ایجاد رشد قابل‌پیش‌بینی با هوش مصنوعی: چه چیزی واقعاً برای تیم‌های ورود به بازار (GTM) تغییر ملموس ایجاد می‌کند

در حال حاضر، هوش مصنوعی در تمام بخش های ورود به بازار (Go-To-Market) حضور دارد.

به زبان خیلی ساده، GTM (ورود به بازار) یعنی:

«تمام کارهایی که یک شرکت انجام می دهد تا محصولش را به دست مشتری برساند و بفروشد.»

تیم های GTM معمولاً همان تیم های فروش، بازاریابی و پشتیبانی (موفقیت مشتری) هستند که با هم همکاری می کنند تا مشتری را پیدا کنند، محصول را به او بفروشند و او را راضی نگه دارند.

به پادکست تفسیر این مقاله گوش کنید:

هر تیم درآمدزایی در حال آزمایش آن است. ایمیل های پیگیری خودکار شده اند. خلاصه سازی تماس ها فوری انجام می شود. کارهای اداری زمان کمتری می برند. تیم ها با سرعت بیشتری حرکت می کنند.

اما برای بسیاری از شرکت ها، نتایج تغییری نکرده است. سرعت «پایپ لاین» (Pipeline) آن طور که رهبران انتظار داشتند افزایش نیافته است. نرخ های موفقیت در فروش بهبود معناداری پیدا نکرده اند. پیش بینی ها هنوز نامطمئن به نظر می رسند. و وقتی هم که رشدی اتفاق می افتد، رهبران اغلب نمی توانند دلیل دقیق آن را توضیح دهند.

دلیلش این است که بسیاری از سازمان ها در تله «بهره وری هوش مصنوعی» گرفتار شده اند: استفاده از هوش مصنوعی برای انجام کار بیشتر، به جای استفاده از آن برای بهبود نحوه عملکرد کسب وکار.

شرکت هایی که تأثیرات واقعی را می بینند، کار متفاوتی انجام می دهند. آن ها از هوش مصنوعی برای درک اینکه «چه چیزی واقعاً نتیجه می دهد» استفاده می کنند و آن بینش را به نحوه اجرای روزانه تیم هایشان تبدیل می کنند. رشد از اینجا آغاز می شود.

مشکل اصلی هوش مصنوعی نیست

مشکل هوش مصنوعی نیست. مشکل نحوه استفاده از آن است.

بیشترِ آنچه تیم ها امروز استفاده می کنند، برای بهره وری ساخته شده است. کار را سرعت می بخشد، اما آن کار را به یک «منبع حقیقتِ مشترک» متصل نمی کند. و در جایی که بیشترین اهمیت را دارد ظاهر نمی شود: جایی که تصمیمات گرفته می شوند.

بدون آن منبع حقیقت مشترک، هیچ زمینه ای (Context) وجود ندارد. هوش مصنوعی می تواند کار را سریع تر کند، اما آن را مرتبط تر یا تجویزی تر نمی کند و در نهایت، در هدایت درآمد مؤثرتر نخواهد بود.

بنابراین هوش مصنوعی نحوه عملکرد کسب وکار را تغییر نمی دهد؛ بلکه فقط باعث می شود سیستم موجود سریع تر اجرا شود، نه بهتر. و با این حال، آن سرعت اغلب فقط در ظاهر احساس می شود. اگر خودِ سیستم با آنچه واقعاً باعث ایجاد درآمد می شود همسو نباشد، شما فقط فعالیتِ بیشتری خواهید داشت، نه نتایج بهتر.

زیرا رشد از انجام کارهای بیشتر به دست نمی آید. رشد از اجرای مداومِ کارهایی که نتیجه می دهند حاصل می شود. و بیشتر سازمان ها در واقع نمی دانند چه چیزی نتیجه می دهد یا چرا. آن ها یک درک مشترک و عملیاتی از اینکه چه چیزی باعث هدایت پایپ لاین می شود، چه چیزی نرخ موفقیت را بهبود می بخشد یا چه چیزی باعث توقف معاملات می شود، ندارند.

