Как применять ИИ в автоматизации сложных B2B продаж

Давайте сделаем небольшой экскурс в технологию. Раньше мы говорили про ИИ как про некий «чёрный ящик». Это были свёрточные нейронные сети, которые анализировали какие-то параметры, делали прогнозы и неочевидные выводы. Примером можно считать алгоритм YouTube, который рекомендательно подбирает контент на основе просмотров и прочих характеристик профиля человека, чтобы, по мнению сети, лучше удерживать его внутри платформы. Аналогичные алгоритмы до сих пор используются в различных социальных сетях и анализаторах, которые создают прогнозные модели на основе совокупных данных в трейдинге.

Рассказываем о том, как применять ИИ в сложных B2B продажах, а также о функциональности ИИ в современных CRM. В этом нам помогают эксперты:

Сегодня существует новое поколение нейронных сетей — трансформеры. Это уже генеративные нейронные сети. Свёрточную нейросеть нужно было постоянно дообучать, подпитывать данными с высокими требованиями к их количеству, качеству разметки и так далее. По словам Татьяны Корниловой, эксплуатируя генеративную нейронную сеть, мы уже имеем дело с изначально обученной моделью. И наша задача здесь — только снабдить её нужным контекстом.

Иван Карпухин предлагает провести мысленный эксперимент, чтобы понять сущность работы генеративных сетей. У вас есть какая-то деятельность в CRM-системе или в любой другой системе, и вы привели с улицы человека с высшим образованием, умного, образованного. Посадили его за свою CRM, дали инструкции, вводные и накопленную информацию и сказали: «Вот, делай». Если он справится, то и нейронная сеть тоже с этой задачей справится вполне успешно. Любая задача, где можно посадить человека без опыта и дать ему контекст в формализованном текстовом виде, хорошо подходит для ИИ-автоматизации.

Таким образом, большое количество структурированной информации можно автоматически разделять по полям, включая не только текстовые, но и с выбором, даты, числа и т.д. Это, с одной стороны, облегчает работу продавца, ему не нужно заполнять много полей. С другой стороны, позволяет нам собирать больше достоверной и структурированной информации внутри сделок для дальнейшего анализа руководителя.

Татьяна Корнилова приводит другой вариант использования нейросетей — обработка произвольного текста. Это актуально для транзакционных продаж. Например, приходит какой-то товар с коротким техническим описанием от поставщика, а мы этот товар размещаем на маркетплейсе или на витрине своего магазина. ИИ может этот текст превратить в красивое маркетинговое описание, с одной стороны, а с другой — вытащить из неструктурированного входного текста и самостоятельно заполнить технические характеристики товара в нужных полях, которые требуются на площадке, например, ширину, высоту и вес. Получается, весь процесс размещения новой товарной позиции мы можем автоматизировать от и до, оставив за контент-менеджером только функцию контроля.

ИИ прекрасно справляется с задачами перевода информации из неструктурированного формата в более структурированный. И наоборот — из структурированного в более живой, маркетинговый, описательный и красочный.

Если мы возвращаемся к сложным продажам, то здесь, конечно, наилучшие результаты ИИ показывает в маркетинге, в области генерации контента. На сегодняшний день — это наше всё. Но остановимся и поясним, потому что просто сгенерированный контент — это страшно.

Давайте рассмотрим правильный процесс создания экспертного контента на примере компании в B2B. Есть выделенный отдел, который занимается генерацией контента. Это писатели или контент-инженеры. Их задача — генерировать контент по методике, эффективной для продвижения сложных продуктов. Например, одно из направлений — это клиентские кейсы или истории успеха, на основе которых разрабатываются более детализированные материалы: анализ клиентских проблем, демонстрация соответствия продукта клиентским критериям, руководства по оценке этих критериев, описание продукта с точки зрения его сильных сторон, описание архитектуры.

