כשהאתר הופך לאיש מכירות: בינה מלאכותית בתהליכי מכירה מורכבים

בינה מלאכותית משנה את הדרך שבה לקוחות יכולים לרכוש מוצרים מורכבים באינטרנט. במקום לבחור עשרות פרמטרים ולמלא טפסים, הלקוח מתאר את הצורך שלו בשפה חופשית, והמערכת מנהלת איתו תהליך אפיון, מציעה פתרונות, מפעילה מערכות תמחור ומסייעת בהפקת הצעת מחיר. איך בונים מערכת כזו, מה נדרש מאחורי הקלעים והאם היא יכולה להחליף חלק מתהליך המכירה המסורתי?

הבעיה באתרי מסחר מורכבים

באתרי מסחר רבים, תהליך הרכישה פשוט יחסית. הלקוח בוחר מוצר, מוסיף אותו לסל ומשלם.

אבל יש תחומים שבהם תהליך המכירה מורכב הרבה יותר.

מוצרים שמיוצרים בהתאמה אישית, ציוד מקצועי, מערכות טכנולוגיות, פתרונות לעסקים ומוצרים בעלי אפשרויות תצורה רבות מחייבים את הלקוח לקבל שורה של החלטות לפני שניתן להפיק הצעת מחיר.

הוא נדרש לבחור מידות, חומרים, יכולות, מאפיינים טכניים, תוספות ואפשרויות שונות.

לעיתים מדובר בעשרות פרמטרים, שחלקם תלויים זה בזה.

גם כאשר האתר מציע ממשק מתקדם, מסננים, הסברים והדמיות, האחריות על הגדרת המוצר נשארת אצל הלקוח.

המשמעות היא שהלקוח צריך להבין את המוצר, להכיר את המונחים המקצועיים ולדעת כיצד להגדיר את הדרישות שלו.

במקרים רבים זה בדיוק השלב שבו נדרשת מעורבות של איש מכירות.

אבל האם באמת חייבים איש מכירות כדי לנהל את תהליך האפיון הראשוני?

מה קורה כשהלקוח פשוט מתאר את הצורך שלו?

נניח שלקוח נכנס לאתר שמוכר פתרונות אחסון בהתאמה אישית.

במקום לבחור קטגוריה, להיכנס לעמוד מוצר ולמלא טופס ארוך, הוא כותב:

"אני צריך פתרון אחסון למחסן קטן, שיאפשר לי לאחסן כמות גדולה של ציוד, אבל עדיין להשאיר מעבר נוח לעובדים."

מערכת המבוססת על בינה מלאכותית יכולה להתחיל לנהל איתו שיחה.

היא תשאל מה מידות המחסן, איזה ציוד מאוחסן בו, מה המשקל הנדרש לכל מדף והאם יש מגבלות גובה.

בהתאם לתשובות היא תוכל לזהות פתרונות רלוונטיים, להציג אפשרויות ולבנות בהדרגה מפרט מסודר.

הלקוח אינו צריך לדעת מראש איזה מוצר מתאים לו.

הוא מתאר את הצורך, והמערכת מסייעת לו להגיע לפתרון.

זהו שינוי משמעותי בתפיסת המסחר המקוון: במקום שהלקוח ילמד כיצד להשתמש במערכת, המערכת לומדת להבין את הלקוח.

לא עוד צ'אטבוט לשירות לקוחות

כדי להבין את הפוטנציאל, חשוב להבחין בין צ'אטבוט רגיל לבין מערכת AI המשולבת בתהליך המכירה.

צ'אטבוט שירות לקוחות מסורתי נועד בעיקר לספק מידע.

הוא יכול לענות על שאלות לגבי שעות פעילות, מדיניות משלוחים, זמינות מוצרים או תנאי אחריות.

גם צ'אטבוט המבוסס על מודל שפה מתקדם, שמסוגל לנהל שיחה טבעית, אינו בהכרח מערכת מכירה.

ההבדל נמצא ביכולת לבצע פעולות עסקיות.

מערכת AI המשולבת בתהליך המכירה יכולה:

• להבין את הדרישות שהלקוח מתאר בשפה חופשית.
• לשאול שאלות מקצועיות כדי להשלים מידע חסר.
• לזהות מוצרים ופתרונות מתאימים מתוך קטלוג.
• לאסוף פרמטרים טכניים ולבנות מפרט מובנה.
• להעביר את המפרט למנוע קונפיגורציה.
• להפעיל מערכת הדמיה או תצוגה חזותית.
• לקבל מחיר ממנוע תמחור.
• להציג הצעת מחיר ולהמשיך לתהליך הזמנה.

המשמעות היא שהצ'אטבוט מפסיק להיות חלון מידע נפרד מהאתר והופך לממשק שמפעיל את המערכות העסקיות.

איך מערכת כזו עובדת מאחורי הקלעים?

כדי להפוך שיחה עם לקוח לתהליך מסחרי אמיתי, נדרשת ארכיטקטורה שמשלבת בינה מלאכותית עם המערכות הקיימות בארגון.

הבנת שפה טבעית

השלב הראשון הוא להבין מה הלקוח מבקש.

מודל שפה יכול לנתח את הבקשה, לזהות את מטרת הלקוח ולחלץ ממנה נתונים רלוונטיים.

