Hodnocení leadů na základě charakteristik a chování je úloha, která se pro AI dobře hodí, pokud jsou splněny dvě podmínky: validovaný model hodnocení a dostatek historických dat k trénování. Bez těchto dvou podmínek nelze úlohu spolehlivě převzít, jakkoli lákavě to zní. Co AI dnes zvládne, je agent: systém, který leady průběžně posuzuje, hodnotí a předává obchodu nebo marketingové automatizaci, aniž by člověk každý lead zvlášť prohlížel.
Leady přicházejí s pevnou sadou charakteristik: velikost firmy, funkce, zdroj, chování při klikání, vyplnění formuláře, frekvence návštěv. Jsou to strukturovaná data, která jsou v CRM nebo systému marketingové automatizace už úhledně uložena. Model AI umí tyto charakteristiky kombinovat a přiřadit skóre na základě vzorců z minulosti: jaké kombinace charakteristik a chování dříve vedly k uzavření obchodu. To je přesně druh úlohy, pro kterou je strojové učení stavěno. Srovnejte to s úlohou, kde musí někdo sám interpretovat příběh nebo posoudit jedinečný rozhovor — to vyžaduje jiný druh posouzení, a to hodnocení leadů není.
Při stovkách nebo tisících leadů měsíčně není manuální posuzování udržitelné, a přesně tam se automatizace osvědčí. Marketér, který musí každý lead manuálně procházet podle deseti charakteristik, ztrácí čas, který se nevyplatí. Model, který hodnotí konzistentně a bleskově, bez ohledu na počet leadů, tento propočet zcela mění. U firmy s pouhou hrstkou leadů týdně to vypadá jinak: tam je přínos automatizace menší a lidské posouzení je často stejně rychlé. Tento rozdíl v objemu je přesně důvod, proč stejná práce vychází u jedné firmy jinak než u druhé.
Špatně ohodnocený lead není katastrofa, ale ani zadarmo. Pokud slibný lead získá příliš nízké skóre, obchod ho může přehlédnout a přijde se o výnos. Pokud průměrný lead získá příliš vysoké skóre, obchod zbytečně tráví čas rozhovorem, který nikam nevede. To je nepříjemné, ale obvykle napravitelné: další skóre nebo další kontaktní moment obraz opraví. To je jiné než například finanční změna, která není správně zaznamenána, kde jsou náklady na chybu podstatně vyšší — jak je vidět u otázky, zda AI umí vést auditní log finančních změn. U hodnocení leadů je skóre pomocný nástroj, ne konečný úsudek, a to udržuje náklady na chybu snesitelné.
Prostor pro úsudek se pohybuje na střední hodnotě, protože skóre se počítá podle pevných pravidel, ale interpretace — jak velkou váhu skóre dostane v konečném postupu — často zůstává na člověku. Kontakt s klientem vychází pro automatizaci relativně příznivě, protože samotné hodnocení probíhá dříve, než k reálnému kontaktu dojde: AI posuzuje chování a charakteristiky, ne rozhovor. Compliance dostává střední pozici, protože osobní údaje a data o chování spadají pod GDPR; jak organizace shromažďuje a hodnotí údaje o leadech, musí těmto pravidlům vyhovovat, a to je jiná otázka než technická proveditelnost samotného hodnocení.
Výše uvedený výsledek neplatí automaticky pro každou organizaci. Firma, která s generováním leadů právě začíná, jednoduše nemá dost historických konverzních dat k trénování modelu — pak zůstává klasifikace zatím lidskou prací, nebo jednoduchým bodovým systémem bez AI. Firma s výrazně proměnlivou cílovou skupinou, kde jsou charakteristiky dobrého leadu letos jiné než loni, musí svůj model revidovat a validovat častěji než firma se stabilním trhem. A organizace, kde leady přicházejí téměř vždy jedním kanálem s malou variací v chování, má jednodušší data k trénování než firma s deseti různými vstupními kanály. To je přesně důvod, proč skóre jako „agent“ je indikace pro úlohu obecně, ne záruka pro vaši konkrétní situaci — viz také co bandbreedte říká a co ne.
Tento výsledek vypovídá o úloze hodnocení leadů, ne o roli marketéra nebo obchodního zástupce jako celku. Tyto role obvykle obsahují mnohem víc než jen hodnocení: následnou péči, vedení rozhovorů, strategii, vztah s klientem. Rozhodnutí o personálu a nasazení spadají pod vlastní zákonné požadavky a nepatří do posouzení úlohy, jako je toto. Proto raději počítáme v uvolněných hodinách než v funkcích, a vysvětlujeme proč počítáme v hodinách, a ne v lidech.
Chcete zjistit, kolik hodin ve vašem vlastním profilu se týká úloh, jako je tato? Bezplatný quickscan ftetoai se skládá ze dvanácti otázek, nevyžaduje účet a poskytuje indikaci, jakou část vašich úloh lze dnes převzít pomocí AI. Kompletní pracovní scan, který se hlouběji zaměřuje na vaše vlastní procesy, se stále připravuje — tu tedy ještě nenabízíme, ale quickscan už nyní poskytuje první směr.
Vraag maar. Ik ken de kennisbank van deze site; wat ik niet weet, zeg ik erbij.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.