Когда я впервые присоединился к команде разговорного маркетинга HubSpot, большая часть чата на нашем веб-сайте обрабатывалась людьми. У нас была глобальная команда, состоящая из более чем сотни агентов прямых продаж — тренеров по входящему успеху (ISC), которые квалифицируют потенциальных клиентов, назначают встречи и прямые звонки продавцам. Это сработало, но не масштабировалось.

Каждый день эти ISC получали тысячи сообщений в чате от посетителей, которым требовалась информация о продукте, у которых были вопросы о поддержке или которые просто изучали продукт. Хотя нам нравились такие взаимодействия, они часто отвлекали внимание от потенциальных клиентов с высокими намерениями, которые были готовы участвовать в продажах.

Мы знали, что ИИ может помочь нам работать умнее, но нам не нужен был еще один чат-бот, основанный на сценариях. Мы хотели чего-то, что могло бы кажется в качестве продавца: квалифицируйтесь, направляйте и продавайте в режиме реального времени.

Так родился SalesBot — чат-помощник на базе искусственного интеллекта, который теперь обрабатывает большую часть объема входящих чатов HubSpot, отвечая на тысячи вопросов в чате, подбирая потенциальных клиентов, заказывая встречи и даже напрямую продавая наши продукты начального уровня.

Вот что мы узнали по пути.

Как мы создавали SalesBot и чему мы научились

1. Начните с приседаний. Затем создавайте для спроса.

Когда мы впервые запустили SalesBot, нашей основной целью было получение вопросов, на которые легко ответить и которые не имеют намерения продавать (пример: «Что такое CRM» или «Как добавить пользователя в свою учетную запись»). Мы хотели уменьшить шум и дать людям возможность сосредоточиться на более сложных разговорах.

Мы обучили бота базе знаний HubSpot, каталогу продуктов, академическому курсу и многому другому. Сейчас мы перенаправляем более 80% чатов на нашем веб-сайте с помощью искусственного интеллекта и возможностей самообслуживания.

Этот успех в отклонении мяча вселил в нас уверенность, но также выявил нашу следующую проблему. Отклонение само по себе не увеличивает бизнес. Чтобы по-настоящему масштабировать ценность, нам нужен был инструмент, который не просто решает задачи – он должен продавать.

2. Используйте скоринговые звонки, чтобы сократить разрыв.

Когда мы ввели отклонение, мы заметили сокращение числа потенциальных клиентов со средними намерениями — тех, кто не был готов назначить встречу, но все же подавал сигналы покупки. Люди хорошо умеют замечать такие моменты. Ботов нет… пока.

Чтобы восполнить этот пробел, мы создали модель склонности в реальном времени, которая оценивает чаты по шкале от 0 до 100 на основе данных CRM, содержания разговоров и намерений, предсказанных ИИ. Когда чат пересекает определенный порог, он становится квалифицированным лидом.

Теперь эта модель помогает SalesBot выявлять высокопотенциальные возможности, даже если клиент явно не запрашивает демонстрацию. Это прекрасный пример того, на что способен ИИ. оттенок поверхности в масштабе.

3. Создавайте, чтобы продавать, а не просто поддерживать.

Освоив основы отклонения и оценки, мы обратили внимание на нечто более смелое: превратить SalesBot в настоящего помощника по продажам.

Мы обучили его на нашей системе квалификации (GPCT — Цели, Планы, Проблемы, Временная шкала), чтобы бот мог направлять потенциальных клиентов к следующему шагу: будь то начало работы с бесплатными инструментами, запись на встречу с продажами или покупка стартового плана прямо в чате.

Теперь у нас есть инструмент, который не просто реагирует – он квалифицирует, формирует намерения и позиционирует себя как представитель. Этот сдвиг фундаментально изменил то, как мы думаем о формировании потребностей в разговоре.

4. Выбирайте качество вместо CSAT.

