Case study

Как нейросеть SalesAI трансформирует конверсию продаж в B2C

Повышение конверсии в B2C с SalesAI: преодоление традиционных проблем продаж и достижение впечатляющих результатов с помощью инновационных нейросетей. Откройте секреты эффективного управления конверсией продаж



В 2024 году нейросети, такие как SalesAI, открывают новые возможности для компаний, стремящихся улучшить свои показатели конверсии продаж. Этот инструмент, использующий прогрессивные нейросети, предоставляет решение для ряда типичных проблем в продажах, начиная от обучения операторов до анализа эффективности разговоров.

SalesAI занимается не только обработкой и анализом данных, но и интегрируется с телефонией, обеспечивая максимально эффективное взаимодействие с клиентами. Компании, внедрившие эту систему, отмечают значительное улучшение в управлении конверсией продаж. С помощью SalesAI, можно не только увеличить количество успешных сделок, но и значительно сократить время и затраты на анализ работы операторов.

Применение SalesAI в B2C секторе показывает, как компании могут эффективно решать задачи по повышению конверсии, используя современные технологии. Эта статья предоставит детальный анализ кейса использования SalesAI, подчеркнув его преимущества, особенности интеграции с другими системами и реальные результаты, достигнутые компаниями после внедрения этого решения.

Как работает управление конверсией продаж с помощью нейросетей в 2023 г.

В начале 2023 году самой популярной темой сразу после Chat-GPT является тема увеличения операционной эффективности продаж. Чтобы теми же ресурсами, которые есть, продавать больше. А еще лучше, подсократить неэффективных и тоже продавать больше. Если переводить это на простой язык, то как правило, у директора по продажам есть два ключевых драйвера роста: 

- Количество лидов на входе в воронку и

- Конверсия из лида в сделку (SQL2CW)

И все, что он делает, обычно сводится к жонглированию этими двумя показателями.


Так вот в 2023 году будет все сложнее и сложнее добиваться увеличения количества лидов по следующим причинам:

- Рынок РФ ограничен. В каких-то индустриях он не растет, а в каких-то падает.

- Рецессия заставляет сокращать персонал и бюджеты на рекламу.

- Как следствие, конкуренция растет.

- Как следствие, стоимость лида растет. Но выделяемый бюджет на рекламу падает.

Значит, самое время посмотреть под капот того, что происходит внутри процесса продаж. И найти эффективные методы увеличения конверсии продаж. Потому что выглядит, что это и есть критерий эффективности.

Если в вашей компании работают представители, которые продают по телефону, то эта статья для вас.

В этом реальном кейсе мы расскажем, каким образом компания оптимизировала свой процесс продаж по телефону и увеличила конверсию с помощью SalesAI на 18% всего за 3 месяца, добившись ROI 328%, или несколько дополнительных миллионов рублей в месяц.

 

ROI - Возврат на инвестиции. Показывает маржу от внедрения, то есть 328% = выручка составила (1+3,28)х стоимость внедрения.

Этот кейс описывает процесс продажи B2C с небольшим чеком. Если у вас B2B и чек до 50М руб, система будет работать по такому же принципу, только потребуется более сложный фреймворк и больше лейблов для обучения.

 
Этот кейс не об энтерпрайз-клиенте с морем данных и кучей денег на эксперименты. Он о среднем бизнесе с data driven подходом, который считает деньги и требует от инвестиций быстрой окупаемости.
Как вы тоже можете получить ROI 328% уже на этапе пилота, читайте ниже.

Увеличить конверсию продаж. 8+ научных способов

 

Ключевые исходные данные для повышения конверсии в B2C

Чем больше первичных посещений МЦ, тем больше медцентр продаст услуг с высокой маржинальностью.

Если мы увеличим количество посещений и продаж маржинальных услуг, прибыль начнёт расти нелинейно. Наша задача - увеличить конверсию из звонка в первое посещение. Если есть первое посещение, то шансы на допродажу вырастают кратно.

Конверсия из звонка в посещение зависит от оператора. Если оператор пройдет 10 этапов фреймворка, конверсия вырастет. При этом важно не превратить человека в машину, которая зачитывает вопросы по жесткому скрипту: человечность, раппорт, эмпатия — конкурентные преимущества медцентра.

Сценарий звонка состоит из 10 этапов: собрать анамнез, проконсультировать, обработать возражения, рассказать о преимуществах оборудования... Конкретные формулировки зависели от контекста разговора и манеры общения оператора. Жесткие скрипты заказчик не использовал, потому что они снижали конверсию.

Сценарий звонка - это упоминание пунктов из скрипта. В отличие от скрипта с жесткой последовательностью и речевыми конструкциями, фреймворк дает больше гибкости оператору, ограничивая его только наличием темы внутри разговора и позволяет выстроить живой диалог и располагающий к себе раппорт. В этом месте ломаются старые системы Речевой аналитики 1.0: они не работают с фреймворками. 

