AI SDR (AI Sales Development Representative) ໝາຍເຖິງ AI Agent ທີ່ຮັບໜ້າທີ່ຢ່າງອິດສະຫຼະຕັ້ງແຕ່ການຊອກຫາລີດ (Lead), ການເຂົ້າຫາໃນຄັ້ງທຳອິດ, ການຕອບກັບ, ຈົນເຖິງການນັດໝາຍເພື່ອເຈລະຈາທຸລະກິດ. ເປັນກົນໄກທີ່ເໝາະສົມສຳລັບບໍລິສັດທີ່ມີພາລະວຽກງານດ້ານ Inside Sales ສູງໃນການຂາຍແບບ B2B ຫຼື ອົງກອນທີ່ປະສົບກັບບັນຫາການຕອບສະໜອງລີດຊັກຊ້າ ເຊິ່ງສົ່ງຜົນໃຫ້ອັດຕາການປິດການຂາຍຫຼຸດລົງ. ໃນບົດຄວາມນີ້, ພວກເຮົາຈະອະທິບາຍເຖິງຂອບເຂດວຽກທີ່ AI SDR ສາມາດເຮັດໄດ້, ການອອກແບບການແບ່ງໜ້າທີ່ລະຫວ່າງ AI ກັບພະນັກງານຂາຍ, ລວມເຖິງຂັ້ນຕອນການນຳໃຊ້ ແລະ ຈຸດສຳຄັນໃນການເຮັດໃຫ້ລະບົບນີ້ໝັ້ນຄົງ. ເມື່ອອ່ານຈົບ, ທ່ານຈະສາມາດຕັດສິນໃຈໄດ້ວ່າຄວນເລີ່ມມອບໝາຍວຽກສ່ວນໃດໃຫ້ AI SDR ໃນບໍລິສັດຂອງທ່ານ.

AI SDR ແມ່ນກົນໄກທີ່ AI agent ຮັບໜ້າທີ່ຕັ້ງແຕ່ການຄົ້ນຄວ້າລາຍຊື່ຜູ້ມີໂອກາດເປັນລູກຄ້າ (Lead), ການສ້າງເນື້ອຫາໃນການຕິດຕໍ່, ໄປຈົນເຖິງການຕອບກັບ. ມັນຊ່ວຍທົດແທນວຽກງານບາງສ່ວນຂອງ SDR (Sales Development Representative) ແບບດັ້ງເດີມ, ເຮັດໃຫ້ພະນັກງານຝ່າຍຂາຍສາມາດສຸມໃສ່ການເຈລະຈາທຸລະກິດ ແລະ ການສະເໜີຂາຍໄດ້. ກ່ອນອື່ນ, ພວກເຮົາຈະມາຈັດລະບຽບຄໍານິຍາມ ແລະ ພື້ນຖານຄວາມເປັນມາ, ຫຼັງຈາກນັ້ນຈຶ່ງຈະໄປເບິ່ງຟັງຊັນຕ່າງໆ ແລະ ວິທີການນຳໃຊ້ຕົວຈິງ.

SDR (Sales Development Representative) ແມ່ນຕຳແໜ່ງງານດ້ານການຂາຍທີ່ມີໜ້າທີ່ຮັບຜິດຊອບຕັ້ງແຕ່ການຊອກຫາລູກຄ້າທີ່ມີທ່າແຮງ, ການຕິດຕໍ່ຄັ້ງທຳອິດ, ຈົນເຖິງການປິດການຂາຍ. ໂດຍມີບົດບາດໃນການກວດສອບລະດັບຄວາມສົນໃຈຂອງລາຍຊື່ລູກຄ້າ (Lead) ທີ່ໄດ້ມາຈາກການຕະຫຼາດ ແລະ ຖ້າເງື່ອນໄຂເໝາະສົມ ກໍຈະ ສົ່ງຂໍ້ມູນຕໍ່ໃຫ້ ພະນັກງານຂາຍ. ໃນກໍລະນີທີ່ໃຊ້ຄົນເຮັດວຽກດັ່ງກ່າວ, ຈະຕ້ອງໃຊ້ເວລາຫຼາຍໃນການສືບຄົ້ນຂໍ້ມູນລູກຄ້າ, ການຮ່າງຂໍ້ຄວາມ ແລະ ການຕິດຕໍ່ຕິດຕາມຜົນ.

AI SDR ໝາຍເຖິງກົນໄກທີ່ AI Agent ເຂົ້າມາເຮັດໜ້າທີ່ແທນບາງສ່ວນ ຫຼື ສ່ວນໃຫຍ່ຂອງວຽກງານ SDR. ຈຸດເດັ່ນຄືການເຮັດວຽກແບບອັດຕະໂນມັດ ຕັ້ງແຕ່ການເກັບກຳຂໍ້ມູນລູກຄ້າ, ການຈັດລຳດັບຄວາມສຳຄັນ, ການສ້າງຂໍ້ຄວາມແບບສະເພາະບຸກຄົນ (Personalized message) ຈົນເຖິງການຕອບກັບເບື້ອງຕົ້ນ. ເຖິງແມ່ນວ່າໃນຮ່າງນິຍາມຂອງ AI Agent ທີ່ IPA ໄດ້ລະບຸໄວ້ວ່າ "ເປັນລະບົບ AI ທີ່ຮັບຮູ້ສະພາບແວດລ້ອມ ແລະ ປະຕິບັດງານຢ່າງອິດສະຫຼະເພື່ອບັນລຸເປົ້າໝາຍທີ່ກຳນົດໄວ້" ເຊິ່ງແຕກຕ່າງຈາກເຄື່ອງມືສ້າງຂໍ້ຄວາມຕອບກັບແບບຄັ້ງດຽວຢ່າງສິ້ນເຊີງ.

ໃນໄລຍະເລີ່ມຕົ້ນຂອງການນຳໃຊ້, ຫຼາຍຄົນມັກຈະຄິດວ່າ "ຖ້າໃຫ້ຕິດຕໍ່ລູກຄ້າໃຫ້ໄດ້ຫຼາຍທີ່ສຸດ ກໍຈະມີການເຈລະຈາການຄ້າເພີ່ມຂຶ້ນ", ແຕ່ໃນຄວາມເປັນຈິງແລ້ວ ການຈຳກັດກຸ່ມເປົ້າໝາຍ ແລະ ການສົ່ງຂໍ້ສະເໜີທີ່ສອດຄ່ອງກັບບໍລິບົດຈະເຮັດໃຫ້ອັດຕາການປິດການຂາຍມີຄວາມສະຖຽນຫຼາຍກວ່າ. ການອອກແບບທີ່ເນັ້ນຄວາມແມ່ນຍຳຫຼາຍກວ່າຈຳນວນ ແມ່ນຈຸດເລີ່ມຕົ້ນຂອງການນຳໃຊ້ AI SDR ໃຫ້ເກີດປະໂຫຍດ.

ຄວາມສົນໃຈຕໍ່ AI SDR ທີ່ເພີ່ມທະວີຂຶ້ນເລື້ອຍໆນັ້ນ ມີປັດໄຈຫຼາຍຢ່າງປະກອບກັນ.

ໃນໜ້າວຽກຂອງ Inside Sales ມັກຈະພົບກັບອຸປະສັກທີ່ວ່າ ບໍ່ສາມາດເພີ່ມຈຳນວນບຸກຄະລາກອນໃຫ້ສອດຄ່ອງກັບຈຳນວນ Lead ທີ່ເພີ່ມຂຶ້ນໄດ້. ໃນຂະນະທີ່ຊ່ອງທາງການໄຫຼເຂົ້າຂອງ Lead ມີຄວາມຫຼາກຫຼາຍຂຶ້ນຈາກການວາງນະໂຍບາຍດ້ານການຕະຫຼາດ, ການເພີ່ມຈຳນວນການຕອບໂຕ້ໂດຍບໍ່ໃຫ້ຄຸນນະພາບຂອງການຕອບຮັບເບື້ອງຕົ້ນຫຼຸດລົງນັ້ນບໍ່ແມ່ນເລື່ອງງ່າຍ. ເມື່ອ Generative AI ແລະ AI Agent ເລີ່ມນຳມາໃຊ້ງານໄດ້ຈິງ ຈຶ່ງເຮັດໃຫ້ທາງເລືອກໃນການອັດຕະໂນມັດວຽກງານທີ່ສາມາດກຳນົດຮູບແບບໄດ້ງ່າຍ ເຊັ່ນ: ການສຶກສາຂໍ້ມູນ Lead, ການຮ່າງເນື້ອຫາ ແລະ ການຕອບກັບຂໍ້ຄວາມ ກາຍເປັນຄວາມຈິງຫຼາຍຂຶ້ນ.

