हमने इनबाउंड सेल्स को कैसे स्केल किया एक AI SDR के साथ जो 78% लीड्स को पूरी तरह क्वालिफाई कर सकता है

हर हफ़्ते, सैकड़ों लोग हमारे एंटरप्राइज़ सेल्स फ़ॉर्म को भरते हैं, ताकि हमारे प्लेटफ़ॉर्म और कीमतों के बारे में ज़्यादा जान सकें। हालांकि, इनमें से ज़्यादातर लीड्स हमारे सेल्फ़-सर्व प्लान के लिए बेहतर हैं, जो हमारे अधिकांश यूज़र्स के लिए हैं और जिनकी विस्तृत जानकारी हमारी वेबसाइट पर उपलब्ध है।

हमारी सेल्स टीम हर लीड से सीधे मिलना चाहती है, लेकिन उसका फ़ोकस उन एंटरप्राइज़ डिप्लॉयमेंट्स पर होता है जिनके लिए कस्टमाइज़्ड समाधानों की ज़रूरत होती है। इसलिए, टीम हर सबमिशन को मैन्युअली देखकर तय करती है कि कौन-सी लीड एंटरप्राइज़ बातचीत के लिए सही है और किसे सेल्फ़-सर्व की ओर भेजना बेहतर होगा। हालांकि, कई फ़ॉर्म में अधूरी जानकारी होती है, जैसे लीड के यूज़ केस का अस्पष्ट विवरण। ऐसे में फ़ैसला लेने से पहले हमारी टीम को संदर्भ के लिए फ़ॉलो-अप करना पड़ता है। इससे जवाब देने में देरी हो सकती है और उच्च-प्राथमिकता वाले एंटरप्राइज़ अवसरों से ध्यान हट सकता है।

एंटरप्राइज़ के लिए योग्य लीड्स के मामले में, फ़ॉर्म सबमिशन की समीक्षा में होने वाली देरी से रफ़्तार भी कम हो जाती है। आदर्श रूप से, एंटरप्राइज़ लीड को कॉन्टैक्ट सेल्स फ़ॉर्म सबमिट करते ही मीटिंग बुक कर लेनी चाहिए। नहीं तो, अगर फ़ॉर्म शुक्रवार शाम को सबमिट किया गया हो, तो हमारी सेल्स टीम के सोमवार को समीक्षा करने तक लीड को जवाब नहीं मिलेगा और पहली मीटिंग उसी हफ़्ते बाद में होगी।

डिमांड और टीम की क्षमता के बीच इस अंतर को पाटने के लिए, हमने अपने Agents Platform का इस्तेमाल करके एक इनबाउंड AI सेल्स डेवलपमेंट रिप्रेज़ेंटेटिव (SDR) बनाया। AI SDR इनबाउंड लीड्स को तेज़ और ज़्यादा व्यक्तिगत अनुभव देता है, साथ ही हमारी टीम को सबसे असरदार अवसरों पर ध्यान देने में मदद करता है।

हमने एजेंट कैसे बनाया

हमने इनबाउंड SDR को तीन स्तंभों पर बनाया: व्यवहार, क्षमताएं और डेटा।

1. व्यवहार

हमने अपने Agents Platform में सिस्टम प्रॉम्प्ट का इस्तेमाल करके तय किया कि हमारा SDR, “Jon,” कैसे व्यवहार करेगा। इसमें हमने Jon के मुख्य व्यक्तित्व गुण बताए, जैसे “एक गर्मजोशी भरा, सलाहकार सेल्स रिप्रेज़ेंटेटिव जो AI के जटिल विषयों को सहज बनाता है।” हमने उसका मुख्य लक्ष्य और वे स्थितियां भी तय कीं जिनमें उसे कार्रवाई करनी चाहिए, जैसे मीटिंग बुक करना या हमारी टीम को मैसेज भेजना। हमने जिस सटीक संरचना का पालन किया, उसके बारे में ज़्यादा जानने के लिए हमारी प्रॉम्प्टिंग गाइड देखें।