В этом процессе есть SME, то есть эксперт в предметной области (Subject Matter Expert). Обычно это владелец продукта, либо технический директор, либо архитектор, либо другой сотрудник, обладающий компетенцией по вопросу текущего материала. То есть человек, который глубоко понимает предназначение и суть того, что вы разрабатываете, производите, выпускаете. Эти люди, как правило, очень заняты, у них крайне мало свободного времени. И когда мы натравливаем на них человека, который находится вне контекста, чтобы написать экспертный материал, это создаёт на них избыточную нагрузку. SME теряют огромное количество времени на то, чтобы сначала донести писателю информацию, а потом согласовать с ним текст. Человек не понимает, путается в терминологии, записывает не то, что ему говорят. И по факту на выходе мы получаем раздражение эксперта, бесконечно долгое согласование, в лучшем случае финальную отмашку рукой, мол, выпускайте что хотите, и тот же самый не очень качественный контент.

Ну и финальная обработка с помощью ИИ — это заурядный этап, литературная редактура, коррекция, подгонка под формат какой-то площадки, где мы это будем размещать.

Существуют такие актуальные направления использования ИИ в генерации контента, как мультимодальная и мультиаудиентная упаковка. Они основываются на особенности экспертного контента, который гораздо проще упаковывать в разнообразные форматы, чем генерировать с нуля. ИИ помогает сделать этот процесс проще и дешевле.

Мультимодальная упаковка позволяет перевести один экспертный материал в другие виды контента автоматом. Например, статья про успешный кейс формирует ряд пресс-релизов, публикаций в социальные сети. На сегодняшний момент нейросети способны взять на себя большую часть повседневных процессов по переводу информации из одного формата или модальности в другой и автоматизировать этот процесс.

Для редактирования текста с учетом нескольких целевых аудиторий с различным уровнем технических знаний нужна мультиаудиентная упаковка. В этом случае нейросеть автоматом адаптирует материал под требования тех или иных групп. Например, сложные технические материалы объясняются на простых, бытовых примерах.

Если же компания настолько крупная, что имеет несколько филиалов за рубежом, у руководителей возникает потребность в мультилингвальной упаковке контента — переводе одного текста на разные языки с учетом культурного кода той или иной страны. С этим также с успехом справляются нейросети.

Современные CRM системы уже поддерживают интеграцию ИИ функций в процессы разработки и дистрибуции экспертного контента.Вызовы внедрения ИИ в сложных продажах.

Татьяна Корнилова предлагает рассмотреть проблемы и сложности, возникающие при попытках внедрения искусственного интеллекта в процессы сложных продаж.

Таким образом, начинать внедрение ИИ нужно с построения эффективных процессов в маркетинге и продажах, которые не только основаны на лучших практиках и хорошо описаны, но и поддержаны CRM-системой с точки зрения непрерывного структурированного сбора знаний и лёгкого доступа к ним. Мы считаем, что на сегодняшний день это два важнейших критерия выбора CRM-системы.

На самом деле мы туда ещё даже не подобрались. Мы только идём к пику завышенных ожиданий. Вокруг больших лингвистических моделей царит огромная шумиха и ажиотаж. Создаётся ощущение, что всех сотрудников можно заменить искусственным интеллектом.

Где же нас может ждать разочарование, когда мы занимаемся сложными продажами? Есть два момента.

Нужные знания в голове у экспертов. Мы пока не можем полностью заменить человека ИИ, потому что продаём сложный продукт, полной информацией о котором обладают эксперты внутри компании. Их знания довольно сложно полностью извлечь, описать и передать нейросети. Сам процесс извлечения этих знаний осуществляется в процессе коммуникации. А полноценную коммуникацию с экспертами пока могут вести только люди, и эффективнее всего она происходит в процессе живого общения. При попытках автоматизировать этот момент, исключить человеческий фактор, мы сталкиваемся ещё и со второй проблемой.

Проблема последней мили. Проблема заключается в сложности автоматического получения информации в разношёрстной омниканальной среде. Мы ежедневно общаемся через множество совершенно различных каналов коммуникации. Это личные встречи, конференц-звонки, звонки с рабочего и с личного мобильного телефона, текстовые и голосовые сообщения через разнообразные мессенджеры и платформы, электронная почта, социальные сети и прочее. Зачастую в этих каналах рабочая информация перемешана с личной.

