Sammanfattning av workshop: Bygg en AI SDR på 45 minuter

De flesta säljteam fastnar i ett reaktivt arbetssätt. Stora volymer inkommande leads, långa svarstider och för få säljare för utgående försäljning.

Det här inlägget sammanfattar liveworkshopen Bygg en AI SDR på 45 minuter — och visar hur du bygger och driftsätter en AI SDR-agent.

Varför AI SDR-agenter är viktiga

Problemen ElevenLabs stod inför innan vi byggde en AI SDR-agent är inte unika.

Några av utmaningarna var:

1. Teamet växte inte lika snabbt som efterfrågan
2. Stora volymer inkommande leads begränsade kapaciteten för utgående försäljning
3. Tiden till första kontakt var för lång
4. Leads som kom in utanför arbetstid fick långsamma svar (t.ex. ett lead kom in en fredag kväll, väntade till måndag på svar och fick sedan vänta igen på ett möte som kanske blev av på onsdagen)
5. Språk blev ett hinder
   

Affärsnyttan med att automatisera detta blev tydlig.

AI SDR-agenten arbetar dygnet runt, hanterar över 70 språk, kvalificerar leads enligt definierade kriterier och bokar möten direkt i kalendern under samtalet. Ingen fördröjning vid överlämning. Inga problem med tidszoner.

Resultaten i dag:

1. Agenten levererar samma resultat som två heltidsanställda SDR:er
2. Träffsäkerheten i kvalificeringen är 88 %
3. Kundnöjdheten ligger i snitt på 8,7 av 10

Demo 1: AI SDR-agenten i praktiken

Scenario: En potentiell kund kontaktar ElevenLabs efter att ha skickat in ett formulär för att kontakta säljteamet. Agenten, som heter Jon, tar samtalet och genomför kvalificeringen innan han bokar ett möte.

Det här visades:

• Jon identifierade den potentiella kundens användningsområde: att bygga en röstagent för statusuppdateringar av beställningar som hanterar tusentals kundsamtal varje vecka
• Agenten svarade på en säkerhetsfråga om datakrav och hänvisade till SOC 2 Type 2, HIPAA, GDPR, dataresidens inom EU och möjligheten att skriva under BAA:er — utan att tveka
• Jon ställde kvalificeringsfrågorna en i taget: nuvarande abonnemang, förväntad samtalsvolym och tidsplan
• När den potentiella kunden uppfyllde alla kriterier gick agenten vidare till bokningsflödet
• Jon frågade efter den potentiella kundens tidszon (London), använde ett liveverktyg för att hämta lediga tider i kalendern och erbjöd specifika tider
• Den potentiella kunden valde tisdag kl. 15.15. Mötet bokades i kalendern i realtid, under samtalet
• I slutet bad Jon om ett nöjdhetsbetyg. Den potentiella kunden gav tio av tio. Agenten extraherade och loggade betyget automatiskt

Därför är det viktigt: Det här är ett komplett arbetsflöde för kvalificering och bokning, genomfört utan en mänsklig SDR i samtalet. Agenten hanterade invändningar kring regelefterlevnad, navigerade en kvalificeringsprocess i flera steg, använde en liveintegration med kalendern och samlade in strukturerade data till CRM-systemet — allt i ett enda samtal. Samtalstranskriptionen, loggar över verktygsanrop, kvalificeringsbeslutet och CSAT-betyget fanns tillgängliga på plattformen direkt efteråt.

Viktiga delar i en AI SDR

Systemprompt
Definierar agentens mål, personlighet, miljö och skyddsräcken. För en SDR-agent innebär det att tydligt ange kvalificeringskriterier, definiera vad agenten ska och inte ska prata om samt beskriva sammanhanget den verkar i. En tidig lärdom: en kortfattad systemprompt och logik i Workflows minskar fel och gör agenten mer förutsägbar.

Workflows
Låter dig dela upp agenten i noder, var och en med sitt eget mål och sina egna villkor för överlämning. Använd en orkestreringsnod för att välja rätt väg, en kvalificeringsnod för att ställa rätt frågor i rätt ordning, en supportdirigeringsnod för personer som ringer med frågor som inte rör försäljning och en bokningsnod där verktygen finns. Varje nod kan ha sin egen LLM, kunskapsbas och sina egna skyddsräcken.

Kunskapsbas
Ger agenten det den behöver för att svara korrekt på frågor. Ladda in produktfunktioner och över 100 vanliga frågor från ditt eget SDR-teams erfarenhet.

Verktyg
Kopplar agenten till riktiga system. Bokningsagenten kan använda en kalenderintegration (cal.com) för att se tillgänglighet i realtid och boka möten. Samma ramverk stöder CRM-uppdateringar, Slack-notiser och databasuppslag.

Analys och datainsamling
Konfigureras före lansering. Definiera binära framgångsmått, strukturerade datapunkter (användningsområde, volym, tidsplan, kvalificeringsbeslut) och ett CSAT-betyg som extraheras automatiskt i slutet av samtalet. Alla variabler syns i transkriptvyn efter samtalet.

Bästa praxis

1. Definiera framgång innan du bygger. Skriv ned vad ”kvalificerad” betyder för just ditt användningsområde. Var tydlig. Kvalificeringskriterierna i din agent är bara lika bra som de du skulle ge en ny SDR på första dagen.
2. Börja med ett workflow och iterera sedan. Den första versionen av ElevenLabs-agenten hade all logik i systemprompten. Att flytta till Workflows gjorde agenten mer träffsäker och enklare att underhålla.
3. Anpassa din LLM efter uppgiften. Använd en lättviktig modell för enkel orkestreringslogik. Använd en mer kapabel modell för noder som behöver använda verktyg eller kräver avancerat resonemang. Latensen förbättras när du gör den här åtskillnaden.
4. Välj röster som har klonats på originalspråket. För flerspråkiga driftsättningar ger en röst som har klonats på originalspråket märkbart högre kvalitet än att använda en och samma röst för alla språk.
5. Sätt skyddsräcken tidigt och bygg vidare på dem över tid. En potentiell kund bad agenten om ett recept på spaghetti. Du kan inte förutse alla specialfall vid lanseringen. Skapa en process för övervakning och uppdatera skyddsräckena efterhand som du lär dig.
6. Använd dynamiska variabler för att anpassa i realtid. Att skicka in personens namn, företag eller nuvarande abonnemang till agenten i början av ett samtal gör konversationen mer relevant och minskar behovet av följdfrågor.
7. Lägg till ljudeffekter under verktygsanrop. När agenten kontrollerar kalendern eller skriver till ett CRM-system gör ljudet av tangentbordsknatter eller en kort ljudsignal upplevelsen mer naturlig i stället för tyst och obekväm.
   

Se hela sessionen

Se hela sessionen här.