L’IA sta cambiando ciò per cui pagano i clienti

Eliana Angelova è CRO presso Ison Xperiences, un'azienda di gestione dell'esperienza cliente con 1.600 agenti virtuali in produzione.

Ci siamo confrontati con lei per capire come l'IA stia cambiando le vendite e la determinazione dei prezzi. Ecco cosa ci ha raccontato.

Dal vendere postazioni al vendere risultati

Sono Eliana Angelova, Chief Revenue Officer presso Ison Xperiences, con sede a Dubai.

Ison Xperiences è un'azienda di gestione dell'esperienza cliente che gestisce l'intero ciclo di vita delle interazioni con i clienti. Grazie agli strumenti di IA disponibili universalmente, automatizziamo ampiamente i processi interni. Abbiamo sviluppato la nostra proprietà intellettuale basata sull'IA. Non è qualcosa che fa la maggior parte dei BPO; la maggior parte acquista soluzioni pronte all'uso e vi appone il proprio marchio. Abbiamo sviluppato SenshAI, la nostra piattaforma omnicanale di assistenza agli agenti. Abbiamo inoltre sviluppato hAIve per le assicurazioni, Three60 CRM per la gestione degli incassi e iQumex per il controllo qualità. Non si tratta di prototipi. Sono soluzioni in produzione, operative oggi su 1.600 agenti virtuali. Questo costituisce la base del nostro framework hAI — esseri umani più IA.

In qualità di CRO, i numeri che contano raccontano la vera storia della trasformazione. Due anni fa, i ricavi offshore erano inesistenti. Oggi rappresentano circa il 20% del nostro portafoglio. Siamo passati da una sola sede di erogazione offshore a sette. Gestiamo oltre 50 milioni di interazioni con i clienti ogni mese, in 25 Paesi e in più di 60 lingue. Non si tratta solo di dimensioni; è l'infrastruttura che ci rende rilevanti per gli acquirenti di grandi aziende globali che necessitano di erogazione multilingue, su più fusi orari e legata ai risultati.

Grazie all'IA, possiamo competere nella stessa lista di aziende da contattare di società dieci volte più grandi di noi.

Tre pilastri dei ricavi

La mia organizzazione dei ricavi si basa su tre pilastri: prevendita e soluzioni, vendite e implementazione post-vendita. Ho strutturato deliberatamente l'organizzazione in questo modo perché, nell'outsourcing B2B complesso, l'accordo non termina alla chiusura: l'implementazione consolida o distrugge la fiducia, e voglio che la leadership dei ricavi che ha fatto la promessa ne sia responsabile.

Il nostro team commerciale è organizzato per area geografica. Copriamo India e APAC, Cina, EMEA, Africa e SA, e Germania, e ci stiamo espandendo attivamente. Attualmente ho cinque posizioni aperte in mercati fondamentali per la nostra strategia di crescita: due negli Stati Uniti, una in Kenya, una in Sudafrica e una in Medio Oriente. Il team è quindi in fase di costruzione.

La prevendita e le soluzioni sono intenzionalmente affiancate alle vendite, anziché essere subordinate a esse. Gli accordi che perseguiamo sono abbastanza complessi da richiedere la presenza di un architetto delle soluzioni e di uno stratega GTM fin dalla prima conversazione, non inseriti all'ultimo momento nella fase di proposta. Questa funzione ci consente di vendere risultati anziché postazioni.

Dal punto di vista del GTM, operiamo sul mercato per settore verticale: telecomunicazioni e tecnologia, BFSI e fintech, commercio elettronico e vendita al dettaglio, media, viaggi e ospitalità. È una scelta deliberata perché la storia della trasformazione tramite IA varia in ogni settore verticale e le proposte generiche non permettono di aggiudicarsi accordi aziendali.

Siamo sulla traiettoria che ci porterà da importante concorrente a leader nella Everest PEAK Matrix. Ogni decisione di assunzione, ingresso in un mercato e iniziativa GTM che intraprendiamo mira a dimostrare questo passaggio.