Основные проблемы конверсии в продажах и их решения

  1. Прослушивать и обучать 80 операторов — сложно и дорого.

  2. Отдел качества из 5 человек успевает прослушать и оценить 0,5% записей.

  3. Нет дашборда со статистикой ошибок, а значит невозможно отследить, где конкретно ошибаются все менеджеры и отдельно взятый.

  4. Конверсия из звонка в запись на приём прыгает от месяца к месяцу. Выручка, соответственно, тоже.

Требовалась система, которая автоматически оценивает все звонки и даёт объективную оценку всех разговоров.

Определение целей пилотного проекта SalesAI для улучшения конверсии

Понять, как работают операторы. От SalesAI хотели получить анализ каждого разговора по 10, а затем по 20 параметрам. Звонок должен оцениваться внутри SalesAI и отдавать метаданные в DWH. Если оператор поздоровался по стандартам медцентра, но не собрал анамнез, значит первый этап фреймворка пройден на 1, а второй на ноль. Смысл сбора данных в том, чтобы видеть и исправлять ошибки сотрудника сразу после разговора или в конце дня.

С помощью контроля и обучения сократить ошибки. Если пациента записали не туда, тратится время врача. Например, аппарат МРТ, который может принять пациента с весом более 120 кг, всего один. Каждый раз, когда оператор забывает уточнить вес, расписание забивается нерелевантными заявками и тратится время врача.

Сэкономить на контроле. Сократить время на прослушку звонков и не раздувать штат в отделе контроля качества.

Заложить фундамент. Создать минимальный продукт, на который наращиваются нужные фичи, например, онлайн-подсказки операторам во время разговора с клиентом или автозаполнение карточки в CRM по итогам созвона.

 

Глобальная цель проекта — влиять на конверсию, и не тратить деньги на неэффективную рекламу и дополнительных контроллеров.

 

Пилот

В пилотной версии клиент хотел видеть, проходит ли операторы важные для конверсии 10 этапов фреймворка:

  1. представился и узнал имя
  2. собрал анамнез
  3. проконсультировал перед посещением
  4. обработал возражения
  5. сделал презентацию медицинского оборудования
  6. назвал противопоказания
  7. предложил доп услуги
  8. записал на приём
  9. сказал про стоимость услуги
  10. проговорил детали записи на приём

Это и есть список лейблов, на которых обучалась нейросеть.

Здравствуйте, это сеть клиник

«Здравствуйте! Это сеть клиник…», SalesAI определил, что это лейбл «Приветствие».

Оператор задал обязательный вопрос на этапе сбора противопоказаний к записи на обычный аппарат МРТ, SalesAI определил лейбл «Противопоказания» с вероятностью 0,939.

Оператор задал обязательный вопрос на этапе сбора противопоказаний к записи на обычный аппарат МРТ, SalesAI определил смысл «Противопоказания» с вероятностью 0,939.

Интеграция SalesAI и телефония: новая эра в управлении продажами

интеграция SalesAI с телефонией

Упрощенная схема интеграции SalesAI (если используется DWH-BI инфраструктура клиента)

 

Стандартная схема интеграции SalesAI

Стандартная схема интеграции SalesAI с CRM

Сегодня мы уже реализовали оффлайн процесс, который позволяет провести пилот без интеграций: можно загрузить звонки в интерфейсе и SalesAI показывает результаты на дашборде:

Дашборды SalesAI для директора по продажам

 

Особенности обработки русской речи в SalesAI

В английском языке для расшифровки текста можно использовать язык регулярных выражений. Например, мы можем научить программу распознавать порядок слов в предложении или сказать: «Найди мне все предложения, которые начинаются на слово “записал”».

В нашем случае у этого подхода есть четыре минуса:

  1. в русском языке порядок слов может быть любым: «Записал вас на десятое число» и «На десятое число вас записал»;
  2. собеседники используют междометия, англицизмы и сленг, что засоряет результаты выдачи;
  3. если оператор использует близкие по смыслу выражения, система путается в лейблах;
  4. язык регулярных выражений проверяет текст по символам, поэтому такие системы очень медленные.
 
Учитывая все минусы, мы использовали методы обработки естественного языка и рекуррентные нейронные сети. В нашем случае — LSTM.

Коротко о том, как SalesAI понимает контекст. Допустим, оператор сказал о противопоказаниях: «Перед МРТ брюшной полости не ешьте ничего шесть часов, то есть с девяти утра». Чтобы понять эту фразу, SalesAI не просто ищет по ключевым словам, а запоминает и учитывает предыдущие фразы в разговоре.

