Comment nous avons développé les ventes entrantes avec un SDR IA qui qualifie 78% des prospects de bout en bout

Chaque semaine, des centaines de personnes remplissent le formulaire de vente sur notre site pour en savoir plus sur notre plateforme et nos tarifs. Cependant, la plupart de ces prospects sont mieux adaptés à nos plans en libre-service, qui répondent à la majorité de nos utilisateurs et disposent d'une documentation détaillée sur notre site.

Bien que notre équipe commerciale souhaite rencontrer chaque prospect directement, elle se concentre sur les déploiements d'entreprise nécessitant des solutions personnalisées. Au lieu de cela, elle examine manuellement chaque soumission pour identifier celles qui conviennent à une conversation d'entreprise et celles qui sont mieux orientées vers le libre-service. De nombreux formulaires, cependant, incluent des détails incomplets tels que des descriptions vagues de l'utilisation prévue, ce qui oblige notre équipe à faire un suivi pour obtenir le contexte avant de prendre une décision. Ce processus peut ralentir les temps de réponse et détourner l'attention des opportunités d'entreprise prioritaires.

Pour les prospects qualifiés pour l'entreprise, le délai de révision des soumissions de formulaires signifie également une perte de dynamisme. Idéalement, un prospect d'entreprise devrait pouvoir planifier une réunion dès qu'il soumet le formulaire de contact. Sinon, si un formulaire est soumis le vendredi soir, le prospect pourrait ne pas avoir de réponse avant que notre équipe commerciale ne l'examine le lundi, ce qui repousse la première réunion à plus tard dans la semaine.

Pour combler cet écart entre la demande et la capacité de l'équipe, nous avons créé un représentant de développement des ventes (SDR) IA entrant en utilisant notre Agents Platform. Le SDR IA offre des expériences plus rapides et personnalisées pour les prospects entrants tout en permettant à notre équipe de se concentrer sur les opportunités les plus impactantes.

Comment nous avons construit l'agent

Nous avons construit le SDR entrant autour de trois piliers : comportement, capacités et données.

1. Comportement

Nous avons défini comment notre SDR, « Jon », se comporte en utilisant l'invite système dans notre Agents Platform. Nous avons décrit les traits de personnalité principaux de Jon, comme étant « un représentant commercial chaleureux et consultatif qui rend les sujets complexes de l'IA accessibles ». Nous avons également défini son objectif principal et les scénarios dans lesquels il doit agir, comme planifier une réunion ou envoyer un message à notre équipe. Pour en savoir plus sur la structure exacte que nous avons suivie, consultez notre guide d'invite.

Nous avons équipé Jon d'une base de connaissances étendue, comprenant plus de cent questions fréquemment posées et un aperçu des capacités de notre produit à partir de la documentation de notre site. Pour l'instant, nous mettons à jour manuellement la base de connaissances de Jon à mesure que de nouveaux produits ou fonctionnalités sont lancés. Bientôt, il sera possible d'ajouter une URL cible et de mettre à jour automatiquement la base de connaissances selon un calendrier régulier.

Après le lancement, nous avons travaillé avec les responsables commerciaux de notre équipe GTM pour examiner les transcriptions des appels, identifier les erreurs et améliorer les performances de l'agent. Les premiers enseignements comprenaient :

• Trouver le bon LLM pour votre cas d'utilisation nécessite des expérimentations : Nous avons commencé avec un modèle optimisé pour une faible latence mais avons changé pour un modèle plus performant après avoir observé que le modèle initial avait des difficultés avec la fiabilité et l'appel d'outils. La mise à niveau a réduit les hallucinations, comme l'agent référant incorrectement à l'année en cours, ce qui causait auparavant des erreurs d'appel d'outils en aval. Des LLM plus puissants sont également utiles pour des besoins de raisonnement plus avancés. Par exemple, notre agent peut désormais aider les prospects à estimer leur utilisation prévue de notre plateforme. Lorsqu'un prospect n'est pas sûr, Jon demande maintenant le nombre d'appels prévus par jour et la durée moyenne des appels pour calculer l'utilisation mensuelle estimée.

• L'agent peut échouer de manière préférable : Jusqu'à ce que l'agent prenne 100% des décisions correctement, nous avons ajusté son invite système pour privilégier les faux positifs plutôt que les faux négatifs : nous préférons rencontrer un prospect et le guider vers un chemin en libre-service plutôt que de manquer une opportunité d'entreprise potentielle.

• Prendre en compte les cas limites alourdit l'invite système au fil du temps et introduit un risque d'erreur : Après avoir examiné plus de 50 appels, nous avons introduit plusieurs instructions « si X, alors faire Y ». Par exemple : « Si l'appelant parle une langue autre que l'anglais, demandez s'il préfère la réunion dans cette langue ou en anglais avant de réserver. » Bien que les LLM à large contexte gèrent efficacement ces règles, des invites alourdies peuvent augmenter le risque d'erreur. Nous avons observé qu'à mesure que les invites s'étendent, certains comportements - comme poser plusieurs questions à la fois - deviennent plus persistants.

• Les garde-fous sont efficaces pour prévenir le contournement des processus : Certains utilisateurs demandaient à plusieurs reprises à parler directement avec notre équipe avant de fournir suffisamment d'informations. L'ajout de garde-fous explicites est particulièrement efficace pour atténuer ces demandes.

