בינה מלאכותית לשיפור מכירות: מדע ולא מזל
שני סוגים של חודש טוב
יש שני משפטים שונים מאוד שצוות מכירות יכול לומר בסוף החודש. אחד הוא ״היה לנו חודש טוב״. השני הוא ״היה לנו חודש טוב כי לידים שהגיעו מתוכנית ההפניות נסגרו פי שניים יותר מלידים בתשלום, ונציגים שחזרו תוך שעה סגרו כמעט חצי מהעסקאות שלהם״. המשפט הראשון מתאר תוצאה. השני מסביר אותה, ורק השני שימושי לחודש הבא. רוב צוותי המכירות הקטנים חיים אך ורק במשפט הראשון, לא מתוך רשלנות, אלא כי הסבר של חודש טוב דורש נתונים שאף אחד לא אסף בכוונה. תשאלו מנהל למה הרבעון שעבר היה חזק, והתשובה לרוב היא משיכת כתפיים מחופשת בביטחון: השוק היה טוב, הצוות היה מוטיבציה, נוצרה תנופה. הסברים כאלה נשמעים נכונים ולא מנבאים כלום, כי אף אחד מהם לא ניתן לבדיקה מול מספר ספציפי שאו שהיה או שלא היה.
מה בעצם הופך חודש לניתן להסבר
להסביר ביצועים אומר לעקוב אחרי כמה דברים ספציפיים לצד מספר ההכנסות המובן מאליו: מאיפה הגיע כל ליד, כמה זמן לקח המענה הראשון, מה קרה בשיחה שקידם את העסקה או הרג אותה, וכמה מגעים לקח עד לסגירה. אף אחד מהנתונים האלה לא דורש הרשאות מיוחדות או כלי נוסף, הם נגישים לכל מי שכבר יש לו גישת צפייה ל-CRM. רוב מערכות ה-CRM כבר שומרות את רוב זה, מפוזר בשדות שאף אחד לא מסתכל עליהם יחד. שום דבר בזה לא אקזוטי. זה בדיוק מה ש-CRM שומר כברירת מחדל ברגע שעסקה נוצרת ועוברת בין שלבים, פשוט זה מעולם לא נאסף לתצוגה אחת שמנהל יכול באמת לקרוא תוך עשר דקות במקום שלוש שעות. הבעיה בדרך כלל היא לא חוסר בנתונים, אלא שלאף אחד אין זמן לשבת ולהצליב מקור ליד מול זמן תגובה מול שיעור סגירה כל חודש, ידנית, על פני מאה וחמישים עסקאות.
איפה בינה מלאכותית באמת נכנסת לתמונה
זה שימוש צר ופחות דרמטי בבינה מלאכותית ממה שרוב האנשים מדמיינים, וגם זה שמחזיר את ההשקעה הכי מהר. במקום לכתוב מיילים חדשים או לנהל שיחות עם לקוחות, השימוש המעשי הוא איתור דפוסים בערימה של עסקאות עבר: איזה שילוב של מקור ליד, מהירות תגובה וטיפול בהתנגדויות באמת מתואם עם סגירה, בקנה מידה שאף מנהל לא מספיק לבדוק ידנית כל שבוע. זה גם לא דורש צוות גדול או פלטפורמה יקרה. ייצוא מה-CRM לגיליון, מסודר ומוזן לכלי בינה מלאכותית כללי עם שאלה ברורה מצורפת, יכול לחשוף את אותם דפוסים שפעם דרשו אנליסט נתונים במשרה מלאה. כשמזינים לזה כמה חודשים של היסטוריית CRM והערות שיחה, ניתוח כזה יכול לחשוף דברים כמו ״עסקאות שבהן הנציג הזכיר מתחרה ספציפי בשיחה הראשונה נסגרו בקצב חצי מהרגיל״, והפרט הזה בלתי נראה עסקה אחר עסקה, אבל ברור על פני מאה מהן.
דוגמה קונקרטית
נניח צוות B2B קטן של ארבעה נציגים שסוגר בערך שלושים עסקאות בחודש. ניתוח דפוסים על פני שישה חודשי נתוני CRM מראה שעסקאות שבהן התגובה הראשונה הגיעה תוך שעה נסגרו בקצב כפול כמעט מעסקאות שבהן זה לקח יותר מארבע שעות, ושהתנגדות ספציפית, השוואת עלות מול עשייה עצמאית, עלתה כמעט בכל עסקה שנתקעה אחרי השיחה השנייה. אף אחד מהממצאים האלה לא דרש כלי מכירה חדש, שניהם ישבו בנתונים שכבר היו לצוות. שני הממצאים האלה נכנסו לדוח קצר בן עמוד אחד, שהמנהל יכול לעבור עליו עם הצוות תוך חמש דקות בתחילת הפגישה. ממצא כזה משנה על מה מנהל בפועל מתמקד בפגישת המכירות הבאה, במקום תזכורת כללית ״לחזור מהר יותר״ שכולם ממילא יודעים ואף אחד לא מיישם באופן עקבי. מה שהשתנה הוא שמישהו סוף סוף הסתכל על הכול יחד במקום עסקה אחר עסקה.
