هوش مصنوعی چگونه به افزایش فروش شرکت‌‌ها کمک می‌کند؟

حتی مشتریان موجود نیز اغلب تمایلی ندارند وقتشان را در مکالمات عمیق و طولانی برای بستن قراردادهای بزرگ‌تر صرف کنند. این موضوع، وضعیت دشواری را ایجاد می‌کند. تنها راهی که تیم فروش می‌تواند ارزش خود را اثبات کند، از طریق درک مشتری است، اما تمایل خریداران به تعامل با تیم‌‌های فروش و به اشتراک‌‌گذاری چنین اطلاعاتی، دائم کمتر می‌شود.

تحقیقات اخیر موسسه مک‌‌کینزی نشان داده که در طول۵سال گذشته، درصد خریداران «بنگاه به بنگاه» (B۲B) که خواهان تعاملات فروش حضوری با تامین‌‌کنندگان جدید هستند، از ۵۰ درصد به ۳۵ درصد کاهش یافته است.

سازمان‌های فروش، در مقابل این کاهش دسترسی به خریداران، اغلب حجم تماس‌‌های فروش خود را افزایش می‌دهند، به امید اینکه هر چه تلاش‌‌ها بیشتر شود، نتایج بیشتری به دست آید.

این تلاش‌‌ها اگرچه می‌تواند نتایج کوتاه‌‌مدتی ایجاد کند، اما با گذشت زمان به احتمال زیاد ارزش سازمان را کاهش می‌دهد. تماس‌‌های کورکورانه فراوان، ذهنیت جذب مشتری جدید و غافل شدن از حفظ مشتریان موجود را ایجاد می‌کند که باعث می‌شود تیم فروش خودش را بدون تخصص و معامله‌‌گر بداند.

مشتریان نیز این تغییر را حس می‌کنند و به شکل محسوسی آن را دوست ندارند. به گفته موسس گارتنر، ۶۴ درصد خریداران B۲B حس می‌کنند با کلی ارتباطات فروش و بازاریابی احاطه شده‌‌اند.

در این شرایط و وقتی با جریان ورودی پر از تماس‌‌های عمومی روبه‌رو می‌شوند، بیشتر از اینکه احتمال داشته باشد به یک پیشنهاد فروش علاقه نشان دهند، از این تماس‌‌ها عصبانی خواهند شد.

اما راه دیگری هم وجود دارد. توصیه می‌شود که مدیران درآمدزایی شرکت، از هوش مصنوعی مولد برای بهبود کیفیت – و نه کمیت - تعاملات فروش خود استفاده کنند. تجربه نشان داده وقتی فروشنده‌ها از هوش مصنوعی برای کشف مشتریان جدید استفاده می‌کنند، می‌توانند مکالمات خود با خریداران را از یک موقعیت قوی‌‌تر و متناسب با چالش‌‌های تجاری مشتری شروع کنند.

این رویکرد به ابزار خاصی نیاز ندارد و با استفاده از چت‌‌جی‌‌پی‌‌تی، جمینای، کلاد، Perplexity  و دیگر ابزارها با کارآیی یکسان، قابل اجراست. در ادامه، نمونه‌‌ای را بررسی می‌کنیم که نشان می‌دهد چگونه تیم‌‌ فروش با استفاده از چند دستور ساده به هوش مصنوعی، توانست خود را برای مشتریان بالقوه و موجود جذاب‌‌تر کند.

جذب مشتری جدید

ارین، یک فروشنده باهوش و باتجربه در یک شرکت تکنولوژی متوسط، راه‌های متعددی را برای جذب یکی از پرپتانسیل‌‌ترین مشتریان بالقوه خودش که یک شرکت معدنی جهانی بود، امتحان کرده بود.

ایمیل‌‌های او بی‌‌پاسخ ماندند، تماس‌‌های تلفنی او مستقیم به صندوق‌های صوتی رفتند و دعوت‌‌نامه‌های او برای رویدادهای ویژه هیچ نتیجه‌‌ای نداشتند.

او ناامید شده بود و وقتش کم بود. او می‌خواست با مشتری ارتباط برقرار کند و ایده‌‌آل‌‌ترین حالت این بود که در سال مالی جاری با این شرکت قراردادی ببندد. اما مشتری‌‌های قبلی، سرش را شلوغ کرده بودند و بنابراین برای جلب علاقه یک مشتری بالقوه که تاکنون هیچ تعاملی با آن برقرار نکرده بود، زمان محدودی داشت.

ارین در یک جلسه آموزشی شرکت کرد و وقتی از او سوال شد «کدام مسائل فوری در دنیای مشتریان بالقوه باعث جلب‌توجه آنها می‌شود؟» او به سرعت تشخیص داد که تلاش‌‌های قبلی برای برقراری ارتباط، صرفا بر معرفی محصول متمرکز بودند و او باید دانش عمیق‌‌تری از مشتری به دست می‌‌آورد. وارد کردن این دستور در یکی از ابزارهای هوش مصنوعی به او کمک کرد رویکردش را تغییر دهد:

«لطفا گزارش‌های سالانه اخیر شرکت مورد نظر را بررسی کن و دو مورد را به من بگو: ۱) اولویت‌های فعلی شرکت و ۲) عملکرد شرکت در طول زمان و در مقایسه با همتایانش در شاخص‌‌های کلیدی مالی که برای تیم اجرایی اهمیت دارد.»

