AI w sprzedaży B2B - jak sztuczna inteligencja zmienia procesy sprzedaży?

Cześć, witajcie, witam was gorąco i serdecznie w kolejnym odcinku podcastu „Nowoczesna sprzedaż i marketing”. Jest niedziela, ja w czwartek wróciłem z 10-dniowego urlopu, na który, jak za starych dobrych czasów, niektórzy słuchacze pamiętają, zabrałem ze sobą mikrofon, żeby nagrać odcinek podcastu. Przeszedłem przez kontrolę bezpieczeństwa, to z mikrofonem jest zawsze przygoda, bo mikrofon Blue Yeti to jest takie wielkie, metalowe ustrojstwo i na żadnym lotnisku nie chcą mi uwierzyć, że to mikrofon jest, ale udało się. Przenieśliśmy mikrofon, doleciałem na urlop i w 2 dzień tego urlopu niestety się rozchorowałem, a choroba zaczęła mi przechodzić w dzień wylotu, czyli właśnie w czwartek. Dzisiaj, kilka dni później, zapewne jeszcze słyszycie, że mój głos nie dobił do stanu normalnego, natomiast jednocześnie program brak litości dla podcasterów i konieczność nagrania kolejnego odcinka sprawia, że jestem i nagrywam, i liczę, że sam głos nie wpłynie na wartość merytoryczną.

Moi drodzy, przyszedł ten dzień, Negacz opowie o AI w sprzedaży B2B. Ja wiele wiadomości odebrałem przez ostatnie miesiące, że panie Szymonie, pan nagrywa podcast „Nowoczesna sprzedaż i marketing”, a co to za nowoczesna jak bez AI jest. I powiem wam, że ja miałem z tym AI duży problem, dlatego że oprócz prawdziwych ekspertów, którzy wnoszą wartość w tym temacie, w ostatnich wielu miesiącach pojawiła się część ekspertów takich nazywam ich adoptowanymi. Dzisiaj jestem ekspertem od tego, jutro od tego, a pojutrze od AI, bo leci wielka tematyczna fala i liczę, że na tej fali zarobię. I trochę czasu musiało upłynąć, żebym samodzielnie zdobył sobie jakieś doświadczenie i opinię na ten temat. I właśnie zebrałem doświadczenia, zebrałem opinie i nagrywam dla was odcinek o AI w sprzedaży. Opowiem wam o tym, co realnie dzisiaj moim zdaniem AI jest w stanie zrobić, żeby pomóc działom sprzedaży i trochę pozastanawiamy się, czy jest coś, co może się zmienić w przyszłości. Nie przedłużam. Życzę wam udanego słuchania.

Dobrze, ja jestem informatykiem i to nie jest przechwałka, to jest można powiedzieć trochę taka spowiedź, bo jestem informatykiem, wierzącym i niepraktykującym, a to oznacza, że znacznie lepiej czuję się w rzeczywistości biznesowo-sprzedażowo-marketingowej niż w rzeczywistości technologicznej. Jest mi łatwo rozmawiać o tym jak mniej więcej strukturalnie funkcjonuje dana technologia, natomiast nie jestem mistrzem jej implementacji i nie mam ambicji kiedykolwiek się nim stać. Natomiast mam 2 przywileje, które pozwalają nagrać mi ten materiał. Przywilej 1 sprowadza się do tego, że w SellWise miesięcznie audytujemy około 25-30 polskich firm, które obecnie prowadzą sprzedaż i marketing. Do tego równolegle prowadzimy kilkaset projektów doradczych, w których na bieżąco obserwujemy działania sprzedażowo-marketingowe. I to jako właścicielowi tej firmy daje mi wgląd w to, w jaki sposób realnie dzisiaj polskie firmy sprzedają. I 2 rzecz, 2 szczęście, którym dysponuję, to to, że jestem udziałowcem w Let’s Automate, które należy do WiseGroup. I większość procesów automatyzacji firm z tym AI się styka. Nie są to procesy, w których całe wdrożenie opiera się na AI, chociaż takie też się już zdarzyły, raczej są to procesy, w których używamy AI w bardzo precyzyjny sposób na jakichś etapach automatyzacji po to, żeby ułatwić komuś życie, jakiś proces decyzyjny czy do czegoś mądrego doprowadzić. I teraz z tych 2 perspektyw dzisiaj opowiem wam o realnych kilkunastu zastosowaniach tego AI dzisiaj, tu i teraz, w sprzedaży B2B.

