कैसे हमने AI SDR के साथ इनबाउंड सेल्स को स्केल किया जो 78% लीड्स को पूरी तरह से क्वालिफाई करता है

हर हफ्ते, सैकड़ों लोग एंटरप्राइज सेल्स फॉर्म हमारी वेबसाइट पर भरते हैं ताकि हमारे प्लेटफ़ॉर्म और प्राइसिंग के बारे में अधिक जान सकें। हालांकि, इनमें से अधिकांश लीड्स हमारे सेल्फ-सर्व प्लान्स के लिए बेहतर होते हैं, जो हमारे अधिकांश यूज़र्स के लिए होते हैं और जिनकी विस्तृत जानकारी हमारी वेबसाइट पर उपलब्ध है।

जबकि हमारी सेल्स टीम हर लीड से सीधे मिलना चाहती है, उनका ध्यान उन एंटरप्राइज डिप्लॉयमेंट्स पर होता है जिनके लिए कस्टमाइज़्ड सॉल्यूशंस की आवश्यकता होती है। इसके बजाय, वे प्रत्येक सबमिशन की मैन्युअल समीक्षा करते हैं ताकि यह पहचान सकें कि कौन से एंटरप्राइज बातचीत के लिए उपयुक्त हैं और कौन से सेल्फ-सर्व की ओर बेहतर मार्गदर्शन किए जा सकते हैं। हालांकि, कई फॉर्म में अधूरी जानकारी होती है जैसे कि लीड के उपयोग के मामले का अस्पष्ट विवरण, जिसके लिए हमारी टीम को निर्णय लेने से पहले संदर्भ के लिए फॉलो अप करना पड़ता है। यह प्रक्रिया प्रतिक्रिया समय को धीमा कर सकती है और उच्च प्राथमिकता वाले एंटरप्राइज अवसरों से ध्यान हटा सकती है।

एंटरप्राइज-क्वालिफाइड लीड्स के लिए, फॉर्म सबमिशन की समीक्षा से देरी का मतलब है कि गति खो जाती है। आदर्श रूप से, एक एंटरप्राइज लीड को संपर्क सेल्स फॉर्म सबमिट करने के तुरंत बाद मीटिंग बुक करने में सक्षम होना चाहिए। अन्यथा, यदि कोई फॉर्म शुक्रवार शाम को सबमिट किया जाता है, तो लीड को सोमवार तक हमारी सेल्स टीम द्वारा समीक्षा किए जाने तक कोई प्रतिक्रिया नहीं मिल सकती है, जिससे पहली मीटिंग उस सप्ताह के बाद में हो सकती है।

डिमांड और टीम क्षमता के बीच इस अंतर को पाटने के लिए, हमने अपने एजेंट्स प्लेटफ़ॉर्म का उपयोग करके एक इनबाउंड AI सेल्स डेवलपमेंट रिप्रेजेंटेटिव (SDR) बनाया। AI SDR इनबाउंड लीड्स के लिए तेज़, अधिक व्यक्तिगत अनुभव प्रदान करता है जबकि हमारी टीम को सबसे प्रभावशाली अवसरों पर ध्यान केंद्रित करने में सक्षम बनाता है।

कैसे हमने एजेंट बनाया

हमने इनबाउंड SDR को तीन स्तंभों के इर्द-गिर्द बनाया: व्यवहार, क्षमताएं, और डेटा।

1. व्यवहार

हमने हमारे SDR, “Jon,” के व्यवहार को हमारे एजेंट्स प्लेटफ़ॉर्म में सिस्टम प्रॉम्प्ट का उपयोग करके परिभाषित किया। इसमें, हमने Jon के मुख्य व्यक्तित्व लक्षणों को रेखांकित किया, जैसे कि “एक गर्म, सलाहकार सेल्स प्रतिनिधि जो जटिल AI विषयों को सुलभ बनाता है।” हमने उसके मुख्य लक्ष्य और उन परिदृश्यों को भी परिभाषित किया जिनमें उसे कार्रवाई करनी चाहिए, जैसे कि मीटिंग बुक करना या हमारी टीम को संदेश भेजना। हमने जिस सटीक संरचना का पालन किया, उसके बारे में अधिक जानने के लिए देखें हमारा प्रॉम्प्टिंग गाइड.

