kertomansa.

Paikkojen myynnistä tulosten myyntiin

Olen Eliana Angelova, Ison Xperiencesin liikevaihtojohtaja, ja työskentelen Dubaissa.

Ison Xperiences on asiakaskokemuksen hallintaan erikoistunut yritys, joka hallinnoi asiakkaiden kanssa tapahtuvan vuorovaikutuksen koko elinkaarta. Laajasti saatavilla olevien tekoälytyökalujen ansiosta automatisoimme laajasti sisäisiä prosessejamme. Olemme kehittäneet oman tekoälyyn liittyvän immateriaalioikeutemme. Useimmat BPO-yritykset eivät toimi näin, vaan ostavat valmiin ratkaisun ja brändäävät sen omakseen. Kehitimme SenshAI:n, monikanavaisen agenttiavun alustamme. Lisäksi kehitimme vakuutusalalle tarkoitetun hAIven, perinnän Three60 CRM:n ja laadunvarmistukseen tarkoitetun iQumexin. Nämä eivät ole prototyyppejä. Ne ovat tuotannossa ja käytössä tällä hetkellä 1 600 virtuaaliagentilla. Tämä muodostaa hAI-kehyksemme perustan — ihminen ja tekoäly yhdessä.

CRO:na muutoksen todellisen tarinan kertovat tärkeät luvut. Kaksi vuotta sitten offshore-liikevaihtoa ei ollut lainkaan. Nykyään sen osuus liiketoiminnastamme on noin 20 %. Siirryimme yhdestä offshore-toimituspaikasta seitsemään. Käsittelemme kuukausittain yli 50 miljoonaa asiakasvuorovaikutusta 25 maassa ja yli 60 kielellä. Kyse ei ole vain mittakaavasta, vaan infrastruktuurista, jonka ansiosta olemme merkityksellinen kumppani maailmanlaajuisille yritysasiakkaille, jotka tarvitsevat monikielistä, useilla aikavyöhykkeillä toimivaa ja tuloksiin sidottua toimitusta.

Tekoälyn ansiosta voimme kilpailla samoilla tarjouslistoilla kuin kymmenen kertaa suuremmat yritykset.

Kolme liikevaihdon pilaria

Liikevaihto-organisaatiollani on kolme pilaria: ennakkomyynti ja ratkaisujen suunnittelu, myynti sekä myynnin jälkeinen käyttöönotto. Rakensin organisaation tietoisesti tällä tavalla, koska monimutkaisessa B2B-ulkoistamisessa kauppa ei pääty sopimuksen solmimiseen — käyttöönotto rakentaa luottamusta tai romuttaa sen, ja haluan, että lupauksen tehnyt liikevaihdon johto kantaa siitä vastuun.

Myyntitiimimme on organisoitu maantieteellisesti. Toimimme Intiassa ja APAC-alueella, Kiinassa, EMEA-alueella, Afrikassa ja Etelä-Amerikassa sekä Saksassa, ja laajennamme toimintaamme aktiivisesti. Tällä hetkellä meillä on viisi avointa tehtävää kasvustrategiamme kannalta keskeisillä markkinoilla: kaksi Yhdysvalloissa, yksi Keniassa, yksi Etelä-Afrikassa ja yksi Lähi-idässä. Tiimimme on siis rakentamisvaiheessa.

Ennakkomyynti ja ratkaisujen suunnittelu ovat tarkoituksella myynnin rinnalla, eivät sen alaisuudessa. Tavoittelemamme kaupat ovat riittävän monimutkaisia edellyttääkseen ratkaisukehittäjän ja GTM-strategin osallistumista ensimmäisestä keskustelusta lähtien — ei vasta tarjouksen laatimisvaiheessa. Tämä toiminto mahdollistaa tulosten, ei paikkojen, myymisen.

GTM-näkökulmasta menemme markkinoille toimialoittain: televiestintä ja teknologia, BFSI ja fintech, verkkokauppa ja vähittäiskauppa, media, matkailu sekä vieraanvaraisuusala. Tämä on tietoinen valinta, koska tekoälyyn liittyvän muutoksen tarina on erilainen kullakin toimialalla, eivätkä yleisluontoiset myyntipuheet voita yritysasiakkaiden kauppoja.

Olemme etenemässä merkittävästä haastajasta johtajaksi Everest PEAK Matrix -arvioinnissa. Jokaisen rekrytointipäätöksen, markkinoille tulon ja GTM-panostuksen tavoitteena on osoittaa tämän muutoksen toteutuminen.