Ale zanim o tym, to krótka obserwacja. Wydaje mi się, że mniej więcej 5 lat temu, może 6, mówiliśmy o dużym rozwarstwieniu rynku sprzedażowego, dlatego że wtedy część firm już wchodziła w marketing B2B, część firm wchodziła w nowoczesne technologie i na przykład w systemy CRM, które mądrze mierzyły procesy sprzedaży, ale też na przykład pomagały mierzyć pilar page w marketingu, pomagały mierzyć różne modele atrybucji i przede wszystkim pomagały w obróbce danych, które wiązały się z tymi analizami. Czyli wtedy, te 5-6 lat temu, już z mojej perspektywy mówiliśmy o przepaści, dlatego że część firm można powiedzieć siedziała dalej z młotem i dłutem, a część firm siedziała z nosem w danych i optymalizowana pracę na przykład 30 handlowców na podstawie tego, co te dane mówią. I to rozwarstwienie, które miało miejsce wtedy, obecnie się jeszcze bardziej pogłębiło. To znaczy dzisiaj taki pejzaż, na który my patrzymy jako SellWise, jest strasznie ciekawy, dlatego że rzeczywiście do dzisiaj jest cała masa firm pracująca z dłutem i młotkiem. Firm, w których tak naprawdę proces sprzedaży nie istnieje. Firm, w których o danych sprzedażowych możemy marzyć zaledwie, bo jedyne dane, jakimi dysponujemy, to są dane pochodzące z ERP albo z systemu księgowego sumujące wyniki działań sprzedaży i marketingu, ale niedające nam absolutnie żadnego wglądu w jakość przeprowadzonych działań i też wglądu w to, co tam działało, co nie działało. To są firmy bez danych absolutnie. Muszą wierzyć w to, co mówią im handlowcy i co mówią im marketerzy, a najczęściej mówią im, że teraz to na rynku jest ciężko i że teraz to w ogóle jak byśmy mieli niższe ceny, to byśmy sprzedawali. Ale tą opowieść, jak jesteście słuchaczami tego podcastu, pewnie doskonale znacie. I tych firm, takich właśnie z młotem i dłutem akurat w sprzedaży B2B wciąż jest grubo ponad połowa. I ja wiem, że część z was może w to nie wierzyć, natomiast docierają do nas organizacje o kilkuset milionowych przychodach, które do dzisiaj funkcjonują w ten sposób. Kropka.

2 grupa to jest grupa, która już jakiś system CRM ma. Tam już jest jakaś analityka działań sprzedażowych. Oni już coś wiedzą o tym, jak te działania przebiegają. Wiedzą na przykład ilościowo, ile było spotkań. Gdzieś tam są w stanie nawet wyciągnąć z danych, jaka była skuteczność tych spotkań i tak dalej. I to jest grupa 2. Tam najczęściej są błędy na poziomie procesu czy na przykład jakichś danych, które pozyskali, które są bez sensu, bo na przykład mierzą skuteczność procesu sprzedaży, ale w ramach tego procesu mają poczekalnię i jeszcze kwalifikacje leadów. Czyli tak naprawdę nie mierzą skuteczności procesu, tylko mierzą skuteczność kilku procesów w 1. I wtedy jeżeli sprzedaż zawodzi, to i tak w sumie dalej nie wiadomo dlaczego. Więc ta grupa już coś robi, ale najczęściej gdzieś tam po omacku i gdzieś tam jeszcze jest w tej podróży, nazwijmy ją profesjonalizacją tego podejścia.