ການເຄື່ອນໄຫວດ້ານກົດລະບຽບກໍເປັນອີກປັດໄຈທີ່ຊ່ວຍສະໜັບສະໜູນ. ໃນເອກະສານອັບເດດແນວທາງສຳລັບຜູ້ປະກອບການ AI ໄດ້ກຳນົດໃຫ້ AI Agent ເປັນ "ລະບົບ AI ທີ່ຮັບຮູ້ສະພາບແວດລ້ອມ ແລະ ເຄື່ອນໄຫວຢ່າງອິດສະຫຼະເພື່ອບັນລຸເປົ້າໝາຍທີ່ກຳນົດໄວ້" ເຊິ່ງເຮັດໃຫ້ໃນຂະແໜງການຂາຍກໍມີສະພາບແວດລ້ອມທີ່ເອື້ອອຳນວຍຕໍ່ການພິຈາລະນາໃຊ້ງານ AI ທີ່ເຄື່ອນໄຫວຢ່າງອິດສະຫຼະໄດ້ງ່າຍຂຶ້ນ.

ຢ່າງໃດກໍຕາມ, ລະດັບຄວາມສົນໃຈກັບຄວາມເໝາະສົມໃນການນຳໄປໃຊ້ງານແມ່ນຄົນລະເລື່ອງກັນ. ໃນກໍລະນີຂອງສິນຄ້າທີ່ມີຈຳນວນ Lead ມະຫາສານ ແລະ ການຕອບຮັບເບື້ອງຕົ້ນສາມາດກຳນົດຮູບແບບໄດ້ງ່າຍ, AI SDR ຈະສະແດງປະສິດທິຜົນໄດ້ງ່າຍ. ໃນທາງກົງກັນຂ້າມ, ຖ້າສິນຄ້າມີຄວາມຊ່ຽວຊານສູງ ແລະ ເນື້ອຫາການສະເໜີຂາຍຕ້ອງການການປັບແຕ່ງໃຫ້ເໝາະສົມກັບແຕ່ລະບຸກຄົນ, ການອອກແບບໂດຍໃຫ້ມະນຸດເປັນຜູ້ນຳພາໃນການເຂົ້າຫາລູກຄ້າ ແລ້ວມອບໝາຍພຽງແຕ່ວຽກງານການສຶກສາຂໍ້ມູນໃຫ້ AI ຈະເປັນທາງເລືອກທີ່ເໝາະສົມກວ່າ.

ວຽກງານທີ່ AI SDR ຮັບຜິດຊອບນັ້ນກວມເອົາຂະບວນການ ຫຼື Pipeline ຕັ້ງແຕ່ການຄົ້ນຄວ້າລີດ (Lead), ການສ້າງເນື້ອຫາໃນການເຂົ້າຫາ, ການຕອບກັບ, ໄປຈົນເຖິງການນັດໝາຍການເຈລະຈາທຸລະກິດ. ຈຸດເດັ່ນຂອງມັນຄືການຊ່ວຍອັດຕະໂນມັດໃນຂັ້ນຕອນທີ່ຊ້ຳຊາກເຊິ່ງມະນຸດ SDR ເຄີຍເຮັດດ້ວຍມື, ໃນຂະນະດຽວກັນກໍສາມາດເພີ່ມຄວາມໄວໃນການຕອບສະໜອງ ແລະ ຄວາມຄົບຖ້ວນສົມບູນໄດ້ອີກດ້ວຍ.

ພື້ນຖານຂອງ AI SDR ແມ່ນການຄົ້ນຄວ້າ ແລະ ການໃຫ້ຄະແນນ (Scoring) ລີດ (Lead). ລະບົບຈະເກັບກຳຂໍ້ມູນໂດຍອັດຕະໂນມັດຈາກເວັບໄຊຂອງບໍລິສັດ, ຂໍ້ມູນການຮັບສະໝັກງານ, ຂ່າວການລະດົມທຶນ, ເນື້ອຫາທີ່ໂພສໃນ SNS ແລະ ອື່ນໆ ເພື່ອຈັດລະບຽບຄຸນລັກສະນະຕ່າງໆ ເຊັ່ນ: ຂະໜາດຂອງບໍລິສັດ, ປະເພດທຸລະກິດ, ເຄື່ອງມືທີ່ນຳໃຊ້ ແລະ ຕຳແໜ່ງຂອງຜູ້ຕັດສິນໃຈ. ຄວາມແຕກຕ່າງທີ່ໃຫຍ່ທີ່ສຸດແມ່ນ AI Agent ສາມາດປະມວນຜົນວຽກເຫຼົ່ານີ້ແບບຂະໜານ (Parallel) ໃນຂະນະທີ່ຫາກມະນຸດເຮັດວຽກດຽວກັນນີ້ ຈະຕ້ອງໃຊ້ເວລາຄົ້ນຄວ້າເຖິງສອງສາມນາທີຫາສິບກວ່ານາທີຕໍ່ໜຶ່ງລາຍການ.

ການໃຫ້ຄະແນນແມ່ນກົນໄກໃນການປ່ຽນຂໍ້ມູນເຫຼົ່ານີ້ໃຫ້ເປັນຕົວເລກ ໂດຍອີງຕາມເງື່ອນໄຂບູລິມະສິດທີ່ຝ່າຍຂາຍໄດ້ກຳນົດໄວ້ (ຕົວຢ່າງ: ຈຳນວນພະນັກງານ, ອຸດສາຫະກຳ, ຄວາມຄ້າຍຄືກັນກັບລູກຄ້າທີ່ມີຢູ່). ເວົ້າໄດ້ວ່າເປັນວຽກທີ່ຄ້າຍຄືກັບການໃຫ້ຄະແນນຜົນກວດສຸຂະພາບເພື່ອຈັດລຳດັບຄວາມສຳຄັນຂອງຜູ້ມາຮັບການກວດ, ເຊິ່ງເປັນການຈັດປະເພດເພື່ອໃຫ້ສາມາດນຳເວລາການຂາຍທີ່ມີຈຳກັດໄປສຸມໃສ່ "ລີດທີ່ຄວນເຂົ້າຫາໃນຕອນນີ້".

ຢ່າງໃດກໍຕາມ, ຄວາມຖືກຕ້ອງຂອງການຄົ້ນຄວ້າແມ່ນຂຶ້ນຢູ່ກັບຄຸນນະພາບຂອງແຫຼ່ງຂໍ້ມູນ. ໃນກໍລະນີຂອງບໍລິສັດທີ່ບໍ່ເປີດເຜີຍຂໍ້ມູນ ເຊິ່ງມີຂໍ້ມູນສາທາລະນະໜ້ອຍ ຫຼື ມີການໃຊ້ຄຳຫຍໍ້ສະເພາະອຸດສາຫະກຳ ແລະ ການຂຽນທີ່ຫຼາກຫຼາຍ, ມັກຈະເກີດການຮັບຮູ້ທີ່ຜິດພາດ ແລະ ມີລາຍງານກໍລະນີທີ່ຄະແນນບໍ່ສອດຄ່ອງກັບຄວາມເປັນຈິງ. ດັ່ງນັ້ນ, ຈຶ່ງບໍ່ຄວນນຳຜົນການໃຫ້ຄະແນນໄປໃຊ້ໃນການຕັດສິນໃຈປ່ຽນເປັນການເຈລະຈາທຸລະກິດໂດຍກົງ, ແຕ່ຈຳເປັນຕ້ອງມີການດຳເນີນງານທີ່ມະນຸດຕ້ອງທົບທວນມາດຕະຖານ ແລະ ການໃຫ້ນ້ຳໜັກຄະແນນຢ່າງສະໝ່ຳສະເໝີ.

AI SDR ແມ່ນການນຳໃຊ້ຂໍ້ມູນລີດ (Lead) ທີ່ໄດ້ຈາກການໃຫ້ຄະແນນ (Scoring) ມາປະສົມປະສານກັບຂໍ້ມູນອຸດສາຫະກຳ, ຂະໜາດຂອງບໍລິສັດ, ປະຫວັດການເຂົ້າຊົມ, ແລະ ບັນທຶກການເຈລະຈາທຸລະກິດໃນອະດີດ ເພື່ອສ້າງເນື້ອຫາສຳລັບການຕິດຕໍ່ຄັ້ງທຳອິດໂດຍອັດຕະໂນມັດ. ຈຸດພິເສດຂອງມັນແມ່ນບໍ່ໄດ້ເປັນພຽງການໃສ່ຊື່ລີດ ຫຼື ຊື່ບໍລິສັດລົງໃນເທມເພລັດແບບງ່າຍໆເທົ່ານັ້ນ, ແຕ່ຍັງສາມາດຄາດເດົາບັນຫາທີ່ລີດອາດຈະກຳລັງປະເຊີນ ແລະ ພື້ນຖານໃນການພິຈາລະນານຳໃຊ້ ເພື່ອສະເໜີວິທີການເປີດບົດສົນທະນາທີ່ສອດຄ່ອງກັບບໍລິບົດ.

