વેચાણ અને નૈતિક ફ્રેમવર્કમાં AI નો પરિચય

નફો:

• સેલ્સ ફનલના કયા તબક્કામાં AI મૂલ્ય ઉમેરે છે અને કયા નિર્ણયો માનવીય રહેવા જોઈએ તે પારખવાની ક્ષમતા
• અતિશયોક્તિપૂર્ણ, ખોટા વચનોથી મુક્ત અને ચકાસી શકાય તેવા વેચાણ સામગ્રીના ઉત્પાદનના સિદ્ધાંતોને લાગુ કરવાની ક્ષમતા
• AI ના ઉપયોગમાં ગ્રાહક ડેટાની ગોપનીયતા અને પ્રમાણિકતાની સીમાઓ વ્યાખ્યાયિત કરવાની ક્ષમતા

જ્યારે તમે વેચાણ પ્રતિનિધિનો સાપ્તાહિક સમય રેકોર્ડ કરો છો, ત્યારે મોટાભાગની ટીમોમાં જે ચિત્ર ઉભરી આવે છે તે સમાન હોય છે: સંશોધન, ડેટા એન્ટ્રી, ઇમેઇલ ડ્રાફ્ટ, મીટિંગ નોંધ, CRM અપડેટ... તેથી વાસ્તવિક "વેચાણ" ભાગ માટે સમર્પિત સમય, એટલે કે, લોકો સાથેના વિશ્વાસ સંબંધ, આશ્ચર્યજનક રીતે ઓછો છે. આ તે છે જ્યાં કૃત્રિમ બુદ્ધિ રમતમાં આવે છે. AI તમારા માટે વેચાણ કરતું નથી; તે તમને વેચાણ માટે તૈયાર કરે છે, પુનરાવર્તિત કાર્યોને વેગ આપે છે અને વધુ સારા નિર્ણયો માટે પ્રક્રિયા કરેલી માહિતી તમારી સામે મૂકે છે. આ એકમમાં, અમે સ્પષ્ટ કરીશું કે સેલ્સ ફનલ AI ના કયા તબક્કામાં વાસ્તવિક મૂલ્ય ઉમેરે છે, કયા નિર્ણયો સખત રીતે મનુષ્યના હાથમાં રહેવા જોઈએ અને આ બધું કરતી વખતે તમારે નૈતિક અને કાનૂની માળખાને અનુસરવું જોઈએ. અમારો ધ્યેય સ્પષ્ટ છે: AI ને શિસ્તબદ્ધ સહાયક તરીકે સ્થાન આપવું, "મેજિક ક્લોઝિંગ મશીન" તરીકે નહીં.

સેલ્સ ફનલમાં AI ક્યાં મૂલ્ય ઉમેરે છે?

ચાલો સેલ્સ ફનલને તેના ક્લાસિક તબક્કાઓ સાથે વિચારીએ: પ્રોસ્પેક્ટિંગ, આઉટરીચ (પ્રથમ સંપર્ક), શોધ, ઓફર, ક્લોઝિંગ અને ફોલો-અપ. AI દરેક તબક્કે એક અલગ ભૂમિકા ભજવે છે, પરંતુ તેમાંથી કોઈપણમાં તે એકમાત્ર નિર્ણય લેનાર નથી.

ફનલ સ્ટેજ

AI યોગદાન

માણસની ભૂમિકા

પ્રોસ્પેક્ટીંગ

કંપની/સંપર્ક સૂચિ સ્કેનિંગ, ICP સંકેતોનો સારાંશ

સૂચિને માન્ય કરવી, પ્રાથમિકતા આપવી

આઉટરીચ

વ્યક્તિગત ઈમેઈલ ડ્રાફ્ટ, વિષય રેખા વિવિધતા

સ્વર, સંબંધ, વિતરણ નિર્ણય

શોધ

પ્રશ્ન સમૂહ તૈયાર કરી રહ્યા છીએ, મીટિંગ પૂર્વે બ્રીફિંગ

શ્રવણ, સહાનુભૂતિ, વાંચન વાસ્તવિક જરૂર છે

ઓફર

ડ્રાફ્ટ ટેક્સ્ટ, અગાઉની દરખાસ્તોમાંથી પેટર્ન કાઢવા

કિંમત, અવકાશ, પ્રતિબદ્ધતા

બંધ

વાંધો પ્રતિભાવ દૃશ્યો, સારાંશ નોંધો

વાટાઘાટો, બંધનકર્તા વચન

ફોલો-અપ

સુનિશ્ચિત શ્રેણી ડ્રાફ્ટ્સ, રીમાઇન્ડર

સમયની ભાવના, સંબંધ વ્યવસ્થાપન

જેમ તમે જોઈ શકો છો, એઆઈ સૌથી મજબૂત છે તે સ્થાનો છે; તે પુનરાવર્તિત કાર્યો છે જેને ઝડપ, સ્કેલ અને તૈયારીની જરૂર હોય છે. તે સ્થાનો જ્યાં લોકો અનિવાર્ય છે તે ક્ષણો છે જેમાં નિર્ણય, સંબંધો અને પ્રતિબદ્ધતાની જરૂર હોય છે.