I jest 3 grupa. To są firmy, które rzeczywiście już mają systemy prowadzące sprzedaż i marketing albo jest to w ogóle 1 system, na przykład HubSpot, który można powiedzieć ma ogląd rzeczywiście 360 na wszystko, co się dzieje najpierw z prospektem, potem leadem, potem z klientem w pełnym jego cyklu życia i super. I to są firmy, które z mojej perspektywy obecnie zaczynają mieć pewien dopalacz. Bo tamte 2 poprzednie, jeżeli mają niepoprawne dane i procesy, które nie są zdigitalizowane, nie mogą mówić o dopalaczu, bo za bardzo nie ma go do czego podłączyć. Natomiast te trzecie firmy mogą mówić o podłączeniu dopalacza zwanego AI. I to jest realny dopalacz, który jest w stanie przyspieszyć ich działania. I podejmuję tutaj w tym wstępie pewną hipotezę, że firmy przez wiele ostatnich lat nie dawały się przekonać do odpowiedzialnego wdrożenia technologii w obszarze sprzedaży i marketingu, bo jedyną obietnicą, którą składała ta technologia, były jakieś mgliste obietnice polegające na tym, że tam sobie procesy pomierzycie albo że sprawdzicie sobie te cyfry i ktoś dzięki temu będzie poprawiał sprzedaż. To było takie miękkie i nie przemawiało do całej masy przedsiębiorców, którzy traktowali to po macoszemu. Wchodziła jakaś firma, coś tam wdrożyła, dobra, mamy CRM, handlowcy wpisują, ale nic z tego więcej nie wynika. I teraz dochodzi kolejny, nowy argument, który nie wiem, czy ich przekona, ale ja na ich miejscu bym się zaczął obawiać, bo jeżeli nie zdigitalizujesz swoich działań sprzedażowo-marketingowych, to nie podłączysz do tego dopalacza zwanego AI. Kropka. I to jest fakt. Czyli uważam, że ta przepaść pomiędzy tymi firmami, które w technologię w obszarze sprzedaży i marketingu nie weszły, będzie w najbliższych latach się powiększać. Przepaść na poziomie skuteczności jednych i drugich i przepaść na poziomie kosztów do generowanego przychodu. Czyli każda złotówka zainwestowana sprzedaż i marketing w tych pierwszych firmach będzie przynosiła znacznie mniej przychodu niż tych drugich. I teraz przejdźmy w to dlaczego.

Opowiem wam o kilkunastu zastosowaniach AI w sprzedaży B2B, które, uwaga, wszystkie widziałem już realnie wdrożone. I to jest cholernie istotne, że nie chcę mówić o tym, że tam kiedyś być może ktoś coś będzie takiego robił, tylko chcę wam powiedzieć o rzeczach, które już widziałem, że ktoś robi, co jest dla mnie znacznie bardziej uczciwym dealem niż fantazjowanie o tym, co może kiedyś będzie możliwe.

Analiza predykcyjna leadów

I teraz punkt 1 to jest analiza predykcyjna leadów. Jeżeli mamy klientów, którzy mają bardzo dużą bazę danych z leadami połączoną logicznie jakimś elementem, na przykład NIP-em, z systemem CRM i z wiedzą, i z bazą danych o tym, co się z tymi leadami potem podziało, to, uwaga, do leadów można dołączyć analizę predykcyjną robioną przez AI. To znaczy AI, analizując dane historyczne, potrafi przewidzieć, które leady mają największy potencjał do konwersji. I to jest niesamowite, bo jeżeli zespoły mają ograniczone moce przerobowe, a tak jest prawie wszędzie, to zespoły sprzedaży dzięki prostej analizie AI, modelu, który leci w tle, modelu, który tylko pokazuje handlowcom lampką na przykład, że ten jest zielony, ten jest pomarańczowy a ten jest jakiś tam beżowy, że zielone obsługujemy pierwsze, bo one mają największą szansę przerodzić się w sprzedaż i tak wynika z naszych analiz. I na przykład my w SellWise mamy 12 tysięcy leadów nazbieranych od 2020 roku i to jest baza, z której można już wyciągać bardzo dobre wnioski. Piękny przykład użycia AI, który sobie leci w tle, który po prostu pomaga lepiej podejmować decyzję samym handlowcom.

