Mga nadagdag:
- Kakayahang makilala kung aling mga yugto ng sales funnel AI ang nagdaragdag ng halaga at kung aling mga desisyon ang dapat manatiling tao
- Kakayahang ilapat ang mga prinsipyo ng paggawa ng nilalamang benta na labis-labis, walang maling pangako at mabe-verify
- Kakayahang tukuyin ang mga hangganan ng privacy ng data ng customer at katapatan sa paggamit ng AI
Kapag nagtala ka ng lingguhang oras ng isang sales rep, ang larawan na lumalabas ay pareho sa karamihan ng mga koponan: pananaliksik, pagpasok ng data, draft ng email, tala sa pagpupulong, pag-update ng CRM... Kaya't ang oras na inilaan sa tunay na bahagi ng "pagbebenta", iyon ay, ang relasyon ng tiwala sa mga tao, ay nakakagulat na maliit. Dito pumapasok ang artificial intelligence. Hindi ginagawa ng AI ang pagbebenta para sa iyo; Inihahanda ka nito para sa mga benta, pinapabilis ang mga paulit-ulit na gawain, at inilalagay ang naprosesong impormasyon sa harap mo para sa mas mahuhusay na desisyon. Sa unit na ito, lilinawin namin kung aling mga yugto ng sales funnel AI ang nagdaragdag ng tunay na halaga, kung aling mga desisyon ang dapat na mahigpit na manatili sa mga kamay ng mga tao, at ang etikal at legal na balangkas na dapat mong sundin kapag ginagawa ang lahat ng ito. Malinaw ang aming layunin: iposisyon ang AI bilang isang disiplinadong katulong, hindi isang "magic closing machine."
Saan Nagdaragdag ng Halaga ang AI sa Sales Funnel?
Isipin natin ang funnel ng pagbebenta kasama ang mga klasikong yugto nito: pag-prospect, outreach (unang contact), pagtuklas, alok, pagsasara at follow-up. Iba ang ginagampanan ng AI sa bawat yugto, ngunit hindi ito ang tanging gumagawa ng desisyon sa alinman sa mga ito.
yugto ng funnel
kontribusyon ng AI
tungkulin ng tao
Prospecting
Pag-scan ng kumpanya/listahan ng contact, pagbubuod ng mga signal ng ICP
Pagpapatunay sa listahan, pag-prioritize
Outreach
Naka-personalize na draft ng email, mga variation ng linya ng paksa
Tono, relasyon, desisyon sa paghahatid
Pagtuklas
Inihahanda ang set ng tanong, briefing bago ang pagpupulong
Pakikinig, empatiya, pagbabasa ng tunay na pangangailangan
Alok
Draft text, pagkuha ng mga pattern mula sa mga nakaraang panukala
Presyo, saklaw, pangako
Pagsasara
Mga sitwasyon ng pagtugon sa pagtutol, mga tala ng buod
negosasyon, may-bisang pangako
Pagsubaybay
Mga naka-iskedyul na draft ng serye, paalala
Sense of timing, pamamahala ng relasyon
Tulad ng nakikita mo, ang mga lugar kung saan pinakamalakas ang AI ay; Ang mga ito ay paulit-ulit na mga gawain na nangangailangan ng bilis, sukat at paghahanda. Ang mga lugar kung saan ang mga tao ay kailangang-kailangan ay ang mga sandali na nangangailangan ng paghatol, relasyon at pangako.
Mga Desisyon na Dapat Manatili sa Mga Tao
Ang ilang mga desisyon ay hindi dapat maging ganap na awtomatiko. Ang mga ito ay nagdadala ng parehong etikal, komersyal at legal na mga panganib:
- Pangako sa presyo at awtoridad sa diskwento: Maaaring magmungkahi ang AI ng isang hanay, ngunit ibinibigay ng tao ang umiiral na presyo.
- Kontrata at legal na wika: Dapat sumailalim sa legal/pantaong pag-apruba ang mga nagbubuklod na tuntunin.
- Nagbubuklod na mga pangako: Ang mga pangako tulad ng petsa ng paghahatid, garantiya sa pagganap, SLA ay dapat nasa ilalim ng kontrol ng tao.
