Podsumowanie webinaru: Zbuduj AI GTM Coach z Lovable i ElevenLabs

Większość zespołów ds. wsparcia sprzedaży prowadziła program symulacji rozmów. Trudno jednak stworzyć taki, który handlowcy naprawdę ukończą. Jeszcze trudniej oprzeć go na wyjątkowych rozmowach, które faktycznie prowadzi twój zespół. 

Podczas warsztatu na żywo: Jak zbudować coacha AI GTM z Lovable i ElevenLabs, Morgan Jacobson (GTM Enablement w Lovable) oraz Remy Khoung (GTM Enablement w ElevenLabs) pokazali, jak rozwiązali ten problem, tworząc coacha AI GTM.

Opowiedzieli, jak wdrożyli go w zespołach Lovable i ElevenLabs, oraz podzielili się praktycznymi wnioskami z jego tworzenia. 

Ograniczenia symulacji rozmów sprzedażowych 

Remy i Morgan stale napotykali te ograniczenia w swoich symulacjach rozmów sprzedażowych: 

1. Partnerzy do ćwiczeń różnią się poziomem, więc sesje czasem stawały się prezentacją zamiast prawdziwą rozmową z kupującym
2. Nie było obiektywnej oceny, dopóki handlowiec nie stanął przed klientem
3. Sesje na żywo trudno było koordynować między strefami czasowymi
4. Symulacje z innymi handlowcami wymagają ryzyka, że wypadniesz na nieprzygotowanego przed osobami, które cię oceniają

Handlowiec, który zastanawia się, jak wypada przed menedżerem, skupia się na otoczeniu zamiast na umiejętności.

Usunięcie publiczności z ćwiczenia umożliwia prawdziwe powtarzanie.

Aby rozwiązać część tych problemów, postanowili stworzyć zawsze dostępnego coacha AI GTM, wytrenowanego na najlepszych rozmowach z kupującymi. 

Jak zbudowali coacha AI GTM 

ElevenAgents pełnił rolę agenta, a Lovable — front endu. 

Agent
Prompt systemowy był kluczowym elementem agenta. Scenariusz, zasady określające, jakie informacje kupujący ujawni, a jakich nie, oraz kryteria oceny były częścią instrukcji. Wybór modelu, języka i głosu stanowił dodatkową konfigurację.

Front end
Lovable obsługiwał wszystko, z czym styka się handlowiec — studio symulacji rozmów, przesyłanie transkrypcji, ocenę na żywo, ścieżki certyfikacji oraz przydzielanie ćwiczeń ze śledzeniem ukończenia.

Trzy decyzje stojące za personą kupującego

Trzy wybory ukształtowały to rozwiązanie.

1. Stopniowe ujawnianie informacji. Kupujący AI nie podaje informacji sam z siebie, więc handlowiec musi je zdobyć, przedstawiając własną perspektywę lub zadając trafne pytanie. Dzięki temu nie da się zaliczyć ćwiczenia trzema ogólnymi pytaniami.
2. Ustrukturyzowana ocena. Na końcu agent wychodzi z roli i ocenia według określonych kryteriów. W pokazanym rozwiązaniu były to poprawność techniczna, wiarygodność kupującego i to, czy handlowiec przedstawił ofertę na odpowiednim dla niego poziomie.
3. Tryb nauki. Handlowiec, który utknie, mówi o tym, agent zatrzymuje rozmowę, uczy umiejętności na konkretnym przykładzie pytania lub historii klienta, a ćwiczenie jest wznawiane. Dzięki temu wielokrotne korzystanie daje poczucie bezpieczeństwa, a nie narażenia na ocenę.

Demo 1: Studio symulacji rozmów Lovable

Scenariusz: Handlowiec prowadzi rozmowę discovery z kupującą AI o imieniu Sarah, której zespół ma problem ze spójnym przekazem i zbyt długo szkoli nowych handlowców. 