Analiza predykcyjna zachowań klientów

Punkt 2, jeżeli możemy robić analizę predykcyjną leadów, to jeżeli w naszym systemie mamy wszystkie zachowania klienta, jego wiadomości mailowe, raporty z rozmów telefonicznych, notatki i tak dalej, to, uwaga, równie dobrze możemy przeprowadzić analizę predykcyjną zachowań klientów, jeżeli tylko nasza baza jest dostatecznie duża. Tutaj oczywiście pominiemy wszystkie organizacje, które prowadzą 40 szans sprzedażowych rocznie, ale mają ich na przykład tysiące, czy dolne tysiące, czy górne tysiące, czy w ogóle dziesiątki tysięcy, to tu już możemy się zacząć bawić w to, żeby podpowiadać, co z tej analizy wynika. Na przykład jeżeli klient milczy dłużej niż 3 dni, to oznacza statystycznie, że szansa sprzedaży na przykład spada wielokrotnie. I to są detale, na których jeżeli miałby się skupić szef sprzedaży i dojść do tego z palca, to jest to po prostu cholernie trudne, ale jak podpinamy AI do tych danych i szukamy w nich wskazówek, które na bieżąco mogłyby być udzielane na przykład działowi sprzedaży, to się okazuje, że absolutne szaleństwo.

Generalna personalizacja komunikacji z klientem

Przykład 3 to jest generalna personalizacja komunikacji z klientem, ale również zachodząca w tle. To znaczy jeżeli przyjmiemy hipotezę, że w waszej firmie jest kilka typów klientów, i ta hipoteza prawie zawsze jest prawdziwa, mamy na przykład, uprośćmy, firmy IT i firmy produkcyjne. I teraz jeżeli mój handlowiec ma ręcznie dopasować każdą ofertę do każdego klienta, to będzie to cholernie drogi proces, ale jeżeli zbudujemy dokument ofertowy, a obok postawimy różne obiekty, na przykład case studies, jakieś opisy, referencje, opisy produktów, na przykład rzeczy, które można dosprzedać, i AI nam zbuduje, łatwo decydując, z jakiej branży jest to organizacja, czyli jakie case studies mogą ją najbardziej zainteresować, są zbieżne z ich problemami, z ich potrzebami, takie, pyk, to one automatycznie się znajdą w ofercie, jakie opinie innych klientów mogą być najbardziej przekonujące dla tego klienta, również znajdują się w ofercie. I budowanie dokumentów właśnie w taki sposób jest absolutnym szaleństwem. I to jest proste, piękne i wspaniałe, nie zwiększa pracy handlowca i jego zaangażowania. Handlowiec musi tylko sprawdzić, co tam AI podecydowało, ewentualnie to zmienić i po prostu poprawić. Kropka. I jednocześnie dokumenty, które produkujemy, są znacznie bardziej spersonalizowane pod kątem klienta, z którym rozmawia każdy handlowiec, jednocześnie nie zwiększając, a nawet zmniejszając work cloud tych ludzi. Piękna rzecz. I tam, gdzie mamy to wdrożone, absolutny zachwyt.

Dynamiczny pricing w B2B

Przykład 4, spotkaliśmy się już z projektem i chyba nawet 1 trwa, który jest obecnie prowadzony, z dynamicznym pricingiem w B2B. Czyli AI, analizując takie czynniki jak aktualny popyt na rynku, rozumiany w zgłoszeniach, które do nas docierają, zderzony z naszymi możliwościami produkcyjnymi albo dostarczania, analizując takie czynniki jak historia zakupów danego klienta albo podobnych klientów, pomaga automatycznie dostosować ceny do tego, co jest najbardziej optymalne aktualnie dla biznesu. I to jest ciekawe. Jeżeli przyjmiemy hipotezę, że bawienie się odpowiedzialne pricingiem jest zajęciem, które w sposób największy przekłada się na rentowność biznesu w krótkim terminie, to to jest niesamowite, jeżeli jesteśmy w stanie do tego podpiąć model, który ma jakąś analizę i sugeruje coś handlowcom, że oni nie są w stanie, nawet najlepsi, analizować rzeczy na bieżąco i w ogóle rozumieć, co aktualnie w biznesie jest potrzebne, jakie historyczne ceny miał klient. Na przykład widzieliśmy algorytm polegający na tym, że dla klienta, który jest dobrym klientem na grupę produktową A, uśredniamy rabat do średniego rabatu, który płacą na przykład podobni klienci i sugerujemy podwyżkę w poszczególnych momentach. Ale jeżeli chcemy tego klienta przekonać do tego, żeby zwiększał z nami zakupy, w segmencie produktów B znajdujemy tak zwane produkty run rate’owe, które są potrzebne większości klientom, i na przykład sprzedajemy je na bardzo niskiej marży, żeby wprowadzić tego klienta w nową grupę produktową. I to są decyzje, które jeżeli dział sprzedaży jest w stanie podejmować w tle, to absolutne szaleństwo, radość i szczęście. Kropka.