નિર્ણયો કે જે લોકો સાથે રહેવા જોઈએ

કેટલાક નિર્ણયો ક્યારેય સંપૂર્ણ સ્વચાલિત ન હોવા જોઈએ. આ બંને નૈતિક, વ્યાપારી અને કાનૂની જોખમો ધરાવે છે:

• કિંમત પ્રતિબદ્ધતા અને ડિસ્કાઉન્ટ ઓથોરિટી: AI શ્રેણી સૂચવી શકે છે, પરંતુ માનવ બંધનકર્તા કિંમત આપે છે.
• કરાર અને કાનૂની ભાષા: બંધનકર્તા શરતો કાનૂની/માનવ મંજૂરીમાંથી પસાર થવી જોઈએ.
• બંધનકર્તા વચનો: ડિલિવરીની તારીખ, કામગીરીની ગેરંટી, SLA જેવા વચનો માનવ નિયંત્રણ હેઠળ હોવા જોઈએ.
• સંવેદનશીલ વાટાઘાટોની ક્ષણો: ગ્રાહકની ખોટ, કટોકટી સંચારનું મુખ્ય જોખમ.

ચેતવણી: જો AI-જનરેટેડ ઈમેલમાં “અમે તમને 100% ROIની ખાતરી આપીએ છીએ” જેવા વાક્યનો સમાવેશ કરે છે, તો તે મોકલવાથી કંપનીને કાનૂની અને પ્રતિષ્ઠા જોખમમાં મુકાય છે. કોઈપણ આઉટપુટ કે જે બંધનકર્તા વચન ઉત્પન્ન કરે છે તે મોકલવામાં આવે તે પહેલાં માનવ-મંજૂર હોવું આવશ્યક છે.

પ્રમાણિક અને ચકાસી શકાય તેવી સામગ્રી માર્ગદર્શિકા

AI ભાષાના મોડેલો અસ્ખલિત અને સમજાવવા જેવું લખાણ ઉત્પન્ન કરે છે; સમસ્યા અહીં જ છે. પ્રવાહિતા ચોકસાઈની કોઈ ગેરંટી નથી. જ્યારે તેની પાસે કોઈ વાસ્તવિક ડેટા ન હોય ત્યારે પણ આ મોડેલ વિશ્વાસપાત્ર આંકડાઓ, પ્રશંસાપત્રો અથવા કેસ સ્ટડીઝ "કન્કોક્ટ" (ભ્રામક) કરી શકે છે. વેચાણમાં, આ સીધું જ વિશ્વાસની ખોટ અને કાનૂની મુશ્કેલીમાં અનુવાદ કરે છે.

ત્રણ મૂળભૂત સિદ્ધાંતો:

1. ખોટા વચનો આપવા: "ચોક્કસપણે", "બાંયધરીકૃત", "X% વધારાની બાંયધરી" જેવા શબ્દસમૂહોનો ઉપયોગ માત્ર ત્યારે જ થાય છે જો ત્યાં લેખિત, ચકાસી શકાય તેવા આધાર હોય.
2. બનાવેલ સંદર્ભ/નંબરનું જોખમ: AI દ્વારા સૂચિત ગ્રાહકનું નામ, કેસ, આંકડા અથવા સ્ત્રોતનો વાસ્તવિક ડેટા સાથે ચકાસણી કર્યા વિના ક્યારેય ઉપયોગ થતો નથી.
3. અતિશયોક્તિ ટાળો: ઉત્પાદન ખરેખર શું કરે છે તે કહ્યા વિના સમજાવો કે તે શું કરતું નથી. અતિશયોક્તિ ટૂંકા ગાળામાં સભાઓ ખોલે છે, પરંતુ લાંબા ગાળે પ્રતિષ્ઠાનો નાશ કરે છે.