हमने Jon को एक व्यापक ज्ञान आधार से लैस किया, जिसमें हमारी वेबसाइट के दस्तावेज़ से हमारे प्रोडक्ट क्षमताओं का अवलोकन और सौ से अधिक अक्सर पूछे जाने वाले प्रश्न शामिल हैं। फिलहाल, हम Jon के ज्ञान आधार को मैन्युअल रूप से अपडेट करते हैं जब नए प्रोडक्ट या फीचर्स जारी होते हैं। जल्द ही, एक लक्ष्य URL जोड़ना संभव होगा और ज्ञान आधार नियमित रूप से स्वचालित रूप से अपडेट होगा।

लॉन्च के बाद, हमने हमारे GTM टीम के सेल्स लीडर्स के साथ कॉल ट्रांसक्रिप्ट की समीक्षा की, गलतियों की पहचान की, और एजेंट के प्रदर्शन में सुधार किया। शुरुआती सीखों में शामिल थे:

• आपके उपयोग के मामले के लिए सही LLM ढूंढना प्रयोग की मांग करता है: हमने कम विलंबता के लिए अनुकूलित मॉडल के साथ शुरुआत की लेकिन देखा कि प्रारंभिक मॉडल विश्वसनीयता और टूल कॉलिंग के साथ संघर्ष कर रहा था, इसलिए हमने एक अधिक सक्षम मॉडल में स्विच किया। अपग्रेड ने भ्रम को कम किया, जैसे कि एजेंट द्वारा वर्तमान वर्ष का गलत संदर्भ देना, जो पहले डाउनस्ट्रीम टूल कॉलिंग त्रुटियों का कारण बनता था। मजबूत LLMs अधिक उन्नत तर्क आवश्यकताओं के लिए भी सहायक होते हैं। उदाहरण के लिए, हमारा एजेंट अब लीड्स को हमारे प्लेटफ़ॉर्म के अपेक्षित उपयोग का अनुमान लगाने में मदद कर सकता है। जब कोई लीड अनिश्चित होता है, तो Jon अब उनसे उनके अपेक्षित कॉल्स प्रति दिन और औसत कॉल अवधि पूछता है ताकि अनुमानित मासिक उपयोग की गणना कर सके।

• एजेंट वरीयता के तरीकों में विफल हो सकता है: जब तक एजेंट 100% निर्णय सही नहीं करता, हमने इसके सिस्टम प्रॉम्प्ट को गलत सकारात्मक के बजाय गलत नकारात्मक को प्राथमिकता देने के लिए ट्यून किया: हम एक लीड से मिलना और उन्हें सेल्फ-सर्व पथ की ओर मार्गदर्शन करना पसंद करेंगे बजाय इसके कि एक संभावित एंटरप्राइज अवसर को खो दें।

• एज केस के लिए खाता बनाना समय के साथ सिस्टम प्रॉम्प्ट को बढ़ाता है और त्रुटि जोखिम को पेश करता है: 50 से अधिक कॉल की समीक्षा के बाद, हमने कई “यदि X, तो Y करें” निर्देश पेश किए। उदाहरण के लिए: “यदि कॉलर अंग्रेजी के अलावा किसी अन्य भाषा में बोल रहा है, तो मीटिंग बुक करने से पहले पूछें कि क्या वे उस भाषा में या अंग्रेजी में मीटिंग पसंद करते हैं।” जबकि बड़े-संदर्भ LLMs इन नियमों को प्रभावी ढंग से संभालते हैं, बढ़े हुए प्रॉम्प्ट त्रुटि जोखिम को बढ़ा सकते हैं। हमने देखा है कि जैसे-जैसे प्रॉम्प्ट बढ़ते हैं, कुछ व्यवहार - जैसे एक साथ कई प्रश्न पूछना - अधिक स्थायी हो जाते हैं।

• गार्डरेल्स प्रक्रिया को बायपास करने से रोकने में प्रभावी हैं: कुछ यूज़र्स बार-बार हमारी टीम से सीधे बात करने का अनुरोध करते थे बिना पर्याप्त जानकारी दिए। स्पष्ट गार्डरेल्स जोड़ना विशेष रूप से इन अनुरोधों को कम करने में प्रभावी है।