Automatyczne uzupełnianie danych

Przykład 5, wszelkiego rodzaju automatyczne uzupełnianie danych. I tutaj mówię zarówno o na przykład zadaniach. To znaczy widzieliśmy już model wdrożony, że transkrybuje on spotkanie handlowca z klientem online’owe i, uwaga, zakłada zadania, które zostały uzgodnione w czasie tego spotkania. Na przykład spotkamy się tam w ten dzień o takiej godzinie i wcześniej tam w czwartek podeślę panu podsumowanie. I oba te zadania automatycznie model wychwytuje z prowadzonej rozmowy i zakłada je w CRM. I tutaj już w ogóle wchodzimy w bezpośrednio obniżenie work cloudu  samego handlowca. Na razie jesteśmy na 5 przykładzie, wszystkie te przykłady zakładają pomoc handlowcom w robieniu rzeczy w tle. Lepsze decydowanie o priorytetach czy na przykład o cenie.

Automatyczna analiza klienta

Ale teraz wchodzimy w punkt 6, który jest 1 z moich ulubionych wdrożeń, to już Let’s Automate zrobiło pewnie kilkadziesiąt razy, i to jest przykład, który nazywam automatyczną analizą klienta. To znaczy w momencie, kiedy klient zgłasza się przez formularz, model wchodzi na stronę internetową klienta, jeżeli nie jest to oczywiście Gmail, zbiera z tej strony NIP i przygotowuje bardzo dużo różnych notatek. Robi opis tej firmy, pobiera dane, sprawdza, jakie mają wyniki finansowe, robi notatkę na temat działalności tego biznesu, szuka ostatnich wzmianek prasowych na przykład i udostępnia tą wiedzę handlowcowi rate away. Normalnie by musiał sam sobie wchodzić, szukać, googlować, sprawdzać, natomiast tutaj ta analiza przebiega w tle, trwa sekundę, handlowiec ma od razu dane. I teraz dane na temat tego leada są od razu uzupełnione w systemie CRM. Jeżeli ten lead istnieje, to model też szuka tego klienta w CRM i go aktualizuje. I teraz, uwaga, najważniejsze, na przykład automatycznie dobiera handlowca na podstawie tego, z czym ten klient się zgłasza albo jaka jest to firma, albo według dowolnych innych czynników, które mogą zachodzić w tle. Absolutnie piękna, prosta, wspaniała automatyzacja. I chyba na stronie Let’s Automate jest w ogóle do pobrania bezpłatnie. Wydaje mi się, że jest taka zakładka, w której możecie sobie to zrobić po prostu i odpalić. Piękna sprawa. I teraz w jak wielu punktach jesteśmy w stanie wyprzedzić ten pierwszy typ firm pracujących z dłutem i młotkiem tylko dlatego, że mają potężny dług technologiczny i procesowy. Kosmos po prostu.

Wspomaganie negocjacji

Dobrze, punkt 7 to wspomaganie negocjacji. I pewnie nie będzie dla was zaskoczeniem, że tu również możemy analizować dane o wcześniejszych negocjacjach i na przykład rekomendować optymalne warunki umowy dla danego klienta i w zależności od rozmiaru tego klienta, ale też w zależności od tego, jak dużą transakcję ten klient chce z nami przeprowadzić. I ten punkt 7, wspomaganie negocjacji, jest też pięknym, prostym, łatwym punktem, który każdy może ogarnąć, jeżeli ma zdigitalizowaną sprzedaż oczywiście, naturalnie.