SalesAI определяет контекст разговора
Если бы SalesAI искал только по ключевым словам, то присвоил бы неверный лейбл «Запись на прием»

 

Процесс разметки и обучение нейросетей в SalesAI

Обычно, чтобы нейросеть научилась точно определять лейблы*, необходимо разметить тысячи звонков и скормить их нейронной сети. За счет использования новой технологии, для обучения первых 10 лейблов, нам хватило всего 100 хороших звонков.


*- Лейбл - это смысл или кластер данных. Например, известный всем фреймворк квалификации BANT имеет 4 лейбла: Бюджет, Принятие решения, Потребность и Сроки. В описываемом кейсе использовалось 10 лейблов: 

  1. представился и узнал имя

  2. собрал анамнез

  3. проконсультировал перед посещением

  4. обработал возражения

  5. сделал презентацию медицинского оборудования и тд

Фразы клиента, которые отмечаются лейблами, записываются в CRM и обрабатываются для построения прогнозных моделей продаж и определения теплоты клиента (скоринг).

Фразы оператора также помечаются (другими) лейблами, записываются в БД и обрабатываются для оценки качества его работы и для построения наиболее эффективных скриптов продаж. Process Mining

Если у вас есть чек-лист для контроля качества звонка, то каждая галочка в вашем чек-листе, это лейбл.


 

В процессе разметки мы вынуждены были оценить качество работы штатных супервайзеров нашего клиента. Наши разметчики обратили внимание заказчика на несоответствие реальных лейблов оценкам в чек-листе. То есть, лейбла на самом деле в разговоре не было, а в чек-листе супервайзера он стоял. Когда ребята из МЦ раскрутили эту историю, оказалось, что между некоторыми супервизорами и операторами возникли неформальные отношения, в результате, по понятным причинам, им завышали оценки, которые влияют на мотивацию… Случайно нашли еще одно преимущества нейросетей перед человеком)

Затраты времени и ресурсов на разработку и внедрение SalesAI

На разработку, обучение и отладку ушло два месяца. На тестирование - еще один. С нашей стороны на проекте работало 5-10 человек и со стороны заказчика — три.


Для Data Driven директоров по продажам, наш канал в Telegram: VP of sales.

 

Измеримые результаты после трехмесячного использования SalesAI

  1. У медцентра появилась система, которая понимает контекст разговора и оценивает все диалоги. Если раньше супервайзеры выборочно отслеживали максимум 0,5% звонков, то теперь контролируют 100% диалогов. Данные по каждому оператору с разными фильтрами выводятся на дашборд и дают супервайзеру возможность быстро принимать управленческие решения.

  2. До внедрения конверсия в запись на приём прыгала с 10% до 20%, теперь держится на уровне 20%. Для заказчика каждый процент — это миллионы рублей в месяц. Наша следующая цель поднять конверсию до 25% за три месяца.

  3. За время пилота выручка увеличилась на 3%, ROI составил 328%.

  4. Было опасение, что сотрудники начнут жаловаться на нововведение, но этого не произошло. Первая причина — точность определения фраз. Вторая — медцентр использует аналитику, чтобы обучить оператора, а не наказать.

  5. Когда мы внедрили лейблы, то увидели, что супервайзер ставит галочки в чек-листе просто так. Например, оператор не рассказал об акции, но супервайзер отметил, что этап «промо» пройден. Когда ребята из медцентра копнули глубже, оказалось, что между некоторыми супервайзерами и операторами были неформальные отношения, которые завышали мотивацию. Так мы нашли еще одно преимущество SalesAI и нейросетей в целом.

  6. Каждый диалог теперь разделен на 10 смыслов, каждый смысл - это кластер данных, который хранится в БД и обрабатывается также, как набор числовых данных. Большая выборка позволяет определить наиболее удачные фразы для каждого контекста.

  7. Эти же данные, обогащенные цифровым следом клиента, позволят в дальнейшем делать онлайн подсказки для операторов.

Разработка быстрого пилотного проекта SalesAI для максимизации конверсии

Команда SalesAI тоже не стояла на месте и за это время мы разработали максимально быстрый и экономичный процесс проведения пилота, чтобы каждый клиент мог оценить, как можно увеличить конверсию продаж с помощью нейросетей и еще получить кластеризованные данные прямо в CRM. Максимально эффективный вариант пилота состоит из 8 этапов, которые позволят вам через 4 недели получить вот такой дашборд с оценкой качества работы каждого менеджера по продажам или оператора:

Контроль звонков нейросетью SalesAI

 

Для директоров по продажам, желающих повысить конверсию и оптимизировать процесс продаж: обратите внимание на SalesAI. Это ваш шаг к революционным изменениям в управлении продажами. Оставьте заявку на пилот с постоплатой:

 

Похожие статьи:

Подпишись на еженедельный журнал для увеличения продаж (3500+ подписчиков):

Для директоров по продажам и РОПов, наш канал в Telegram: VP of sales.