Как использовать ИИ для автоматизации сложных B2B продаж
- Какие задачи ИИ может автоматизировать в сложных B2B продажах
- Как ИИ помогает анализировать данные и улучшать клиентский опыт
- Какие технологии и инструменты ИИ подходят для B2B продаж
- Как правильно внедрить ИИ в процессы B2B бизнеса
- Какие примеры успешного использования ИИ в B2B продажах уже существуют
Генеративные нейросети: новый подход к Искусственному интеллекту
Современные достижения в области Искусственного интеллекта привели к появлению нового поколения нейронных сетей, известных как трансформеры. Эти генеративные нейросети значительно отличаются от ранее используемых свёрточных нейронных сетей, которые требовали постоянного дообучения и обогащения данными с высокими требованиями к их количеству и качеству. По словам Татьяны Корниловой, генеративные нейросети уже представляют собой изначально обученные модели, и задача пользователя заключается в том, чтобы предоставить сети необходимый контекст для её работы.
Как Искусственный интеллект трансформирует CRM-системы
Применение Искусственного интеллекта в CRM-системах открывает новые возможности для бизнеса. Рассмотрим реальный пример, который показывает, как нейросети могут значительно упростить рабочие процессы. Представьте ситуацию, когда продавец звонит клиенту, и система интегрируется с IP-телефонией. Запись звонка автоматически подгружается в карточку лида или сделки. Система автоматически транскрибирует аудио в текст и диаризует его — разбивает текст на реплики продавца и покупателя. Далее, с помощью нейронной сети, этот текст распределяется по соответствующим полям карточки сделки.
Вам также будет интересно
- Как изучать целевую аудиторию с помощью нейросетей — Нейросети и искуственный интеллект для всех: новости, обучение и практические решения (14.02.2025)
- Как писать промпты для ChatGPT, чтобы получать лучшие ответы — Нейросети и искуственный интеллект для всех: новости, обучение и практические решения (14.02.2025)
- Как сделать Искусственный Интеллект настоящим помощником 10 эффективных запросов — Нейросети и искуственный интеллект для всех: новости, обучение и практические решения (14.02.2025)
- DeepSeek уязвимости в модели: 4 техники взлома китайской нейросети — Нейросети и искуственный интеллект для всех: новости, обучение и практические решения (14.02.2025)
Такой подход позволяет автоматизировать многие процессы, облегчая работу продавца, ведь ему не нужно заполнять множество полей вручную. Это также увеличивает точность данных, собранных о сделках, что помогает руководителям в дальнейшем анализировать информацию более эффективно.
Применение нейросетей для обработки произвольного текста в продажах
Другим примером эффективного использования нейросетей является обработка произвольного текста, что особенно актуально для транзакционных продаж. Например, когда товар поступает с кратким техническим описанием от поставщика, Искусственный интеллект может превратить это описание в красивое маркетинговое описание для сайта. Более того, нейросеть может извлечь технические характеристики из неструктурированного текста и автоматически заполнить нужные поля, такие как ширина, высота и вес товара. Таким образом, весь процесс размещения нового товара на маркетплейсе или витрине магазина может быть автоматизирован с минимальным участием контент-менеджера, оставив за ним лишь функцию контроля.
Эффективная генерация экспертного контента с помощью Искусственного интеллекта
В области маркетинга и сложных продаж Искусственный интеллект демонстрирует отличные результаты, особенно в сфере генерации контента. Сегодня нейросети могут значительно упростить этот процесс, но важно отметить, что просто автоматически сгенерированный контент без четкой методологии может привести к низкому качеству материалов. Без правильного подхода и понимания целей, аудитории и предназначения, маркетологи рискуют создать большое количество неэффективного контента, который только загромождает поисковики и ухудшает SEO-позиции.
Как Искусственный интеллект помогает генерировать экспертный контент
Предположим, мы работаем в B2B-секторе, и у нас есть команда, которая занимается генерацией контента для маркетинга. Важно, чтобы этот процесс был продуман и эффективен для продвижения сложных продуктов. Например, это могут быть клиентские кейсы, истории успеха, подробный анализ проблем клиентов, демонстрация соответствия продукта потребностям клиента и так далее. Все эти материалы требуют участия экспертов в предметной области (Subject Matter Expert — SME).
Преимущества внедрения ИИ в процесс создания контента
Обычно SME — это люди, которые глубоко понимают суть продукта, его назначение и функциональные особенности. Это владельцы продуктов, технические директора, архитекторы и другие специалисты, обладающие экспертными знаниями. Эти люди часто очень заняты, и работа с ними по созданию контента требует значительных усилий. Экспертам приходится тратить время на объяснение и согласование материалов с писателями, что часто приводит к недопониманиям, ошибкам и, как результат, низкому качеству контента.