Co pokazano:

• Handlowca, który zaczyna od agendy, przedstawia swoją perspektywę na trudności we wdrożeniu, a następnie przechodzi od deklarowanego problemu do wpływu na biznes — wtedy kupująca ujawnia utraconą transakcję
• Ocenę na żywo, która wypełnia się podczas rozmowy, oraz pełną ocenę na końcu — obie skonfigurowane w języku naturalnym zgodnie z własną metodologią firmy
• Scenariusze tworzone przez bezpośrednie prompty dla agenta Lovable albo przez wskazanie Claude'owi przez MCP biblioteki archiwalnych rozmów i zlecenie mu stworzenia replik najczęstszych z nich

Dlaczego to ważne: Jakość symulacji rozmów i jakość interfejsu to dwa osobne problemy, a większość programów rozwiązuje tylko pierwszy z nich.

Demo 2: Konfiguracja agenta ElevenAgents 

Scenariusz: Warstwa agenta działająca pod interfejsem, pokazana przez konfigurację rozwiązania ElevenAgents.

Co pokazano:

• Prompt systemowy: scenariusz, zasady ujawniania informacji i kryteria oceny — wszystko jako instrukcje w prostym języku angielskim
• Pierwszą wiadomość, która nadaje ton i otwiera scenariusz, gdy tylko agent odbierze
• Wybór spośród ponad 70 języków: jeden agent może obsługiwać kilka języków lub każdy język może mieć własnego agenta
• Wybór spośród ponad 10 000 głosów, z których niektóre lepiej działają w konkretnych językach
• Opcjonalną bazę wiedzy z dokumentami ICP i person

Dlaczego to ważne: Symulacja rozmów działa tylko wtedy, gdy agent radzi sobie dobrze. Zapewniają to jakość głosu, niskie opóźnienia i płynna wymiana tur — w jednym stosie technologicznym. 

Najlepsze praktyki przy tworzeniu coacha AI do symulacji rozmów

Napisz kryteria oceny przed promptem. Określ kryteria, które handlowcy muszą spełnić, a potem zbuduj agenta, który je sprawdzi. Odwrotne podejście tworzy ocenę, którą handlowcy odbierają jako ogólnikową — a to najszybszy sposób, by ich zniechęcić. W pokazanym wdrożeniu najpierw określono pięć kryteriów, a potem zbudowano pod nie agenta.

Wykorzystuj prawdziwe rozmowy do tworzenia scenariuszy. Zamiast wymyślać scenariusze, wskaż Claude'owi przez MCP bibliotekę archiwalnych rozmów sprzedażowych, poproś go o podsumowanie tych, które pojawiają się najczęściej, i stwórz ich repliki. 

W prompcie utrzymuj krótkie odpowiedzi. Dwa do czterech zdań. Przy dłuższych odpowiedziach agent częściej traci pewność. 

Dopasuj model do złożoności rozmowy. Lekki, szybki model do prostych symulacji rozmów, a mocniejszy tam, gdzie rozmowa naprawdę tego wymaga — z uwzględnieniem opóźnień i kosztów. 

Dostosuj prompty do regionalnych obiekcji.Wdrożenie w różnych regionach było łatwe. Problemem było dostrojenie promptów, ponieważ kupujący z amerykańskiej firmy inaczej zgłasza obiekcje niż kupujący z EMEA, Indii czy Japonii. Te zasady trzeba wypracować z lokalnymi handlowcami i zapisać w promptach.

Traktuj wdrożenie jak zarządzanie zmianą. Zgodność wśród liderów, dystrybucja prowadzona przez VP, wiarygodna ocena i konkurencyjne ćwiczenia. Zbudowanie rozwiązania zajmuje jedno popołudnie, ale przekonanie do niego doświadczonych handlowców trwa dłużej. 

Obejrzyj całą sesję

Obejrzyj cały webinar tutaj.