Come l'IA può cambiare il modello commerciale

L'IA ha cambiato il nostro modo di stabilire i prezzi. Tre anni fa, la conversazione commerciale standard nel BPO ruotava intorno alle postazioni: servono 200 agenti, ecco il listino prezzi, ecco il costo del personale. Il cliente si assumeva il rischio legato ai volumi e il fornitore non aveva alcun reale incentivo a ridurre i contatti. Più contatti significavano più agenti, e quindi più ricavi. È un modello ormai superato.

Una volta integrata una quantità sufficiente di IA nelle attività operative, abbiamo potuto prevedere e controllare i risultati invece di limitarci a dimensionare il personale in base ai volumi. Nel momento in cui si possono controllare i risultati, si possono determinare i prezzi sulla base di questi. Abbiamo quindi spostato gli accordi verso una determinazione dei prezzi basata sui risultati: legata alla riduzione dell'AHT, ai punteggi CSAT e alla risoluzione al primo contatto. Ora il cliente paga il risultato, non il numero di dipendenti.

L'impatto commerciale di questo cambiamento è significativo in due direzioni. Innanzitutto, ora vinciamo più trattative, soprattutto con gli acquirenti aziendali europei e statunitensi, abbastanza sofisticati da sapere che un contratto basato sul numero di utenti è semplicemente una fattura per la manodopera gestita. Quando ci presentiamo dicendo: "Stabiliremo il prezzo in base ai risultati e ci assumeremo il rischio legato alle prestazioni", la conversazione cambia. In secondo luogo, fidelizziamo i clienti in modo diverso perché, se si è responsabili dei risultati, si migliora costantemente l'operatività invece di limitarsi a mantenerla. I rinnovi diventano molto più solidi. Questo garantisce ricavi sostenuti a lungo termine.

Che cosa è migliorato, quindi? I tassi di successo nelle trattative aziendali, la durata dei contratti, la qualità delle relazioni con i clienti e la disciplina interna. Quando i ricavi sono legati ai KPI dei clienti, tutta l'organizzazione è allineata sullo stesso numero. L'AI non ha cambiato soltanto il nostro prodotto. Ha cambiato il nostro modello commerciale.

Un flusso di lavoro reale per l'acquisizione di nuovi clienti

Oggi vi illustrerò il nostro nuovo flusso di lavoro per l'acquisizione di nuovi clienti, perché è quello che ha subito la trasformazione più significativa.

1. Si parte dalla selezione dei clienti. Non iniziamo più da un elenco territoriale con attività di contatto a freddo. L'AI identifica i clienti obiettivo in base alla compatibilità dei dati aziendali, ai segnali d'acquisto e all'allineamento con il settore verticale. Il modello individua i clienti che mostrano segnali d'intenzione: cambiamenti nella dirigenza, annunci di espansione e attività di approvvigionamento tecnologico. Il team parte da una rosa prioritaria, non da un foglio bianco.
2. Da lì, personalizziamo le attività di contatto su larga scala. Quando effettuiamo il primo contatto, conosciamo già i probabili punti critici del cliente, il suo insieme di tecnologie e chi sono le parti interessate rilevanti.
3. Quando un cliente entra nel processo commerciale, aggiorniamo continuamente il suo punteggio in base al coinvolgimento. Se una trattativa si blocca, il modello lo segnala. Il team non scopre una trattativa ormai persa alla fine del trimestre. Vede tempestivamente il segnale e può intervenire.
4. Nella fase della proposta, il team di prevendita utilizza queste informazioni per costruire un modello commerciale basato sui risultati: i KPI importanti per questo cliente, gli impegni della nostra piattaforma di erogazione e il prezzo ottimale. E tutto si basa sui dati, non sull'intuizione. Il team delle soluzioni lavora con un'AI che ha accesso a ogni trattativa precedente vinta o persa, a ogni modello di erogazione che abbiamo utilizzato, a ogni struttura di prezzo che abbiamo adottato e a ogni risultato che ci siamo impegnati a garantire ai clienti.
5. E dopo la chiusura, monitoriamo l'implementazione post-vendita rispetto ai KPI che ci siamo impegnati a raggiungere. Se ci stiamo discostando dagli obiettivi, lo vediamo prima del cliente. È questo che rende il rinnovo una conversazione diversa.

