چگونه تیم‌های فروش می‌توانند از هوش مصنوعی مولّد برای کشف نیازهای مشتریان استفاده کنند

در دنیای امروز، تیم‌های فروش با چالش‌های فزاینده‌ای روبه‌رو هستند. مشتریان بالقوه دیگر به تماس‌های سرد پاسخ نمی‌دهند و حتی مشتریان فعلی نیز تمایلی به صرف زمان برای گفتگوهای عمیق‌تر ندارند؛ گفتگوهایی که برای بستن قراردادهای بزرگ ضروری هستند. این وضعیت باعث ایجاد یک بن‌بست می‌شود. تیم‌های فروش تنها زمانی می‌توانند ارزش خود را اثبات کنند که مشتریان را به‌خوبی درک کنند، اما خریداران به‌طور فزاینده‌ای از تعامل با فروشندگان خودداری می‌کنند و اطلاعات مهمی را که برای ایجاد این درک ضروری است، به اشتراک نمی‌گذارند.

تحقیقات اخیر شرکت مشاوره‌ای مک‌کینزی نشان می‌دهد که در پنج سال گذشته، درصد خریداران B2B که خواهان تعامل حضوری با تأمین‌کنندگان جدید بوده‌اند، از ۵۰٪ به ۳۵٪ کاهش یافته است.

در مواجهه با کاهش دسترسی به خریداران، سازمان‌های فروش اغلب حجم ارتباطات خود را افزایش می‌دهند، به این امید که افزایش تلاش‌ها منجر به موفقیت بیشتر شود. اگرچه این رویکرد ممکن است در کوتاه‌مدت نتایجی به همراه داشته باشد، اما در درازمدت احتمال بیشتری دارد که ارزش سازمان را کاهش دهد. ارسال گسترده و کورکورانه پیام‌های فروش منجر به ایجاد ذهنیتی فرسایشی می‌شود که بر اساس تجربیات ما، باعث می‌شود تیم‌های فروش خود را بی‌هویت و صرفاً به‌عنوان واسطه‌ای برای معاملات ببینند. خریداران نیز این تغییر را احساس می‌کنند و از آن استقبال نمی‌کنند. بر اساس گزارش شرکت تحقیقاتی گارتنر، ۶۴٪ از خریداران B2B احساس می‌کنند که حجم بالای ارتباطات فروش و بازاریابی آن‌ها را تحت فشار قرار داده است. وقتی یک خریدار با انبوهی از پیام‌های کلیشه‌ای و بی‌هدف در صندوق ورودی خود مواجه می‌شود، بیشتر احتمال دارد که ناراحت شود تا این‌که به پیشنهاد فروش علاقه نشان دهد.

راهکاری متفاوت برای موفقیت در فروش

اما راه دیگری نیز وجود دارد. ما به رهبران فروش توصیه می‌کنیم که به جای افزایش حجم تماس‌های فروش، از هوش مصنوعی مولد برای بهبود کیفیت تعاملات خود استفاده کنند. بر اساس تجربیات ما در رهبری و آموزش تیم‌های فروش در سراسر جهان، به‌وضوح دیده‌ایم که زمانی که فروشندگان از هوش مصنوعی برای شناخت مشتریان استفاده می‌کنند، می‌توانند مکالمات خود را از جایگاهی قوی‌تر و با درکی عمیق‌تر از چالش‌های تجاری مشتریان آغاز کنند. این رویکرد به هیچ ابزار خاصی وابسته نیست و ما آن را با موفقیت در ابزارهایی مانند ChatGPT، Perplexity، Gemini، Claude و دیگر مدل‌های هوش مصنوعی پیاده‌سازی کرده‌ایم.

در ادامه، دو مثال را بررسی می‌کنیم که نشان می‌دهند چگونه تیم‌های فروش با استفاده از چند پیام ساده به هوش مصنوعی، توانسته‌اند برای مشتریان بالقوه و فعلی خود جذاب‌تر شوند.

جذب مشتریان جدید

ارین، یک فروشنده باتجربه و حرفه‌ای در یک شرکت فناوری متوسط، تلاش‌های متعددی برای برقراری ارتباط با یکی از مشتریان بالقوه خود، یک شرکت معدنی جهانی، انجام داده بود. اما هیچ پاسخی از ایمیل‌هایش دریافت نکرده بود، تماس‌هایش به پیغام‌گیر صوتی منتقل می‌شد و دعوت‌نامه‌هایش برای رویدادهای اختصاصی نیز بی‌پاسخ مانده بودند. این وضعیت باعث ناامیدی او شده بود و زمانش برای جذب این مشتری در حال اتمام بود. ارین می‌خواست با این شرکت رابطه‌ای ایجاد کند و در عین حال، در سال مالی جاری با آن‌ها قراردادی ببندد. اما مشغله کاری‌اش در حساب‌های فعلی، زمان محدودی را برای جذب این مشتری بالقوه باقی گذاشته بود.