ໃນຕອນເລີ່ມຕົ້ນ, ຫຼາຍຄົນມັກຈະຄິດວ່າ "ຍິ່ງປັບແຕ່ງເນື້ອຫາໃຫ້ມີຄວາມເປັນສ່ວນຕົວຫຼາຍເທົ່າໃດ ອັດຕາການຕອບກັບກໍຈະຍິ່ງສູງຂຶ້ນເທົ່ານັ້ນ", ແຕ່ໃນຄວາມເປັນຈິງແລ້ວ ມີການລາຍງານຫຼາຍກໍລະນີທີ່ລະບຸວ່າ ການອອກແບບເວລາໃນການສົ່ງ ແລະ ຈຳນວນຄັ້ງໃນການຕິດຕໍ່ ມີຜົນຕໍ່ອັດຕາການຕອບກັບຫຼາຍກວ່າຄວາມສະຫຼາດຂອງເນື້ອຫາ. ຕົວຢ່າງເຊັ່ນ: ການສາມາດຕິດຕໍ່ຫາລູກຄ້າໄດ້ພາຍໃນສອງສາມຊົ່ວໂມງຫຼັງຈາກທີ່ເຂົາເຈົ້າດາວໂຫຼດເອກະສານນັ້ນ ມີຜົນຕໍ່ຜົນລັັບຫຼາຍກວ່າຄວາມສົມບູນແບບຂອງເນື້ອຫາ.

ດັ່ງນັ້ນ, ໃນການດຳເນີນງານຕົວຈິງ, ລະບົບທີ່ເໝາະສົມທີ່ສຸດຄືການໃຫ້ມະນຸດກວດສອບເນື້ອຫາທີ່ AI ສ້າງຂຶ້ນ ແລະ ປັບແກ້ສະເພາະບໍລິບົດທີ່ລະອຽດອ່ອນເຊິ່ງ AI ອາດເຂົ້າໃຈຜິດ ເຊັ່ນ: ສຳນວນສະເພາະຂອງອຸດສາຫະກຳ ຫຼື ຄວາມແຕກຕ່າງຈາກຄູ່ແຂ່ງ. ການແບ່ງໜ້າທີ່ກັນໂດຍບໍ່ໄດ້ມອບໝາຍໃຫ້ AI ເຮັດທັງໝົດ, ແຕ່ໃຫ້ AI ເປັນຜູ້ສ້າງໂຄງຮ່າງ ແລະ ໃຫ້ມະນຸດເປັນຜູ້ປັບແຕ່ງນ້ຳສຽງສຸດທ້າຍ ແລະ ລຶບເນື້ອຫາທີ່ມີຄວາມສ່ຽງອອກ, ມັກຈະເປັນວິທີທີ່ຊ່ວຍໃຫ້ສາມາດຮັກສາຄວາມສົມດຸນລະຫວ່າງຄຸນນະພາບ ແລະ ຄວາມໄວໄດ້ດີທີ່ສຸດ.

ການແປພາສາ

ການຮັບມືຂັ້ນຕົ້ນຫຼັງຈາກໄດ້ຮັບການຕອບກັບ ກໍເປັນຂົງເຂດທີ່ AI SDR ສາມາດຮັບຜິດຊອບໄດ້. ສຳລັບການຕອບກັບທີ່ສະແດງຄວາມສົນໃຈ ຈະສະເໜີການດຳເນີນການໃນຂັ້ນຕໍ່ໄປ, ແລະສຳລັບການຕອບກັບປະຕິເສດ ຈະກຳນົດຊ່ວງໄລຍະການຕິດຕາມທີ່ເໝາະສົມ, ເຮັດໃຫ້ສາມາດຮັກສາໂອກາດໃນການສ້າງດີລໄວ້ໄດ້ ໂດຍບໍ່ຕ້ອງໃຫ້ພະນັກງານຂາຍຢຸດເຮັດວຽກ.

ໃນການນັດໝາຍວັນເວລາ, AI Agent ຈະອ້າງອິງຂໍ້ມູນປະຕິທິນ ເພື່ອນຳສະເໜີວັນເວລາທີ່ເປັນໄປໄດ້, ແລະສາມາດປະສານງານກັບ CRM ຫຼືເຄື່ອງມືການວາງແຜນເວລາ ເພື່ອດຳເນີນການຈົນເຖິງການຢືນຢັນແບບຄົບຖ້ວນ. ຈຸດທີ່ຂະບວນການ ຫຼື Pipeline ທີ່ເຄີຍໃຊ້ເວລາໄປກັບການໂຕ້ຕອບໄປມາຖືກຫຍໍ້ໃຫ້ສັ້ນລົງ ແມ່ນການປ່ຽນແປງທີ່ຫ

ຜົນກະທົບຂອງການນຳໃຊ້ AI SDR ຈະປ່ຽນແປງໄປຢ່າງຫຼວງຫຼາຍ ຂຶ້ນຢູ່ກັບວ່າເຮົາຈະກຳນົດເສັ້ນແບ່ງລະຫວ່າງ AI ກັບມະນຸດໄວ້ບ່ອນໃດ. ໂດຍພື້ນຖານແລ້ວ, ການມອບວຽກງານທີ່ງ່າຍດາຍໃຫ້ AI ເປັນຜູ້ຈັດການ ແລະ ໃຫ້ມະນຸດຮັບຜິດຊອບໃນດ້ານການຕັດສິນໃຈ ແລະ ການສ້າງຄວາມສຳພັນແມ່ນວິທີທີ່ເໝາະສົມ, ແຕ່ຖ້າຫາກກຳນົດເສັ້ນແບ່ງຜິດພາດ ກໍຈະເຮັດໃຫ້ຜົນງານບໍ່ເພີ່ມທະວີຂຶ້ນເລື້ອຍໆ. ຕໍ່ໄປ, ພວກເຮົາຈະມາເບິ່ງວິທີການແບ່ງຂອບເຂດວຽກງານທີ່ຄວນມອບໝາຍ ແລະ ວຽກງານທີ່ຄວນຮັບຜິດຊອບເອງຢ່າງລະອຽດ, ລວມເຖິງວິທີການອອກແບບຂະບວນການສົ່ງຂໍ້ມູນຕໍ່ໃຫ້.

AI SDR ແລະ ພະນັກງານຂາຍທີ່ເປັນມະນຸດ ສາມາດປຽບທຽບໄດ້ວ່າເປັນຄວາມສຳພັນແບບ "ການແຍກປະເພດ ແລະ ການເຈລະຈາ" ໂດຍໃຫ້ເຫັນພາບວ່າ AI ເຮັດໜ້າທີ່ເປັນຜູ້ແຍກປະເພດສິນຄ້າຕາມຊະນິດ, ສ່ວນມະນຸດເຮັດໜ້າທີ່ເປັນຜູ້ຈັດສົ່ງສິນຄ້າເຫຼົ່ານັ້ນ ແລະ ເຈລະຈາເງື່ອນໄຂຕ່າງໆ ເຊິ່ງຈະເຮັດໃຫ້ເຂົ້າໃຈພາບລວມຂອງການແບ່ງງານໄດ້ງ່າຍຂຶ້ນ.

ຂອບເຂດວຽກທີ່ມອບໝາຍໃຫ້ AI ຄືວຽກທີ່ເກີດຂຶ້ນຊ້ຳໆ ແລະ ມີມາດຖານການຕັດສິນໃຈທີ່ຊັດເຈນ ເຊັ່ນ: ການຄົ້ນຄວ້າຂໍ້ມູນ Lead, ການໃຫ້ຄະແນນ (Scoring), ການຮ່າງ ແລະ ສົ່ງຂໍ້ຄວາມຕິດຕໍ່ຄັ້ງທຳອິດ, ລວມເຖິງການຕອບຄຳຖາມເບື້ອງຕົ້ນແບບງ່າຍໆ. ວຽກເຫຼົ່ານີ້ມີປະລິມານການຈັດການທີ່ສູງ ແລະ ຫາກມີການຕອບໂຕ້ຊັກຊ້າກໍອາດສົ່ງຜົນເສຍຕໍ່ໂອກາດທາງທຸລະກິດໄດ້ງ່າຍ, ດັ່ງນັ້ນຄວາມໄວ ແລະ ຄວາມສະໝ່ຳສະເໝີຂອງ AI ຈຶ່ງມີປະໂຫຍດຫຼາຍ.

ໃນທາງກົງກັນຂ້າມ, ຂອບເຂດວຽກທີ່ມະນຸດຕ້ອງຮັບຜິດຊອບ ຄືການເຈລະຈາລາຄາ, ການປັບປ່ຽນເງື່ອນໄຂສັນຍາ, ການສອບຖາມບັນຫາທາງທຸລະກິດທີ່ຊັບຊ້ອນ ແລະ ການສ້າງຄວາມສຳພັນກັບຜູ້ຕັດສິນໃຈ. ໃນການຂາຍແບບ BtoB, ມັກຈະມີຫຼາຍສະຖານະການທີ່ຕ້ອງອ່ານເຈດຕະນາທີ່ແຝງມາກັບຄຳເວົ້າ ແລະ ສະຖານະການພາຍໃນຂອງບໍລິສັດລູກຄ້າ ເຊິ່ງການເຂົ້າໃຈບໍລິບົດເຫຼົ່ານີ້ AI ໃນປັດຈຸບັນຍັງບໍ່ສາມາດຮັບຜິດຊອບແທນໄດ້ທັງໝົດ.

