Sztuczna inteligencja zmienia to, za co płacą klienci

Eliana Angelova jest dyrektorką ds. przychodów (CRO) w Ison Xperiences, firmie zajmującej się zarządzaniem doświadczeniami klientów, która ma 1600 wirtualnych agentów działających na produkcji.

Spotkaliśmy się z nią, aby dowiedzieć się, jak AI zmienia sprzedaż i ustalanie cen. Oto, co nam powiedziała.

Od sprzedaży stanowisk do sprzedaży wyników

Nazywam się Eliana Angelova i jestem dyrektorką ds. przychodów w Ison Xperiences z siedzibą w Dubaju.

Ison Xperiences to firma zajmująca się zarządzaniem doświadczeniami klientów, obsługująca pełny cykl życia interakcji z klientem. Dzięki powszechnie dostępnym narzędziom AI szeroko automatyzujemy procesy wewnętrzne. Zbudowaliśmy własną własność intelektualną opartą na AI. Większość firm BPO tego nie robi — większość kupuje gotowe rozwiązania i sprzedaje je pod własną marką. Zbudowaliśmy SenshAI, naszą wielokanałową platformę wspierającą agentów. Stworzyliśmy również hAIve dla ubezpieczeń, Three60 CRM do obsługi windykacji oraz iQumex do zapewniania jakości. To nie są prototypy. Działają na produkcji — obecnie korzysta z nich 1600 wirtualnych agentów. Stanowi to podstawę naszego modelu hAI — człowiek plus AI.

Jako dyrektorka ds. przychodów wiem, że prawdziwą historię transformacji pokazują najważniejsze liczby. Dwa lata temu przychody z działalności zagranicznej nie istniały. Dziś stanowią około 20% naszego portfela. Przeszliśmy od jednej lokalizacji obsługi zagranicznej do siedmiu. Obsługujemy ponad 50 milionów interakcji z klientami miesięcznie, w 25 krajach i ponad 60 językach. To nie tylko skala — to infrastruktura, która pozwala nam być istotnym partnerem dla globalnych klientów korporacyjnych potrzebujących obsługi wielojęzycznej, prowadzonej w wielu strefach czasowych i rozliczanej na podstawie wyników.

Dzięki AI możemy konkurować o te same kontrakty co firmy dziesięciokrotnie większe od nas.

Trzy filary przychodów

Moja organizacja odpowiedzialna za przychody opiera się na trzech filarach: przedsprzedaży i rozwiązaniach, sprzedaży oraz wdrożeniach posprzedażowych. Celowo zorganizowałam ją w ten sposób, ponieważ w złożonym outsourcingu B2B transakcja nie kończy się w momencie jej zamknięcia — wdrożenie może zbudować zaufanie albo je zniszczyć, a ja chcę, aby lider odpowiedzialny za przychody, który złożył obietnicę, odpowiadał również za jej realizację.

Nasz zespół sprzedaży jest zorganizowany geograficznie. Obsługujemy Indie i region APAC, Chiny, regiony EMEA, Afrykę i Afrykę Południową oraz Niemcy, a także aktywnie się rozwijamy. Obecnie mam pięć nieobsadzonych stanowisk na rynkach kluczowych dla naszej strategii wzrostu: dwa w Stanach Zjednoczonych, jedno w Kenii, jedno w Afryce Południowej i jedno na Bliskim Wschodzie. Ten zespół jest więc w fazie budowy.

Przedsprzedaż i rozwiązania celowo znajdują się obok sprzedaży, a nie pod nią. Transakcje, o które się ubiegamy, są na tyle złożone, że od pierwszej rozmowy wymagają obecności architekta rozwiązań i stratega GTM — a nie dopiero ich dołączania na etapie składania oferty. Ta funkcja pozwala nam sprzedawać wyniki, a nie stanowiska.

Z perspektywy GTM wchodzimy na rynek według branż: telekomunikacja i technologia, BFSI i technologie finansowe, handel elektroniczny i handel detaliczny, media, podróże oraz hotelarstwo. To celowe podejście, ponieważ historia transformacji opartej na AI wygląda inaczej w każdej branży, a ogólne prezentacje nie wygrywają kontraktów korporacyjnych.

Podążamy od pozycji czołowego konkurenta do pozycji lidera w rankingu Everest PEAK Matrix. Każda decyzja rekrutacyjna, wejście na rynek i inicjatywa GTM mają potwierdzać ten postęp.