Мы быстро поняли, что традиционных показателей чат-ботов, таких как CSAT (показатель удовлетворенности клиентов), недостаточно.

CSAT измеряет, как клиент чувствует о своем опыте, обычно спрашивая, были ли они противником, пассивом или промоутером после взаимодействия. Однако лишь небольшая часть (менее 1% болтунов) завершает опрос. И даже если клиент положительно оценивает чат, это не обязательно означает, что Salesbot предоставил ему высококачественный чат.

Поэтому мы создали специальную категорию качества с участием наших лучших ISC, чтобы определить, как на самом деле выглядит «хорошо». Рубрика измеряет такие факторы, как глубина открытия, следующий шаг, тон и точность.

Только в этом году команда из 13 оценщиков вручную проверила более 3000 звонков по продажам. Человеческий цикл обеспечения качества имеет решающее значение. Благодаря этому наш ИИ опирается на реальное поведение продаж и помогает нам постоянно повышать производительность.

5. Масштабируйтесь по всему миру для повышения эффективности.

До появления искусственного интеллекта обеспечение чата на семи языках было одной из наших самых больших операционных задач. Это было дорого, непоследовательно и трудно масштабировать.

Теперь мы можем вести многоязычные разговоры по всему миру, обеспечивая единообразие взаимодействия независимо от того, откуда кто-то общается. Это не просто повышение эффективности – это улучшение качества обслуживания клиентов.

ИИ обеспечил нам настоящий глобальный охват, не перегружая нашу команду, открывая возможность роста в регионах, где численность персонала просто не успевает.

6. Постройте правильную структуру команды.

Успех не стал результатом действий одного человека или команды — он стал результатом того, что группа умных, ориентированных на клиента разработчиков объединилась над разработкой разговорного маркетинга и маркетинговых технологий искусственного интеллекта.

Разговорный маркетинг владел стратегией, пользовательским опытом и обеспечением качества и всегда основывал решения на том, что обеспечит наилучший опыт для наших клиентов. Наши партнеры по маркетинговым технологиям AI Engineering создали модели, средства обмена сообщениями и инфраструктуру, которые быстро воплотили эти идеи в жизнь.

Вместе мы сформировали совместную рабочую группу с общими целями, общим портфолио и ритмом еженедельных экспериментов. Такое сочетание глубокого сочувствия к клиентам и технического совершенства позволяет нам действовать как единая продуктовая команда — тестировать, изучать и совершенствовать SalesBot с каждым выпуском.

7. Подойдите к автоматизации с продуктовым мышлением.

Самым большим достижением в нашем путешествии стало понимание продуктового мышления. SalesBot не был разовым проектом автоматизации. Это живой продукт, который развивается с каждой итерацией.

За последние два года мы перешли от ботов, основанных на правилах, к системе дополненной генерации (RAG), обновили наши модели до GPT-4.1 и добавили более умные функции квалификации и презентации продукта.

Эти обновления удвоили скорость отклика, повысили точность и увеличили коэффициент конверсии для квалифицированных потенциальных клиентов с 3% до 5%.

Мы приехали туда не за одну ночь. Потребовались сотни итераций и культура, которая рассматривает эксперименты с ИИ как основную часть движения по выходу на рынок.

8. Люди по-прежнему имеют значение.

Даже несмотря на весь этот прогресс, некоторые вещи по-прежнему требуют человеческого вмешательства. Сегодня SalesBot не может создавать индивидуальные цитаты, обрабатывать сложные возражения или воссоздавать эмпатию в тонких разговорах — и это нормально. Мы всегда будем работать над расширением его возможностей, но человеческий контроль всегда будет иметь важное значение для поддержания качества.

Наши агенты и профильные эксперты играют центральную роль в нашем успехе. Они оценивают результаты, предоставляют обратную связь и гарантируют, что система продолжает учиться и совершенствоваться. Их суждения определяют, как выглядит «хорошо», и поддерживают высокие стандарты качества по мере развития технологий.