हमने Jon को एक व्यापक नॉलेज बेस दिया, जिसमें 100 से ज़्यादा अक्सर पूछे जाने वाले सवाल और हमारी वेबसाइट के दस्तावेज़ों से प्रोडक्ट क्षमताओं का ओवरव्यू शामिल है। फ़िलहाल, नए प्रोडक्ट या फ़ीचर्स रिलीज़ होने पर हम Jon के नॉलेज बेस को मैन्युअली अपडेट करते हैं। जल्द ही, एक टार्गेट URL जोड़ना और नॉलेज बेस को नियमित शेड्यूल पर अपने-आप अपडेट करना संभव होगा।

लॉन्च के बाद, हमने अपनी GTM टीम के सेल्स लीडर्स के साथ मिलकर कॉल ट्रांसक्रिप्ट्स की समीक्षा की, गलतियों की पहचान की और एजेंट की परफ़ॉर्मेंस बेहतर की। शुरुआती सीख में शामिल हैं:

• अपने यूज़ केस के लिए सही LLM ढूंढने में प्रयोग करने पड़ते हैं: हमने कम लेटेंसी के लिए ऑप्टिमाइज़्ड मॉडल से शुरुआत की, लेकिन जब पता चला कि शुरुआती मॉडल विश्वसनीयता और टूल कॉलिंग में संघर्ष कर रहा है, तो हमने ज़्यादा सक्षम मॉडल अपना लिया। इस अपग्रेड से हैलुसिनेशन कम हुए, जैसे एजेंट का गलती से मौजूदा साल का उल्लेख करना, जिससे पहले डाउनस्ट्रीम टूल कॉलिंग एरर्स होते थे। ज़्यादा शक्तिशाली LLMs उन्नत रीजनिंग की ज़रूरतों के लिए भी मददगार हैं। उदाहरण के लिए, हमारा एजेंट अब लीड्स को हमारे प्लेटफ़ॉर्म के अपने अनुमानित उपयोग का आकलन करने में मदद कर सकता है। जब लीड को यक़ीन न हो, तो Jon अब उनसे प्रतिदिन अपेक्षित कॉल्स और कॉल की औसत अवधि पूछता है, ताकि अनुमानित मासिक उपयोग की गणना कर सके।

• एजेंट बेहतर तरीके से असफल हो सकता है: जब तक एजेंट 100% सही फ़ैसले नहीं लेने लगता, हमने उसके सिस्टम प्रॉम्प्ट को फ़ॉल्स नेगेटिव्स के बजाय फ़ॉल्स पॉज़िटिव्स को प्राथमिकता देने के लिए ट्यून किया है: हम किसी लीड से मिलकर उसे सेल्फ़-सर्व विकल्प की ओर मार्गदर्शन देना पसंद करेंगे, बजाय किसी संभावित एंटरप्राइज़ अवसर को खो देने के।

• एज केस को शामिल करने से समय के साथ सिस्टम प्रॉम्प्ट बड़ा होता जाता है और गलतियों का जोखिम बढ़ता है: 50 से ज़्यादा कॉल्स की समीक्षा के बाद, हमने कई “अगर X, तो Y करें” निर्देश जोड़े। उदाहरण के लिए: “अगर कॉलर अंग्रेज़ी के अलावा किसी और भाषा में बोल रहा है, तो बुकिंग से पहले पूछें कि वे मीटिंग उस भाषा में चाहते हैं या अंग्रेज़ी में।” हालांकि बड़े-कॉन्टेक्स्ट वाले LLMs इन नियमों को प्रभावी ढंग से संभालते हैं, लेकिन बहुत बड़े प्रॉम्प्ट गलतियों का जोखिम बढ़ा सकते हैं। हमने देखा है कि प्रॉम्प्ट बढ़ने के साथ कुछ व्यवहार - जैसे एक साथ कई सवाल पूछना - ज़्यादा लगातार बने रहते हैं।

• गार्डरेल्स प्रक्रिया को बायपास होने से रोकने में प्रभावी हैं: कुछ यूज़र्स ने पर्याप्त जानकारी देने से पहले बार-बार हमारी टीम से सीधे बात करने को कहा। स्पष्ट गार्डरेल्स जोड़ने से ऐसे अनुरोधों को कम करने में खास मदद मिलती है।