ຫາກແບ່ງຕາມເງື່ອນໄຂ, ຫຼັກການພື້ນຖານຄື: ຫາກເນື້ອໃນການຕອບໂຕ້ເປັນແບບແຜນ ແລະ ສາມາດກວດສອບໄດ້ ໃຫ້ໃຊ້ AI, ແຕ່ຫາກເປັນການຈັດການກັບກໍລະນີຍົກເວັ້ນ ຫຼື ຕ້ອງການການສ້າງຄວາມເຊື່ອໝັ້ນ ໃຫ້ມະນຸດເປັນຜູ້ຮັບຜິດຊອບ. ຢ່າງໃດກໍຕາມ, ເນື່ອງຈາກຂອບເຂດດັ່ງກ່າວອາດປ່ຽນແປງໄປຕາມອຸດສາຫະກຳ ແລະ ປະເພດສິນຄ້າ, ຈຶ່ງຄວນອອກແບບໂດຍຕັ້ງສົມມຸດຕິຖານວ່າຈະມີການທົບທວນຄືນໃນລະຫວ່າງການປະຕິບັດງານຕົວຈິງ ບໍ່ແມ່ນການກຳນົດກົດເກນແບບຕາຍຕົວ.

ການອອກແບບການສົ່ງຕໍ່ລະຫວ່າງ AI SDR ແລະ ມະນຸດ

AI SDR ແລະ ການຂາຍໂດຍມະນຸດ ຈະສະຫຼັບກັນຢູ່ບ່ອນໃດແມ່ນຈຸດອອກແບບທີ່ມີຜົນຕໍ່ຜົນສຳເລັດ. ໃນເບື້ອງຕົ້ນມັກຈະຕັ້ງກົດວ່າ "ຖ້າມີການຕອບກັບມາ ໃຫ້ສົ່ງຕໍ່ໃຫ້ມະນຸດທັນທີ" ແຕ່ຕາມຄວາມເປັນຈິງແລ້ວ ການແບ່ງແຍກຕາມລະດັບຄວາມສົນໃຈຂອງເນື້ອຫາການຕອບກັບຈະມີປະສິດທິພາບກວ່າ. ສຳລັບຄຳຖາມທົ່ວໄປ ຫຼື ການຂໍເອກະສານ AI ຄວນສືບຕໍ່ຮັບຜິດຊອບການຕອບໂຕ້ຄັ້ງທຳອິດ ແລະ ເມື່ອມີການກ່າວເຖິງການເຈລະຈາລາຄາ ຫຼື ໄລຍະເວລານຳໃຊ້ຢ່າງລະອຽດ ຈິ່ງສົ່ງຕໍ່ໃຫ້ມະນຸດ ເຊິ່ງມີແນວໂນ້ມທີ່ຈະນຳໄປສູ່ການເພີ່ມທະວີຂຶ້ນເລື້ອຍໆຂອງອັດຕາການເກີດການເຈລະຈາທຸລະກິດ.

ເງື່ອນໄ

ໃນການນຳໃຊ້ AI SDR, ມັກຈະມີຄວາມເຂົ້າໃຈຜິດທີ່ວ່າ "ຖ້າເພີ່ມຈຳນວນການສົ່ງຂໍ້ມູນໃຫ້ຫຼາຍຂຶ້ນ ກໍຈະໄດ້ຈຳນວນການເຈລະຈາທຸລະກິດເພີ່ມຂຶ້ນ" ລວມເຖິງຄວາມຜິດພາດທີ່ເກີດຈາກການລະເລີຍການຄວບຄຸມຄຸນນະພາບ ຈົນກາຍເປັນສະແປມ (Spam). ການເພິ່ງພາຄວາມໄວຂອງລະບົບອັດຕະໂນມັດຫຼາຍເກີນໄປ ອາດສົ່ງຜົນເສຍຕໍ່ຄວາມເຊື່ອໝັ້ນຂອງຜູ້ຮັບ ແລະ ສົ່ງຜົນໃຫ້ປະສິດທິພາບການຂາຍຂອງແບຣນໂດຍລວມຫຼຸດລົງ.

ທັນທີທີ່ນຳເອົາ AI SDR ມາໃຊ້ງານ, ຫຼາຍໜ້າວຽກມັກຈະມີແນວຄິດທີ່ວ່າ "ຖ້າເພີ່ມຈຳນວນການສົ່ງໃຫ້ຫຼາຍຂຶ້ນ, ຈຳນວນການປິດການຂາຍກໍຄວນຈະເພີ່ມທະວີຂຶ້ນເລື້ອຍໆ". ເນື່ອງຈາກສາມາດສົ່ງຂໍ້ມູນໄດ້ໃນປະລິມານຫຼາຍເຊິ່ງເປັນສິ່ງທີ່ມະນຸດບໍ່ສາມາດເຮັດໄດ້, ສະນັ້ນການຢາກທົດລອງເພີ່ມປະລິມານກ່ອນຈຶ່ງເປັນເລື່ອງທຳມະດາ. ແຕ່ໃນຄວາມເປັນຈິງແລ້ວ, ປະລິມານການສົ່ງ ແລະ ອັດຕາການຕອບກັບບໍ່ໄດ້ມີຄວາມສຳພັນກັນສະເໝີໄປ, ຖ້າຫາກຄຸນນະພາບຂອງລີດ (Lead) ຫຼື ຈັງຫວະເວລາບໍ່ເໝາະສົມ, ຜົນລັພທີ່ໄດ້ມັກຈະຢຸດສະງັກຫຼາຍກວ່າ.

ທ່ານເຄີຍປະສົບກັບສະຖານະການທີ່ວ່າ "ເພີ່ມຈຳນວນການສົ່ງເປັນສອງເທົ່າແລ້ວ ແຕ່ອັດຕາການປິດການຂາຍຍັງເທົ່າເດີມ ຫຼື ຫຼຸດລົງ" ຫຼືບໍ່? ນີ້ບໍ່ແມ່ນຍ້ອນຄວາມບໍ່ຊັດເຈນຂອງ AI SDR, ແຕ່ໃນຫຼາຍກໍລະນີມີສາເຫດມາຈາກການອອກແບບການກຳນົດເປົ້າໝາຍ (Targeting) ທີ່ຍັງບໍ່ຮັດກຸມພໍ. ຖ້າຫາກຂະຫຍາຍປະລິມານການສົ່ງໂດຍທີ່ມາດຕະຖານການໃຫ້ຄະແນນ (Scoring) ຍັງຫຼວມຢູ່, ມັນຈະເຮັດໃຫ້ການຕິດຕໍ່ຫາລີດທີ່ມີຄວາມສົນໃຈໜ້ອຍເພີ່ມຂຶ້ນ, ເຊິ່ງສົ່ງຜົນໃຫ້ຄ່າສະເລ່ຍຂອງອັດຕາການເປີດອ່ານ ແລະ ອັດຕາການຕອບກັບຫຼຸດລົງໃນທີ່ສຸດ.

ມີມຸມມອງທີ່ວ່າ ການຈຳກັດກຸ່ມເປົ້າໝາຍໃຫ້ແຄບລົງພ້ອມກັບການເພີ່ມຄວາມຊັດເຈນຂອງເນື້ອຫາໃນຂໍ້ຄວາມ ຈະຊ່ວຍໃຫ້ປິດການຂາຍໄດ້ງ່າຍກວ່າການເພີ່ມຈຳນວນການສົ່ງທັງໝົດ. ກ່ອນທີ່ຈະໄລ່ຕາມປະລິມານ, ຈຳເປັນຕ້ອງມີທັດສະນະຄະຕິໃນການທົບທວນຄືນວ່າຄວນສົ່ງຫາເຊັກເມນ (Segment) ໃດ.

ການປັບໃຫ້ເໝາະສົມກັບປະລິມານການສົ່ງຂໍ້ມູນນັ້ນ ມີຄວາມຂັດແຍ່ງໃນຕົວເອງຢູ່ ຄືບໍ່ຄືກັບກ໊ອກນໍ້າທີ່ຍິ່ງເປີດກວ້າງນໍ້າກໍຍິ່ງໄຫຼອອກມາຫຼາຍ ແຕ່ຖ້າເປີດຫຼາຍເກີນໄປຈະເຮັດໃຫ້ ຂະບວນການ ຫຼື Pipeline ນັ້ນຕັນ ແລະ ຢຸດສະງັກ. ຖ້າ AI SDR ສົ່ງຂໍ້ຄວາມແມ່ແບບດຽວກັນໄປຫາລາຍຊື່ຜູ້ສົນໃຈ (Leads) ຈຳນວນຫຼາຍຢ່າງຕໍ່ເນື່ອງ, ຄວາມເປັນສ່ວນຕົວຂອງເນື້ອຫາຈະຫຼຸດລົງ ແລະ ມີໂອກາດສູງທີ່ຜູ້ຮັບຈະຕີຄວາມວ່າເປັນສະແປມ (Spam).

