Yapay Zekâ Müşterilerin Ne İçin Ödeme Yaptığını Değiştiriyor

Eliana Angelova, üretimde 1.600 sanal ajanı bulunan müşteri deneyimi yönetimi şirketi Ison Xperiences'ın CRO'sudur.

Yapay zekânın satış ve fiyatlandırmayı nasıl değiştirdiğini öğrenmek için kendisiyle görüştük. Bize şunları anlattı.

Koltuk Satmaktan Sonuç Satmaya

Ben, merkezi Dubai'de bulunan Ison Xperiences'ın Gelirlerden Sorumlu Baş Yöneticisi Eliana Angelova'yım.

Ison Xperiences, müşteri etkileşiminin tüm yaşam döngüsünü yöneten bir Müşteri Deneyimi Yönetimi şirketidir. Herkesin erişebildiği yapay zekâ araçları sayesinde şirket içinde kapsamlı otomasyon kullanıyoruz. Kendi yapay zekâ fikrî mülkiyetimizi geliştirdik. Çoğu BPO bunu yapmaz; çoğu hazır çözümler satın alıp kendi markasıyla sunar. Çok kanallı ajan destek platformumuz SenshAI'ı geliştirdik. Ayrıca sigorta için hAIve'ı, tahsilat için Three60 CRM'i ve kalite güvencesi için iQumex'i geliştirdik. Bunlar prototip değil. Bugün üretimde ve 1.600 sanal ajan genelinde çalışıyorlar. Bu, insan artı yapay zekâdan oluşan hAI çerçevemizin temelini oluşturuyor.

CRO olarak dönüşümün gerçek hikâyesini anlatan önemli göstergeler sayılardır. İki yıl önce denizaşırı gelirimiz yoktu. Bugün toplam portföyümüzün yaklaşık %20'sini oluşturuyor. Tek bir denizaşırı teslimat konumundan yedi konuma çıktık. Her ay 25 ülke genelinde, 60'tan fazla dilde, 50 milyondan fazla müşteri etkileşimini yönetiyoruz. Bu yalnızca ölçekten ibaret değil; çok dilli, birden fazla zaman diliminde çalışan ve sonuçlara bağlı teslimat ihtiyacı olan küresel kurumsal alıcılar açısından bizi anlamlı kılan altyapıdır.

Yapay zekâ sayesinde, boyutumuzun on katı olan şirketlerle aynı teklif listesinde rekabet edebiliyoruz.

Üç Gelir Sütunu

Gelir organizasyonumun üç sütunu var: satış öncesi ve çözümler, satış ve satış sonrası uygulama. Bunu bilinçli olarak bu şekilde yapılandırdım; çünkü karmaşık B2B dış kaynak kullanımında anlaşma, kapanışla sona ermez—uygulama güveni güçlendirir veya zedeler ve vaadi veren gelir liderliğinin bunun sorumluluğunu üstlenmesini istiyorum.

Satış ekibimiz coğrafi olarak yönetiliyor. Hindistan ve APAC, Çin, EMEA, Afrika ve SA ile Almanya'yı kapsıyoruz ve aktif olarak genişliyoruz. Şu anda büyüme tezimiz açısından kritik pazarlarda beş açık pozisyonum var: ABD'de iki, Kenya'da bir, Güney Afrika'da bir ve Orta Doğu'da bir. Dolayısıyla bu ekip kuruluş aşamasında.

Satış öncesi ve çözümler, satış ekibinin altında değil, bilinçli olarak onun yanında konumlanıyor. Takip ettiğimiz anlaşmalar, ilk görüşmeden itibaren—teklif aşamasında sonradan dahil edilen kişiler olarak değil—bir çözüm mimarının ve bir GTM stratejistinin sürece katılmasını gerektirecek kadar karmaşık. Bu işlev, koltuklar yerine sonuçlar satmamızı sağlıyor.

GTM açısından pazara sektör dikeyleri üzerinden giriyoruz: telekomünikasyon ve teknoloji, BFSI ve fintech, e-ticaret ve perakende, medya, seyahat ve konaklama. Bu bilinçli bir tercih; çünkü yapay zekâ dönüşümü hikâyesi her dikeyde farklı ve genel nitelikteki teklifler kurumsal anlaşmaları kazandırmıyor.

Everest PEAK Matrix'te önemli bir rakipten lider konumuna doğru ilerliyoruz. Aldığımız her işe alım kararı, her pazara giriş ve yaptığımız her GTM yatırımı bu geçişi kanıtlamayı amaçlıyor.

Yapay Zekâ Ticari Modeli Nasıl Değiştirebilir?