Automatyzacja follow up’ów

Punkt 8 to jest automatyzacja follow up’ów i to również widzieliśmy już w rynku. To znaczy wiedząc, że bardzo często follow up’y to są jednak dość proste wiadomości mailowe, w niektórych przypadkach są to telefony, to automatyzacja follow up’ów może również działać w bardzo prosty sposób. To znaczy z jednej strony na przykład CRM tworzy czy model gdzieś tam tworzy pierwsze zadanie, gdzie dzwonimy do klienta, natomiast jeżeli ten telefon jest nieudany, to potem na przykład lecą 2 albo 3 automatyczne follow up’y mailowe, które nawet potrafią uwzględniać wcześniejsze ustalenia czy pytania charakterystyczne dla tego klienta. I teraz one mogą się wysyłać automatycznie albo mogą przychodzić do handlowca do potwierdzenia, czy on chce taką wiadomość wysłać. I to jest absolutny kosmos.

Rozpoznanie głosu i analiza rozmów

Punkt 9 to jest rozpoznanie głosu i analiza rozmów. Dotychczas widziałem w Polsce tylko 1 takie wdrożenie, ale jest ono niezwykle inspirujące. To znaczy w tym modelu to jest trochę tak jakby jak są scenki 1 na 1, siedzi szef z handlowcem i tam słucha rozmowy, to okazuje się, że AI to może słuchać wszystkich rozmów. Mało tego, może znowuż przygotowywać notatki i pomocnicze wskazówki dla handlowca na przykład na koniec tygodnia, które poprawią jego skuteczność. I to jest w ogóle kosmos, bo jeżeli jesteśmy w stanie na większej próbce danych mieć na przykład tych rozmów 8 tysięcy w ciągu roku na 15 handlowcach, to jesteśmy w stanie już zacząć się bawić z tym, co, gdzie i w której rozmowie wpływa pozytywnie na jej przebieg. I tak na przykład jak wejdziecie sobie na stronę, która nazywa się Gong, to oni właśnie analizują dane i pomagają podnieść skuteczność, bazując na bardzo dużej bazie danych z rozmowami. Ja mam na swoim kanale YouTube, jak wyfiltrujecie filmy od najbardziej popularnych, na 2 miejscu jest wystąpienie o słowach. I to jest wystąpienie, w którym ja się wielokrotnie na dane Gonga powołuję, ponieważ Gong, jeżeli przeanalizował pół miliona rozmów i na bazie tego pół miliona rozmów jest w stanie podpowiedzieć, kiedy klient częściej kupował, a kiedy nie, to to jest absolutnie genialne.

Automatyczna analiza konkurencji

W punkcie 10 w tych branżach B2B, które w jakiś sposób są zdigitalizowane, to znaczy ich oferta jest na przykład dostępna w sieci w jakichś formatach, spotkałem się już z automatyczną AI analizą konkurencji, która również albo w czasie rzeczywistym, albo raz na jakiś czas daje decydentom informacje o tym, jakie ruchy podejmuje konkurencja i co w związku z tym my moglibyśmy zrobić. I taka analiza konkurencji znowuż, jeżeli ktoś ma ją robić ręcznie i ma ręcznie aktualizować wszystkie rzeczy i dowiadywać się, co, gdzie i jak, to to już jest trudne, natomiast jeżeli to robi w tle model i on wysyła od razu wnioski, absolutnie piękna sprawa.

Automatyczna segmentacja klientów

Punkt 11 to jest wdrożenie, przez które teraz dreszcze mnie będą przechodzić. Biorąc sobie segmenty obecnych klientów i to takie segmenty, które na pierwszy rzut oka wydają się jednorodne, czyli takie same, i prosząc modele o znalezienie w tych segmentach bardzo precyzyjnie na przykład podsegmentów czy sprawdzenie, czy na pozór w jednorodnym segmencie jest jakiś jego element klientów, którzy chętnie kupują więcej, kupują częściej, zostawiają większą marżę, absolutnie genialne analizy. Wtedy, kiedy mamy duży zbiór danych i w jakiś sposób analizujemy go z jakimś modelem, to bardzo często się okazuje, że ludzkim okiem po prostu nie daliśmy rady pewnych rzeczy wychwycić. A tu przy segmentacji klientów dzieją się absolutnie piękne rzeczy.