Внедрение ИИ в процесс позволяет значительно улучшить ситуацию. На первом этапе ИИ помогает генерировать структуру контента и готовит список вопросов для SME. Следующий этап — это интервью с экспертом, которое записывается. Аудиозапись затем транскрибируется и обрабатывается нейросетью, что позволяет создать качественную основу для материала. Далее текст структурируется и передается на согласование эксперту, сокращая время на согласования и повышая качество контента.
Использование Искусственного интеллекта для финальной обработки контента
Финальная обработка контента с помощью ИИ позволяет улучшить текст, сделать его более читабельным и подогнать под формат нужной площадки для размещения. Этот этап включает в себя литературную редактуру, коррекцию и оптимизацию контента для поисковых систем, что делает материал максимально эффективным с точки зрения SEO.
Внедрение ИИ в процесс генерации контента позволяет существенно ускорить создание материалов, снизить нагрузку на SME и получить качественные экспертные материалы за значительно более короткое время.
Мультиформатная упаковка контента: новые тренды и возможности
Существуют такие актуальные направления использования ИИ в генерации контента, как мультимодальная и мультиаудиентная упаковка. Они основываются на особенности экспертного контента, который гораздо проще упаковывать в разнообразные форматы, чем генерировать с нуля. ИИ помогает сделать этот процесс проще и дешевле.
Мультимодальная упаковка позволяет перевести один экспертный материал в другие виды контента автоматом. Например, статья про успешный кейс формирует ряд пресс-релизов, публикаций в социальные сети. На сегодняшний момент нейросети способны взять на себя большую часть повседневных процессов по переводу информации из одного формата или модальности в другой и автоматизировать этот процесс.
Для редактирования текста с учетом нескольких целевых аудиторий с различным уровнем технических знаний нужна мультиаудиентная упаковка. В этом случае нейросеть автоматом адаптирует материал под требования тех или иных групп. Например, сложные технические материалы объясняются на простых, бытовых примерах.
Если же компания настолько крупная, что имеет несколько филиалов за рубежом, у руководителей возникает потребность в мультилингвальной упаковке контента — переводе одного текста на разные языки с учетом культурного кода той или иной страны. С этим также с успехом справляются нейросети.
Современные CRM системы уже поддерживают интеграцию ИИ функций в процессы разработки и дистрибуции экспертного контента.Вызовы внедрения ИИ в сложных продажах.
Татьяна Корнилова предлагает рассмотреть проблемы и сложности, возникающие при попытках внедрения искусственного интеллекта в процессы сложных продаж.
В сложных продажах действие ИИ можно сравнить с действиями обычных людей. Если вы погружаете генеративный ИИ в плохой, незрелый процесс, выраженного эффекта это не даст. Если у вас в компании слабый обмен информацией, собирается она с трудом, у сотрудников низкий уровень доступа к ней, то и ИИ будет страдать от недостатка информации.
Таким образом, начинать внедрение ИИ нужно с построения эффективных процессов в маркетинге и продажах, которые не только основаны на лучших практиках и хорошо описаны, но и поддержаны CRM-системой с точки зрения непрерывного структурированного сбора знаний и лёгкого доступа к ним. Мы считаем, что на сегодняшний день это два важнейших критерия выбора CRM-системы.
Где сейчас находится ИИ по циклу зрелости технологии (Gartner Hype Cycle)? Прошли ли мы впадину разочарования?
На самом деле мы туда ещё даже не подобрались. Мы только идём к пику завышенных ожиданий. Вокруг больших лингвистических моделей царит огромная шумиха и ажиотаж. Создаётся ощущение, что всех сотрудников можно заменить искусственным интеллектом.
Где же нас может ждать разочарование, когда мы занимаемся сложными продажами? Есть два момента.
Нужные знания в голове у экспертов. Мы пока не можем полностью заменить человека ИИ, потому что продаём сложный продукт, полной информацией о котором обладают эксперты внутри компании. Их знания довольно сложно полностью извлечь, описать и передать нейросети. Сам процесс извлечения этих знаний осуществляется в процессе коммуникации. А полноценную коммуникацию с экспертами пока могут вести только люди, и эффективнее всего она происходит в процессе живого общения. При попытках автоматизировать этот момент, исключить человеческий фактор, мы сталкиваемся ещё и со второй проблемой.
Проблема последней мили. Проблема заключается в сложности автоматического получения информации в разношёрстной омниканальной среде. Мы ежедневно общаемся через множество совершенно различных каналов коммуникации. Это личные встречи, конференц-звонки, звонки с рабочего и с личного мобильного телефона, текстовые и голосовые сообщения через разнообразные мессенджеры и платформы, электронная почта, социальные сети и прочее. Зачастую в этих каналах рабочая информация перемешана с личной.
