Wie wir den Inbound-Vertrieb mit einem KI-SDR skaliert haben, der 78 % der Leads vollständig qualifiziert

Jede Woche füllen Hunderte von Personen auf unserer Website das Enterprise-Vertriebsformular aus, um mehr über unsere Plattform und Preise zu erfahren. Die meisten dieser Leads passen jedoch besser zu unseren Self-Service-Tarifen. Diese decken die Bedürfnisse der Mehrheit unserer Nutzer ab und sind auf unserer Website umfassend dokumentiert.

Unser Vertriebsteam würde zwar gerne jeden Lead direkt sprechen, konzentriert sich aber auf Enterprise-Implementierungen, die individuelle Lösungen erfordern. Daher prüft es jede Anfrage manuell, um zu entscheiden, welche für ein Enterprise-Gespräch geeignet sind und welche besser zum Self-Service geführt werden. Viele Formulare enthalten jedoch unvollständige Angaben, etwa vage Beschreibungen des Anwendungsfalls. Unser Team muss dann zunächst nach weiteren Informationen fragen, bevor es entscheiden kann. Das kann Antwortzeiten verlängern und den Fokus von Enterprise-Chancen mit höherer Priorität ablenken.

Bei für Enterprise qualifizierten Leads bedeutet die Verzögerung durch die Prüfung von Formulareingaben auch Momentumverlust. Idealerweise sollte ein Enterprise-Lead direkt nach dem Absenden des Kontaktformulars einen Termin buchen können. Andernfalls erhält ein Lead, der das Formular am Freitagabend absendet, möglicherweise erst am Montag eine Rückmeldung, nachdem unser Vertriebsteam es geprüft hat. Dadurch verschiebt sich das erste Gespräch auf einen späteren Zeitpunkt in der Woche.

Um die Lücke zwischen Nachfrage und Teamkapazität zu schließen, haben wir mit unserer Agents Platform einen KI-Sales-Development-Representative (SDR) für eingehende Anfragen entwickelt. Der KI-SDR schafft schnellere, persönlichere Erlebnisse für eingehende Leads und ermöglicht unserem Team, sich auf die wirkungsvollsten Chancen zu konzentrieren.

So haben wir den Agenten entwickelt

Unseren SDR für eingehende Anfragen haben wir auf drei Säulen aufgebaut: Verhalten, Funktionen und Daten.

1. Verhalten

Mithilfe des System Prompts in unserer Agents Platform haben wir definiert, wie sich unser SDR „Jon“ verhält. Darin haben wir Jons zentrale Persönlichkeitsmerkmale festgelegt, etwa dass er „ein zugewandter, beratender Vertriebsmitarbeiter ist, der komplexe KI-Themen verständlich macht“. Außerdem haben wir sein Hauptziel und die Szenarien definiert, in denen er aktiv werden soll, etwa einen Termin buchen oder unserem Team eine Nachricht senden. Mehr über die genaue Struktur erfahren Sie in unserem Leitfaden für Prompting.

Wir haben Jon mit einer umfangreichen Wissensdatenbank ausgestattet: mehr als hundert häufig gestellte Fragen sowie eine Übersicht unserer Produktfunktionen aus der Dokumentation auf unserer Website. Derzeit aktualisieren wir Jons Wissensdatenbank manuell, wenn neue Produkte oder Funktionen veröffentlicht werden. Bald wird es möglich sein, eine Ziel-URL hinzuzufügen und die Wissensdatenbank regelmäßig automatisch aktualisieren zu lassen.

Nach dem Launch haben wir gemeinsam mit Vertriebsleitern aus unserem GTM-Team Gesprächstranskripte geprüft, Fehler identifiziert und die Leistung des Agenten verbessert. Zu den ersten Erkenntnissen gehörten:

• Das richtige LLM für Ihren Anwendungsfall zu finden, erfordert Experimente: Wir starteten mit einem auf geringe Latenz optimierten Modell, wechselten aber zu einem leistungsfähigeren, nachdem wir festgestellt hatten, dass das ursprüngliche Modell Probleme mit Zuverlässigkeit und Tool-Aufrufen hatte. Das Upgrade reduzierte Halluzinationen, etwa wenn der Agent fälschlicherweise auf das aktuelle Jahr verwies, was zuvor zu Fehlern bei nachgelagerten Tool-Aufrufen führte. Leistungsstärkere LLMs helfen auch bei komplexeren Anforderungen an logisches Denken. Unser Agent kann Leads beispielsweise jetzt dabei helfen, ihre voraussichtliche Nutzung unserer Plattform zu schätzen. Wenn ein Lead unsicher ist, fragt Jon nach der erwarteten Anzahl täglicher Anrufe und der durchschnittlichen Gesprächsdauer, um die geschätzte monatliche Nutzung zu berechnen.