ສິ່ງທີ່ຄວນລະວັງເປັນພິເສດຄື ຜົນກະທົບຕໍ່ອັດຕາການສົ່ງອີເມວເຖິງຜູ້ຮັບ. ຖ້າເພີ່ມຈຳນວນການສົ່ງໂດຍທີ່ອັດຕາການເປີດອ່ານ ແລະ ອັດຕາການຕອບກັບຍັງຕໍ່າ, ຕົວຊີ້ວັດການຕັດສິນອີເມວຂີ້ເຫຍື້ອຈະແຍ່ລົງ ເຊິ່ງມີລາຍງານວ່າອາດເຮັດໃຫ້ແມ້ແຕ່ອີເມວປົກກະຕິຍັງສົ່ງໄປບໍ່ເຖິງກ່ອງຂາເຂົ້າ. ເລື່ອງນີ້ບໍ່ແມ່ນບັນຫາຂອງຜູ້ສົນໃຈພຽງບາງກຸ່ມເທົ່ານັ້ນ ແຕ່ມັກຈະຖືກມອງຂ້າມວ່າເປັນການຫຼຸດຄະແນນຄວາມໜ້າເຊື່ອຖືຂອງໂດເມນທັງໝົດ ເຊິ່ງສົ່ງຜົນກະທົບໄປເຖິງການຕິດຕໍ່ກັບລູກຄ້າທີ່ມີຢູ່ແລ້ວອີກດ້ວຍ.

ນອກຈາກນີ້, ການຂະຫຍາຍຈຳນວນລາຍຊື່ຜູ້ສົນໃຈໂດຍທີ່ຄວາມຖືກຕ້ອງຂອງການປັບແຕ່ງໃຫ້ເໝາະສົມກັບບຸກຄົນ (Personalization) ຍັງຕໍ່າ ອາດເຮັດໃຫ້ເກີດກໍລະນີທີ່ຂໍ້ສະເໜີບໍ່ເໝາະສົມກັບອຸດສາຫະກຳ ຫຼື ຕຳແໜ່ງງານຂອງຜູ້ຮັບ ເຊິ່ງຈະເຮັດໃຫ້ພາບລັກຂອງແບຣນເສຍຫາຍ. ວິທີແກ້ໄຂທີ່ມີປະສິດທິພາບຄື ການກຳນົດຂີດຈຳກັດຂອງຈຳນວນການສົ່ງໄວ້ລ່ວງໜ້າ ແລະ ດຳເນີນການຂະຫຍາຍເທື່ອລະຂັ້ນ ໂດຍມີການກວດສອບອັດຕາການເປີດອ່ານ, ອັດຕາການຕອບກັບ ແລະ ອັດຕາການລາຍງານສະແປມຢ່າງສະໝໍ່າສະເໝີ. ການກຽມຫົວຂໍ້ ແລະ ເນື້ອຫາໃຫ້ມີຫຼາຍຮູບແບບ ເພື່ອຫຼີກລ່ຽງການສົ່ງຮູບແບບດຽວກັນຊໍ້າໆ ກໍຖືເປັນວິທີພື້ນຖານໃນການປ້ອງກັນບໍ່ໃຫ້ຖືກຕີຄວາມວ່າເປັນສະແປມ.

ການນຳໃຊ້ AI SDR ບໍ່ຄວນເລີ່ມຕົ້ນແບບຮອບດ້ານໃນທັນທີ ແຕ່ຄວນດຳເນີນການເປັນຂັ້ນຕອນເພື່ອໃຫ້ເກີດຄວາມຍືນຍົງ. ວິທີການປະຕິບັດງານທີ່ເໝາະສົມມີ 3 ຂັ້ນຕອນຄື: ເລີ່ມຈາກການກຳນົດຂອບເຂດໃຫ້ຊັດເຈນເພື່ອຈັດລະບຽບຂະບວນການຂາຍໃນປັດຈຸບັນ, ທົດສອບໃນຂະໜາດນ້ອຍເພື່ອຢືນຢັນຄວາມຖືກຕ້ອງຂອງເນື້ອຫາແລະການກຳນົດກຸ່ມເປົ້າໝາຍ, ຈາກນັ້ນຈຶ່ງປ່ຽນຜ່ານໄປສູ່ການນຳໃຊ້ງານຢ່າງເຕັມຮູບແບບໂດຍການ ເຊື່ອມຕໍ່ ຫຼື ຊິງຄ໌ຂໍ້ມູນ ກັບ CRM.

ໃນການເລີ່ມຕົ້ນນຳໃຊ້, ສິ່ງທຳອິດທີ່ຄວນເຮັດຄືການແຍກຂະບວນການຂາຍທີ່ມີຢູ່ແລ້ວອອກເປັນແຕ່ລະຂັ້ນຕອນ ເພື່ອພິຈາລະນາຂອບເຂດທີ່ສາມາດມອບໝາຍໃຫ້ AI ເປັນຜູ້ຈັດການໄດ້.

ຫາກແບ່ງຂະບວນການຕັ້ງແຕ່ການຫາລາຍຊື່ຜູ້ສົນໃຈ (Lead) ຈົນເຖິງການປິດການຂາຍອອກເປັນໜ່ວຍຍ່ອຍໆ ເຊັ່ນ: ການເກັບລວບລວມລາຍຊື່, ການຕິດຕໍ່ຄັ້ງທຳອິດ, ການຕອບກັບ, ການນັດໝາຍ ແລະ ການດຳເນີນການເຈລະຈາຂາຍ, ທ່ານຈະເຫັນໄດ້ວ່າເວລາສ່ວນໃຫຍ່ຖືກໃຊ້ໄປກັບຂັ້ນຕອນໃດ. ໃນຫຼາຍໜ້າວຽກ, ພະນັກງານຂາຍມັກຈະໃຊ້ເວລາສ່ວນໃຫຍ່ໄປກັບການຮ່າງຂໍ້ຄວາມຕິດຕໍ່ຄັ້ງທຳອິດ ແລະ ການຕອບກັບ, ເຊິ່ງຈຸດນີ້ຖືເປັນບູລິມະສິດອັນດັບຕົ້ນໆໃນການນຳ AI SDR ມາໃຊ້.

ເມື່ອກຳນົດຂອບເຂດວຽກ, ຈຳເປັນຕ້ອງປ່ຽນມາດຕະຖານການຕັດສິນໃຈຕາມຄຸນລັກສະນະຂອງ Lead. ສຳລັບ Lead ທີ່ໄດ້ມາຈາກການແນະນຳຂອງລູກຄ້າເກົ່າ ຫຼື Lead ທີ່ມີປະຫວັດການເຈລະຈາຜ່ານມາ ເນື່ອງຈາກບໍລິບົດຂອງຄວາມສຳພັນມີຄວາມສຳຄັນ ຈຶ່ງຄວນໃຫ້ມະນຸດເປັນຜູ້ຈັດການ, ສ່ວນ Lead ໃໝ່ທີ່ເຂົ້າມາ (Inbound Lead) ຫຼື Lead ທີ່ໄດ້ມາຈາກນາມບັດໃນງານວາງສະແດງສິນຄ້າ ເຊິ່ງຍັງບໍ່ມີຄວາມຜູກພັນຫຼາຍນັກ, ການມອບໝາຍໃຫ້ AI ເປັນຜູ້ຈັດການດ້ານການໃຫ້ຄະແນນ (Scoring) ເບື້ອງຕົ້ນ ແລະ ການຕິດຕໍ່ສື່ສານຕາມຮູບແບບມາດຕະຖານຖືເປັນວິທີທີ່ເໝາະສົມໃນທາງປະຕິບັດ.

ນອກຈາກນີ້, ການກວດສອບໄລຍະເວລາໃນການຕັດສິນໃຈຊື້ທີ່ແຕກຕ່າງກັນໄປຕາມອຸດສາຫະກຳ ແລະ ຜະລິດຕະພັນໃນຂັ້ນຕອນການສຳຫຼວດຂໍ້ມູນ ຈະຊ່ວຍໃຫ້ການອອກແບບຂະບວນການ (Pipeline) ໃນຂັ້ນຕໍ່ໄປບໍ່ເກີດຄວາມຜິດພາດ. ໃນການເຮັດໃຫ້ຂະບວນການເຫັນພາບໄດ້ຊັດເຈນ, ການລວບລວມຂໍ້ມູນຈາກປະຫວັດການເຈລະຈາໃນ CRM ແລະ ບັນທຶກການສົ່ງອີເມວຕົວຈິງ ເພື່ອກຳນົດຂອບເຂດວຽກດ້ວຍຕົວເລກແທນທີ່ຈະໃຊ້ຄວາມຮູ້ສຶກ, ຈະເປັນປັດໄຈສຳຄັນທີ່ສົ່ງຜົນຕໍ່ຄວາມຖືກຕ້ອງໃນການທົດສອບຂະໜາດນ້ອຍ ເຊິ່ງເປັນຂັ້ນຕອນຕໍ່ໄປ.

ເມື່ອກຳນົດຂອບເຂດເປົ້າໝາຍໄດ້ແລ້ວ, ຂັ້ນຕອນຕໍ່ໄປແມ່ນບໍ່ຄວນນຳໄປໃຊ້ກັບລີດ (Lead) ທັງໝົດໃນທັນທີ ແຕ່ໃຫ້ທົດລອງນຳໃຊ້ໃນຂອບເຂດຈຳກັດແບບຂະໜາດນ້ອຍກ່ອນ. ເຫດຜົນທີ່ຕ້ອງຈຳກັດຈຳນວນແມ່ນມີຄວາມຊັດເຈນ ເພາະການກວດສອບທິດທາງຂອງເນື້ອຫາ, ຄວາມຖືກຕ້ອງຂອງການປັບແຕ່ງໃຫ້ເໝາະສົມກັບບຸກຄົນ (Personalization) ແລະ ແນວໂນ້ມຂອງອັດຕາການຕອບກັບກ່ອນທີ່ຈະຂະຫຍາຍຜົນນັ້ນ ຈະຊ່ວຍຫຼຸດຕົ້ນທຶນໃນການແກ້ໄຂພາຍຫຼັງໄດ້.

