ИИ в продажах за неделю, 31 октября. Lithia получает с ИИ-записи на сервис 10–11% допродаж

Раз в неделю собираю случаи, где компании в продажах и маркетинге сделали с ИИ что-то настоящее и показали результат. На этой неделе есть автодилер, у которого агент допродаёт сервис, и маленькая команда, которая продаёт почти одними агентами. И ещё три разбора, как агенты находят клиентов, пока продавцы спят. К каждому случаю дописал, что из этого можно взять в салон.

Агент Lithia при записи на сервис предлагает работы, допродажа в 10–11% записей#

Lithia Motors из Орегона, США, крупнейший американский продавец новых машин. У группы 308 салонов в США, 143 в Британии и 15 в Канаде. Об ИИ в сервисе глава компании Брайан ДеБур рассказал на звонке с инвесторами 21 октября, разбор 28 октября выпустил WardsAuto.

В британских салонах Lithia 6–9 месяцев работает система управления дилерским центром от Pinewood.AI. Встроенный агент сам переписывается с клиентом и записывает его на сервис. При записи он предлагает дополнительные работы, например замену жидкостей, щётки стеклоочистителя или проверку шин. Раньше это ждало осмотра машины на приёмке, теперь предложение звучит до визита.

По словам ДеБура, британские салоны получают «около 10–11% дополнительных заранее проданных работ» с записей через ИИ. До агента таких допродаж было, по его оценке, близко к нулю, это догадка, а не замер. Lithia переводит на Pinewood.AI салоны в США и хочет закончить к 2028 году. Расходы группы сейчас 68,8% от валовой прибыли, цель ниже 60%.

Что я думаю. Агент не продаёт лучше мастера-приёмщика. Он просто спрашивает каждого клиента, а человек спрашивает, когда не занят и не торопится к следующему звонку. Вся допродажа здесь выросла из дисциплины.

Повторить это может любой дилер, даже без новой системы. Я бы взял 3 работы по пробегу и возрасту машины и прописал агенту записи предлагать их каждому. Потом раз в неделю смотрел долю записей с согласием. Цену и объём работ подтверждает мастер-приёмщик при визите, ИИ только готовит клиента.

Источник WardsAuto

В SaaStr продажами занимаются полтора человека, а входящий агент назначил 614 встреч#

SaaStr из США проводит конференции и продаёт спонсорство. Основатель Джейсон Лемкин подвёл итог десяти месяцев, когда маркетингом и продажами в компании занимаются агенты. Материал стоит в ленте блога 28 октября.

В SaaStr 3 человека и больше 20 агентов в работе. Весь холодный выход отдали агентам, они отправляют около 3 200 писем в месяц. Хороший живой SDR при таком размере компании отправлял от 75 до 285. Отдельный агент отвечает на входящие обращения в чате сайта. Ещё один агент написал примерно 1 000 клиентам, которые перестали отвечать.

Агент 10K, сначала ИИ-директор по маркетингу, провёл 3 сделки под присмотром людей и только четвёртую сам.

Люди решают, какую работу отдать агентам, какую заявку какому продавцу и когда верить результату. Публикацию рекламы в LinkedIn и X нажимает человек. Агенты сами отчитываются о работе, а люди сверяют отчёт с CRM.

По словам Лемкина, входящий агент закрыл сделок больше чем на 1 млн долларов и назначил 614 встреч из 442 000 чатов. Письма вернувшимся клиентам открыли 72% получателей. Отдел продаж сократился до полутора человек через естественный уход, без увольнений.

Лемкин приводит и чужой пример со слов Salesforce. В PayPal агенты отрабатывают около 8 000 заявок в месяц, которым раньше никто не звонил. Конверсия во встречи там выросла на 50% за 14 недель.

Что я думаю. Из 442 000 разговоров 614 встреч выглядит скромно. Зато каждый из этих разговоров случился бы без ответа, если бы чат вёл живой человек с 9 до 18.

Мне здесь ближе всего порядок запуска. Три сделки под присмотром, потом самостоятельно. В салоне я бы так же запустил агента на старые заявки, где клиент пропал. Первую неделю каждое письмо проверяет руководитель отдела продаж, со второй агент пишет сам, а продавец звонит тем, кто ответил.

Источник SaaStr

TaskUs начала ИИ-продавца с одного менеджера и теперь отвечает на каждую заявку#

TaskUs из США даёт компаниям команды для поддержки клиентов и разметки и проверки материалов для ИИ. Второй случай из того же материала касается команды Cloud Protection by WithSecure. Сама WithSecure из Финляндии, занимается кибербезопасностью. Оба случая Salesforce описала в блоге 27 октября.

TaskUs запустила ИИ-продавца по имени Liz на одном менеджере и одном участке, где заявки оставались без ответа. После удачного пилота отдел продаж расширил его. Агент предлагает действие, человек его подтверждает.

У WithSecure цепочка длиннее. Сначала журналы сайта через Data 360 и ZoomInfo показывают, какая компания зашла на сайт. Потом оценка заявки пересчитывается по 300 с лишним сигналам, например просмотрам страниц и открытиям писем, и падает, если клиент затих. ИИ-агент читает каждый ответ на рассылку и понимает, хочет ли человек купить. Готового клиента он передаёт продавцу вместе с перепиской и сведениями о компании.