ارین با پرسیدن چند سوال بعدی، متوجه شد که هزینه کالاهای فروخته شده (COGS) به عنوان یک شاخص مالی مهم، در آن شرکت در حال افزایش است و این موضوع برای مشتری بالقوه او نگرانی بزرگی است. به‌طور خاص‌‌تر، او متوجه شد که COGS شرکت مورد نظر همزمان با افزایش تولید بالا می‌‌رود.

قبل از هوش مصنوعی، این سطح از اطلاعات مشتری فقط از طریق مکالمات عمیق اکتشافی یا تحقیقات اینترنتی وقت‌‌گیر به دست می‌‌آمد. اما اکنون، با کمک هوش مصنوعی، ارین به سرعت به یک دیدگاه مهم در سطح هیات‌مدیره دست یافته بود.

این موضوع باعث شد او از ارسال مداوم پیام‌‌های کلی به مشتری مورد نظرش خودداری کند. حالا ارین با اطلاع از اینکه رهبران زنجیره تامین به‌شدت به COGS اهمیت می‌دهند و راه‌حل شرکت او می‌تواند در این زمینه بهبود ایجاد کند، شروع به جست‌وجوی یک راه ارتباطی از طریق زنجیره تامین کرد.

او به یک اکانت در لینکدین رسید که معاونت زنجیره تامین شرکت را بر عهده داشت و پنج ماه پیش کارش را شروع کرده بود. ارین به این نتیجه رسید که این شخص احتمالا می‌تواند کانالی برای پاسخ گرفتن از مشتری بالقوه باشد.

ارین یک پیام کوتاه در لینکدین به این معاون ارسال کرد که به تاثیر بالقوه راه‌حل شرکتش بر کاهش COGS اشاره می‌کرد. سپس از هوش مصنوعی خواست تا پیام او را کوتاه‌‌تر و واضح‌‌تر کند. پس از چند بار تلاش و بازخورد، او یک پیام ۲۰۰ کلمه‌‌ای دقیق در دست داشت.

دکمه ارسال را زد. در مجموع، ارین با هوش مصنوعی کمتر از دو ساعت زمان صرف اجرای برنامه متمرکز بر مشتری خود کرد که به مراتب کمتر از تمامی تلاش‌‌های ارتباطی قبلی او بود.

یک روز بعد، او پاسخی دریافت کرد. معاون شرکت خواستار صحبت شده بود. افزایش COGS یک چالش بزرگ در سازمان او بود و به هر چیزی که بتواند این مساله را حل کند، علاقه‌‌مند بود.

چند ماه بعد، ارین به طرز هیجان‌‌انگیزی یک قرارداد ۲۵۰ هزار دلاری بست و یکی از معدود افرادی در سازمان خود شد که آن سال یک مشتری جدید را جذب کرده بود.

درک مزیت‌‌ها

در این مثال، تیم فروش برای بهبود وضعیت خود چند مرحله را دنبال کرد:

۱- درک چالش‌‌ها و اهداف اصلی مشتری؛

۲- شناسایی شاخص‌‌های کلیدی مرتبط با آن چالش‌‌ها؛

۳- یافتن ذی‌نفع مشتری که به این شاخص‌‌ها اهمیت می‌دهد؛

۴- ارزیابی چگونگی بهبود این شاخص‌‌ها توسط محصول پیشنهادی؛

۵- شروع تعاملات با پیام‌‌هایی واضح، مختصر و مرتبط که همه‌چیز را به هم پیوند دهد.

استفاده از هوش مصنوعی به آنها امکان داد از این مراحل گذر کنند و هم در زمان خود صرفه‌‌جویی کنند و هم کیفیت خروجی خود را بهبود بخشند. اگرچه هوش مصنوعی می‌تواند در همه این مراحل مفید باشد، اما بیشترین تاثیر آن را در مراحلی که به درک چالش‌‌ها، شناسایی معیارها و تدوین پیام‌‌های مختصر مرتبط می‌شود، شاهد بوده‌‌ایم.

در ۵۰ سال گذشته، همواره به فروشندگان گفته شده: از بازارگرمی کردن دست ‌بردارید و به جای آن درباره اهداف مشتری صحبت کنید. اما همیشه این توصیه، سخت به اجرا درآمده است، چون تیم‌‌های فروش اطلاعات کافی درباره مشتری ندارند تا رویکرد خود را متناسب‌‌سازی کنند. استفاده صحیح از هوش مصنوعی می‌تواند این مشکل را حل کند و هر مدیر فروشی را در کمترین زمان مهم و جلب‌توجه‌‌کننده نشان دهد.

منبع: ماهنامه کارخانه – شماره 50 / دنیای اقتصاد