• Les utilisateurs ont besoin de retours pendant l'exécution des outils : Lorsque Jon utilisait des outils comme la vérification de la disponibilité du calendrier, les appelants ressentaient souvent des silences déroutants. Nous avons résolu cela en ajoutant une fonctionnalité optionnelle de « message forcé » qui informe l'utilisateur lorsqu'un outil est utilisé.

• Les interactions vocales favorisent l'engagement : Environ un prospect sur cinq rappelle pour continuer son interaction avec Jon. Dans un cas, après avoir appris sur notre produit et nos tarifs, un appelant est revenu simplement pour demander à Jon une recette de spaghetti.

2. Capacités et outils personnalisés

Jon a accès aux mêmes outils qu'un SDR humain utiliserait pour gérer les conversations entrantes de manière autonome.

Au début de chaque appel, il examine la soumission du formulaire de contact pour recueillir le contexte. Pendant l'appel, il peut alors qualifier les prospects et planifier des réunions en temps réel en vérifiant la disponibilité à travers les fuseaux horaires. Après qu'une réunion soit planifiée, il envoie à notre équipe un résumé de l'appel.

Jon peut également passer sans problème entre 32 langues, avec des voix optimisées pour chaque locale. Au cours d'une semaine typique, il utilise plus de huit langues.

3. Données

À la fin de chaque appel, Jon capture le cas d'utilisation du prospect et la décision de qualification, en écrivant ces données directement dans notre CRM. Cela donne à notre équipe une visibilité complète sur chaque interaction de vente.

Jon enregistre également des données structurées telles que les scores de satisfaction client. À la fin d'une conversation, il demande aux prospects d'évaluer leur expérience sur une échelle de 1 à 10. Nous examinons quotidiennement les conversations les mieux et les moins bien notées pour comprendre ce qui a fonctionné et ce qui n'a pas fonctionné.

Ces comportements, capacités et flux de données garantissent que Jon fonctionne avec à la fois une fluidité conversationnelle et une efficacité opérationnelle, gérant les mêmes workflows qu'un SDR humain.

Résultats à ce jour

Depuis son lancement, le SDR IA a été déployé dans 38 pays avec une disponibilité 24/7. Il gère désormais plus de 50 appels par semaine, soit l'équivalent de deux SDR à temps plein.

78% de ses décisions de qualification ne nécessitent aucune intervention humaine. Dans les 22% restants, l'agent fait principalement des qualifications « faux positifs » où il qualifie des prospects qui auraient dû être disqualifiés. Nous préférons ce résultat à l'alternative de disqualifier des prospects qui auraient dû être qualifiés.

Ces faux positifs se produisent généralement lorsque les prospects estiment mais ne peuvent pas confirmer leur volume prévu ou le calendrier de lancement. Les faux négatifs sont rares et se produisent généralement lorsqu'un prospect termine l'appel avant que l'agent ait suffisamment d'informations pour décider. À l'avenir, l'agent retournera « N/A » pour les cas incomplets comme ceux-ci au lieu de disqualifier le prospect.

"Nous avons constaté un changement fondamental dans la façon dont les ventes entrantes peuvent fonctionner à grande échelle. Avec notre SDR IA, toute personne intéressée par notre plateforme peut désormais entamer une conversation personnalisée dans sa propre langue, à tout moment. La meilleure façon de comprendre notre plateforme est de l'expérimenter directement, et les prospects qualifiés planifient désormais des réunions en quelques minutes au lieu de jours." – Jonathan Chemouny, Responsable des ventes EMEA, ElevenLabs

Avec un score CSAT moyen de 8,7, les premières conversations montrent à quelle vitesse les perceptions changent sur ce que les agents conversationnels peuvent accomplir. Voici quelques extraits :

• « Merci de m'avoir aidé aujourd'hui. C'est la première fois que je découvre un agent IA aussi utile que vous. Et je vous souhaite une bonne journée ! »

• « Wow ! Wow ! Honnêtement, vous êtes bon […] c'est propre, c'est bien expliqué. C'est de l'IA conversationnelle. Honnêtement, c'est génial ! » 

• « [Cette conversation] m'a été utile. Elle me donne un premier aperçu des produits que vous proposez … il y avait quelques petites erreurs, mais sinon, la qualité audio, enfin, la qualité de la voix, est assez impressionnante. »

Perspectives d'avenir

Au cours des prochains mois, nous allons étendre les capacités de l'agent grâce à notre nouvelle fonctionnalité de workflows. Les workflows sont conçus pour gérer des conversations plus complexes et dynamiques et soutenir une prise de décision plus fiable. Cela permettra également de débloquer de nouveaux cas d'utilisation de l'agent tels que les ventes sortantes et la réengagement des prospects non réactifs.

Aujourd'hui, notre équipe examine chaque décision prise par le SDR IA. Bientôt, le système planifiera directement des réunions sur les calendriers de nos responsables de comptes avec une logique de planification qui attribue automatiquement chaque réunion au bon propriétaire.

Notre SDR IA a déjà transformé notre processus de vente entrant en répondant aux attentes des prospects et en donnant à notre équipe plus de temps pour se concentrer là où cela compte. Nous voyons cela comme une autre étape vers un avenir où la voix est l'interface principale pour la technologie.

Vous souhaitez créer vos propres agents conversationnels ? Commencez ici.