توصیه می کنیم این مطلب فروش با روش «ضربه دوم»؛ چگونه بعد از جواب منفی، مشتری را دوباره به خرید برگردانیم؟ را حتماً بخوانید.

حتی با وجود داده های بیشتر، ابزارهای بیشتر و هوش مصنوعی بیشتر، تیم ها همچنان بر اساس اطلاعات ناقص تصمیم می گیرند. به همین دلیل است که عملکرد، متناقض و بی ثبات باقی می ماند.

منحنی بلوغ هوش مصنوعی

در گفتگوهای من با رهبران درآمدزایی، یک موضوع مدام تکرار می شود: پذیرش هوش مصنوعی دیگر یک گفتگوی مربوط به «ابزار» نیست. بلکه یک گفتگوی مربوط به «بلوغ سازمانی» است.

یک سیر تکاملی واضح در نحوه استفاده سازمان ها از هوش مصنوعی وجود دارد، و اینکه شما در کجای این منحنی قرار دارید، تعیین می کند که آیا تأثیری خواهید دید یا خیر.

مرحله ۱: بهره وری

در مرحله اول، هوش مصنوعی برای وظایف فردی به کار می رود. ایمیل ها را پیش نویس می کند، تماس ها را خلاصه می کند و بارِ کلی کارهای اداری را کاهش می دهد. این یعنی افراد سریع تر حرکت می کنند.

اما تیم ها هنوز در حال حدس زدن هستند. اجرای سریع تر لزوماً به معنای اجرای بهتر نیست.

این موضوع را بهتر بشناسید با مطالعه تکنیک «پل برگشتی» در فروش؛ متصل کردن نیاز پنهان مشتری به پیشنهاد فروش.

مرحله ۲: بینش (Insight)

در مرحله دوم، هوش مصنوعی شروع به شناسایی الگوها در تعاملات مشتریان می کند. تیم ها شروع به درک این موارد می کنند:

• یک مکالمه عالی چگونه است
• چه پیام هایی واقعاً تأثیرگذار هستند
• چه عواملی به طور مداوم در معاملات برنده دیده می شوند

شما می توانید شروع به درک این موضوع کنید که چه چیزی پایپ لاین را پیش می برد، و این یک گام مهم رو به جلو است. اما بینش به تنهایی نحوه عملکرد تیم ها را تغییر نمی دهد.

چرا؟ چون بینش ها اغلب در داشبوردها، در یک دپارتمان خاص، یا نزد چند نفر از بهترین نیروها باقی می مانند. تیم ها می توانند ببینند چه چیزی نتیجه می دهد، اما نمی توانند آن را در سطح کلان گسترش (Scale) دهند.

برای گسترش دانش خود، به مقاله آمپول فروش: تزریق فوری اشتیاق خرید در مشتری سر بزنید.

مرحله ۳: هماهنگ سازی (Orchestration)

مرحله ۳ نحوه عملکرد تیم های درآمدزا را تغییر می دهد. در این مرحله، هوش مصنوعی دیگر چیزی نیست که فقط افراد از آن استفاده کنند. بلکه شروع به تغییر نحوه عملکرد کسب وکار می کند.

در این فاز، هوش مصنوعی فقط بینش ها را نمایان نمی کند؛ بلکه اقدام هماهنگ را در سراسر تیم ها هدایت می کند. تیم ها از کار کردن به صورت جزیره ای (Silo) دست می کشند و بر اساس یک دیدگاه مشترک از مشتری شروع به فعالیت می کنند.

تیم بازاریابی پیام های خود را با آنچه خریداران به آن واکنش نشان می دهند همسو می کند. تیم فروش بر اساس رفتارهای اثبات شده کارش را اجرا می کند. رهبری در لحظه (Real-time) می بیند که چه چیزی در حال پیش بردن پایپ لاین است. تیم های در ارتباط با مشتری، همگی بر اساس یک واقعیت مشترک عمل می کنند.