• Der Agent kann auf vorzuziehende Weise Fehler machen: Solange der Agent nicht 100 % der Entscheidungen korrekt trifft, haben wir seinen System Prompt so abgestimmt, dass falsch-positive gegenüber falsch-negativen Ergebnissen bevorzugt werden: Wir sprechen lieber mit einem Lead und führen ihn zum Self-Service, als eine potenzielle Enterprise-Chance zu verpassen.

• Die Berücksichtigung von Sonderfällen bläht den System Prompt mit der Zeit auf und erhöht das Fehlerrisiko: Nachdem wir mehr als 50 Gespräche geprüft hatten, führten wir mehrere Anweisungen nach dem Muster „Wenn X, dann tue Y“ ein. Zum Beispiel: „Wenn der Anrufer eine andere Sprache als Englisch spricht, fragen Sie vor der Terminbuchung, ob er das Gespräch in dieser Sprache oder auf Englisch führen möchte.“ LLMs mit großem Kontext verarbeiten diese Regeln zwar effektiv, doch umfangreiche Prompts können das Fehlerrisiko erhöhen. Wir haben beobachtet, dass bestimmte Verhaltensweisen – etwa mehrere Fragen gleichzeitig zu stellen – mit zunehmendem Prompt-Umfang hartnäckiger werden.

• Guardrails verhindern wirksam das Umgehen von Prozessen: Einige Nutzer baten wiederholt darum, direkt mit unserem Team zu sprechen, bevor sie ausreichend Informationen bereitgestellt hatten. Explizite Guardrails helfen besonders wirksam, solche Anfragen zu begrenzen.

• Nutzer brauchen Rückmeldungen während der Tool-Ausführung: Wenn Jon Tools wie die Prüfung der Kalenderverfügbarkeit nutzte, erlebten Anrufer oft irritierende Stille. Das haben wir gelöst, indem wir eine optionale Funktion „force message“ hinzugefügt haben, die Nutzer darüber informiert, wenn ein Tool verwendet wird.

• Sprachbasierte Interaktionen fördern das Engagement: Etwa jeder fünfte Lead ruft erneut an, um die Interaktion mit Jon fortzusetzen. In einem Fall kehrte ein Anrufer, nachdem er sich über unser Produkt und die Preise informiert hatte, zurück, nur um Jon nach einem Spaghetti-Rezept zu fragen.

2. Funktionen und individuelle Tools

Jon hat Zugriff auf dieselben Tools, die ein menschlicher SDR zur eigenständigen Bearbeitung eingehender Gespräche nutzen würde.

Zu Beginn jedes Gesprächs prüft er die Eingabe im Kontaktformular, um Kontext zu sammeln. Während des Gesprächs kann er dann Leads qualifizieren und durch die Prüfung der Verfügbarkeit über Zeitzonen hinweg Termine in Echtzeit buchen. Nach der Terminbuchung sendet er unserem Team eine Gesprächszusammenfassung.

Jon kann zudem nahtlos zwischen 32 Sprachen wechseln, mit optimierten Stimmen für jedes Gebietsschema. In einer typischen Woche nutzt er mehr als acht Sprachen.

3. Daten 

Am Ende jedes Gesprächs erfasst Jon den Anwendungsfall des Leads und die Qualifizierungsentscheidung und schreibt diese Daten direkt in unser CRM. So erhält unser Team vollständige Transparenz über jede Vertriebsinteraktion.

