Ką HubSpot dirbtinis intelektas moka iš karto.
HubSpot dirbtinio intelekto (DI) įrankiai įtraukti į daugumą Professional ir Enterprise planų. Kai kurie iš jų naudoja HubSpot Credits. Pardavimų komandoms svarbiausi šie:
- Breeze Assistant. DI asistentas HubSpot viduje, anksčiau vadintas Breeze Copilot. Jis rengia laiškų juodraščius, apibendrina kontaktų įrašus, renka informaciją apie įmones ir siūlo tolesnius žingsnius. Veikia CRM, pašto dėžutėje ir sandorių įrašuose.
- Duomenų papildymas (data enrichment). Automatiškai papildo kontaktų ir įmonių įrašus įmonės duomenimis (sektorius, pajamos, darbuotojų skaičius, naudojamos technologijos). Taip pat sutrumpina formas, nes žinomus laukus užpildo automatiškai. Pirkėjų ketinimų sekimas (buyer intent) prieinamas už papildomą mokestį.
- DI agentai (Agent Hub). Agentai potencialių klientų (leads) paieškai (renka informaciją apie potencialius klientus ir rengia jiems pritaikytus laiškus), klientų aptarnavimui (atsako į klausimus pagal jūsų žinių bazę) ir turinio bei duomenų užduotims. Jie naudoja HubSpot Credits, o kai kurie dar yra beta versijos.
- DI potencialių klientų vertinimas (lead scoring). HubSpot vertina kontaktus pagal atitikimą ir įsitraukimą. Enterprise planuose jis taip pat gali kurti vertinimus pasitelkdamas DI ir prognozuoti, kokia tikimybė sudaryti kiekvieną sandorį. Balai atnaujinami automatiškai, kai keičiasi įsitraukimas.
- DI pagrįstas prognozavimas. Pajamų prognozės pagal sandorio etapą, istoriją ir įsitraukimo dėsningumus. Tikslesnės už rankinį prognozavimą, kai jūsų pardavimų kanalo (pipeline) duomenys tvarkingi.
Šios funkcijos gerai veikia, kai jūsų CRM tinkamai struktūruota. Netvarkingoje paskyroje jų rezultatai nepatikimi.
Kur individualūs DI sprendimai duoda daugiau.
Integruotas DI tinka dažniausiems atvejams. Individualios DI automatizacijos sprendžia jūsų procesui būdingas problemas. Jas kuriame naudodami Data Hub, HubSpot API ir išorinius DI įrankius.
Individualus potencialių klientų vertinimas. HubSpot DI vertinimas naudoja bendrą modelį. Mes kuriame vertinimo modelius, pritaikytus jūsų verslui: kriterijų svorius patvirtina jūsų pardavimų komanda, o naudojami laukai (properties) būdingi jūsų sektoriui ir sandorių ciklui.
Automatinis duomenų papildymas iš išorinių šaltinių. HubSpot duomenų papildymas apima pagrindinius įmonės duomenis. Mes jį išplečiame papildomais šaltiniais: duomenimis apie naudojamas technologijas, socialinių tinklų profiliais, informacija apie finansavimą ar konkretaus sektoriaus duomenų rinkiniais. Kai atsiranda naujas potencialus klientas, HubSpot užpildo laukus, kurių pardavėjams reikia jam įvertinti.
Potencialių klientų paskirstymas pasitelkiant DI. Daugiau nei paskirstymas paeiliui ar pagal geografiją. Kuriame paskirstymo logiką, kuri atsižvelgia į potencialaus kliento atitikimą, pardavėjo užimtumą, sandorio dydį, dominantį produktą ar jūsų pačių kriterijus. Tinkamas potencialus klientas pasiekia tinkamą pardavėją be rankinio rūšiavimo.
Automatinis potencialių klientų kvalifikavimas. Kartu su jūsų komanda apibrėžiame kvalifikavimo kriterijus ir kuriame darbo eigas (workflows), kurios automatiškai vertina, žymi ir paskirsto potencialius klientus. Tie, kurie nepasiekia ribos, toliau ugdomi. Tie, kurie atitinka kriterijus, perduodami pardavimams su visu kontekstu.
DI apdorotų duomenų paleidikliai. Darbo eigos, kurios veikia pagal DI išanalizuotus duomenis: pažymi kontaktus, rodančius aiškų ketinimą pirkti, pastebi sandorio riziką sumažėjus įsitraukimui arba parodo papildomo pardavimo galimybes pagal naudojimo dėsningumus.
Kaip atrodo tinkamai sukurta sistema.
DI HubSpot sistemoje veikia tik tada, kai pagrindas tvarkingas:
- Vertinimo kriterijai apibrėžti kartu su jūsų komanda. Ne tiesiog įjungti su numatytaisiais nustatymais. Jūsų pardavimų komanda patvirtina, kas yra geras potencialus klientas, ir modelis tai atspindi.
- Papildyti duomenys patenka į naudojamus laukus. Duomenys iš išorinių šaltinių įrašomi į laukus, kuriuos jūsų komanda naudoja, o ne į paslėptus laukus, kurių niekas neskaito.
- Paskirstymo taisyklės atitinka jūsų procesą. Priskyrimo logika atspindi tikrą jūsų komandos struktūrą, teritorijas ir užimtumą, o ne bendrą šabloną.
- Kvalifikavimas tikrinamas pagal rezultatus. Lyginame DI kvalifikuotus potencialius klientus su faktine sudarytų sandorių dalimi ir laikui bėgant tiksliname modelį.
- Pirmiausia tvarkingi duomenys. DI modeliai, apmokyti netvarkingais duomenimis, duoda netvarkingus rezultatus. Duomenų kokybę sutvarkome prieš ką nors kurdami jų pagrindu.