Yapay zekâ fiyatlandırma şeklimizi değiştirdi. Üç yıl önce BPO'daki varsayılan ticari görüşme koltuklar üzerinden yürütülüyordu: 200 ajana ihtiyacınız var, ücret tarifesi burada, çalışan sayısına dayalı maliyet burada. Hacim riskini müşteri üstleniyor, hizmet sağlayıcının ise etkileşimleri azaltmak için gerçek bir teşviki bulunmuyordu. Daha fazla etkileşim, daha fazla ajan; bu da daha fazla gelir demekti. Bu model bozuk.

Operasyonda yeterli düzeyde yapay zekâ kullandığımızda, yalnızca hacme göre personel planlamak yerine sonuçları öngörebilir ve kontrol edebilir hâle geldik. Sonuçları kontrol edebildiğiniz anda, bunlara dayalı fiyatlandırma yapabilirsiniz. Bu nedenle anlaşmaları sonuç bazlı fiyatlandırmaya taşıdık: AHT azalmasına, CSAT puanlarına ve ilk temasta çözüme bağlandı. Artık müşteri çalışan sayısı için değil, sonuç için ödeme yapıyor.

Bu değişimin ticari etkisi iki yönde de önemli. İlk olarak, özellikle koltuk bazlı bir sözleşmenin aslında yönetilen bir iş gücü faturası olduğunu anlayacak kadar deneyimli Avrupalı ve ABD'li kurumsal alıcılarla artık daha fazla anlaşma kazanıyoruz. İçeri girip, "Fiyatlandırmayı sonuçlar üzerinden yapacağız ve performans riskini üstleneceğiz" dediğimizde, bu farklı bir konuşma oluyor. İkinci olarak, müşterileri farklı şekilde elimizde tutuyoruz; çünkü sonuçlardan sorumluysanız operasyonu yalnızca sürdürmekle kalmaz, sürekli iyileştirirsiniz. Yenilemeler çok daha sağlam hâle geliyor. Bu da uzun vadeli sürdürülebilir geliri güvence altına alıyor.

Peki ne gelişti? Kurumsal anlaşmalardaki kazanma oranları, sözleşme süreleri, müşteri ilişkilerinin kalitesi ve iç disiplin. Geliriniz müşterinizin KPI'larına bağlı olduğunda, kuruluştaki herkes aynı hedef üzerinde hizalanır. Yapay zekâ yalnızca ürünümüzü değiştirmedi. Ticari modelimizi de değiştirdi.

Gerçek Dünyadan Bir Yeni Müşteri Kazanma İş Akışı

Bugün sizi yeni müşteri kazanma iş akışımızdan geçireceğim; çünkü bu, en fazla dönüşüm geçiren iş akışımız.

1. Her şey hesap seçimiyle başlıyor. Artık bölge listesi ve soğuk iletişimle başlamıyoruz. Yapay zekâ, firma özelliklerine uygunluk, satın alma sinyalleri ve dikey sektör uyumuna göre hedef hesapları belirliyor. Model, niyet sinyalleri gösteren hesapları öne çıkarıyor: liderlik değişiklikleri, genişleme duyuruları ve teknoloji satın alma faaliyetleri. Ekip, boş bir sayfadan değil, önceliklendirilmiş kısa bir listeden başlıyor.
2. Buradan sonra iletişim çalışmalarını geniş ölçekte kişiselleştiriyoruz. İlk teması kurduğumuzda hesabın olası sorunlu noktalarını, teknoloji yığınını ve ilgili paydaşların kimler olduğunu zaten biliyoruz.
3. Bir hesap satış hattına girdiğinde, etkileşime göre puanını sürekli güncelliyoruz. Bir anlaşma duraklarsa model bunu işaretliyor. Ekip, ölü bir anlaşmayı çeyreğin sonunda keşfetmiyor. Sinyali erken görüyor ve harekete geçebiliyor.
4. Teklif aşamasında satış öncesi ekibi, sonuç odaklı bir ticari model oluşturmak için bu istihbaratı kullanıyor: bu müşteri için önemli olan KPI'lar, teslimat platformumuzun taahhütleri ve en uygun fiyatlandırma. Üstelik her şey sezgiye değil, verilere dayanıyor. Çözümler ekibi, kazandığımız veya kaybettiğimiz her önceki anlaşmaya, uyguladığımız her teslimat modeline, kullandığımız her fiyatlandırma yapısına ve taahhüt ettiğimiz her müşteri sonucuna erişimi olan bir yapay zekâ ile çalışıyor.
5. Satış tamamlandıktan sonra da satış sonrası uygulamayı taahhüt ettiğimiz KPI'lara göre takip ediyoruz. Geride kalıyorsak bunu müşteriden önce görüyoruz. Yenilemeyi farklı bir konuşma hâline getiren şey bu.

Yapay zekâ sihir değil. Sihir, bilgilerin silolar içinde yaşamasına izin vermeyi bıraktığınızda gerçekleşiyor.