ຄວາມກັງວົນທີ່ວ່າ "ຈະສາມາດສົ່ງເນື້ອຫາທີ່ AI ສ້າງຂຶ້ນໄປໄດ້ເລີຍຫຼືບໍ່" ເປັນຄຳຖາມທຳອິດທີ່ເກີດຂຶ້ນໃນຫຼາຍໜ້າວຽກງານການຂາຍ. ໃນຂັ້ນຕອນນີ້, ຄວນມີຂະບວນການໃຫ້ພະນັກງານຂາຍກວດສອບເນື້ອຫາທີ່ AI ສ້າງຂຶ້ນ ເພື່ອຢືນຢັນວ່າບໍ່ມີການໃຊ້ສຳນວນສະເພາະຂອງອຸດສາຫະກຳ ຫຼື ຖ້ອຍຄຳທີ່ບໍ່ຄວນສົ່ງລວມຢູ່.

ຈຸດທີ່ຄວນກວດສອບມີດັ່ງນີ້:

• ອັດຕາການເປີດອ່ານ ແລະ ອັດຕາການຕອບກັບ ມີການປ່ຽນແປງແນວໃດໃນແຕ່ລະກຸ່ມເປົ້າໝາຍ
• ການໃຊ້ເທມເພລດດຽວກັນຊ້ຳໆ ເຮັດໃຫ້ເກີດຄວາມຮູ້ສຶກຄືກັບສະແປມ (Spam) ຫຼືບໍ່
• ເມື່ອພິຈາລະນາຈາກເນື້ອຫາທີ່ຕອບກັບມາ, ມີຄວາມເຂົ້າໃຈຜິດກ່ຽວກັບຮູບແບບຂອງລີດ (Lead) ຫຼືບໍ່

ຈຸດປະສົງຂອງການທົດລອງຂະໜາດນ້ອຍ ບໍ່ແມ່ນການສ້າງຜົນສຳເລັດ ແຕ່ແມ່ນການຊອກຫາຄວາມແຕກຕ່າງລະຫວ່າງມາດຖານການຕັດສິນໃຈຂອງ AI ກັບມຸມມອງການຂາຍຂອງບໍລິສັດ. ເມື່ອເຫັນຄວາມແຕກຕ່າງແລ້ວ, ໃຫ້ປັບປຸງເທມເພລດເນື້ອຫາ ຫຼື ເງື່ອນໄຂການໃຫ້ຄະແນນ (Scoring) ເພື່ອກຽມຂໍ້ມູນສຳລັບການຕັດສິນໃຈກ້າວໄປສູ່ຂັ້ນຕອນຕໍ່ໄປ.

ເມື່ອຄວາມໝັ້ນຄົງຂອງເນື້ອຫາ ແລະ ຄຸນນະພາບການຕອບໂຕ້ມີຄວາມໝັ້ນຄົງໃນການທົດສອບຂະໜາດນ້ອຍແລ້ວ, ໃຫ້ດຳເນີນການເຊື່ອມຕໍ່ກັບ CRM ເພື່ອກ້າວເຂົ້າສູ່ການນຳໃຊ້ງານຢ່າງເຕັມຮູບແບບ. ຈຸດສຳຄັນ ຫຼື ແກນຫຼັກ ໃນທີ່ນີ້ບໍ່ແມ່ນການເຮັດໃຫ້ AI SDR ເຮັດວຽກເປັນເຄື່ອງມືທີ່ແຍກອອກມາຕ່າງຫາກ, ແຕ່ແມ່ນການລວມເຂົ້າໄປໃນ ຂະບວນການ ຫຼື Pipeline ການຂາຍທີ່ມີຢູ່ແລ້ວ. ຖ້າການອັບເດດສະຖານະຂອງລີດ (Lead), ຈັງຫວະເວລາໃນການປ່ຽນເປັນການເຈລະຈາທຸລະກິດ, ແລະ ປະຫວັດການສົ່ງຕໍ່ໃຫ້ຜູ້ຮັບຜິດຊອບບໍ່ໄດ້ຖືກຈັດການແບບລວມສູນຢູ່ເທິງ CRM, ການເຄື່ອນໄຫວຂອງ AI SDR ຈະກາຍເປັນ "ວຽກທີ່ເບິ່ງບໍ່ເຫັນ" ສຳລັບທີມງານຂາຍ.

ເວົ້າອີກຢ່າງໜຶ່ງ, ແນວຄວາມຄິດທີ່ໃກ້ຄຽງທີ່ສຸດຄືການອອກແບບໃຫ້ AI SDR ເປັນສາຂາທີ່ໄຫຼເຂົ້າໄປລວມກັບແມ່ນ້ຳສາຍຫຼັກທີ່ມີຢູ່ແລ້ວ, ບໍ່ແມ່ນທາງນ້ຳທີ່ແຍກອອກມາຕ່າງຫາກ. ຖ້າການເຊື່ອມຕໍ່ບໍ່ພຽງພໍ, ອາດຈະເກີດສະຖານະການທີ່ລີດເຊິ່ງ AI SDR ໄດ້ຕິດຕໍ່ໄປນັ້ນ ຊ້ຳຊ້ອນກັບລີດທີ່ພະນັກງານຂາຍກຳລັງຕິດຕາມຢູ່, ເຮັດໃຫ້ເກີດເຫດການທີ່ມີຜູ້ຮັບຜິດຊອບແຕກຕ່າງກັນຕິດຕໍ່ຫາລູກຄ້າຄົນດຽວກັນ.

ການປ່ຽນຜ່ານໄປສູ່ການນຳໃຊ້ງານຢ່າງເຕັມຮູບແບບຄວນເຮັດໂດຍການຂະຫຍາຍຂອບເຂດຂອງລີດເປົ້າໝາຍໄປເທື່ອລະຂັ້ນຢ່າງເປັນຮູບປະທຳ. ແທນທີ່ຈະນຳໃຊ້ກັບລີດທັງໝົດຕັ້ງແຕ່ຕົ້ນ, ໃຫ້ເລີ່ມຈາກການຈຳກັດການເຮັດວຽກໄວ້ໃນອຸດສາຫະກຳ ຫຼື ແຫຼ່ງທີ່ມາຂອງລີດສະເພາະໃດໜຶ່ງ, ພ້ອມທັງຂະຫຍາຍຂອບເຂດການນຳໃຊ້ໃນຂະນະທີ່ກວດສອບການປ່ຽນແປງສະຖານະ ແລະ ຄວາມຖືກຕ້ອງໃນການສົ່ງຕໍ່ຂໍ້ມູນເທິງ CRM. ໃນຂັ້ນຕອນນີ້, ໂດຍອີງໃສ່ຄຸນລັກສະນະຂອງ "ການຮັບຮູ້ສະພາບແວດລ້ອມ ແລະ ການປະຕິບັດງານຢ່າງອິດສະຫຼະ" ຕາມທີ່ຮ່າງຄຳນິຍາມຂອງ IPA ໄດ້ລະບຸໄວ້ກ່ຽວກັບຂອບເຂດການຕັດສິນໃຈແບບອິດສະຫຼະຂອງ AI Agent, ການຂຽນກົດລະບຽບການນຳໃຊ້ໃຫ້ຊັດເຈນວ່າຈະມອບໝາຍການຕັດສິນໃຈໃຫ້ AI ໄດ້ເຖິງຂັ້ນໃດນັ້ນ ຄືກຸນແຈສຳຄັນໃນການປ້ອງກັນຄວາມວຸ້ນວາຍທີ່ຈະເກີດຂຶ້ນໃນພາຍຫຼັງ.

AI SDR ແມ່ນບໍ່ໄດ້ຈົບລົງພຽງແຕ່ການນຳມາໃຊ້ງານເທົ່ານັ້ນ, ແຕ່ຈະຕ້ອງມີການດຳເນີນງານທີ່ເຫັນຜົນໄດ້ຢ່າງຊັດເຈນຜ່ານຕົວຊີ້ວັດ, ພ້ອມທັງມີການທົບທວນເນື້ອຫາ ແລະ ການກຳນົດກຸ່ມເປົ້າໝາຍຢ່າງຕໍ່ເນື່ອງຈຶ່ງຈະສາມາດນຳມາໃຊ້ໄດ້ຢ່າງມີປະສິດທິພາບ. ໃນທີ່ນີ້, ຈະຂໍສະຫຼຸບຈຸດສຳຄັນໂດຍແບ່ງອອກເປັນ 2 ດ້ານ ຄື: ການອອກແບບ KPI ເພື່ອວັດແທກຜົນງານ ແລະ ຮອບວຽນການປັບປຸງໃນແຕ່ລະວັນ.