• उपकरण निष्पादन के दौरान यूज़र्स को फीडबैक की आवश्यकता होती है: जब Jon ने कैलेंडर उपलब्धता की जांच जैसे उपकरणों का उपयोग किया, तो कॉलर्स अक्सर भ्रमित चुप्पी का अनुभव करते थे। हमने इसे एक वैकल्पिक “फोर्स मैसेज” फीचर जोड़कर हल किया जो यूज़र को सूचित करता है जब कोई उपकरण उपयोग में है।

• वॉइस-आधारित इंटरैक्शन सगाई बनाते हैं: लगभग पांच में से एक लीड Jon के साथ अपनी बातचीत जारी रखने के लिए वापस कॉल करता है। एक मामले में, हमारे प्रोडक्ट और प्राइसिंग के बारे में जानने के बाद, एक कॉलर ने सिर्फ Jon से स्पेगेटी रेसिपी पूछने के लिए वापस कॉल किया।

2. क्षमताएं और कस्टम उपकरण

Jon के पास वही उपकरण हैं जिनका उपयोग एक मानव SDR इनबाउंड बातचीत को स्वतंत्र रूप से प्रबंधित करने के लिए करेगा।

प्रत्येक कॉल की शुरुआत में, वह संदर्भ प्राप्त करने के लिए संपर्क फॉर्म सबमिशन की समीक्षा करता है। कॉल के दौरान, वह लीड्स को क्वालिफाई कर सकता है और समय क्षेत्रों में उपलब्धता की जांच करके वास्तविक समय में मीटिंग बुक कर सकता है। एक मीटिंग बुक होने के बाद, वह हमारी टीम को कॉल का सारांश भेजता है।

Jon 32 भाषाओं के बीच सहजता से स्विच कर सकता है, प्रत्येक स्थान के लिए अनुकूलित आवाज़ों के साथ। एक सामान्य सप्ताह में, वह आठ से अधिक भाषाओं का उपयोग करता है।

3. डेटा

प्रत्येक कॉल के अंत में, Jon लीड के उपयोग के मामले और क्वालिफिकेशन निर्णय को कैप्चर करता है, इस डेटा को सीधे हमारे CRM में लिखता है। यह हमारी टीम को हर सेल्स इंटरैक्शन में पूरी दृश्यता देता है।

Jon संरचित डेटा जैसे ग्राहक संतोष स्कोर भी रिकॉर्ड करता है। बातचीत के अंत में, वह लीड्स से उनके अनुभव को 1-10 के पैमाने पर रेट करने के लिए कहता है। हम यह समझने के लिए प्रतिदिन उच्चतम और निम्नतम रेटेड बातचीत की समीक्षा करते हैं कि क्या काम किया और क्या नहीं।

ये व्यवहार, क्षमताएं, और डेटा पाइपलाइन्स सुनिश्चित करते हैं कि Jon बातचीत की प्रवाहशीलता और संचालन की दक्षता के साथ काम करता है, वही वर्कफ़्लो संभालता है जो एक मानव SDR करता है।

अब तक के परिणाम

लॉन्च के बाद से, AI SDR को 38 देशों में 24/7 उपलब्धता के साथ तैनात किया गया है। यह अब प्रति सप्ताह 50+ कॉल्स को संभालता है, जो दो पूर्णकालिक SDRs के बराबर है।

इसके 78% क्वालिफिकेशन निर्णयों के लिए किसी मानव हस्तक्षेप की आवश्यकता नहीं होती। शेष 22% में, एजेंट ज्यादातर “गलत सकारात्मक” क्वालिफिकेशन करता है जहां यह उन लीड्स को क्वालिफाई करता है जिन्हें अयोग्य घोषित किया जाना चाहिए था। हम इस परिणाम को पसंद करते हैं बजाय इसके कि उन लीड्स को अयोग्य घोषित कर दें जिन्हें क्वालिफाई किया जाना चाहिए था।