ચકાસણી ચેક પ્રોમ્પ્ટ: "નીચેના વેચાણ ઇમેઇલ ડ્રાફ્ટમાં તમામ સંખ્યાત્મક દાવાઓ, ગ્રાહક પ્રશંસાપત્રો અને વોરંટી નિવેદનોની સૂચિ બનાવો. દરેક માટે 'સ્રોત આવશ્યક' ટૅગ ઉમેરો. સ્ત્રોત વિના કોઈપણ દાવા મોકલશો નહીં. ડ્રાફ્ટ:{{email_draft}}"

નબળા પ્રોમ્પ્ટ / મજબૂત પ્રોમ્પ્ટ

નબળું: "અમારા ઉત્પાદનની પ્રશંસા કરતી એક સખત હિટ વેચાણ ઇમેઇલ લખો." (પરિણામ: અતિશયોક્તિપૂર્ણ, બનાવેલા આંકડાઓ સાથે સામાન્ય ટેક્સ્ટ.) સ્ટ્રોંગ: "{{sector}} ઉદ્યોગમાં ઑપરેશન મેનેજરને એક ટૂંકો ઈમેઈલ લખો, અમારા ઉત્પાદનના ફક્ત નીચેના ચકાસાયેલા લાભોનું વર્ણન કરો:- ચકાસાયેલ લાભ 1: {{benefit_1}}- ચકાસાયેલ લાભ 2: {{benefit_2} અથવા NMAIT2 ગ્રાહક. એવા કોઈપણ દાવાઓ ઉમેરશો નહીં જેના વિશે તમને ખાતરી નથી: વ્યાવસાયિક, વિનમ્ર, અલ્પોક્તિ."

તફાવત એ છે કે મજબૂત પ્રોમ્પ્ટ મોડેલને બાઉન્ડ્સ (ફીટ) અને વાસ્તવિક ઇનપુટ (ચકાસાયેલ લાભો) બંને આપે છે.

ગ્રાહક ડેટા ગોપનીયતા અને KVKK

વેચાણ વ્યક્તિગત ડેટા સાથે કામ કરે છે: નામ, ફોન, ઇમેઇલ, કંપનીની માહિતી, મીટિંગ નોંધો. આ ડેટાને બાહ્ય AI સેવાને મોકલવાથી KVKK (પર્સનલ ડેટા પ્રોટેક્શન લો) હેઠળ જવાબદારી ઊભી થાય છે.

સાવધાન: સાર્વજનિક AI ટૂલમાં ગ્રાહકનું નામ, સંપર્ક માહિતી અથવા ખાનગી વાતચીતની વિગતો પેસ્ટ કરતા પહેલા તમારી કંપનીની ડેટા પોલિસી તપાસો. જો શક્ય હોય તો ડેટાને અનામી બનાવો; વાસ્તવિક નામને બદલે "{{customer}}" જેવા પ્લેસહોલ્ડર્સનો ઉપયોગ કરો.

અંગૂઠાના નિયમો:

• બાહ્ય સેવાઓને સંવેદનશીલ ડેટા (ઓળખ નંબર, નાણાકીય વિગતો, આરોગ્ય ડેટા) મોકલશો નહીં.
• ડેટા પ્રોસેસિંગ કરાર ધરાવતા કોર્પોરેટ-મંજૂર સાધનો પસંદ કરો.
• વાસ્તવિક ડેટાને બદલે પ્રોમ્પ્ટમાં પ્લેસહોલ્ડર મૂકો અને પછીથી આઉટપુટ ભરો.

સહાયક તરીકે AIનું સ્થાન: માનવ + શ્રમ વિભાગનો AI

સૌથી આરોગ્યપ્રદ મોડલ એ છે કે AI ને "ટ્રેની વિશ્લેષક" ની જેમ જોવું: ઝડપી, અથાક, ઘણું વાંચે છે; પરંતુ તે બિનઅનુભવી છે, સંપૂર્ણ સંદર્ભ જાણતો નથી, અને દરેક આઉટપુટ તપાસવું આવશ્યક છે.