ເມື່ອວັດແທກຜົນງານຂອງ AI SDR, ການຕິດຕາມພຽງແຕ່ຈຳນວນການສົ່ງ ແລະ ອັດຕາການຕອບກັບມັກຈະເຮັດໃຫ້ການປະເມີນຜິດພາດໄດ້ງ່າຍ. ນັ້ນກໍຍ້ອນວ່າມີການລາຍງານກໍລະນີທີ່ວ່າເຖິງແມ່ນວ່າການຕອບກັບຈະເພີ່ມຂຶ້ນ ແຕ່ຖ້າອັດຕາການປ່ຽນເປັນການເຈລະຈາທຸລະກິດບໍ່ເພີ່ມຂຶ້ນຕາມມາ, ການໄລ່ຕາມປະລິມານກໍອາດຈະເປັນການສິ້ນເປືອງຊັບພະຍາກອນການຂາຍແທນ.

ໃນການອອກແບບ KPI, ສິ່ງສຳຄັນຄືການແບ່ງຕົວຊີ້ວັດອອກຕາມແຕ່ລະຂັ້ນຕອນຂອງຂະບວນການ. ໂດຍສະເພາະແມ່ນການຕິດຕາມຕົວເລກຕາມລຳດັບຄື: ຈຳນວນການຕິດຕໍ່ Lead, ອັດຕາການຕອບກັບ, ອັດຕາການຕັ້ງການເຈລະຈາທຸລະກິດ, ແລະ ອັດຕາການໄດ້ຮັບຄຳສັ່ງຊື້ຫຼັງຈາກການເຈລະຈາທຸລະກິດ ເພື່ອເບິ່ງໃຫ້ອອກວ່າຄວາມຜິດປົກກະຕິເກີດຂຶ້ນໃນຂັ້ນຕອນໃດ.

ສຳລັບຫຼັກການຕັດສິນໃຈນັ້ນ, ການແບ່ງເງື່ອນໄຂຖືວ່າມີປະສິດທິຜົນ ເຊັ່ນ: ຖ້າເນັ້ນການບຸກເບີກລູກຄ້າໃໝ່ ໃຫ້ຄວາມສຳຄັນກັບຈຳນວນການຕິດຕໍ່ ແລະ ອັດຕາການຕອບກັບ, ແຕ່ຖ້າເນັ້ນການເຈາະເລິກການເຈລະຈາທຸລະກິດທີ່ມີຢູ່ແລ້ວ ໃຫ້ບຸລິມະສິດກັບອັດຕາການປ່ຽນເປັນການເຈລະຈາທຸລະກິດ ຫຼື ອັດຕາການໄດ້ຮັບຄຳສັ່ງຊື້. ເນື່ອງຈາກຕົວຊີ້ວັດທີ່ຄວນໃຫ້ຄວາມສຳຄັນຈະປ່ຽນໄປຕາມຈຸດປະສົງ, ຈຸດສຳຄັນ ຫຼື ແກນຫຼັກ ຈຶ່ງບໍ່ຄວນປະເມີນພາບລວມດ້ວຍ KPI ດຽວ.

ນອກຈາກນີ້, ການແຍກວັດແທກຜົນງານລະຫວ່າງຂອບເຂດທີ່ AI SDR ຮັບຜິດຊອບ ແລະ ຂອບເຂດທີ່ພະນັກງານຂາຍຮັບຜິດຊອບ ຈະຊ່ວຍໃຫ້ຕັດສິນໃຈໄດ້ງ່າຍຂຶ້ນວ່າຄວນປັບປຸງສ່ວນໃດ. ລາຍລະອຽດວິທີການດຳເນີນການອອກແບບ KPI ສາມາດອ່ານເພີ່ມເຕີມໄດ້ທີ່ ວິທີການວັດແທກຜົນຫຼັງຈາກນຳໃຊ້ AI Agent ເຂົ້າມາ｜ຕັ້ງແຕ່ການອອກແບບ KPI ຈົນເຖິງການປັບປຸງຢ່າງຕໍ່ເນື່ອງ.

"ຄວນໃຊ້ແມ່ແບບຂໍ້ຄວາມທີ່ສ້າງຂຶ້ນແລ້ວໄປໄດ້ດົນປານໃດ" ເປັນຈຸດທີ່ຜູ້ຮັບຜິດຊອບການດຳເນີນງານຫຼາຍຄົນມີຄວາມກັງວົນ. ເນື່ອງຈາກອັດຕາການຕອບກັບ ແລະ ຄວາມຖືກຕ້ອງຂອງການໃຫ້ຄະແນນ (Scoring) ມີແນວໂນ້ມທີ່ຈະຫຼຸດລົງເທື່ອລະໜ້ອຍຕາມການປ່ຽນແປງຂອງສະພາບແວດລ້ອມຕະຫຼາດ ແລະ ປະຕິກິລິຍາຂອງບໍລິສັດເປົ້າໝາຍ, ດັ່ງນັ້ນຈຶ່ງຄວນຫຼີກລ່ຽງການໃຊ້ງານແບບຕາຍຕົວ.

ສຳລັບວົງຈອນການປັບປຸງ, ກ່ອນອື່ນໃຫ້ແຍກອັດຕາການຕອບກັບ ແລະ ອັດຕາການນັດໝາຍຕາມກຸ່ມອຸດສາຫະກຳ ຫຼື Persona ເພື່ອລະບຸຊັ້ນຂໍ້ມູນທີ່ມີການຕອບສະໜອງຊ້າ. ຈາກນັ້ນ, ວິທີການທີ່ໃຊ້ໃນການປະຕິບັດງານຕົວຈິງແມ່ນການເຮັດ A/B Test ໂດຍປ່ຽນແປງພຽງແຕ່ຈຸດນຳສະເໜີໃນຫົວຂໍ້ ແລະ ເນື້ອໃນພຽງເລັກນ້ອຍ ແລ້ວໃຫ້ AI SDR ຮຽນຮູ້. ຖ້າປ່ຽນຫຼາຍອົງປະກອບໃນຄັ້ງດຽວ ຈະເຮັດໃຫ້ບໍ່ສາມາດຕັດສິນໄດ້ວ່າປັດໄຈໃດທີ່ສົ່ງຜົນຕໍ່ປະສິດທິພາບ, ສະນັ້ນຄວນຈຳກັດການປ່ຽນແປງໄວ້ພຽງ 1-2 ລາຍການເທົ່ານັ້ນ.

ໃນດ້ານການກຳນົດເປົ້າໝາຍ, ໃຫ້ກວດສອບແນວໂນ້ມຂອງອຸດສາຫະກຳ, ຂະໜາດບໍລິສັດ ແລະ ຕຳແໜ່ງງານຂອງ Lead ທີ່ສາມາດປ່ຽນເປັນການເຈລະຈາທຸລະກິດໄດ້ຢ່າງງ່າຍດາຍຈາກຂໍ້ມູນໃນ CRM ເປັນປະຈຳ ແລະ ນຳມາສະທ້ອນໃສ່ເກນການໃຫ້ຄະແນນ. ໃນທາງກັບກັນ, ຍັງມີຄວາມຈຳເປັນຕ້ອງຕັດສິນໃຈຄັດອອກຈາກເປົ້າໝາຍການເຂົ້າຫາສຳລັບກຸ່ມທີ່ບໍ່ມີການຕອບກັບເລີຍ.

ຄວາມຖີ່ໃນການປັບປຸງແມ່ນໃຫ້ຖືເອົາການປະເມີນເປັນລາຍເດືອນໃນກໍລະນີທີ່ມີຈຳນວນ Lead ຫຼາຍ, ແລະ ເປັນລາຍໄຕມາດໃນກໍລະນີທີ່ມີຈຳນວນໜ້ອຍ. ຖ້າຫາກຍັງມີຄວາມສັບສົນໃນການອອກແບບການວັດຜົນປະສິດທິພາບ, ແນວຄິດທີ່ນຳສະເໜີໃນ ວິທີການວັດຜົນປະສິດທິພາບຫຼັງຈາກນຳໃຊ້ AI Agent｜ຈາກການອອກແບບ KPI ຈົນເຖິງການປັບປຸງຢ່າງຕໍ່ເນື່ອງ ສາມາດໃຊ້ເປັນຂໍ້ມູນອ້າງອີງໄດ້.

Q1. ການນຳ AI SDR ມາໃຊ້ຈະເຮັດໃຫ້ SDR ທີ່ເປັນມະນຸດບໍ່ມີຄວາມຈຳເປັນອີກຕໍ່ໄປບໍ? ບໍ່ຄ່ອຍຈະເປັນໄປໄດ້ທີ່ຈະບໍ່ມີຄວາມຈຳເປັນ. AI SDR ຈະຮັບຜິດຊອບວຽກງານປະຈຳເຊັ່ນ: ການສຳຫຼວດລີດ (Lead), ການເຂົ້າຫາໃນເບື້ອງຕົ້ນ, ແລະ ການນັດໝາຍ, ແຕ່ການຕັດສິນໃຈດ້ານຄຸນຄ່າຂອງການເຈລະຈາທຸລະກິດ ແລະ ການສ້າງຄວາມສຳພັນຍັງຄົງເປັນຂອບເຂດທີ່ມະນຸດຕ້ອງຮັບຜິດຊອບ. ການອອກແບບໂດຍອີງໃສ່ການແບ່ງໜ້າທີ່ກັນຢ່າງຈະແຈ້ງແມ່ນເງື່ອນໄຂເບື້ອງຕົ້ນຂອງການນຳໄປໃຊ້ຢ່າງຍືນຍົງ.