سازمان هایی که به این مرحله می رسند، از سطحِ فعالیت و بینش فراتر می روند. آن ها رشد درآمدِ قابل پیش بینی ایجاد می کنند.

چه چیزی مرحله ۳ را ممکن می سازد

شرکت ها برای اینکه به این شیوه عمل کنند، به سه قابلیتِ متصل به هم نیاز دارند.

۱. ثبت آنچه واقعاً در حال رخ دادن است

هر تعامل با مشتری، از تماس ها و جلسات گرفته تا ایمیل ها و پیام ها، باید قابل مشاهده و متصل به هم باشد. وقتی اطلاعات ارزشمند مشتری پس از هر تعامل از بین برود، تیم ها نمی توانند اجرای کار را در مقیاس وسیع بهبود بخشند.

۲. درک معنای آن

داده های خام به تنهایی کمکی نخواهند کرد. تیم ها باید بدانند چه چیزی جواب می دهد، چه چیزی در حال تغییر است و در کجای پایپ لاین ریسک در حال شکل گیری است. این درک باید از رفتار واقعی مشتری ناشی شود، نه از مفروضات یا شنیده ها.

۳. عملیاتی کردن بینش

بیشتر سازمان ها گام نهایی را از دست می دهند. بینش تنها زمانی اهمیت دارد که تیم ها رفتار خود را تغییر دهند. الگوهای برنده باید به دستورالعمل های اجرایی (Playbooks)، روندهای مربی گری (Coaching)، راهنمای پیام رسانی، سیگنال های پیش بینی و اقداماتِ برترِ بعدی در جریان های کاریِ روزانه تبدیل شوند.

وقتی شرکت ها هر سه قابلیت را به هم متصل می کنند، بینش از داشبورد خارج شده و وارد کسب وکار می شود. تیم ها هوشمندانه تر می فروشند، سریع تر آموزش می بینند و تصمیمات قوی تری می گیرند.

این گونه است که بینش به درآمد تبدیل می شود.

نتیجه

سازمان ها از هوش مصنوعی به عنوان یک «ابزار» به سمت هوش مصنوعی به عنوان یک «مزیت عملیاتی» حرکت می کنند. این یعنی فعالیتِ کمتر و رشد درآمدِ قابل پیش بینی تر.

تیم ها از بحث درباره اینکه چه اتفاقی در حال رخ دادن است دست می کشند و شروع به اقدام بر اساس سیگنال های مشترک می کنند. فروش، بازاریابی، عملیات درآمد (RevOps) و رهبری همگی بر اساس یک واقعیتِ مشترک کار می کنند. اجرا بسیار سازگارتر و یکدست تر می شود. پیش بینی ها قابل اعتمادتر می شوند. و رشد درآمد قابل پیش بینی تر می گردد.

عصر بعدی رشد درآمد

در صورت علاقه مندی، مطلب ۵ تکنیک برای افزایش فروش بدون نیاز به تخفیف دادن! را از دست ندهید.

فصل بعدی هوش مصنوعی در ورود به بازار (GTM) تنها با دستاوردهای بهره وری تعریف نخواهد شد. بلکه با این موضوع تعریف می شود که آیا سازمان ها می توانند واقعیتِ مشتری را به یک اجرای هماهنگ تبدیل کنند یا خیر. این به معنای حرکت از فعالیت به بینش، و از بینش به اقدام است. در نهایت، این به معنای حرکت از هوش مصنوعی به عنوان یک ابزار، به هوش مصنوعی به عنوان یک مدل عملیاتی است. شرکت هایی که برنده می شوند، آن هایی نخواهند بود که بیشترین استفاده را از هوش مصنوعی می کنند؛ بلکه آن هایی هستند که بهترین موتورها را طراحی و معماری کرده اند. و وقتی این کار را درست انجام دهید، هوش مصنوعی فقط فعالیت ایجاد نمی کند؛ بلکه رشد درآمدِ مقیاس پذیر و قابل پیش بینی را هدایت می کند.