در یک جلسه آموزشی، از او پرسیدیم: «چه مسائلی در دنیای این مشتری وجود دارد که باعث می‌شود به پیشنهادات تو توجه کند؟» ارین به‌سرعت متوجه شد که تلاش‌های قبلی‌اش بیش از حد بر روی محصول متمرکز بوده و به‌اندازه کافی دانش عمیقی درباره مشتری نشان نداده است. در اینجا، او از هوش مصنوعی کمک گرفت و این درخواست را وارد ابزار هوش مصنوعی کرد:

«لطفاً گزارش‌های سالانه اخیر [نام شرکت] را تحلیل کن و به من بگو: ۱) اولویت‌های فعلی شرکت چیست؟ ۲) این شرکت در شاخص‌های مالی کلیدی که برای تیم اجرایی مهم است، در طول زمان و در مقایسه با رقبا چگونه عملکردی داشته است؟»

پس از چند سوال تکمیلی، ارین متوجه شد که هزینه کالای فروخته‌شده (COGS)، که یک شاخص مالی حیاتی است، به‌طور مداوم در حال افزایش بوده و برای مشتری بالقوه او یک نگرانی جدی محسوب می‌شود. او همچنین دریافت که هزینه COGS این شرکت ۷۰٪ از درآمد آن را شامل می‌شود، که ۱۰٪ بالاتر از نزدیک‌ترین رقیبشان است. پیش از استفاده از هوش مصنوعی، دستیابی به این سطح از بینش درباره مشتری، تنها از طریق مکالمات عمیق یا تحقیقاتی زمان‌بر در اینترنت امکان‌پذیر بود. اما اکنون، در عرض چند دقیقه، ارین اطلاعاتی در سطح مدیران ارشد شرکت به دست آورده بود.

این بینش به او کمک کرد تا رویکرد خود را تغییر داده و به‌جای ارسال پیام‌های تبلیغاتی بی‌هدف، ارتباطاتی متمرکز بر نیازهای مشتری ایجاد کند. با دانستن این که مدیران زنجیره تأمین به هزینه‌های COGS اهمیت زیادی می‌دهند و این که محصول او می‌تواند در بهبود این شاخص کمک کند، ارین شروع به جستجوی ارتباطات خود در شبکه لینکدین کرد و متوجه شد که با معاون تازه منصوب‌شده زنجیره تأمین این شرکت ارتباط دارد. او حدس زد که این فرد، به دلیل جدید بودن در سمت خود، به دنبال ایجاد تأثیر مثبت خواهد بود و اگر بتواند ارزشی واقعی ارائه دهد، به پیام او توجه خواهد کرد.

ارین یک پیام کوتاه در لینکدین برای این معاون نوشت و در آن به تأثیر بالقوه محصول خود بر کاهش COGS اشاره کرد. سپس از هوش مصنوعی خواست که پیامش را کوتاه‌تر و واضح‌تر کند. پس از چندین اصلاح، پیام ۲۰۰ کلمه‌ای دقیقی ایجاد کرد و آن را ارسال کرد.

یک روز بعد، پاسخ دریافت کرد. معاون زنجیره تأمین علاقه‌مند به گفتگو بود، زیرا هزینه‌های COGS در شرکتش به یک چالش جدی تبدیل شده بود. چند ماه بعد، ارین موفق شد قراردادی به ارزش ۲۵۰,۰۰۰ دلار ببندد و یکی از معدود فروشندگانی شد که در آن سال توانست مشتری جدیدی را جذب کند.

گسترش روابط با مشتریان فعلی

فروشندگان می‌توانند از هوش مصنوعی برای ایجاد فوریت در مشتریان فعلی و افزایش حجم معاملات نیز استفاده کنند. به‌عنوان مثال، مایکل، یک مدیر حساب‌های کلیدی در صنعت فلزات، دومین سال متوالی کاهش درآمد را تجربه می‌کرد. در گذشته، او همیشه از اهداف فروش خود فراتر می‌رفت، اما امسال شرایط تغییر کرده بود. با این که مشتری او یکی از حساب‌های کلیدی شرکت بود، به‌سختی پاسخی از آن‌ها دریافت می‌کرد. از سوی دیگر، رقبا از تبلیغات پیرامون فناوری‌های جدید بهره می‌بردند و جلسات متعددی را با این مشتری ترتیب می‌دادند.

در یک برنامه آموزشی شرکتی، مایکل متوجه شد که برای بازگرداندن اهمیت خود در این حساب، باید شناخت بیشتری از چالش‌های تجاری مشتری پیدا کند. او از هوش مصنوعی درخواست کرد تا سه متن مکالمات گزارش‌های مالی شرکت را بررسی کرده و سوالات پرتکرار تحلیل‌گران را شناسایی کند.

این بینش به او اجازه داد تا یک جلسه با مدیران ارشد شرکت مشتری ترتیب دهد و پیشنهاد خود را نه به‌عنوان یک محصول، بلکه به‌عنوان راهکاری برای دستیابی به اهداف استراتژیک آن‌ها ارائه دهد. در نتیجه، او موفق شد یک قرارداد انحصاری چندمیلیون‌دلاری را منعقد کند.

نتیجه‌گیری

هوش مصنوعی می‌تواند فروشندگان را از ارائه‌کنندگان محصولات به مشاوران استراتژیک تبدیل کند. اگر تیم‌های فروش بتوانند چالش‌های مشتری را بهتر درک کنند، می‌توانند تعاملاتی معنادارتر و مؤثرتر ایجاد کنند.

Credit: "How Sales Teams Can Use Gen AI to Discover What Clients Need" by Ian Gross and Lisa Earle McLeod, published in HBR.

Read full article here: https://hbr.org/2025/02/how-sales-teams-can-use-gen-ai-to-discover-what-clients-need