Q2. ການນຳ AI SDR ມາໃຊ້ຕ້ອງໃຊ້ໄລຍະເວລາຫຼາຍປານໃດ? ເນື່ອງຈາກຕ້ອງດຳເນີນການເປັນຂັ້ນຕອນ ຕັ້ງແຕ່ການກວດສອບຂະບວນການຂາຍ, ການທົດສອບຂະໜາດນ້ອຍ, ຈົນເຖິງການເຊື່ອມຕໍ່ກັບ CRM, ຈຶ່ງຈຳເປັນຕ້ອງມີໄລຍະເວລາໃນການກະກຽມທີ່ແນ່ນອນ. ວິທີການທົ່ວໄປຄືການຜ່ານການທົດສອບຂະໜາດນ້ອຍໂດຍຈຳກັດຂອບເຂດກ່ອນທີ່ຈະເລີ່ມນຳໃຊ້ຢ່າງເຕັມຮູບແບບ, ເນື່ອງຈາກການຮີບຮ້ອນນຳໃຊ້ທັງໝົດໃນທັນທີມັກຈະນຳໄປສູ່ການຂາດການກວດສອບຄຸນນະພາບຂອງເນື້ອຫາ ແລະ ການກຳນົດກຸ່ມເປົ້າໝາຍ.

Q3. ການນຳໃຊ້ AI SDR ຄວນລະວັງໃນດ້ານກົດໝາຍຈຸດໃດແດ່? ໃນແນວທາງປະຕິບັດສຳລັບຜູ້ປະກອບການ AI, AI Agent ຖືກຈັດໃຫ້ເປັນ "ລະບົບ AI ທີ່ຮັບຮູ້ສະພາບແວດລ້ອມ ແລະ ປະຕິບັດງານຢ່າງເປັນອິດສະຫຼະເພື່ອບັນລຸເປົ້າໝາຍທີ່ກຳນົດໄວ້". ສຳລັບຄວາມຮັບຜິດຊອບທາງແພ່ງກ່ຽວກັບເນື້ອຫາທີ່ສົ່ງອອກໄປ ຫຼື ການຕັດສິນໃຈໂດຍການຕອບໂຕ້ອັດຕະໂນມັດນັ້ນ, ສາມາດອ້າງອີງໄດ້ຈາກ "ຄູ່ມືການຕີຄວາມ ແລະ ການນຳໃຊ້ຄວາມຮັບຜິດຊອບທາງແພ່ງໃນການນຳໃຊ້ AI" ເຊິ່ງຈຳເປັນຕ້ອງມີການວາງກົດລະບຽບໃນການດຳເນີນງານ.

Q4. ການເຊື່ອມຕໍ່ກັບ CRM ຫຼື ເຄື່ອງມື MA ທີ່ມີຢູ່ແລ້ວແມ່ນຈຳເປັນບໍ? ບໍ່ຈຳເປັນຕ້ອງມີ, ແຕ່ເພື່ອເພີ່ມຄວາມຖືກຕ້ອງໃນການໃຫ້ຄະແນນລີດ (Lead Scoring) ແລະ ການສົ່ງຕໍ່ຂໍ້ມູນ, ການເຊື່ອມຕໍ່ຖືວ່າເປັນສິ່ງທີ່ຄວນມີໃນທາງປະຕິບັດ. ຖ້າຫາກຍັງສືບຕໍ່ຍ້າຍຂໍ້ມູນດ້ວຍຕົນເອງ, ຈະເຮັດໃຫ້ເກີດການຕົກຫຼົ່ນໃນການຕອບໂຕ້ ຫຼື ການເຂົ້າຫາຊ້ຳຊ້ອນໄດ້ງ່າຍ, ດັ່ງນັ້ນຈຶ່ງແນະນຳໃຫ້ພິຈາລະນາການອອກແບບການເຊື່ອມຕໍ່ CRM ກ່ອນການນຳໃຊ້ຢ່າງເຕັມຮູບແບບ.

Q5. ຖ້າຫາກບໍ່ເຫັນຜົນລັດ, ຄວນທົບທວນສິ່ງໃດກ່ອນ? ການທົບທວນຄຸນນະພາບຂອງເນື້ອຫາ ແລະ ຄວາມຖືກຕ້ອງຂອງການກຳນົດກຸ່ມເປົ້າໝາຍແມ່ນມີປະສິດທິພາບຫຼາຍກວ່າການເພີ່ມປະລິມານການສົ່ງ. ການກວດສອບ KPI ເຊັ່ນ: ອັດຕາການຕອບກັບ ແລະ ອັດຕາການປ່ຽນເປັນການເຈລະຈາທຸລະກິດຢ່າງສະໝ່ຳສະເໝີ, ລວມທັງການສ້າງວົງຈອນການປັບປຸງຢ່າງຕໍ່ເນື່ອງຕາມທີ່ແນະນຳໃນ ວິທີການວັດແທກຜົນຫຼັງຈາກການນຳໃຊ້ AI Agent ມັກຈະນຳໄປສູ່ຜົນລັດທີ່ດີຂຶ້ນ.

AI SDR ແມ່ນ AI Agent ທີ່ຮັບຜິດຊອບວຽກງານຕັ້ງແຕ່ການຄົ້ນຄວ້າລາຍຊື່ຜູ້ສົນໃຈ (Lead), ການເຂົ້າຫາເບື້ອງຕົ້ນ, ການຕອບກັບ, ຈົນເຖິງການນັດໝາຍການເຈລະຈາທຸລະກິດຢ່າງເປັນອິດສະຫຼະ ເຊິ່ງເປັນກົນໄກທີ່ປ່ຽນການຈັດສັນເວລາຂອງທີມຂາຍຈາກ "ວຽກງານປະຈຳ" ໄປສູ່ "ການສົນທະນາ". ຢ່າງໃດກໍຕາມ, ປັດໄຈທີ່ຕັດສິນຜົນສຳເລັດບໍ່ແມ່ນປະລິມານການສົ່ງຂໍ້ຄວາມ ແຕ່ແມ່ນການກຳນົດຂອບເຂດເປົ້າໝາຍ, ຄຸນນະພາບຂອງເນື້ອຫາ ແລະ ການອອກແບບການສົ່ງຂໍ້ມູນຕໍ່ໃຫ້ມະນຸດ.

ໃນຂັ້ນຕອນການນຳໃຊ້, ການກວດສອບຂໍ້ມູນທີ່ມີຢູ່ ແລະ ການທົດສອບໃນຂະໜາດນ້ອຍກ່ອນຈະຂະຫຍາຍຂອບເຂດອອກໄປເທື່ອລະຂັ້ນ, ລວມເຖິງການທົບທວນ KPI ແລະ ການກຳນົດເປົ້າໝາຍຢ່າງຕໍ່ເນື່ອງຫຼັງຈາກການເຊື່ອມຕໍ່ CRM ແມ່ນຈຸດຕັດສິນຂອງການນຳໃຊ້ໃຫ້ເກີດຜົນ. ການແບ່ງຂອບເຂດຄວາມຮັບຜິດຊອບລະຫວ່າງ AI ແລະ ມະນຸດໃຫ້ຊັດເຈນ, ໂດຍຮັກສາລະບົບໃຫ້ມະນຸດເປັນຜູ້ຈັດການໃນສະຖານະການທີ່ຕ້ອງການການເຈລະຈາລາຄາ ຫຼື ຄວາມເຂົ້າໃຈກ່ຽວກັບເບື້ອງຫຼັງການຕັດສິນໃຈ, ແມ່ນກຸນແຈສຳຄັນໃນການຫຼີກລ່ຽງການເກີດ Spam ຫຼື ການຫຼຸດຄວາມເຊື່ອໝັ້ນ.

ຖ້າວາງຕຳແໜ່ງ AI SDR ວ່າບໍ່ແມ່ນຕົວແທນຂອງພະນັກງານຂາຍ ແຕ່ເປັນຜູ້ຊ່ວຍເພີ່ມປະສິດທິພາບໃນຂະບວນການ ຫຼື Pipeline ຂັ້ນຕົ້ນ, ຈະເຮັດໃຫ້ສາມາດວັດແທກຄວາມຄຸ້ມຄ່າຂອງການລົງທຶນໄດ້ງ່າຍຂຶ້ນ. ການເລີ່ມຕົ້ນທົດລອງໃນຂະໜາດນ້ອຍ ແລະ ປັບປ່ຽນຂອບເຂດການນຳໃຊ້ໂດຍອີງໃສ່ຕົວຊີ້ວັດຕ່າງໆ ແມ່ນວິທີທີ່ຈະນຳໄປສູ່ການນຳໃຊ້ຢ່າງຍືນຍົງ.