По словам Salesforce и самих компаний, TaskUs теперь отвечает на 100% заявок, а продавцы занимаются квалифицированными сделками. Подготовка рассылки в TaskUs сократилась с 16–20 дней до 10–12. WithSecure, по словам компании, узнаёт 98,5% компаний, которые заходят на сайт. Систему собрали два сотрудника за полгода. Это материал самой Salesforce о своих клиентах.

Что я думаю. Самая сильная цифра здесь 100% заявок с ответом. Остальное вторично, пока на часть заявок никто не отвечает.

И мне нравится, как TaskUs начала. Один продавец, один провал в работе, потом расширение. По замерам у дилеров в разных странах 40% обращений приходит в нерабочее время. Я бы начал с них, агент отвечает ночью, а утром заявка с перепиской лежит у продавца.

Источник Salesforce

Clay ловит переход бывшего клиента в новую компанию и готовит продавцу письмо#

Clay из США делает сервис для поиска сведений о клиентах и компаниях. Команда роста Clay 27 октября описала в блоге свою схему «Бывшие платящие клиенты сменили работу».

Идея такая. Руководитель ушёл из компании, которая платит за Clay, в компанию поменьше, где Clay нет. Для старого клиента это риск ухода, а для новой компании повод продать. Схема работает в пять шагов.

Сначала инструмент Signals каждый день находит смену работы и записывает её в Salesforce. Дальше отбор. Старая компания платила, а не сидела на пробной версии, человек в должности от директора и выше, новая компания подходит по размеру. Потом шесть проверок подряд. Например, есть ли у компании ответственный продавец со ссылкой на запись и не писали ли человеку за 30 дней.

ИИ готовит письмо по правилам, он не ругает ни одну компанию и не выдумывает, чем пользовались на старом месте. Последний шаг, человек попадает в цепочку из 8 сообщений и звонков в Gong Engage. Это три письма, три звонка и два сообщения в LinkedIn. Продавец проверяет и отправляет.

Цифры у Clay скромные и честные. Примерно одна новая запись в день, 62 человека прошли все условия за 60 дней. Результата в сделках Clay не называет. Схему компания выложила как готовый навык для агентов.

Что я думаю. Здесь главное правило сроков. Новый руководитель выбирает инструменты в первые недели на новом месте, потом окно закрывается.

В салоне такой сигнал тоже есть, просто его никто не ловит. Клиент, который купил у вас две машины, перешёл работать в компанию с автопарком. Или у постоянного клиента сервиса родился ребёнок, и седан скоро станет мал. Я бы начал с одной такой причины и дал агенту каждый день искать её в CRM, а звонить оставил продавцу.

Источник Clay Blog

Nooks пересчитала продавцов в компаниях рынка и нашла 700 клиентов, о которых не знала#

Nooks из США делает платформу для звонков и работы продавцов с агентами. Её случай рассказал Энтони Голдблум, основатель сервиса Sumble и раньше основатель Kaggle. Разбор эфира SaaStr вышел в блоге 27 октября.

Nooks продаёт отделам продаж, поэтому ей важно, сколько продавцов в каждой компании. Она взяла Sumble, чтобы распределить компании между своими менеджерами. Точное число SDR в каждой компании показало 700 компаний, о которых Nooks не знала. По словам Голдблума, этого хватило, чтобы удвоить отдел, который работает с крупными клиентами. И это только распределение компаний, без рекламы и входящих заявок.

Голдблум объясняет, почему точность важнее объёма. Чтобы посчитать продавцов в компании, нужны пять шагов подряд. Сведения о компании, кто где работает, свежесть этих записей, отдел, должность. Если каждый шаг верен на 80%, итог верен примерно на треть. Ошибки умножаются.

Sumble целится в 99% на шаге, это около 95% в итоге, и Голдблум признаёт, что пока не дошёл.

Что я думаю. Первая волна ИИ в продажах писала больше писем. Здесь ИИ решает, кому писать вообще, и это дало больше, чем любая рассылка.

У дилера та же математика. Агент, который пишет по базе с дублями, старыми телефонами и чужими машинами, ошибается на каждом шаге. Я бы перед любым агентом на исходящие почистил базу. Один клиент одна карточка, актуальный телефон, какая машина у него сейчас. Нет записи по каждому обращению, значит, и агенту работать не с чем.

Источник SaaStr

Что ещё было за неделю#

• Databricks не растит отдел первых контактов, а ответов на письма стало 6–10%
• ИИ-агент CarEdge связался с дилерами от имени покупателей 160 000 раз
• Два агента удалили сделки и код в SaaStr, спасли копии, которые никто не планировал
• DoorDash получила от сторонних ИИ-агентов всего несколько сотен заказов
• Walmart открывает магазин для агентов, которые покупают за клиента
• Zocdoc дал ИИ-агентам искать врача и записывать пациента
• Google выводит рекламу в ИИ-поиске на все рынки
• Рекламодатели снимают объявления в Meta, которые ИИ «приукрасил» без спроса
• Платформа Marcel от Publicis строит агентов для 90 с лишним клиентов
• Salesforce добавила в Agent Fabric остановку агентов, которые сбоят или тратят лишнее