Gelir Liderleri Yapay Zekâ Araçları ile Yapay Zekâ Çözümleri Arasındaki Farkı Neden Öğrenmeli?

Eliana Paylaşıyor

İlk başlarda yapay zekâ araçlarını yapay zekâ çözümleriyle karıştırdık…Çoğu kuruluş araçlarla başlıyor ve buna dönüşüm diyor. Biz de aynısını yaptık. İnsanlar mevcut işlerini biraz daha hızlı yapmak için yapay zekâyı kullandı ve biz bunu stratejik ilerleme sandık.

İlk başlarda yapay zekâ araçlarını yapay zekâ çözümleriyle karıştırdık.

MIT bu yıl, durumu tam olarak adlandıran bir araştırma yayımladı. Üretken yapay zekâ aracı, notları özetleyerek, e-postalar taslak hâline getirerek ve görüşmelere hazırlık yaparak bireylerin daha hızlı çalışmasına yardımcı olur. Üretken yapay zekâ çözümü ise bir sürece entegre olur, işin nasıl yapıldığını değiştirir ve işletme düzeyindeki etkiyi ölçer.

Çoğu kuruluş araçlarla başlıyor ve buna dönüşüm diyor. Biz de aynısını yaptık. İnsanlar mevcut işlerini biraz daha hızlı yapmak için yapay zekâyı kullandı ve biz bunu stratejik ilerleme sandık.

Bize o zamanı kazandırabilecek soru basit: "Bu, çıktıyı mı değiştiriyor yoksa yalnızca girdinin hızını mı?" Yanıt yalnızca hızsa, bu bir iş girişimi değil, üretkenlik aracıdır.

İlerlemeniz gereken iş sonucuyla başlayın ve geriye doğru çalışarak onu ilerletecek yapay zekâ yetkinliğini belirleyin. Tersi yönde değil.

İnsanların Yaptığı İş ile Yapay Zekânın Yaptığı İş Arasındaki Ayrım

Yapay zekâ şu anda bizim için dört şeyi sağlıyor:

• Potansiyel müşteri oluşturma: Doğru hedef hesapları belirlemek, niyet sinyallerini ortaya çıkarmak ve ekibin körlemesine potansiyel müşteri aramaması için huninin üst kısmını beslemek.
• Satış hattı önceliklendirmesi: Zamanı nerede harcayacağımızı uygunluk ve etkileşime göre puanlamak.
• Tahminleme: Model doğrulamadıkça yönetim kuruluna bir rakam sunmam; çünkü satış liderleri doğaları gereği iyimserdir.
• Müşteri kaybı riski: Mevcut müşteri tabanındaki sinyalleri takip ederek bir sorun görüşmeye dönüşmeden önce önlem alabilmek.

İnsan olarak kalanlar neler?

• Karmaşık anlaşmalarda fiyatlandırma: Son karar, bir modelde bulunmayan ilişki dinamiklerini ve stratejik muhakemeyi içerir.
• Müzakereler: Her zaman.
• Bölge planlaması: Şu anda ABD'de genişliyoruz ve bu bir algoritmanın değil, stratejik bir kararın sonucuydu.
• İnsanlar ve işe alım kararları: Bu her zaman insan işidir.

Basit ilke şu: Yapay zekâ tekrarlanabilir ve veri açısından zengin işleri üstlenir. İnsanlar ise karmaşık, bağlama bağlı veya yüksek riskli işleri yürütür.

Yapay Zekâ Yeni Gelir Zorluklarını Nasıl Ortaya Çıkarıyor?

Yapay zekânın iyi sonuçları çok fazla. Daha iyi hesapları daha erken hedeflediğimiz için potansiyel müşteri oluşturma kalitesi önemli ölçüde iyileşti. Satış ekibinin içgüdülerine güvenmek yerine model tarafından doğrulanmış rakamları kullandığımız için tahmin doğruluğu arttı. Sonuç odaklı fiyatlandırmaya geçiş, müşteri ilişkilerimizi daha sağlam hâle getirdi; çünkü müşterinin temel performans göstergelerinden sorumlu olduğumuzda yenileme görüşmesi tamamen farklı bir nitelik kazanıyor.

Zorluk ise yapay zekânın ekipte bir güven boşluğu oluşturması. Bir model, bir satış temsilcisine inandığı bir anlaşmayı önceliklendirmemesini söylediğinde sürtüşme ortaya çıkıyor. Çıktıya güven oluşturmak zaman alıyor ve ekip bazen sinyali görmezden gelip yanlış karar veriyor. Bunun bedelini biz ödüyoruz.