• टूल चलने के दौरान यूज़र्स को जानकारी चाहिए: जब Jon कैलेंडर की उपलब्धता जांचने जैसे टूल्स का इस्तेमाल करता था, तो कॉलर्स को अक्सर भ्रमित करने वाली चुप्पी का अनुभव होता था। हमने इसे वैकल्पिक “फोर्स मैसेज” फ़ीचर जोड़कर हल किया, जो यूज़र को बताता है कि टूल का इस्तेमाल हो रहा है।

• आवाज़ पर आधारित बातचीत जुड़ाव बढ़ाती है: लगभग हर पांच में से एक लीड, Jon के साथ अपनी बातचीत जारी रखने के लिए दोबारा कॉल करती है। एक मामले में, हमारे प्रोडक्ट और कीमतों के बारे में जानने के बाद एक कॉलर सिर्फ़ Jon से स्पेगेटी की रेसिपी पूछने के लिए वापस आया।

2. क्षमताएं और कस्टम टूल्स

Jon के पास वही टूल्स हैं जिनका इस्तेमाल एक मानव SDR इनबाउंड बातचीत को स्वतंत्र रूप से संभालने के लिए करता है।

हर कॉल की शुरुआत में, वह संदर्भ जुटाने के लिए कॉन्टैक्ट फ़ॉर्म सबमिशन की समीक्षा करता है। फिर कॉल के दौरान, वह अलग-अलग टाइम ज़ोन में उपलब्धता जांचकर रियल टाइम में लीड्स को क्वालिफ़ाई कर सकता है और मीटिंग बुक कर सकता है। मीटिंग बुक होने के बाद, वह हमारी टीम को कॉल का सारांश भेजता है।

Jon हर लोकेल के लिए ऑप्टिमाइज़्ड वॉइसेज़ के साथ 32 भाषाओं के बीच आसानी से स्विच कर सकता है। एक सामान्य हफ़्ते में, वह आठ से ज़्यादा भाषाओं का इस्तेमाल करता है।

3. डेटा 

हर कॉल के अंत में, Jon लीड के यूज़ केस और क्वालिफ़िकेशन फ़ैसले को रिकॉर्ड करता है और यह डेटा सीधे हमारे CRM में लिखता है। इससे हमारी टीम को हर सेल्स इंटरैक्शन की पूरी जानकारी मिलती है।

Jon स्ट्रक्चर्ड डेटा भी रिकॉर्ड करता है, जैसे ग्राहक संतुष्टि स्कोर। बातचीत के अंत में, वह लीड्स से 1-10 के पैमाने पर अपने अनुभव को रेट करने के लिए कहता है। हम यह समझने के लिए कि क्या काम किया और क्या नहीं, सबसे ज़्यादा और सबसे कम रेटिंग वाली बातचीत की रोज़ समीक्षा करते हैं। 

ये व्यवहार, क्षमताएं और डेटा पाइपलाइन्स सुनिश्चित करते हैं कि Jon एक मानव SDR जैसे ही वर्कफ़्लोज़ संभालते हुए, बातचीत में सहजता और ऑपरेशनल दक्षता—दोनों के साथ काम करे।

अब तक के नतीजे

लॉन्च के बाद से, AI SDR को 38 देशों में 24/7 उपलब्धता के साथ डिप्लॉय किया गया है। अब यह हर हफ़्ते 50+ कॉल्स संभालता है, जो दो फुल-टाइम SDRs के बराबर है।

इसके 78% क्वालिफ़िकेशन फ़ैसलों में किसी मानवीय हस्तक्षेप की ज़रूरत नहीं होती। बाकी 22% में, एजेंट ज़्यादातर “फ़ॉल्स पॉज़िटिव” क्वालिफ़िकेशन करता है, यानी ऐसी लीड्स को क्वालिफ़ाई कर देता है जिन्हें अयोग्य ठहराया जाना चाहिए था। हम उन लीड्स को अयोग्य ठहराने के विकल्प की तुलना में इस नतीजे को प्राथमिकता देते हैं जिन्हें योग्य ठहराया जाना चाहिए था।