L'AI non è magia. La magia avviene quando si smette di lasciare che le informazioni vivano in silos.

Perché i responsabili dei ricavi devono imparare a distinguere tra strumenti di AI e soluzioni di AI

Eliana Shares

All’inizio abbiamo confuso gli strumenti di AI con le soluzioni di AI… La maggior parte delle organizzazioni inizia dagli strumenti e lo definisce trasformazione. Abbiamo fatto lo stesso. Le persone utilizzavano l’AI per svolgere i loro lavori abituali un po’ più velocemente e noi abbiamo scambiato questo per un progresso strategico.

All'inizio abbiamo confuso gli strumenti di AI con le soluzioni di AI.

Il MIT ha pubblicato quest'anno una ricerca che lo definisce con precisione. Uno strumento di AI generativa aiuta le persone a lavorare più velocemente riassumendo gli appunti, redigendo e-mail e preparandosi per le chiamate. Una soluzione di AI generativa si integra in un processo, cambia il modo in cui viene svolto il lavoro e misura l'impatto a livello aziendale.

La maggior parte delle organizzazioni inizia dagli strumenti e lo definisce trasformazione. Abbiamo fatto lo stesso. Le persone utilizzavano l'AI per svolgere i loro lavori abituali un po' più velocemente e noi abbiamo scambiato questo per un progresso strategico.

La domanda che ci avrebbe fatto risparmiare tempo è semplice: "Questo cambia il risultato o soltanto la velocità dei dati in ingresso?" Se la risposta è soltanto la velocità, si tratta di uno strumento di produttività, non di un'iniziativa aziendale.

Partite dal risultato aziendale che dovete modificare e procedete a ritroso fino alla capacità di AI che lo determina. Non il contrario.

La distinzione tra lavoro umano e lavoro dell'AI

Attualmente l'AI ci permette di ottenere quattro risultati:

• Generazione di contatti: identificare le aziende obiettivo più adatte, individuare i segnali di interesse e alimentare la parte alta dell'imbuto, in modo che il team non debba svolgere attività di ricerca di prospect alla cieca.
• Prioritizzazione del portafoglio opportunità: assegnare un punteggio alle opportunità in base alla corrispondenza e al livello di coinvolgimento, per stabilire dove investire il tempo.
• Previsioni: non porterò un numero al consiglio di amministrazione se il modello non lo convalida, perché i responsabili delle vendite tendono per natura a essere ottimisti.
• Rischio di abbandono: monitorare i segnali all'interno della base clienti esistente, così da poter anticipare un problema prima che diventi argomento di conversazione.

Che cosa rimane umano?

• Definizione dei prezzi per gli accordi complessi: la decisione finale coinvolge dinamiche relazionali e valutazioni strategiche che un modello non possiede.
• Negoziazioni: sempre.
• Pianificazione dei territori: in questo momento ci stiamo espandendo negli Stati Uniti, ed è stata una decisione strategica, non un algoritmo.
• Decisioni relative alle persone e alle assunzioni: questo è sempre compito degli esseri umani.

Il principio semplice è questo: l'AI gestisce ciò che è ripetibile e ricco di dati. Gli esseri umani gestiscono ciò che è complesso, contestuale o ad alto rischio.

Come l'AI introduce nuove sfide per i ricavi

I risultati positivi dell'AI sono numerosi. La qualità della generazione di contatti è migliorata significativamente perché individuiamo prima le aziende più adatte. L'accuratezza delle previsioni è aumentata perché utilizziamo numeri convalidati dal modello invece di affidarci all'intuito del team commerciale. Il passaggio a una determinazione dei prezzi basata sui risultati ha reso più solide le relazioni con i clienti, perché quando siamo responsabili dei KPI del cliente, il rinnovo diventa una conversazione completamente diversa.

La sfida è che l'AI crea un divario di fiducia all'interno del team. Quando un modello dice a un commerciale di declassare la priorità di un accordo in cui crede, si crea attrito. Costruire fiducia nei risultati richiede tempo e talvolta il team ignora il segnale e prende la decisione sbagliata. Questo ci costa.