Jak AI może zmienić model komercyjny

AI zmieniło sposób, w jaki ustalamy ceny. Trzy lata temu standardowa rozmowa handlowa w BPO dotyczyła stanowisk: potrzebujesz 200 agentów, oto cennik, oto koszt zatrudnienia. Klient ponosił ryzyko związane z wolumenem, a dostawca nie miał rzeczywistej zachęty do ograniczania liczby kontaktów. Więcej kontaktów oznaczało więcej agentów, a to oznaczało większe przychody. To wadliwy model.

Gdy w naszych działaniach pojawiło się wystarczająco dużo AI, mogliśmy przewidywać i kontrolować wyniki, zamiast po prostu dostosowywać liczbę pracowników do wolumenu. W momencie, gdy można kontrolować wyniki, można ustalać ceny na ich podstawie. Dlatego przeszliśmy na rozliczenia oparte na wynikach: powiązane ze skróceniem AHT, wynikami CSAT i rozwiązaniem sprawy przy pierwszym kontakcie. Klient płaci teraz za rezultat, a nie za liczbę pracowników.

Komercyjny wpływ tej zmiany jest znaczący w dwóch obszarach. Po pierwsze, wygrywamy teraz więcej transakcji, zwłaszcza z europejskimi i amerykańskimi nabywcami z segmentu przedsiębiorstw, którzy są na tyle świadomi, by wiedzieć, że umowa oparta na liczbie użytkowników to po prostu zarządzany rachunek za pracę. Kiedy przychodzimy i mówimy: „Ustalimy cenę na podstawie rezultatów i weźmiemy na siebie ryzyko związane z wynikami”, rozmowa wygląda zupełnie inaczej. Po drugie, w inny sposób utrzymujemy klientów, ponieważ jeśli odpowiadasz za rezultaty, stale usprawniasz działanie, a nie tylko je utrzymujesz. Odnowienia umów stają się znacznie bardziej prawdopodobne. Zapewnia to stałe, długoterminowe przychody.

Co się zatem poprawiło? Wskaźniki wygranych transakcji w segmencie przedsiębiorstw, długość umów, jakość relacji z klientami oraz wewnętrzna dyscyplina. Kiedy przychody są powiązane ze wskaźnikami KPI klienta, wszyscy w organizacji są skupieni na tej samej liczbie. AI nie tylko zmieniło nasz produkt. Zmieniło także nasz model komercyjny.

Rzeczywisty proces pozyskiwania nowego klienta

Przedstawię dziś nasz nowy proces pozyskiwania nowych klientów, ponieważ jest to proces, który najbardziej zmienił się pod naszym wpływem.

1. Wszystko zaczyna się od wyboru kont. Nie zaczynamy już od listy terytoriów i zimnego kontaktu. AI identyfikuje docelowe konta na podstawie dopasowania firmograficznego, sygnałów zakupowych i zgodności z daną branżą. Model wskazuje konta wykazujące sygnały intencji: zmiany w kierownictwie, ogłoszenia dotyczące ekspansji oraz aktywność związaną z zakupami technologii. Zespół zaczyna od uporządkowanej listy priorytetów, a nie od pustej kartki.
2. Na tej podstawie personalizujemy działania kontaktowe na dużą skalę. Zanim nawiążemy pierwszy kontakt, znamy już prawdopodobne problemy konta, jego stos technologiczny oraz osoby odpowiedzialne za podejmowanie decyzji.
3. Gdy konto trafia do lejka sprzedażowego, stale aktualizujemy jego ocenę na podstawie zaangażowania. Jeśli transakcja utknie w miejscu, model to sygnalizuje. Zespół nie odkrywa martwej transakcji pod koniec kwartału. Wcześnie dostrzega sygnał i może zareagować.
4. Na etapie przygotowywania oferty zespół przedsprzedażowy wykorzystuje te informacje do stworzenia komercyjnego modelu opartego na rezultatach: wskaźniki KPI istotne dla tego klienta, zobowiązania naszej platformy realizacyjnej oraz optymalny cennik. Wszystko opiera się na danych, a nie na intuicji. Zespół rozwiązań współpracuje ze sztuczną inteligencją, która ma dostęp do każdej wcześniejszej transakcji, wygranej lub przegranej, każdego wdrożonego przez nas modelu realizacji, każdej zastosowanej struktury cenowej oraz każdego rezultatu klienta, do którego osiągnięcia się zobowiązaliśmy.
5. Po zamknięciu transakcji monitorujemy realizację wdrożenia posprzedażowego względem wskaźników KPI, do których osiągnięcia się zobowiązaliśmy. Jeśli zaczynamy od nich odchodzić, widzimy to, zanim zauważy to klient. Właśnie dlatego rozmowa o odnowieniu umowy wygląda inaczej.