דפוס שני: כשהסיפור הוא לא על מהירות
לא כל דפוס שימושי קשור למהירות תגובה. עסק קטן שמשווק מחדש תוכנת הנהלת חשבונות לחברות קטנות אחרות ערך ניתוח דומה ומצא משהו אחר: עסקאות שבשיחה הראשונה השתתף מישהו עם סמכות רכישה אמיתית, ולא רק מנהל משרד שאוסף מידע עבור מישהו אחר, נסגרו בקצב כמעט פי שלושה - בלי קשר לכמה מהר הצוות חזר אחר כך. שום האצה של המעקב לא תיקנה עסקה שהתחילה עם האדם הלא נכון על השיחה. לבדוק את זה התברר כפשוט: מספיק היה להסתכל מי מופיע כאיש הקשר בכרטיס העסקה, ולהשוות את התפקיד הזה מול זה אם העסקה נסגרה או לא. הממצא הזה שינה את האופן שבו הצוות הכשיר לידים כבר במגע הראשון, ושאל ישירות מי עוד צריך להיות מעורב לפני שמשקיעים עוד זמן, במקום להניח שמהירות לבדה תוביל ליד חלש עד לקו הסיום.
המלכודת של יותר מדי אמון בדפוס
דפוס שנמצא במאה וחמישים עסקאות של צוות אחד, בשוק אחד, על פני שישה חודשים, הוא רמז, לא חוק. מדגמים קטנים מייצרים דפוסים שנראים משכנעים אבל לא מחזיקים מעמד ברבעון הבא, וכדאי להתייחס לכל ממצא בודד כמשהו לבדוק לפני שהופכים אותו לתורה. צוות שעונה תוך שעה אולי סוגר יותר לא כי המהירות עצמה חשובה, אלא כי הנציגים המהירים במקרה עובדים עם הלידים החמים יותר מלכתחילה. כדאי גם לבדוק אם הדפוס מחזיק מעמד ביותר מפלח אחד של העסק, נגיד גם ברבעון הראשון וגם בשני, לפני שהופכים אותו לכלל שכל הצוות צריך לפעול לפיו. בדיקה כזו לא דורשת כלים מיוחדים, רק להריץ את אותה שאילתה על שני פרקי זמן שונים ולהשוות בין התוצאות. להבחין בין מנוף אמיתי לצירוף מקרים בדרך כלל דורש בדיקה נוספת, או ניסוי קטן ומכוון, לא רק קורלציה אחת שנראית נקייה.
להפוך תובנה למשהו חוזר על עצמו
למצוא את הדפוס זה החלק הקל. החלק הקשה והשווה יותר הוא להפוך את ״לידים שנענו תוך שעה נסגרים טוב יותר״ לתהליך אמיתי: כלל שמסמן לידים חדשים שלא יצרו איתם קשר תוך שלושים דקות, סקריפט קצר לטיפול בהתנגדות ה״לעשות בעצמנו״ ברגע שהיא עולה, ולא אחרי שהשיחה כבר יצאה מכלל שליטה, מספר שבועי שהצוות באמת מסתכל עליו ולא רק על ההכנסות. שום דבר מזה לא דורש דשבורד שאף אחד לא מסתכל עליו. הערה שבועית קצרה, אפילו שורה אחת בצ'אט הצוות שמסכמת איזה מספר זז ולמה, בונה את ההרגל טוב יותר מדוח מלוטש שמגיע מאוחר מדי בשביל לשנות משהו. שום דבר מזה לא דורש תקציב נפרד לניתוח נתונים: אותה עבודה נגישה גם למנהל הצוות עצמו, אם הוא מקדיש לה שעה בשבוע. חודש טוב שמוסבר על ידי נתונים הוא לא תובנה חד פעמית, הוא הרגל חדש שהצוות יכול לחזור עליו בכוונה, וזה בדיוק ההבדל בין לקרוא למשהו מזל לבין לקרוא לו תהליך.