Automatyczna analiza szans sprzedaży w czasie rzeczywistym

12 przykład to jest przykład, który miałem okazję zobaczyć również w 1 przypadku, natomiast był to model, który był podłączony do systemu CRM i na bieżąco analizował w czasie rzeczywistym wszystkie szanse sprzedaży, które były aktualnie prowadzone. I jego zadaniem było wykrywanie zaniedbanych szans sprzedaży. Piękna sprawa. Czyli AI identyfikował tematy, które w jego ocenie były zaniedbane. To był chyba model, który startował raz na koniec dnia, wysuwał wnioski i pojawiały się handlowcom zadania w tym systemie. I sugerował na przykład ponowny kontakt, sugerował follow up wcześniejszy bądź sugerował ruszenie w jakiś sposób danej szansy sprzedaży. Piękna rzecz, dlatego że znowuż, to jest model, który działa w tle i pomaga po prostu handlowcom podejmować lepsze decyzje albo zaglądnąć tam, gdzie oni nie zaglądali, bo zapomnieli na przykład.

Automatyczne prognozowanie finansowe na podstawie szans w lejku sprzedażowym

13 przykład, z którym się spotkałem, to prognozowanie finansowe na podstawie szans w lejku. To znaczy istnieje taka metryka, która się nazywa sales velocity, czyli prędkość sprzedaży. I prędkość sprzedaży to jest średnia wielkość rozmiaru szansy w lejku razy liczba szans w lejku, razy skuteczność, przez czas w jednostce czasu, dla której chcemy sprawdzić prędkość sprzedaży. Czyli jeżeli sprawdzamy ją dla najbliższego miesiąca, to dzielimy przez średni czas trwania szansy w miesiącach, czyli na przykład 0,5 to będzie 15 dni, a 5 to będzie 5 miesięcy. I wtedy dostaniemy tak zwaną prędkość sprzedaży. I to oczywiście da się zrobić, to się zapiąć to w Excelu i tam oglądać sobie tą prędkość sprzedaży, dokładnie rzecz biorąc, oglądać, czy ona idzie w trendzie, na którym nam zależy. Natomiast podpinając pod to model, możemy się pokusić o znacznie bardziej zaawansowane analizy i realny wpływ na przychód organizacji na przykład na przestrzeni 2, 3, 4, 5 miesięcy na podstawie tego, co obecnie mamy w lejku. I również sygnalizowanie pewnego rodzaju zagrożeń dla biznesu, jak na przykład oparcie większości prognoz na 2 pojedynczych transakcjach, które historycznie mają niewielką szansę zamknięcia. Kropka.

Wielojęzyczne działania przy sprzedaży mailowej

14 przekład, z którym się spotkałem, to już pewnie nikogo nie będzie dziwiło, to są wielojęzyczne działania przy sprzedaży mailowej. To znaczy okazuje się, że z dobrze wdrożonymi narzędziami możemy sprzedawać na całą Europę, mówiąc tylko po polsku i po angielsku. Jeżeli nie mamy zbyt dużo rozmów telefonicznych z klientami albo w ogóle ich nie mamy, to de facto jesteśmy w stanie prowadzić tą sprzedaż wielojęzyczną już teraz bez większych problemów. I klient może nawet się nie kapnie, że osoba z którą rozmawia, to nie za bardzo jest płynna w tym języku, w którym mówimy.

Chatboty

I ostatni przykład, który dla was przygotowałem, to są chatboty. One są celowo ostatnie, dlatego że zastosowanie dla chatbotów w sprzedaży B2B jest znacznie mniejsze niż w B2C, natomiast wciąż udało się znaleźć organizacje, które na przykład mają dużą platformę B2B i tam wystawiły chatbota opartego na AI, który w jakiś sposób pomaga przeprowadzić tych rozmówców przez jakiś tam zaplanowany wstępnie proces, czyli na przykład zapytanie, gdzie jest produkt, albo zapytanie, kiedy do niego przyjdzie i skierowanie tego do handlowca w odpowiednim momencie.