- Mga sandali ng sensitibong negosasyon: Malaking panganib ng pagkawala ng customer, komunikasyon sa krisis.
Babala: Kung ang isang email na binuo ng AI ay may kasamang pangungusap tulad ng "ginagarantiya namin sa iyo ang 100% ROI," ang pagpapadala nito ay naglalagay sa kumpanya sa legal at reputasyon na panganib. Anumang output na gumagawa ng isang may-bisang pangako ay dapat na aprubahan ng tao bago ito ipadala.
Mga Alituntunin sa Matapat at Nabe-verify na Nilalaman
Ang mga modelo ng wika ng AI ay gumagawa ng matatas at mapanghikayat na teksto; Ang problema ay dito mismo. Ang katatasan ay hindi garantiya ng katumpakan. Ang modelo ay maaaring "mag-concoct" (mag-hallucinate) ng mga nakakumbinsi na figure, testimonial, o case study kahit na wala itong totoong data. Sa mga benta, direkta itong isinasalin sa pagkawala ng tiwala at legal na problema.
Tatlong pangunahing prinsipyo:
- Paggawa ng mga maling pangako: Ang mga pariralang gaya ng "ganap", "garantisadong", "garantisadong pagtaas ng X%" ay ginagamit lamang kung mayroong nakasulat at nabe-verify na batayan.
- Panganib ng ginawang sanggunian/numero: Ang pangalan ng customer, kaso, istatistika o pinagmulan ng iminungkahi ng AI ay hindi kailanman ginagamit nang walang pag-verify gamit ang totoong data.
- Iwasan ang pagmamalabis: Ipaliwanag kung ano talaga ang ginagawa ng produkto nang hindi sinasabi kung ano ang hindi nito ginagawa. Ang pagmamalabis ay nagbubukas ng mga pagpupulong sa maikling panahon, ngunit sinisira ang reputasyon sa mahabang panahon.
Prompt ng pagsusuri sa pag-verify: "Ilista ang lahat ng mga numerical na claim, testimonial ng customer, at warranty statement sa sumusunod na draft ng email sa pagbebenta. Magdagdag ng tag na 'kinakailangan ng pinagmulan' para sa bawat isa. Huwag magpadala ng anumang mga claim nang walang pinagmulan. Draft:{{email_draft}}"
Mahina Prompt / Malakas na Prompt
MAHINA: "Sumulat ng isang hard-hitting sales email na pumupuri sa aming produkto." (Resulta: generic na text na may pinalaking, gawa-gawang istatistika.) MALAKAS: "Sumulat ng isang maikling email sa isang operations manager sa industriya ng {{sector}}, na naglalarawan LAMANG sa mga sumusunod na na-verify na benepisyo ng aming produkto:- Na-verify na benepisyo 1: {{benefit_1}}- Na-verify na benepisyo 2: {{benefit_2}}HINDI mo idadagdag ang anumang reference ng customer. tungkol sa. Tono: propesyonal, mahinhin, hindi gaanong sinabi."
Ang pagkakaiba ay ang malakas na prompt ay nagbibigay ng parehong mga hangganan (nakakabit) at tunay na input (na-verify na mga benepisyo) sa modelo.
Privacy ng Data ng Customer at KVKK
Gumagana ang mga benta sa personal na data: pangalan, telepono, email, impormasyon ng kumpanya, mga tala sa pagpupulong. Ang pagpapadala ng data na ito sa isang panlabas na serbisyo ng AI ay lumilikha ng pananagutan sa ilalim ng KVKK (Personal Data Protection Law).
Babala: Suriin ang patakaran sa data ng iyong kumpanya bago i-paste ang pangalan ng customer, impormasyon sa pakikipag-ugnayan o detalye ng pribadong pag-uusap sa isang pampublikong AI tool. I-anonymize ang data kung maaari; Gumamit ng mga placeholder tulad ng "{{customer}}" sa halip na ang tunay na pangalan.
Mga patakaran ng hinlalaki:
- Huwag magpadala ng sensitibong data (numero ng pagkakakilanlan, mga detalye sa pananalapi, data ng kalusugan) sa mga panlabas na serbisyo.
- Pumili ng mga tool na inaprubahan ng kumpanya na may kasunduan sa pagproseso ng data.