У нас был не очень успешный опыт внедрения функциональности ИИ в CRM-систему одного из заказчиков со сложными продажами. Мы настроили встроенную телефонию, которая записывала исходящие звонки клиентам и передавала их в нейросеть. Нейросеть расшифровывала разговоры и автоматически заполняла поля в карточках лидов и возможных сделок.
Спустя неделю мы увидели, что таких звонков было всего несколько. Начали выяснять в чём проблема. Оказалось, что продавцам неудобно звонить с рабочего телефона. Они поголовно делали это с личных смартфонов, потому что так удобнее сразу сохранить себе контакт клиента, добавить его во все социальные сети, написать в мессенджере. Меньше вероятность того, что звонок не пройдёт из-за спам-фильтра на телефоне клиента.
Смартфоны у всех разных моделей и производителей. Например, на iPhone в принципе нет возможности записывать звонки. При этом продавцы в сложных продажах — это не операторы колл-центра, которых можно заставить по регламенту делать все одним инструментом.
Похожие сложности возникли и в другом проекте. Там мы внедряли ИИ-ассистента, который подключался к совещаниям и вёл протокол. Далее документ автоматически приводился к нужному шаблону и рассылался по корпоративной почте участникам собрания. Кроме этого, нейросеть инициировала задачи в системе административных поручений, выбирала ответственных и сроки реализации.
Проблема появилась при масштабировании решения на всю компанию. Возник вопрос: как организовать тотальную запись всех совещаний, встреч с заказчиками, презентации продукта, которые хочется протоколировать?
То есть проблема перешла в сугубо организационную область: как привить всем сотрудникам новую культурную практику вести запись любого собрания, которое может содержать ценный контент.
В то время как все технические нюансы решаются легко, такие внедрения спотыкаются о вопросы удобства и мелкой эргономики. Когда людям нужно сделать запись встречи в одном инструменте, а потом вручную перекинуть файл в другую систему, то количество подобных записей начинает стремительно падать. А так как каналов очень много, какие-то из инструментов проприетарные и закрытые. Это лишает возможности разработать какой-то общий плагин, который будет автоматически записывать все встречи и сохранять в систему.
То есть основная боль сейчас — это сложность сбора информации для загрузки в базы знаний, которыми мог бы пользоваться ИИ.
Риски внедрения ИИ
Первым необходимо преодолеть барьер доверия человека к нейросети. В рамках личной коммуникации он будет актуален еще довольно долго время. Когда вырастут следующие поколения, для которых ИИ станет обыденным явлением, этот вопрос уйдёт сам собой, но сегодня это создает дополнительные сложности в задаче извлечения экспертной информации.
Второй момент — возможность утечки информации. Если мы снабжаем контекст нейронной сети внутренней информацией, которая не должна уходить наружу к пользователю, существует множество приёмов, так называемых джейлбрейков, которые теоретически могут заставить сеть разговориться и передать пользователю эту системную информацию, что приведёт к утечке внутренних данных.
Третий вопрос — это репутационные риски, то есть нейросеть в определенных сценариях можно взломать теми же джейлбрейками, вывести из себя и заставить писать всякую чушь. Наверное, все слышали о примере, когда пользователь уговорил чат-бота автодилера на базе ChatGPT продать ему новый внедорожник GM за $1.
Обычно мы рекомендуем либо выставлять наружу только нейросети для узких задач с конкретными входными данными, которые публичны, например открытые базы знаний, базы документации к системе, либо использовать исключительно внутри. Это обезопасит вас от неприятностей.
Направления использования ИИ в сложных продажах
Мы уже обсудили некоторые работающие схемы применения нейросетей. Это создание экспертных материалов, автоматизация их дистрибуции, мультимодальная, мультиаудиентная и мультилингвальная упаковка, структурирование информации и накопления знаний на основе записей звонков и встреч.
Еще один метод использования ИИ в сложных продажах — это создание ассистентов по внутренним базам знаний, включающим маркетинговую и техническую информацию по продуктам и услугам компании. Такие ассистенты помогают продавцам быстрее и качественнее находить нужную информацию, подтверждает Татьяна Корнилова. Пользователю гораздо проще обратиться к сети, чтобы она ему нашла и скомпоновала уже готовый ответ на его языке, нежели читать большие скучные статьи внутри корпоративной базы знаний, продолжает она.
Перспективным направлением является создание ИИ-тренажёров для продавцов, которые могут, с одной стороны, создавать учебные ситуации, приближенные к реальным, а с другой — полноценно эмулировать в них коммуникацию с потенциальным клиентом. Такие тренажеры позволяют не только практиковать навыки продаж, но и давать развернутую обратную связь обучающемуся, указывая на ошибки и подсвечивая точки роста в рамках индивидуального плана обучения, попутно объясняя, как именно следует скорректировать коммуникацию.
