Como aumentamos as vendas inbound com um SDR de IA que qualifica 78% dos leads do início ao fim

Toda semana, centenas de pessoas preenchem o formulário de vendas para empresas em nosso site para saber mais sobre nossa plataforma e preços. No entanto, a maioria desses leads se encaixa melhor em nossos planos de autoatendimento, que atendem à maior parte dos nossos usuários e contam com documentação detalhada em nosso site.

Embora nossa equipe de vendas queira falar diretamente com cada lead, seu foco são implementações empresariais que exigem soluções personalizadas. Por isso, a equipe analisa manualmente cada envio para identificar quais leads são adequados para uma conversa sobre soluções empresariais e quais devem ser direcionados ao autoatendimento. Muitos formulários, porém, trazem informações incompletas, como descrições vagas do caso de uso do lead, o que exige que nossa equipe busque mais contexto antes de tomar uma decisão. Esse processo pode atrasar as respostas e desviar o foco de oportunidades empresariais mais prioritárias.

Para leads qualificados para soluções empresariais, o atraso na análise dos envios dos formulários também significa perder o momento certo. O ideal é que um lead empresarial possa agendar uma reunião assim que enviar o formulário de contato com vendas. Caso contrário, se o formulário for enviado na noite de sexta-feira, o lead talvez só receba uma resposta quando nossa equipe de vendas o analisar na segunda-feira, deixando a primeira reunião para mais tarde naquela semana.

Para reduzir essa diferença entre a demanda e a capacidade da equipe, criamos um representante de desenvolvimento de vendas (SDR) de IA para leads de entrada usando nossa Plataforma de Agentes. O SDR de IA oferece experiências mais rápidas e personalizadas para os leads de entrada, enquanto permite que nossa equipe se concentre nas oportunidades de maior impacto.

Como criamos o agente

Criamos o SDR de entrada com base em três pilares: comportamento, capacidades e dados.

1. Comportamento

Definimos o comportamento do nosso SDR, “Jon”, usando o prompt de sistema na nossa Plataforma de Agentes. Nele, descrevemos os principais traços de personalidade de Jon, como ser “um representante de vendas acolhedor e consultivo, que torna temas complexos de IA mais acessíveis”. Também definimos seu principal objetivo e os cenários em que ele deve agir, como agendar uma reunião ou enviar uma mensagem para nossa equipe. Para saber mais sobre a estrutura exata que seguimos, consulte nosso guia de prompting.

Equipamos Jon com uma ampla base de conhecimento, incluindo mais de cem perguntas frequentes e uma visão geral dos recursos do nosso produto a partir da documentação do nosso site. Por enquanto, atualizamos manualmente a base de conhecimento de Jon à medida que novos produtos ou recursos são lançados. Em breve, será possível adicionar uma URL de destino e fazer com que a base de conhecimento seja atualizada automaticamente em intervalos regulares.

Após o lançamento, trabalhamos com líderes de vendas de toda a nossa equipe de GTM para revisar as transcrições das chamadas, identificar erros e melhorar o desempenho do agente. Entre os aprendizados iniciais, estão:

• Encontrar o LLM ideal para seu caso de uso exige testes: Começamos com um modelo otimizado para baixa latência, mas migramos para um mais capaz após observar que o modelo inicial tinha dificuldades com confiabilidade e chamadas de ferramentas. A atualização reduziu alucinações, como o agente mencionar incorretamente o ano atual, o que antes causava erros posteriores nas chamadas de ferramentas. LLMs mais robustos também ajudam em necessidades de raciocínio mais avançadas. Por exemplo, nosso agente agora pode ajudar leads a estimar o uso esperado da nossa plataforma. Quando um lead não tem certeza, Jon agora pergunta quantas chamadas por dia ele espera realizar e a duração média delas para calcular a estimativa de uso mensal.

• O agente pode errar de formas preferíveis: Enquanto o agente não tomar 100% das decisões corretamente, ajustamos seu prompt de sistema para favorecer falsos positivos em vez de falsos negativos: preferimos conversar com um lead e direcioná-lo para o autoatendimento do que perder uma possível oportunidade empresarial.

• Considerar casos extremos aumenta o prompt de sistema com o tempo e introduz riscos de erro: Depois de analisar mais de 50 chamadas, incluímos diversas instruções do tipo “se X, faça Y”. Por exemplo: “Se a pessoa estiver falando um idioma diferente do inglês, pergunte se ela prefere realizar a reunião nesse idioma ou em inglês antes de agendar”. Embora LLMs com contexto amplo lidem bem com essas regras, prompts extensos podem aumentar o risco de erros. Observamos que, à medida que os prompts crescem, certos comportamentos — como fazer várias perguntas de uma vez — se tornam mais persistentes.

• As proteções são eficazes para evitar desvios do processo: Alguns usuários pediam repetidamente para falar diretamente com nossa equipe antes de fornecer informações suficientes. Adicionar proteções explícitas é particularmente eficaz para reduzir esse tipo de solicitação.