- Maglagay ng placeholder sa prompt sa halip na ang aktwal na data at punan ang output sa ibang pagkakataon.
Pagpoposisyon sa AI bilang Assistant: Human + AI Division of Labor
Ang pinakamalusog na modelo ay ang tingnan ang AI bilang isang "trainee analyst": mabilis, walang pagod, maraming nagbabasa; ngunit siya ay walang karanasan, hindi alam ang buong konteksto, at bawat output ay dapat suriin.
Paghanap
Ginagawa ng AI
Ang tao ay gumagawa/nagpapatibay
Buod ng pananaliksik
Bumubuo ng draft
mga katotohanan
Email draft
May-akda
Nagtatakda ng tono, nagpapadala
Senaryo ng pagtutol
Nagbibigay ng mga pagpipilian
Nalalapat sa negosasyon
Presyo/kontrata
nagbibigay ng mga mungkahi
Nagpapasya at mga palatandaan
Mini Case
Ang kinatawan ng benta ng B2B SaaS na si Elif ay naghahanda ng outreach sa isang kumpanya ng logistik. Humihingi siya sa AI ng buod at draft ng email tungkol sa kumpanya. Ang AI ay gumagawa ng isang pangungusap sa buod: "lumago sila ng 40% noong nakaraang taon." Hinahanap ni Elif ang figure na ito sa LinkedIn at mga press release ng kumpanya; Walang ganoong data. Tinatanggal niya ang numero at pinalitan ito ng impormasyon na "nagbukas sila ng bagong bodega", na kinumpirma niya. Ang e-mail ay na-transcribe ng AI at ipinadala sa pamamagitan ng paglambot ng tono nito ayon sa kanyang sariling boses. Ang resulta: isang tunay, na-verify at personal na pakikipag-ugnayan. Nagdagdag ang AI ng bilis, nagdagdag si Elif ng katumpakan at kaugnayan.
Mga Karaniwang Pagkakamali
- Nagpapadala ng output ng AI nang hindi binabasa o bini-verify ito.
- Hindi napapansin ang mga ginawang figure at reference.
- Pagdikit ng totoong data ng customer sa isang hindi nakokontrol na panlabas na serbisyo.
- Ang pag-iwan ng mga may-bisang pangako (presyo, garantiya) sa AI.
- Nagpapadala ng pareho at hindi naka-personalize na "AI smelling" na email sa lahat.
- Hindi pinapansin ang mga etikal na hangganan para sa kapakanan ng "bilis".
Tip: Itanong sa bawat output ng AI ang tatlong tanong na ito: (1) Totoo ba ang claim na ito at mayroon bang pinagmulan? (2) Ito ba ay isang may-bisang pangako, at kung gayon, nakatanggap ba ako ng pahintulot ng tao? (3) Lumalabag ba ako sa privacy ng data ng customer dito? Kung malinaw ang tatlo, ipadala sila.
Sa buod
- Ang AI ay nagdaragdag ng kahandaan, bilis, at sukat sa bawat yugto ng funnel ng pagbebenta; ngunit hindi siya ang gumagawa ng desisyon.
- Ang presyo, ang kontrata, at ang may-bisang mga pangako ay dapat manatili sa tao.
- Ang tuluy-tuloy na teksto ay hindi tamang teksto; Dapat ma-verify ang bawat figure at reference.
- Ang mga maling pangako at wika ng warranty ay parehong etikal at legal na mga panganib.
- Alinsunod sa KVKK, ang sensitibong data ng customer ay hindi ipinapadala sa mga panlabas na serbisyo nang walang kontrol.
- Iposisyon ang AI bilang isang "mabilis na katulong na kailangang kontrolin."
Gawain ng aplikasyon
Magpa-draft ng isang outreach email para sa iyong sariling produkto. Pagkatapos ay i-extract ang bawat numeric na claim, sanggunian ng customer, at warranty statement sa output sa isang listahan. Magpasya "na-verify / kailangan ng mapagkukunan / tanggalin" para sa bawat isa. Pasimplehin muli ang email sa pamamagitan ng pag-alis sa text ng anumang mga claim na hindi mo ma-verify. Nagagawa ka ng ehersisyong ito sa ugali ng paggamit ng output ng AI gamit ang mata ng editor sa halip na bulag.