Jon erfasst außerdem strukturierte Daten wie Kundenzufriedenheitswerte. Am Ende eines Gesprächs bittet er Leads, ihre Erfahrung auf einer Skala von 1 bis 10 zu bewerten. Wir prüfen täglich die Gespräche mit den höchsten und niedrigsten Bewertungen, um zu verstehen, was funktioniert hat und was nicht. 

Diese Verhaltensweisen, Funktionen und Datenpipelines sorgen dafür, dass Jon sowohl sprachlich souverän als auch operativ effizient arbeitet und dieselben Workflows wie ein menschlicher SDR übernimmt.

Bisherige Ergebnisse

Seit dem Launch ist der KI-SDR in 38 Ländern im Einsatz und rund um die Uhr verfügbar. Er bearbeitet inzwischen mehr als 50 Anrufe pro Woche – das entspricht zwei SDRs in Vollzeit.

78 % seiner Qualifizierungsentscheidungen erfordern keine menschliche Intervention. In den verbleibenden 22 % trifft der Agent überwiegend „falsch-positive“ Qualifizierungen, bei denen er Leads qualifiziert, die hätten disqualifiziert werden sollen. Dieses Ergebnis ist uns lieber als die Alternative, Leads zu disqualifizieren, die hätten qualifiziert werden sollen.

Diese falsch-positiven Ergebnisse treten typischerweise auf, wenn Leads ihr erwartetes Volumen oder ihren geplanten Startzeitpunkt schätzen, aber nicht bestätigen können. Falsch-negative Ergebnisse sind selten und entstehen meist, wenn ein Lead das Gespräch beendet, bevor der Agent genug Informationen für eine Entscheidung hat. Künftig gibt der Agent in solchen unvollständigen Fällen „N/V“ zurück, statt den Lead zu disqualifizieren.

„Wir haben einen grundlegenden Wandel darin erlebt, wie Inbound-Sales im großen Maßstab funktionieren können. Mit unserem KI-SDR kann jeder, der sich für unsere Plattform interessiert, jederzeit ein personalisiertes Gespräch in seiner eigenen Sprache beginnen. Unsere Plattform versteht man am besten aus erster Hand. Qualifizierte Leads buchen heute Termine in Minuten statt in Tagen.“ – Jonathan Chemouny, EMEA Sales Lead, ElevenLabs

Mit einem durchschnittlichen CSAT-Wert von 8,7 zeigen die ersten Gespräche, wie schnell sich die Wahrnehmung dessen verändert, was Conversational Agents leisten können. Hier sind einige Auszüge:

• „Danke, dass Sie mir heute geholfen haben. Das ist das erste Mal, dass ich einen KI-Agenten entdeckt habe, der so nützlich war wie Sie. Ich wünsche Ihnen einen schönen Tag!“

• „Wow! Wow! Ehrlich gesagt, Sie sind gut […] es ist klar, es ist gut erklärt. Das ist Conversational AI. Ehrlich gesagt, es ist großartig!“ 

• „[Dieses Gespräch] war für mich nützlich. Es gibt mir einen ersten Einblick in die Produkte, die Sie anbieten … es gab einige kleine Fehler, aber ansonsten ist die Audioqualität, nun ja, die Stimmqualität, ziemlich beeindruckend.“

Ausblick

In den kommenden Monaten werden wir die Funktionen des Agenten mit unserem neuen Workflows-Feature erweitern. Workflows sind darauf ausgelegt, komplexere, dynamische Gespräche zu führen und zuverlässigere Entscheidungen zu unterstützen. Dadurch werden auch neue Anwendungsfälle für Agenten möglich, etwa Outbound-Sales und die erneute Ansprache nicht reagierender Leads.

Heute prüft unser Team jede Entscheidung des KI-SDR. Bald wird das System Termine direkt in den Kalendern unserer Account Executives buchen – mit einer Planungslogik, die jeden Termin automatisch dem richtigen Verantwortlichen zuordnet.

Unser KI-SDR hat unseren Inbound-Sales-Prozess bereits verändert: Er erfüllt die Erwartungen von Interessenten und gibt unserem Team mehr Zeit, sich auf das Wesentliche zu konzentrieren. Wir sehen darin einen weiteren Schritt in eine Zukunft, in der Stimme die primäre Schnittstelle für Technologie ist.

Möchten Sie eigene Conversational Agents entwickeln? Hier starten.