I teraz opowiem wam o kilku wnioskach z tego, bo w sumie jest część słuchaczy, których żadne z 15 zastosowań nie dziwi i super, jest część słuchaczy, która teraz drapie się po głowie i mówi, że w sumie to chyba musimy sprzedaż zdigitalizować. I chciałbym wam powiedzieć, że wydaje mi się, że wszystkie te zastosowania, o których wspomniałem, jeżeli jest część słuchaczy, która teraz to wysłuchała i mówi przecież to jest oczywiste, nic wielkiego i po prostu róbmy, to teraz ci z was, którzy można powiedzieć w pewnym sensie przegapili tą rewolucję technologiczną albo mówili, że u nas to jest niepotrzebne, to jest to duży problem z mojej perspektywy. I taki bym z tego wysnuł wniosek, że jeżeli dzisiaj są organizacje, które tak robią, to pytanie, co będzie za parę miesięcy, kiedy stanie się to jeszcze bardziej powszechne i jeszcze tańsze, i jeszcze bardziej dostępne dla szerokiego grona odbiorców. Bo prawda jest taka, że korzystanie z tych modeli jest coraz tańsze.

I teraz dla tych z was, którzy zapytają, jak to wdrożyć, panie Szymonie, odpowiedź brzmi nie wiem, dlatego że w każdej firmie spotykamy się z inaczej wdrożonym systemem CRM, w którym są inne dane przechowywane, spotykamy się z innymi procesami, które też działają inaczej. Czyli na przykład jak wspominałem wam o analizie predykcyjnej leadów w punkcie 1, to na przykład mamy problem dotyczący tego, że część organizacji nie zbiera tych leadów w żaden sposób poza skrzynkami handlowców na przykład albo jakimiś skrzynkami i tutaj wtedy pojawia się problem. Z mojej perspektywy, jak to wdrożyć, to jest oczywiście rozmowa z konsultantem, który się na tym zna, i przeanalizowanie procesu, który w danej firmie się dzieje. I czy jest to pilne, wydaje mi się, że nie. To znaczy wydaje mi się, że mimo wszystko te zmiany będą przebiegały dość wolno wbrew temu, co wielu mówi. To jeżeli tak wspaniała technologia jak systemy CRM, nie odnalazła się w większości firm w Polsce poprawnie wdrożona do dzisiaj, mimo że krąży ona od lat kilkunastu, kilkudziesięciu, to oczywiście nie jest to pilne. Natomiast jeżeli ktoś z was szuka sposobu na to, jak wyprzedzić konkurencję albo w jakiś sposób spozycjonować się kawałek dalej, albo być już gotowym na rewolucję, która nadejdzie, to wtedy na pewno. I też, co ważne, wydaje mi się, że za rok, jak nagram ten odcinek, to będzie kolejne 15 różnych zastosowań, które po prostu będą już przetestowane, będą już funkcjonowały na rynku i po prostu ci z was, którzy sprzedaż będą mieli zdigitalizowaną, będą mogli wdrażać od ręki najzwyczajniej w świecie. I to jest istotne znaczenie.

I teraz dla tych z was, którzy chcieliby o tym z kimś pogadać, to oczywiście możecie wejść na letsautomate.pl. W prawym górnym rogu jest bezpłatna konsultacja. I dla tych z was, którzy będą chcieli ją poprowadzić, to wynikiem takiej konsultacji jest między innymi koncepcja, czyli jasny pomysł na to, co, jak, gdzie można byłoby u was w ten sposób zautomatyzować. Jeżeli natomiast jesteście na takim etapie, że w ogóle nie ma do czego się podłączać, czego automatyzować, to wtedy z przyjemnością porozmawiamy z wami w SellWise. Filip Kulikowski jest pasjonatem wdrażania narzędzi, z których potem Let’s Automate korzysta i przygotowuje automatyzację.

I powiem wam, że dobrze mi z tym, że nagrywam ten odcinek nie na hajpie, jak pojawił się pierwszy model i w ogóle, tylko jestem zadowolony z tego, że nagrywam go dzisiaj, dlatego że mogę opowiedzieć o tym, co realnie widziałem wdrożone, a nie, co mi się wydaje, że kiedyś ktoś może gdzieś wdroży. I wydaje mi, że to jest istotne w świecie ekspertów od AI i co ważne, ja ekspertem AI nie jestem. Wiem, jak działa, wiem, na jakiej zasadzie funkcjonuje i po prostu wiem, jakie use case wartościowe dla biznesu widziałem w swojej karierze.