AI Sales
AI Sales — компания, которая автоматизирует продажи с помощью ИИ. Она обучает голосового бота на записях разговоров сейлзов с клиентами, чтобы потом он сам мог вести консультации, рассказывать о продуктах и ценах и совершать продажи.
Результат
Помогли ИИ-стартапу найти точки роста и завоевать доверие клиентов с помощью аналитики
Цели клиента
- Узнать, насколько эффективно боты справляются со своими задачами, и найти точки роста, чтобы улучшить продукт.
С какими данными работала компания
- В компании уже велось несколько отчетов, собранных в Redash ее сотрудниками, для внутренней и продуктовой аналитики.
- В AI Sales не было глубокой экспертизы в аналитике, а возможности Redash как инструмента для сложной отчетности сильно ограничены. Из-за этого данные в отчетах были неточными и неполными, а Redash перегружал базу данных огромным количеством запросов, которые замедляли ее работу.
Задачи команды LEFT JOIN
- Провести исследование эффективности работы ботов в сравнении с людьми-сейлзами.
- Создать систему аналитики по мониторингу результатов работы боты, которой могли бы пользоваться и заказчик, и его клиенты.
Особенности проекта
- AI Sales поставили перед нами творческую задачу — провести свое исследование, для которого предстояло собрать данные не только самого заказчика, но и его заказчика, внедривших бота. Затем предстояло разработать методологию, по каким признакам измерять работу бота и сравнивать его с людьми-сейлзами, а также помочь заказчику извлечь из данных инсайты и создать дашборды для его клиентов.
Технические решения
Стек проекта
-
Хранение данных
-
Визуализация данных
-
Моделирование и тестирование работы бота
Процесс исследования
- Мы запросили данные из CRM-систем клиентов, уже внедривших бота.
- С помощью алгоритма CatBoost построили модель классификации. Она помогла нам обработать большой массив данных о продажах сразу нескольких компаний, чтобы определить, какие параметры сильнее всего влияют на успех продажи.
- Проанализировали распределение лидов для бота и людей: мы оценивали конверсию, реактивацию лида (то есть возобновление диалога после того, как лид перестал отвечать) и детальную статистику звонков (наличие/отсутствие ответа от лида, статус звонка, причина отказа). Мы увидели, что боты показывают худшие результаты, чем люди-продажники.
- Провели кластеризацию переписок с помощью алгоритма BERTopic — он помог нам проанализировать диалоги бота с лидами и убедиться, что он не отклоняется от скриптов и не галлюцинирует.
- С помощью ChatGPT на основе обращений от лидов смоделировали несколько ситуаций и сравнили ответы ботов и людей. Выяснилось, что:
- Люди были более гибкими в коммуникации — например, могли предложить скидку, тогда как в скрипте для бота эта возможность не была указана.
- Бот выдавал слишком много информации сразу, что могло оттолкнуть покупателя.
- Бот не рассматривал лидов, которые приходили повторно (не было прописано в скрипте), а человек рассматривал и иногда они конвертировались.
- Это показатели, которые сложно оцифровать, но для заказчика они оказались особенно ценными.
Результаты
- Заказчик смог сравнить конверсию из лида в продажу между ботом и менеджерами-людьми, а также понять, какие факторы влияют на успех сделки.
- Больше всего на конверсию влияет качество лида в обоих ситуациях — и когда он общается с ботом, и когда он общается с человеком.
- По сравнению с людьми бот хуже справляется с презентацией продукта, и в этом увидели главную причину разницы в результатах. Заказчик решил изменить подход к обучению бота и привлечь к этому процессу топовых сейлзов, чтобы они “научили” его правильной презентации и гибкости в общении с клиентами.
- Клиенты заказчика могут отслеживать эффективность работы бота благодаря разработанной нами системе дашбордов:
[Следующий кейс]
[ Связаться ]
Давайте раскроем потенциал вашего бизнеса вместе
Заполните форму на бесплатную консультацию