AI nie jest magią. Magia pojawia się wtedy, gdy przestajesz pozwalać, by informacje żyły w odizolowanych silosach.

Dlaczego liderzy odpowiedzialni za przychody muszą poznać różnicę między narzędziami AI a rozwiązaniami AI

Eliana dzieli się

Na początku myliliśmy narzędzia AI z rozwiązaniami AI…Większość organizacji zaczyna od narzędzi i nazywa to transformacją. My zrobiliśmy tak samo. Ludzie używali AI, aby wykonywać swoje dotychczasowe obowiązki nieco szybciej, a my pomyliliśmy to ze strategicznym postępem.

Na początku myliliśmy narzędzia AI z rozwiązaniami AI.

MIT opublikował w tym roku badania, które precyzyjnie to nazywają. Narzędzie generatywnej AI pomaga poszczególnym osobom pracować szybciej, podsumowując notatki, tworząc wersje robocze wiadomości e-mail i przygotowując do rozmów. Rozwiązanie generatywnej AI integruje się z procesem, zmienia sposób wykonywania pracy i mierzy wpływ na poziomie biznesowym.

Większość organizacji zaczyna od narzędzi i nazywa to transformacją. My zrobiliśmy tak samo. Ludzie używali AI, aby wykonywać swoje dotychczasowe obowiązki nieco szybciej, a my pomyliliśmy to ze strategicznym postępem.

Pytanie, które pozwoliłoby nam zaoszczędzić ten czas, jest proste: „Czy to zmienia rezultat, czy tylko szybkość uzyskania danych wejściowych?”. Jeśli odpowiedzią jest tylko szybkość, jest to narzędzie produktywności, a nie inicjatywa biznesowa.

Zacznij od rezultatu biznesowego, który chcesz zmienić, a następnie cofnij się do możliwości AI, która pozwoli go osiągnąć. Nie na odwrót.

Rozgraniczenie pracy człowieka i pracy AI

AI wspiera nas obecnie w czterech obszarach:

• Pozyskiwanie potencjalnych klientów: identyfikowanie właściwych kont docelowych, wychwytywanie sygnałów intencji i zasilanie górnej części lejka, aby zespół nie prowadził działań prospectingowych na ślepo.
• Priorytetyzacja szans sprzedażowych: ocena, na co poświęcać czas, na podstawie dopasowania i zaangażowania.
• Prognozowanie: nie przedstawię zarządowi żadnej liczby, dopóki model jej nie zweryfikuje, ponieważ liderzy sprzedaży z natury są optymistyczni.
• Ryzyko rezygnacji: śledzenie sygnałów w całej istniejącej bazie klientów, aby wyprzedzić problem, zanim przerodzi się on w rozmowę.

Co pozostaje domeną człowieka?

• Ustalanie cen w złożonych transakcjach: ostateczna decyzja uwzględnia dynamikę relacji i strategiczną ocenę sytuacji, których model nie posiada.
• Negocjacje: zawsze.
• Planowanie obszarów sprzedaży: obecnie rozwijamy działalność w USA i była to decyzja strategiczna, a nie wynik działania algorytmu.
• Decyzje dotyczące ludzi i zatrudniania: to zawsze domena człowieka.

Prosta zasada brzmi: AI obsługuje to, co powtarzalne i bogate w dane. Ludzie zajmują się tym, co złożone, kontekstowe lub obarczone wysoką stawką.

Jak AI stwarza nowe wyzwania w obszarze przychodów

Dobrych rezultatów AI jest wiele. Jakość pozyskiwania potencjalnych klientów znacznie się poprawiła, ponieważ wcześniej kierujemy działania do lepiej dopasowanych kont. Trafność prognoz wzrosła, ponieważ korzystamy z liczb zweryfikowanych przez model, a nie z intuicji zespołu sprzedaży. Przejście na ustalanie cen w oparciu o wyniki sprawiło, że nasze relacje z klientami stały się trwalsze, ponieważ gdy odpowiadamy za kluczowe wskaźniki efektywności klienta, rozmowa o odnowieniu umowy wygląda zupełnie inaczej.

Wyzwanie polega na tym, że AI tworzy lukę w zaufaniu w zespole. Gdy model sugeruje handlowcowi, aby nadał niższy priorytet transakcji, w którą ten wierzy, powstaje tarcie. Zbudowanie zaufania do wyników wymaga czasu, a zespół czasami ignoruje sygnał i podejmuje błędną decyzję. To nas kosztuje.