ક્વેસ્ટ

AI કરે છે

માણસ બનાવે/મંજૂર કરે છે

સંશોધન સારાંશ

ડ્રાફ્ટ જનરેટ કરે છે

સત્યો

ઈમેલ ડ્રાફ્ટ

લેખક

ટોન સેટ કરે છે, મોકલે છે

વાંધો દૃશ્ય

વિકલ્પો પૂરા પાડે છે

વાટાઘાટોમાં લાગુ પડે છે

કિંમત/કરાર

સૂચનો આપે છે

નક્કી કરે છે અને સંકેત આપે છે

મીની કેસ

B2B SaaS વેચાણ પ્રતિનિધિ એલિફ લોજિસ્ટિક્સ કંપની સુધી પહોંચવાની તૈયારી કરી રહી છે. તે AI ને કંપની વિશે સારાંશ અને ઈમેલ ડ્રાફ્ટ માટે પૂછે છે. AI સારાંશમાં એક વાક્ય ઉત્પન્ન કરે છે: "તેઓ ગયા વર્ષે 40% વધ્યા હતા." એલિફ આ આંકડો LinkedIn અને કંપનીની પ્રેસ રિલીઝ પર શોધે છે; એવો કોઈ ડેટા નથી. તે નંબર કાઢી નાખે છે અને તેને માહિતી સાથે બદલી નાખે છે કે "તેઓએ નવું વેરહાઉસ ખોલ્યું", જેની તેણે પુષ્ટિ કરી. ઈ-મેલને AI દ્વારા ટ્રાંસ્ક્રાઈબ કરવામાં આવે છે અને તેના પોતાના અવાજ પ્રમાણે તેના સ્વરને નરમ કરીને મોકલવામાં આવે છે. પરિણામ: એક વાસ્તવિક, ચકાસાયેલ અને વ્યક્તિગત સંપર્ક. AI એ ઝડપ ઉમેરી, એલિફે ચોકસાઈ અને સુસંગતતા ઉમેરી.

સામાન્ય ભૂલો

• AI આઉટપુટને વાંચ્યા વિના કે ચકાસ્યા વિના મોકલવું.
• બનાવેલા આંકડાઓ અને સંદર્ભોની નોંધ લેતા નથી.
• વાસ્તવિક ગ્રાહક ડેટાને અનિયંત્રિત બાહ્ય સેવામાં ચોંટાડવો.
• બંધનકર્તા વચનો (કિંમત, ગેરંટી) ને AI પર છોડીને.
• દરેકને સમાન, બિન-વ્યક્તિગત "AI smelling" ઇમેઇલ મોકલી રહ્યું છે.
• "ગતિ" ખાતર નૈતિક સીમાઓને અવગણવી.

ટીપ: દરેક AI આઉટપુટને આ ત્રણ પ્રશ્નો પૂછો: (1) શું આ દાવો સાચો છે અને શું કોઈ સ્ત્રોત છે? (2) શું આ એક બંધનકર્તા વચન છે, અને જો એમ હોય તો, શું મને માનવ સંમતિ મળી છે? (3) શું હું અહીં ગ્રાહક ડેટાની ગોપનીયતાનું ઉલ્લંઘન કરી રહ્યો છું? જો ત્રણેય સ્પષ્ટ હોય, તો તેમને મોકલો.

સારાંશમાં

• AI વેચાણ ફનલના દરેક તબક્કે તત્પરતા, ઝડપ અને સ્કેલ ઉમેરે છે; પરંતુ તે નિર્ણય લેનાર નથી.
• કિંમત, કરાર અને બંધનકર્તા વચનો વ્યક્તિ પાસે જ રહેવા જોઈએ.
• પ્રવાહી લખાણ સાચું લખાણ નથી; દરેક આકૃતિ અને સંદર્ભ ચકાસવામાં આવશ્યક છે.
• ખોટા વચનો અને વોરંટી ભાષા બંને નૈતિક અને કાનૂની જોખમો છે.
• KVKK અનુસાર, સંવેદનશીલ ગ્રાહક ડેટા નિયંત્રણ વિના બાહ્ય સેવાઓને મોકલવામાં આવતો નથી.
• AIને "ઝડપી સહાયક કે જેને નિયંત્રિત કરવાની જરૂર છે" તરીકે સ્થાન આપો.

એપ્લિકેશન કાર્ય

AI પાસે તમારા પોતાના ઉત્પાદન માટે આઉટરીચ ઇમેઇલ ડ્રાફ્ટ કરો. પછી આઉટપુટમાં દરેક આંકડાકીય દાવા, ગ્રાહક સંદર્ભ અને વોરંટી સ્ટેટમેન્ટને યાદીમાં બહાર કાઢો. દરેક માટે "ચકાસાયેલ / સંસાધન જરૂરી / કાઢી નાખો" નક્કી કરો. તમે ચકાસી શકતા નથી તેવા કોઈપણ દાવાઓને ટેક્સ્ટમાંથી દૂર કરીને ફરીથી ઇમેઇલને સરળ બનાવો. આ કવાયત તમને આંખ આડા કાન કરવાને બદલે સંપાદકની આંખ સાથે AI આઉટપુટનો ઉપયોગ કરવાની આદતમાં લાવે છે.