Inoltre, ho sottovalutato quanto sia necessaria la formazione dei clienti. La determinazione dei prezzi basata sui risultati sembra convincente durante una presentazione, ma cambiare la mentalità di un cliente dopo che ha acquistato licenze per dieci anni richiede una vera conversazione commerciale. L'AI sta cambiando il nostro modello più rapidamente di quanto il mercato sia pronto ad assorbire.

Perché l'AI non è sufficiente per l'espansione dei clienti

E dirò anche questo: l'AI non ha soddisfatto le nostre aspettative. Ci aspettavamo che l'AI ci aiutasse a identificare in modo più sistematico le opportunità di vendita aggiuntiva e vendita incrociata all'interno della base clienti esistente. Individuare i segnali, dare priorità alle conversazioni, muoversi più rapidamente. E i segnali ci sono. I dati ci dicono quando un cliente sta crescendo, quando i suoi volumi stanno cambiando e quando c'è un servizio successivo logico da presentare.

Ma abbiamo scoperto che i dati non fanno partire le conversazioni sull'espansione nel BPO aziendale. A farle partire è la fiducia. E la fiducia vive nella relazione, non nel modello. I clienti che si espandono con noi lo fanno perché una persona senior ha preso il telefono, si è seduta in una stanza con loro e ha avuto una conversazione che non era prevista da alcun copione di vendita. L'AI non può replicare questo processo, né può accelerarlo.

Come sta cambiando il profilo di un ottimo commerciale con l'AI

Il commerciale migliore non è più quello con la rete di contatti più ampia.

Nel BPO aziendale, la convinzione prevalente è sempre stata quella di assumere veterani dai capelli grigi con rubriche ricche di contatti, perché sono le relazioni a chiudere gli accordi. E le relazioni contano ancora. Ma l'AI mi ha mostrato che un commerciale capace di comprendere i dati e supportato dall'AI, che entra in una conversazione avendo già mappato i punti dolenti dell'azienda, compreso i segnali d'acquisto e costruito una proposta commercialmente precisa, supererà costantemente il veterano che si affida soltanto alla capacità di creare sintonia.

Il profilo di un ottimo professionista dei ricavi sta cambiando e aggrapparsi alla vecchia definizione significa assumere per il passato, non per il futuro.

Perché dati e collaborazione sono i principali predittori del successo dell'AI

Eliana condivide

Ho due consigli da dare: il primo è analizzare i dati prima di dedicarsi agli strumenti… Il secondo è allinearsi con la propria leadership tecnologica.

Ho due consigli da dare:

Il primo è analizzare i dati prima di dedicarsi agli strumenti. Una ricerca del MIT dello scorso anno ha rilevato che il 95% dei progetti pilota di IA nelle aziende non è riuscito a produrre un impatto aziendale misurabile. Il motivo è quasi sempre lo stesso: i dati alla base dello strumento sono incoerenti, incompleti o non affidabili. Clari ha rilevato che il 67% dei responsabili dei ricavi non si fida dei propri dati. Se questo è il tuo caso, nessuno strumento di IA potrà salvarti. Sistema prima le fondamenta.

Il secondo è allinearsi con la propria leadership tecnologica. La ricerca di Clari mostra che l'allineamento tra CRO e CIO è il principale fattore predittivo dell'impatto dell'IA sui ricavi. I CRO che stanno ottenendo risultati non acquistano strumenti in modo indipendente. Stanno costruendo una strategia condivisa per i dati con i loro omologhi tecnologici e stanno trasformando l'IA in una capacità aziendale trasversale, non in un esperimento del reparto vendite.

In generale, usa l'IA per affinare il tuo pensiero, non per sostituirlo. Rimani curioso, resta vicino ai dati e non smettere mai di prendere decisioni basate sul tuo giudizio.

Segui gli aggiornamenti

Puoi seguire il lavoro di Eliana Angelova su LinkedIn.

Presto arriveranno altre interviste a esperti su The CRO Club!