Müşteri eğitiminin ne kadar gerekli olduğunu da hafife aldım. Sonuç odaklı fiyatlandırma bir sunumda ikna edici görünüyor; ancak on yıl boyunca lisans satın almış bir müşterinin bakış açısını değiştirmek gerçek bir ticari görüşme gerektiriyor. Yapay zekâ, modelimizi pazarın özümsemeye hazır olduğundan daha hızlı değiştiriyor.

Yapay Zekâ Hesap Genişletmede Neden Yetersiz Kalıyor?

Şunu da söyleyeyim: Yapay zekâ beklentilerimizin gerisinde kaldı. Yapay zekânın mevcut müşteri tabanımızdaki üst satış ve çapraz satış fırsatlarını daha sistematik biçimde belirlememize yardımcı olmasını bekliyorduk. Sinyalleri ortaya çıkarmasını, görüşmelere öncelik vermesini ve daha hızlı hareket etmemizi sağlamasını. Sinyaller gerçekten de mevcut. Veriler bize bir müşterinin ne zaman büyüdüğünü, hacimlerinin ne zaman değiştiğini ve sunulabilecek mantıklı bir sonraki hizmetin ne zaman ortaya çıktığını gösteriyor.

Ancak verilerin kurumsal BPO'da genişleme görüşmelerini başlatmadığını görüyoruz. Görüşmeleri güven başlatıyor. Güven ise modelde değil, ilişkide yaşıyor. Bizimle işlerini genişleten müşteriler bunu, kıdemli bir yöneticinin telefonu kaldırıp onları ziyaret etmesi ve herhangi bir satış senaryosunda yer almayan bir görüşme gerçekleştirmesi sayesinde yapıyor. Yapay zekâ bunu taklit edemez; bunu hızlandıramaz da.

Yapay Zekâyla Birlikte Başarılı Bir Satış Temsilcisinin Profili Nasıl Değişiyor?

En iyi satış temsilcisi artık en geniş ağa sahip kişi değil.

Kurumsal BPO'da hâkim görüş her zaman, ilişkiler anlaşmaları kapattığı için geniş bağlantı ağlarına sahip, deneyimli kişileri işe almak yönündeydi. İlişkiler hâlâ önemli. Ancak yapay zekâ bana, veri okuryazarı ve yapay zekâ destekli bir satış temsilcisinin bir görüşmeye hesabın sorunlu noktalarını önceden haritalandırmış, satın alma sinyallerini anlamış ve ticari açıdan isabetli bir teklif hazırlamış olarak girdiğinde, yalnızca iletişim kurma becerisine güvenen deneyimli bir satış temsilcisinden sürekli olarak daha iyi performans göstereceğini öğretti.

Başarılı bir gelir profesyonelinin profili değişiyor ve eski tanıma bağlı kalmak, gelecek için değil geçmiş için işe alım yapmak anlamına geliyor.

Veri ve İş Birliği Yapay Zekâ Başarısının En Büyük Belirteçleri Neden?

Eliana Paylaşıyor

İki tavsiyem var: İlki, araçlara geçmeden önce verilerinizi incelemeye başlamanız… İkincisi, teknoloji liderlerinizle uyum sağlamanız.

İki tavsiyem var:

İlki, araçlara geçmeden önce verilerinizi incelemeye başlamanız. Geçen yıl MIT tarafından yapılan araştırma, kurumsal yapay zekâ pilot projelerinin %95'inin ölçülebilir bir iş etkisi yaratamadığını ortaya koydu. Bunun nedeni neredeyse her zaman aynı: Aracın temelindeki veriler tutarsız, eksik veya güvenilmez. Clari, gelir liderlerinin %67'sinin kendi verilerine güvenmediğini tespit etti. Eğer durumunuz buysa, hiçbir yapay zekâ aracı sizi kurtaramaz. Önce temeli düzeltin.

İkincisi, teknoloji liderlerinizle uyum sağlamanız. Clari'nin araştırması, CRO ve CIO uyumunun yapay zekânın gelir etkisinin en büyük belirleyicisi olduğunu gösteriyor. Başarılı olan CRO'lar araçları bağımsız olarak satın almıyor. Teknoloji alanındaki iş arkadaşlarıyla ortak bir veri stratejisi oluşturuyor ve yapay zekâyı bir satış departmanı deneyi değil, şirket genelinde kullanılabilecek bir yetkinlik hâline getiriyorlar.

Genel olarak, düşünme biçiminizi keskinleştirmek için yapay zekâdan yararlanın; düşünme sürecinizin yerini alması için değil. Merakınızı koruyun, verilerle bağınızı koparmayın ve hiçbir zaman muhakemede bulunmayı bırakmayın.

Takip Edin

Eliana Angelova'nın çalışmalarını LinkedIn üzerinden takip edebilirsiniz.

The CRO Kulübü'nde daha fazla uzman röportajı sizleri bekliyor!