ये गलत सकारात्मक आमतौर पर तब होते हैं जब लीड्स अपने अपेक्षित वॉल्यूम या लॉन्च टाइमिंग की पुष्टि नहीं कर सकते। गलत नकारात्मक दुर्लभ होते हैं और आमतौर पर तब होते हैं जब एक लीड कॉल समाप्त कर देता है इससे पहले कि एजेंट के पास निर्णय लेने के लिए पर्याप्त जानकारी हो। आगे बढ़ते हुए, एजेंट इन अधूरे मामलों के लिए “N/A” लौटाएगा बजाय इसके कि लीड को अयोग्य घोषित कर दे।

"हमने देखा है कि इनबाउंड सेल्स कैसे बड़े पैमाने पर काम कर सकते हैं। हमारे AI SDR के साथ, हमारे प्लेटफ़ॉर्म में रुचि रखने वाला कोई भी व्यक्ति अब अपनी भाषा में, किसी भी समय एक व्यक्तिगत बातचीत शुरू कर सकता है। हमारे प्लेटफ़ॉर्म को समझने का सबसे अच्छा तरीका इसे प्रत्यक्ष अनुभव करना है, और अब क्वालिफाइड लीड्स मिनटों में मीटिंग बुक कर रहे हैं, दिनों में नहीं।" – जोनाथन केमूनी, EMEA सेल्स लीड, ElevenLabs

औसत CSAT स्कोर 8.7 के साथ, शुरुआती बातचीत दिखाती है कि बातचीत एजेंट्स क्या हासिल कर सकते हैं, इस बारे में धारणाएं कितनी जल्दी बदल रही हैं। यहां कुछ अंश हैं:

• “आज मेरी मदद करने के लिए धन्यवाद। यह पहली बार है जब मैंने एक AI एजेंट को आपके जितना उपयोगी पाया है। और मैं आपको एक अच्छा दिन की शुभकामनाएं देता हूं!”

• “वाह! वाह! ईमानदारी से, आप अच्छे हैं […] यह साफ है, यह अच्छी तरह से समझाया गया है। यह कन्वर्सेशनल AI है। ईमानदारी से, यह शानदार है!”

• “[यह बातचीत] मेरे लिए उपयोगी थी। यह मुझे आपके द्वारा पेश किए जाने वाले प्रोडक्ट्स की पहली झलक देता है … कुछ छोटी गलतियाँ थीं, लेकिन अन्यथा, ऑडियो गुणवत्ता, खैर, आवाज की गुणवत्ता, काफी प्रभावशाली है।”

आगे की राह

अगले कुछ महीनों में, हम अपने नए वर्कफ़्लोज़ फीचर के माध्यम से एजेंट की क्षमताओं का विस्तार करेंगे। वर्कफ़्लोज़ को अधिक जटिल, गतिशील बातचीत को संभालने और अधिक विश्वसनीय निर्णय लेने का समर्थन करने के लिए डिज़ाइन किया गया है। यह आउटबाउंड सेल्स और अनुत्तरदायी लीड्स को फिर से जोड़ने जैसे नए एजेंट उपयोग मामलों को भी अनलॉक करेगा।

आज, हमारी टीम AI SDR द्वारा किए गए हर निर्णय की समीक्षा करती है। जल्द ही, सिस्टम सीधे हमारे अकाउंट एग्जीक्यूटिव्स के कैलेंडर पर मीटिंग बुक करेगा, जिसमें शेड्यूलिंग लॉजिक होगा जो स्वचालित रूप से प्रत्येक मीटिंग को सही मालिक के पास रूट करेगा।

हमारे AI SDR ने पहले ही हमारे इनबाउंड सेल्स प्रक्रिया को बदल दिया है, संभावनाओं की अपेक्षाओं को पूरा करके और हमारी टीम को महत्वपूर्ण स्थानों पर ध्यान केंद्रित करने के लिए अधिक समय देकर। हम इसे उस भविष्य की ओर एक और कदम के रूप में देखते हैं जहां वॉइस तकनीक के लिए प्राथमिक इंटरफ़ेस है।

अपने खुद के कन्वर्सेशनल एजेंट्स बनाना चाहते हैं? यहां से शुरू करें।