ये फ़ॉल्स पॉज़िटिव्स आमतौर पर तब होते हैं, जब लीड्स अपने अपेक्षित वॉल्यूम या लॉन्च टाइमिंग का अनुमान तो देती हैं, लेकिन उसकी पुष्टि नहीं कर पातीं। फ़ॉल्स नेगेटिव्स दुर्लभ हैं और आम तौर पर तब होते हैं, जब एजेंट के पास फ़ैसला लेने के लिए पर्याप्त जानकारी आने से पहले ही लीड कॉल खत्म कर देती है। आगे से, एजेंट लीड को अयोग्य ठहराने के बजाय ऐसे अधूरे मामलों में "N/A" लौटाएगा।

"हमने देखा है कि बड़े स्तर पर इनबाउंड सेल्स के काम करने के तरीके में बुनियादी बदलाव आया है। हमारे AI SDR के साथ, हमारे प्लेटफ़ॉर्म में रुचि रखने वाला कोई भी व्यक्ति अब कभी भी, अपनी भाषा में व्यक्तिगत बातचीत शुरू कर सकता है। हमारे प्लेटफ़ॉर्म को समझने का सबसे अच्छा तरीका इसका खुद अनुभव करना है, और योग्य लीड्स अब दिनों के बजाय मिनटों में मीटिंग बुक कर रही हैं।" – Jonathan Chemouny, EMEA सेल्स लीड, ElevenLabs

8.7 के औसत CSAT स्कोर के साथ, शुरुआती बातचीत दिखाती हैं कि कन्वर्सेशनल एजेंट्स की क्षमताओं को लेकर धारणाएं कितनी तेज़ी से बदल रही हैं। यहां कुछ अंश दिए गए हैं:

• “आज मेरी मदद करने के लिए धन्यवाद। पहली बार मैंने कोई ऐसा AI एजेंट देखा है जो आपकी तरह उपयोगी है। आपका दिन अच्छा रहे!”

• “वाह! वाह! सच कहूं तो, आप अच्छे हैं […] यह साफ़ है, इसे अच्छी तरह समझाया गया है। यह कन्वर्सेशनल AI है। सच कहूं तो, यह शानदार है!” 

• “[यह बातचीत] मेरे लिए उपयोगी थी। इससे मुझे आपके प्रोडक्ट्स की पहली झलक मिली … कुछ छोटी गलतियां थीं, लेकिन बाकी सब में ऑडियो क्वालिटी, या कहें वॉइस क्वालिटी, काफ़ी प्रभावशाली है।”

आगे की ओर

अगले कुछ महीनों में, हम अपने नए वर्कफ़्लोज़ फ़ीचर के ज़रिए एजेंट की क्षमताओं का विस्तार करेंगे। वर्कफ़्लोज़ को ज़्यादा जटिल, गतिशील बातचीत संभालने और ज़्यादा भरोसेमंद फ़ैसले लेने में मदद के लिए डिज़ाइन किया गया है। इससे आउटबाउंड सेल्स और जवाब न देने वाली लीड्स से दोबारा जुड़ने जैसे नए एजेंट यूज़ केस भी संभव होंगे।

आज हमारी टीम AI SDR के हर फ़ैसले की समीक्षा करती है। जल्द ही, सिस्टम ऐसी शेड्यूलिंग लॉजिक के साथ सीधे हमारे अकाउंट एग्ज़ीक्यूटिव्स के कैलेंडर में मीटिंग बुक करेगा, जो हर मीटिंग को अपने-आप सही ओनर तक पहुंचाएगी।

हमारे AI SDR ने संभावित ग्राहकों की उम्मीदों पर खरा उतरकर और हमारी टीम को ज़रूरी कामों पर ध्यान देने के लिए ज़्यादा समय देकर, हमारी इनबाउंड सेल्स प्रक्रिया को पहले ही बदल दिया है। हम इसे ऐसे भविष्य की ओर एक और कदम मानते हैं, जहां टेक्नोलॉजी का मुख्य इंटरफ़ेस आवाज़ होगी।

क्या आप अपने कन्वर्सेशनल एजेंट्स बनाना चाहते हैं? यहां से शुरू करें।