Miten tekoäly voi muuttaa kaupallista mallia

Tekoäly muutti hinnoittelumme. Kolme vuotta sitten BPO-alan kaupallinen keskustelu perustui oletusarvoisesti paikkoihin: tarvitsette 200 agenttia, tässä on hinnasto ja tässä henkilöstökustannus. Asiakas kantoi volyymiriskin, eikä palveluntarjoajalla ollut todellista kannustinta vähentää yhteydenottoja. Useammat yhteydenotot merkitsivät useampia agentteja, mikä puolestaan tarkoitti enemmän liikevaihtoa. Malli on toimimaton.

Kun toiminnassamme oli riittävästi tekoälyä, pystyimme ennustamaan ja hallitsemaan tuloksia sen sijaan, että olisimme vain mitoittaneet henkilöstön volyymin mukaan. Kun tuloksia voi hallita, niiden perusteella voi myös hinnoitella. Siksi siirsimme sopimukset tulosperusteiseen hinnoitteluun, joka sidotaan AHT:n lyhentämiseen, CSAT-pisteisiin ja ratkaisuun ensimmäisen yhteydenoton aikana. Asiakas maksaa nyt tuloksesta, ei henkilöstömäärästä.

Tämän muutoksen kaupallinen vaikutus on merkittävä kahdella tavalla. Ensinnäkin voitamme nyt enemmän kauppoja, erityisesti eurooppalaisten ja yhdysvaltalaisten suuryritysasiakkaiden kanssa, jotka ovat riittävän perehtyneitä ymmärtääkseen, että käyttäjäkohtainen sopimus on vain hallinnoitu työvoimalasku. Kun menemme asiakkaan luo ja sanomme: "Hinnoittelemme tulosten perusteella ja kannamme suorituskykyriskin", kyseessä on aivan erilainen keskustelu. Toiseksi pidämme asiakkaamme eri tavalla, koska kun olemme vastuussa tuloksista, kehitämme toimintaa jatkuvasti emmekä vain ylläpidä sitä. Uusimiset sitovat asiakkaat paljon vahvemmin. Tämä varmistaa pitkäaikaisen jatkuvan liikevaihdon.

Mikä siis parani? Suuryritysasiakkaiden kauppojen voittoprosentit, sopimusten pituudet, asiakassuhteiden laatu ja sisäinen kurinalaisuus. Kun liikevaihtosi on sidottu asiakkaasi KPI-mittareihin, koko organisaatio on linjassa saman luvun kanssa. Tekoäly ei muuttanut vain tuotettamme. Se muutti kaupallisen mallimme.

Käytännön esimerkki uuden asiakkuuden hankintaprosessista

Käyn tänään läpi uuden asiakkuuden hankintaprosessimme, koska se on prosesseistamme eniten muuttunut.

1. Kaikki alkaa asiakasvalinnasta. Emme enää aloita alueluettelosta ja kylmäkontaktoinnista. Tekoäly tunnistaa kohdeasiakkaat yritysprofiilin sopivuuden, ostosignaalien ja toimialan yhteensopivuuden perusteella. Malli nostaa esiin asiakkaat, jotka osoittavat ostoaikeisiin liittyviä signaaleja: johdon muutoksia, laajentumisilmoituksia ja teknologioiden hankintatoimintaa. Tiimi aloittaa priorisoidusta esivalintalistasta tyhjän paperin sijaan.
2. Sen jälkeen personoimme yhteydenotot laajassa mittakaavassa. Kun olemme ensimmäisen kerran yhteydessä, tiedämme jo tilin todennäköiset kipupisteet, sen teknologiakokonaisuuden ja sen, ketkä ovat olennaisia sidosryhmiä.
3. Kun asiakas tulee myyntiputkeen, päivitämme sen pistemäärää jatkuvasti sitoutumisen perusteella. Jos kauppa pysähtyy, malli merkitsee sen. Tiimi ei huomaa kariutunutta kauppaa vasta vuosineljänneksen lopussa. Se näkee signaalin ajoissa ja voi toimia.
4. Tarjousvaiheessa ennakkomyyntitiimi käyttää tätä tietoa tulosperusteisen kaupallisen mallin rakentamiseen: asiakkaalle tärkeät KPI-mittarit, toimitusalustamme sitoumukset ja optimaalinen hinnoittelu. Kaikki perustuu dataan, ei intuitioon. Ratkaisutiimi työskentelee tekoälyn kanssa, jolla on käytettävissään kaikki aiemmat voittamamme ja häviämämme kaupat, kaikki käyttämämme toimitusmallit, kaikki käyttämämme hinnoittelurakenteet ja kaikki asiakastulokset, joihin olemme sitoutuneet.
5. Kaupan solmimisen jälkeen seuraamme myynnin jälkeistä käyttöönottoa niiden KPI-mittareiden perusteella, joihin sitouduimme. Jos olemme ajautumassa tavoitteista, näemme sen ennen asiakasta. Siksi uusimisesta tulee erilainen keskustelu.