Роль ИИ заключается в увеличении дальности и скорости, а не в замене человеческого общения. Наши ISC теперь сосредоточены на более ценных программах и сложных случаях, где их опыт действительно проявляется. Цель – не меньшее количество людей, а более разумное и эффективное использование их времени.

9. Придайте вашей модели структуру, а не просто больше данных.

Когда мы впервые создали SalesBot, он работал по простой системе, основанной на правилах: действие X вызывает ответ Y. С точки зрения базовой логики это работало, но на продавца это не походило. Нам хотелось чего-то похожего на ISC: разговорного, уверенного и полезного.

Чтобы добиться этого, мы экспериментировали с тонкой настройкой. Мы экспортировали тысячи стенограмм чатов и попросили ISC аннотировать их по тону, точности и формулировке. Обучение модели на этих примерах сделало ее более естественной, но точность снизилась. Мы на собственном горьком опыте узнали, что слишком много неструктурированных человеческих данных может фактически ухудшить производительность модели. Модель начинает запоминать «грани» того, что видит, и размывает все, что находится между ними.

Итак, мы качнулись. Вместо предоставления модели более данные, мы дали ему лучше структура. Мы перешли к настройке расширенной генерации данных (RAG), которая закрепила инструмент в контексте реального времени и научила его, когда извлекать данные из источников знаний, инструментов и данных CRM.

В результате получается бот, который значительно более надежен в сложных переговорах о продажах и гораздо лучше определяет намерения.

Как начать создание приложения AI Chat

Если вы только начинаете, самое большое заблуждение состоит в том, что вы можете сразу перейти к искусственному интеллекту. На самом деле ИИ преуспевает только тогда, когда фундамент, лежащий в его основе, крепок. Оглядываясь назад на наше путешествие, можно сказать, что эти три принципа были наиболее важными.

1. Прежде чем приступить к автоматизации, постройте фундамент.

ИИ хорош настолько, насколько хороша человеческая программа, на которой он учится. Прежде чем мы что-либо автоматизировали, у нас были годы реальных разговоров, которые вели опытные чат-агенты. Фонд живого чата дал нам:

• Высококачественные данные обучения
• Четкое определение того, что такое «хорошо».
• Шаблоны для определения того, что можно автоматизировать в первую очередь

Если вы пропустите этот шаг, ваш ИИ не будет знать, что такое «хорошо», и не будет знать, когда это неправильно.

2. Поймите, что ваши люди делают хорошо. Затем вы изучаете ИИ.

ИИ не может воспроизвести нюансы человеческого взаимодействия.

Внимательно изучите своих лучших представителей и задайте себе следующие вопросы:

• Как они квалифицируются?
• Какие сигналы они улавливают?
• Какой язык вызывает доверие?
• Как они восстанавливаются, когда что-то выходит за рамки сценария?

Ваша человеческая команда — это ваш план. Все, что делают великие люди – от тона до выбора времени и открытий – становится основой для ИИ, который действительно может продавать, а не просто отвечать на вопросы.

3. Создайте команду, ориентированную на эксперименты и данные.

ИИ — это не проект «установил и забыл». Это продукт, и единственный способ масштабировать программу чата с искусственным интеллектом — это создать команду, которая:

• Постоянно экспериментируем
• Быстро перемещается по итерациям
• Измерение того, что работает (а что нет)
• Рассматривает ошибки как входные данные, а не как обратную связь.

Команда, ориентированная на эксперименты, превращает искусственный интеллект из разового запуска в постоянно совершенствующийся двигатель роста.

Итог

Самый большой вывод для меня заключается в следующем: ИИ не заменяет хорошую стратегию выхода на рынок — он ускоряет ее. Ваши инструменты должны отражать то, как вы работаете. Для нас это сочетание технологий, творчества и сочувствия к клиентам, позволяющее продолжать совершенствовать методы продаж.