Nie doceniłam również, jak dużo edukacji klientów jest potrzebne. Ustalanie cen w oparciu o wyniki brzmi przekonująco podczas prezentacji, ale zmiana sposobu myślenia klienta po tym, jak przez dziesięć lat kupował stanowiska, wymaga prawdziwej rozmowy handlowej. AI zmienia nasz model szybciej, niż rynek jest gotowy go przyswoić.

Dlaczego AI nie spełnia oczekiwań w zakresie rozwoju kont

Powiem też i to: AI nie spełniło naszych oczekiwań. Spodziewaliśmy się, że AI pomoże nam bardziej systematycznie identyfikować możliwości sprzedaży dodatkowej i krzyżowej wśród obecnej bazy klientów. Wychwytywać sygnały, ustalać priorytety rozmów, działać szybciej. Sygnały rzeczywiście istnieją. Dane pokazują nam, kiedy klient się rozwija, kiedy zmieniają się jego wolumeny i kiedy można logicznie zaproponować kolejną usługę.

Odkrywamy jednak, że dane nie uruchamiają rozmów o rozszerzeniu współpracy w segmencie BPO dla przedsiębiorstw. Uruchamia je zaufanie. A zaufanie jest zakorzenione w relacji, nie w modelu. Klienci, którzy rozszerzają z nami współpracę, robią to dlatego, że osoba na wyższym stanowisku podniosła słuchawkę, usiadła z nimi w jednym pomieszczeniu i odbyła rozmowę, której nie było w żadnym skrypcie sprzedażowym. AI nie potrafi tego odtworzyć ani przyspieszyć.

Jak zmienia się profil świetnego handlowca dzięki AI

Najlepszym handlowcem nie jest już osoba z największą siecią kontaktów.

W segmencie BPO dla przedsiębiorstw zawsze dominowało przekonanie, że należy zatrudniać doświadczonych weteranów z rozległą siecią kontaktów, ponieważ relacje pomagają finalizować transakcje. Relacje nadal mają znaczenie. AI pokazało mi jednak, że handlowiec sprawnie posługujący się danymi i wspierany przez AI, który rozpoczyna rozmowę po wcześniejszym zmapowaniu problemów klienta, zrozumieniu sygnałów zakupowych i przygotowaniu precyzyjnej pod względem handlowym oferty, będzie konsekwentnie osiągał lepsze wyniki niż weteran polegający wyłącznie na budowaniu relacji.

Profil świetnego specjalisty ds. przychodów się zmienia, a trzymanie się starej definicji oznacza zatrudnianie z myślą o przeszłości, a nie o przyszłości.

Dlaczego dane i współpraca są najważniejszymi predyktorami sukcesu AI

Eliana dzieli się

Mam dwie rady: pierwsza to zapoznać się z danymi, zanim przejdzie się do narzędzi… Druga to uzgodnić działania z liderami technologicznymi.

Mam dwie rady:

Pierwsza to zapoznać się z danymi, zanim przejdzie się do narzędzi. Z opublikowanych w zeszłym roku badań MIT wynika, że 95% pilotażowych wdrożeń sztucznej inteligencji w przedsiębiorstwach nie przyniosło wymiernych korzyści biznesowych. Przyczyna niemal zawsze jest taka sama: dane leżące u podstaw narzędzia są niespójne, niekompletne lub niewiarygodne. Firma Clari odkryła, że 67% liderów ds. przychodów nie ufa własnym danym. Jeśli dotyczy to również Ciebie, żadne narzędzie sztucznej inteligencji Cię nie uratuje. Najpierw napraw podstawy.

Druga to uzgodnić działania z liderami technologicznymi. Badania firmy Clari pokazują, że zgodność między dyrektorem ds. przychodów (CRO) a dyrektorem ds. informatyki (CIO) jest najważniejszym czynnikiem pozwalającym przewidzieć wpływ sztucznej inteligencji na przychody. Dyrektorzy ds. przychodów, którzy odnoszą sukcesy, nie kupują narzędzi niezależnie. Tworzą wspólną strategię danych ze swoimi odpowiednikami po stronie technologicznej i przekształcają sztuczną inteligencję w ogólnofirmową zdolność, a nie eksperyment działu sprzedaży.

Ogólnie rzecz biorąc, używaj sztucznej inteligencji do wyostrzenia swojego myślenia, a nie do jego zastąpienia. Zachowaj ciekawość, trzymaj się blisko danych i nigdy nie przestawaj podejmować samodzielnych decyzji.

Śledź dalsze informacje

Możesz śledzić działalność Eliany Angelovej na platformie LinkedIn.

Na The CRO Club pojawią się kolejne wywiady z ekspertami!