Tekoäly ei ole taikuutta. Taika syntyy, kun lakkaat sallimasta tiedon elää siiloissa.

Miksi liikevaihdosta vastaavien johtajien on opittava tekoälytyökalujen ja tekoälyratkaisujen ero

Eliana kertoo

Aluksi sekoitimme tekoälytyökalut tekoälyratkaisuihin…Useimmat organisaatiot aloittavat työkaluista ja kutsuvat sitä muutokseksi. Me teimme samoin. Ihmiset käyttivät tekoälyä tehdäkseen nykyiset työnsä hieman nopeammin, ja luulimme sitä strategiseksi edistykseksi.

Aluksi sekoitimme tekoälytyökalut tekoälyratkaisuihin.

MIT julkaisi tänä vuonna tutkimuksen, joka määrittelee asian täsmällisesti. Generatiivinen tekoälytyökalu auttaa yksilöitä työskentelemään nopeammin tekemällä yhteenvedon muistiinpanoista, luonnostelemalla sähköposteja ja valmistautumalla puheluihin. Generatiivinen tekoälyratkaisu integroituu prosessiin, muuttaa työn tekemisen tapaa ja mittaa liiketoimintatason vaikutuksia.

Useimmat organisaatiot aloittavat työkaluista ja kutsuvat sitä muutokseksi. Me teimme samoin. Ihmiset käyttivät tekoälyä tehdäkseen nykyiset työnsä hieman nopeammin, ja luulimme sitä strategiseksi edistykseksi.

Kysymys, joka olisi säästänyt meiltä aikaa, on yksinkertainen: "Muuttuuko tämä tulos vai ainoastaan syötteen nopeus?" Jos vastaus on vain nopeus, kyseessä on tuottavuustyökalu, ei liiketoiminta-aloite.

Aloita liiketoimintatuloksesta, johon haluat vaikuttaa, ja etene taaksepäin sen tekoälyominaisuuden luo, joka vaikuttaa siihen. Älä toimi päinvastoin.

Työn jakautuminen ihmisten ja tekoälyn välillä

Tekoäly edistää meillä tällä hetkellä neljää asiaa:

• Liidien hankinta: Oikeiden kohdetilien tunnistaminen, ostoaikomuksesta kertovien signaalien esiin tuominen ja suppilon yläosan täyttäminen, jotta tiimin ei tarvitse etsiä prospekteja sokeasti.
• Myyntiputken priorisointi: Sen arvioiminen, mihin aikaa kannattaa käyttää sopivuuden ja sitoutumisen perusteella.
• Ennustaminen: En vie lukua hallitukselle, ellei malli validoi sitä, koska myyntijohtajat ovat luonnostaan optimistisia.
• Asiakaspoistuman riski: Olemassa olevan asiakaskannan signaalien seuranta, jotta voimme puuttua ongelmaan ennen kuin siitä tulee puheenaihe.

Mikä pysyy ihmisten tehtävänä?

• Monimutkaisten sopimusten hinnoittelu: Lopullinen päätös edellyttää ihmissuhteiden dynamiikan ymmärtämistä ja strategista harkintaa, joita mallilla ei ole.
• Neuvottelut: Aina.
• Aluesuunnittelu: Laajennamme parhaillaan Yhdysvalloissa, ja kyse oli strategisesta päätöksestä, ei algoritmista.
• Henkilöstö- ja rekrytointipäätökset: Ne ovat aina ihmisten tehtäviä.

Yksinkertainen periaate on tämä: tekoäly hoitaa toistettavat ja dataintensiiviset tehtävät. Ihmiset hoitavat monimutkaiset, asiayhteydestä riippuvat tai merkittäviä seurauksia sisältävät tehtävät.

Miten tekoäly tuo uusia liikevaihtohaasteita

Tekoälyn hyviä tuloksia on paljon. Liidien hankinnan laatu parani merkittävästi, koska kohdistamme toimia parempiin tileihin aiemmin. Ennusteiden tarkkuus kasvoi, koska käytämme mallin validoimia lukuja myyntitiimin mututuntuman sijaan. Siirtyminen tulosperusteiseen hinnoitteluun teki asiakassuhteistamme kestävämpiä, koska kun olemme vastuussa asiakkaan KPI-mittareista, uusimisesta tulee aivan erilainen keskustelu.

Haasteena on, että tekoäly luo tiimiin luottamuskuilun. Kun malli kehottaa myyjää alentamaan hänen uskomansa kaupan prioriteettia, se aiheuttaa kitkaa. Tulosten luottamuksen rakentaminen vie aikaa, ja tiimi jättää joskus signaalin huomiotta ja tekee väärän päätöksen. Se maksaa meille.