• Os usuários precisam de retorno durante a execução de ferramentas: Quando Jon usava ferramentas como verificar a disponibilidade no calendário, as pessoas que ligavam frequentemente enfrentavam silêncios confusos. Resolvemos isso adicionando um recurso opcional de “forçar mensagem”, que informa o usuário quando uma ferramenta está sendo usada.

• Interações por voz aumentam o engajamento: Cerca de um em cada cinco leads liga novamente para continuar sua interação com Jon. Em um caso, depois de conhecer nosso produto e nossos preços, uma pessoa voltou simplesmente para pedir a Jon uma receita de espaguete.

2. Capacidades e ferramentas personalizadas

Jon tem acesso às mesmas ferramentas que um SDR humano usaria para gerenciar conversas de entrada de forma independente.

No início de cada chamada, ele revisa o envio do formulário de contato para entender o contexto. Durante a chamada, pode qualificar leads e agendar reuniões em tempo real, verificando a disponibilidade entre fusos horários. Depois que uma reunião é agendada, ele envia à nossa equipe um resumo da chamada.

Jon também alterna sem dificuldade entre 32 idiomas, com vozes otimizadas para cada localidade. Em uma semana típica, ele usa mais de oito idiomas.

3. Dados 

Ao final de cada chamada, Jon registra o caso de uso do lead e a decisão de qualificação, gravando esses dados diretamente no nosso CRM. Isso dá à nossa equipe visibilidade total sobre cada interação de vendas.

Jon também registra dados estruturados como pontuações de satisfação do cliente. Ao final de uma conversa, ele pede aos leads que avaliem a experiência em uma escala de 1 a 10. Analisamos diariamente as conversas com as avaliações mais altas e mais baixas para entender o que funcionou e o que não funcionou. 

Esses comportamentos, capacidades e pipelines de dados garantem que Jon opere com fluência conversacional e eficiência operacional, executando os mesmos workflows de um SDR humano.

Resultados até o momento

Desde o lançamento, o SDR de IA foi implementado em 38 países, com disponibilidade 24 horas por dia, 7 dias por semana. Agora, ele atende mais de 50 chamadas por semana, o equivalente a dois SDRs em tempo integral.

78% das decisões de qualificação não exigem intervenção humana. Nos 22% restantes, o agente principalmente faz qualificações de “falso positivo”, qualificando leads que deveriam ter sido desqualificados. Preferimos esse resultado à alternativa de desqualificar leads que deveriam ter sido qualificados.

Esses falsos positivos geralmente ocorrem quando os leads estimam, mas não conseguem confirmar, o volume esperado ou a previsão de lançamento. Falsos negativos são raros e normalmente acontecem quando um lead encerra a chamada antes que o agente tenha informações suficientes para decidir. Daqui em diante, o agente retornará "N/A" para casos incompletos como esses, em vez de desqualificar o lead.

"Vimos uma mudança fundamental em como as vendas de entrada podem funcionar em escala. Com nosso SDR de IA, qualquer pessoa interessada em nossa plataforma agora pode iniciar uma conversa personalizada em seu próprio idioma, a qualquer momento. A melhor forma de entender nossa plataforma é experimentá-la em primeira mão, e os leads qualificados agora estão agendando reuniões em minutos, em vez de dias." – Jonathan Chemouny, líder de vendas para EMEA, ElevenLabs

Com uma pontuação média de CSAT de 8,7, as primeiras conversas mostram como as percepções sobre o que agentes conversacionais podem alcançar estão mudando rapidamente. Veja alguns trechos:

• “Obrigado por me ajudar hoje. É a primeira vez que encontro um agente de IA tão útil quanto você. E desejo que você tenha um bom dia!”

• “Uau! Uau! Sinceramente, você é bom […] está tudo claro, bem explicado. Isso é IA conversacional. Sinceramente, é ótimo!” 

• “[Esta conversa] foi útil para mim. Ela me deu uma primeira visão dos produtos que vocês oferecem… houve alguns pequenos erros, mas, fora isso, a qualidade do áudio, ou melhor, a qualidade da voz, é bastante impressionante.”

O que vem pela frente

Nos próximos meses, ampliaremos as capacidades do agente com nosso novo recurso de workflows. Os workflows foram criados para lidar com conversas mais complexas e dinâmicas, além de oferecer suporte a tomadas de decisão mais confiáveis. Isso também abrirá novos casos de uso para agentes, como vendas ativas e o reengajamento de leads que não respondem.

Hoje, nossa equipe revisa todas as decisões tomadas pelo SDR de IA. Em breve, o sistema agendará reuniões diretamente nos calendários dos nossos executivos de contas, com uma lógica de agendamento que encaminha automaticamente cada reunião para a pessoa responsável.

Nosso SDR de IA já transformou nosso processo de vendas de entrada ao atender às expectativas dos potenciais clientes e dar à nossa equipe mais tempo para se concentrar no que importa. Vemos isso como mais um passo em direção a um futuro em que a voz é a principal interface da tecnologia.

Quer criar seus próprios agentes conversacionais? Comece aqui.