Спустя неделю мы увидели, что таких звонков было всего несколько. Начали выяснять в чём проблема. Оказалось, что продавцам неудобно звонить с рабочего телефона. Они поголовно делали это с личных смартфонов, потому что так удобнее сразу сохранить себе контакт клиента, добавить его во все социальные сети, написать в мессенджере. Меньше вероятность того, что звонок не пройдёт из-за спам-фильтра на телефоне клиента.

Смартфоны у всех разных моделей и производителей. Например, на iPhone в принципе нет возможности записывать звонки. При этом продавцы в сложных продажах — это не операторы колл-центра, которых можно заставить по регламенту делать все одним инструментом.

Похожие сложности возникли и в другом проекте. Там мы внедряли ИИ-ассистента, который подключался к совещаниям и вёл протокол. Далее документ автоматически приводился к нужному шаблону и рассылался по корпоративной почте участникам собрания. Кроме этого, нейросеть инициировала задачи в системе административных поручений, выбирала ответственных и сроки реализации.

Проблема появилась при масштабировании решения на всю компанию. Возник вопрос: как организовать тотальную запись всех совещаний, встреч с заказчиками, презентации продукта, которые хочется протоколировать?

То есть проблема перешла в сугубо организационную область: как привить всем сотрудникам новую культурную практику вести запись любого собрания, которое может содержать ценный контент.

В то время как все технические нюансы решаются легко, такие внедрения спотыкаются о вопросы удобства и мелкой эргономики. Когда людям нужно сделать запись встречи в одном инструменте, а потом вручную перекинуть файл в другую систему, то количество подобных записей начинает стремительно падать. А так как каналов очень много, какие-то из инструментов проприетарные и закрытые. Это лишает возможности разработать какой-то общий плагин, который будет автоматически записывать все встречи и сохранять в систему.

То есть основная боль сейчас — это сложность сбора информации для загрузки в базы знаний, которыми мог бы пользоваться ИИ.

Первым необходимо преодолеть барьер доверия человека к нейросети. В рамках личной коммуникации он будет актуален еще довольно долго время. Когда вырастут следующие поколения, для которых ИИ станет обыденным явлением, этот вопрос уйдёт сам собой, но сегодня это создает дополнительные сложности в задаче извлечения экспертной информации.

Третий вопрос — это репутационные риски, то есть нейросеть в определенных сценариях можно взломать теми же джейлбрейками, вывести из себя и заставить писать всякую чушь. Наверное, все слышали о примере, когда пользователь уговорил чат-бота автодилера на базе ChatGPT продать ему новый внедорожник GM за $1.

Обычно мы рекомендуем либо выставлять наружу только нейросети для узких задач с конкретными входными данными, которые публичны, например открытые базы знаний, базы документации к системе, либо использовать исключительно внутри. Это обезопасит вас от неприятностей.

Мы уже обсудили некоторые работающие схемы применения нейросетей. Это создание экспертных материалов, автоматизация их дистрибуции, мультимодальная, мультиаудиентная и мультилингвальная упаковка, структурирование информации и накопления знаний на основе записей звонков и встреч.

Еще один метод использования ИИ в сложных продажах — это создание ассистентов по внутренним базам знаний, включающим маркетинговую и техническую информацию по продуктам и услугам компании. Такие ассистенты помогают продавцам быстрее и качественнее находить нужную информацию, подтверждает Татьяна Корнилова. Пользователю гораздо проще обратиться к сети, чтобы она ему нашла и скомпоновала уже готовый ответ на его языке, нежели читать большие скучные статьи внутри корпоративной базы знаний, продолжает она.

Перспективным направлением является создание ИИ-тренажёров для продавцов, которые могут, с одной стороны, создавать учебные ситуации, приближенные к реальным, а с другой — полноценно эмулировать в них коммуникацию с потенциальным клиентом. Такие тренажеры позволяют не только практиковать навыки продаж, но и давать развернутую обратную связь обучающемуся, указывая на ошибки и подсвечивая точки роста в рамках индивидуального плана обучения, попутно объясняя, как именно следует скорректировать коммуникацию.