Arvioin myös alun perin väärin, kuinka paljon asiakkaiden kouluttamista tarvitaan. Tulosperusteinen hinnoittelu kuulostaa myyntipuheessa vakuuttavalta, mutta asiakkaan ajattelutavan muuttaminen sen jälkeen, kun hän on ostanut käyttöoikeuksia kymmenen vuoden ajan, edellyttää todellista kaupallista keskustelua. Tekoäly muuttaa malliamme nopeammin kuin markkinat ovat valmiita omaksumaan.

Miksi tekoäly ei yllä asiakkuuksien laajentamisen tavoitteisiin

Sanon tämänkin: tekoäly ei ole vastannut odotuksiamme. Odotimme tekoälyn auttavan meitä tunnistamaan järjestelmällisemmin lisämyynti- ja ristiinmyyntimahdollisuuksia nykyisen asiakaskannan sisältä. Tuomaan signaalit esiin, priorisoimaan keskustelut ja nopeuttamaan toimintaamme. Signaalit ovat olemassa. Data kertoo, milloin asiakas kasvaa, milloin heidän volyyminsä muuttuvat ja milloin on loogista tarjota seuraavaa palvelua.

Olemme kuitenkin havainneet, ettei data käynnistä laajentamiskeskusteluja yritysten liiketoimintaprosessien ulkoistamisessa. Luottamus käynnistää ne. Ja luottamus syntyy suhteessa, ei mallissa. Asiakkaat, jotka laajentavat yhteistyötään kanssamme, tekevät sen, koska senioritason henkilö tarttui puhelimeen, istui heidän kanssaan samaan huoneeseen ja kävi keskustelun, joka ei ollut minkään myyntikäsikirjoituksen mukainen. Tekoäly ei pysty jäljittelemään tätä, eikä se pysty myöskään nopeuttamaan sitä.

Miten loistavan myyjän profiili muuttuu tekoälyn myötä

Paras myyjä ei enää ole se, jolla on suurin verkosto.

Yritysten liiketoimintaprosessien ulkoistamisessa vallitseva viisaus on aina ollut palkata harmaahapsisia konkareita, joilla on laajat yhteystiedot, koska suhteet ratkaisevat kaupat. Ja suhteilla on edelleen merkitystä. Tekoäly on kuitenkin osoittanut minulle, että dataa ymmärtävä ja tekoälyä hyödyntävä myyjä, joka saapuu keskusteluun jo kartoitettuaan asiakkuuden kipupisteet, ymmärrettyään ostosignaalit ja laadittuaan kaupallisesti täsmällisen ehdotuksen, suoriutuu jatkuvasti paremmin kuin konkari, joka luottaa yksin hyvän suhteen rakentamiseen.

Loistavan liikevaihdosta vastaavan ammattilaisen profiili muuttuu, ja vanhasta määritelmästä kiinni pitäminen tarkoittaa palkkaamista menneisyyttä, ei tulevaisuutta varten.

Miksi data ja yhteistyö ennustavat parhaiten tekoälyn onnistumista

Eliana kertoo

Minulla on kaksi neuvoa: Ensimmäinen on perehtyä dataan ennen työkaluihin perehtymistä… Toinen on päästä yhteisymmärrykseen teknologiajohdon kanssa.

Minulla on kaksi neuvoa:

Ensimmäinen on perehtyä dataan ennen työkaluihin perehtymistä. MIT:n viime vuonna tekemässä tutkimuksessa havaittiin, että 95 % yritysten tekoälypiloteista ei tuottanut mitattavaa liiketoimintahyötyä. Syy on lähes aina sama: työkalun taustalla oleva data on epäjohdonmukaista, puutteellista tai epäluotettavaa. Clari havaitsi, että 67 % liikevaihdosta vastaavista johtajista ei luota omaan dataansa. Jos tämä koskee sinua, mikään tekoälytyökalu ei pelasta tilannetta. Korjaa perusta ensin.

Toinen on päästä yhteisymmärrykseen teknologiajohdon kanssa. Clarin tutkimus osoittaa, että myyntijohtajan ja tietohallintojohtajan yhteinen näkemys on yksittäinen merkittävin tekoälyn liikevaihtovaikutusta ennustava tekijä. Menestyvät myyntijohtajat eivät hanki työkaluja itsenäisesti. He rakentavat yhteisen datastrategian teknologia-alan kollegoidensa kanssa ja tekevät tekoälystä koko yrityksen kyvykkyyden eivätkä vain myyntiosaston kokeilua.

Kaiken kaikkiaan käytä tekoälyä ajattelusi terävöittämiseen, älä sen korvaamiseen. Säilytä uteliaisuutesi, pysy lähellä dataa äläkä koskaan lopeta harkintaa vaativien päätösten tekemistä.

Seuraa mukana

Voit seurata Eliana Angelovan työtä LinkedInissä.

Lisää asiantuntijahaastatteluja on tulossa The CRO Clubiin!