לדוגמה, לקוח יכול לכתוב:

"אני צריך ארון ברוחב מטר וחצי, גובה שני מטר, עם דלתות הזזה ומקום לתליית בגדים."

המערכת יכולה לזהות את סוג המוצר, המידות, סוג הדלתות ודרישות האחסון.

הנתונים מועברים למבנה מסודר, שניתן להשתמש בו בהמשך התהליך.

בסיס ידע מקצועי

הבנת השפה לבדה אינה מספיקה.

המערכת צריכה להכיר את המוצרים, את האפשרויות הקיימות ואת המגבלות שלהם.

לשם כך ניתן לשלב בסיס ידע שמכיל קטלוגים, מפרטים, מסמכים טכניים ומידע מקצועי.

אחת הגישות היא שימוש ב-RAG, המאפשר למודל השפה לאתר מידע רלוונטי ממקורות שהוגדרו מראש ולהשתמש בו לצורך מתן תשובות.

אבל חשוב להבחין בין מידע מקצועי לבין נתונים תפעוליים.

מחירים, מלאי, זמינות ואפשרויות ייצור צריכים להתקבל מהמערכות המוסמכות שמנהלות אותם, ולא להסתמך על תשובה שהמודל מייצר בעצמו.

מנוע קונפיגורציה

במוצרים מורכבים, בחירת הפרמטרים אינה רק עניין של העדפה אישית.

קיימים כללים שמגדירים אילו שילובים אפשריים ואילו אינם אפשריים.

לדוגמה, בחירה במידה מסוימת עשויה להגביל את סוג החומר, את המבנה או את התוספות שניתן להזמין.

מנוע קונפיגורציה אחראי לנהל את הכללים האלה.

מערכת ה-AI אוספת את הדרישות מהלקוח ומעבירה אותן למנוע הקונפיגורציה, שמוודא שהמפרט תקין.

אם קיימת סתירה בין הדרישות, המערכת יכולה לחזור ללקוח, להסביר את המגבלה ולהציע חלופה בהתאם לאפשרויות המאושרות.

הדמיות ותצוגה חזותית

כאשר קיימת מערכת הדמיה, אפשר לשלב אותה כחלק מתהליך השיחה.

הלקוח מבקש לשנות מידה, להוסיף רכיב או לבחור גימור אחר.

מערכת ה-AI מעבירה את השינוי למנוע הקונפיגורציה ולהדמיה, והלקוח יכול לראות כיצד המוצר משתנה.

כך אפשר לנהל תהליך אפיון אינטראקטיבי, שבו השיחה והתצוגה החזותית פועלות יחד.

תמחור והפקת הצעות מחיר

לאחר שהלקוח השלים את הגדרת המוצר, ניתן להעביר את המפרט למנוע התמחור.

המחיר עשוי להיות מושפע ממידות, חומרי גלם, כמות, תוספות, מורכבות העבודה ונתונים נוספים.

מערכת ה-AI אינה אמורה לחשב מחיר על סמך הערכה חופשית.

היא צריכה להעביר את הנתונים למנוע התמחור, לקבל ממנו את התוצאה ולהציג אותה ללקוח.

בהתאם לתהליך העסקי, ניתן להפיק הצעת מחיר, לשמור אותה במערכת או להעביר אותה לאישור.

החיבור למערכות ERP ו-CRM

אחד ההיבטים החשובים ביותר בפרויקט כזה הוא החיבור למערכות העסקיות.

שיחה שמסתיימת בהמלצה בלבד היא בעלת ערך מוגבל.

לעומת זאת, שיחה שמייצרת נתונים מסודרים ומעבירה אותם למערכות הארגון יכולה להפוך לחלק מתהליך העבודה.

לדוגמה, בסיום השיחה ניתן:

• ליצור ליד חדש במערכת CRM.
• לזהות לקוח קיים ולשייך אליו את הפנייה.
• לשמור את המפרט שנבנה במהלך השיחה.
• ליצור בקשה להצעת מחיר.
• להעביר הזמנה למערכת ERP לאחר אישור.
• לפתוח משימה לאיש מכירות כאשר נדרשת התערבות אנושית.

כך המידע אינו נשאר בתוך הצ'אט, ואנשי המכירות אינם צריכים להתחיל את תהליך הבירור מחדש.

חשוב כמובן להגדיר הרשאות, מנגנוני אימות, טיפול בשגיאות ותיעוד של הפעולות המתבצעות.

לקוח מקצועי ולקוח שאינו מקצועי אינם צריכים לעבור את אותו תהליך

אחד היתרונות המשמעותיים של ממשק שיחה הוא האפשרות להתאים את תהליך המכירה לרמת הידע של הלקוח.

לקוח מקצועי עשוי להגיע לאתר עם מפרט מדויק.

הוא יודע מה הוא צריך, מכיר את המונחים הטכניים ומעוניין לקבל מחיר במהירות.

במקרה כזה, המערכת יכולה לזהות את הפרמטרים מתוך הבקשה, להשלים רק את המידע החסר ולהתקדם לתמחור.

לעומתו, לקוח שאינו מכיר את התחום עשוי להגיע עם תיאור כללי בלבד.

הוא יודע איזו בעיה הוא רוצה לפתור, אבל אינו יודע איזה מוצר מתאים לו.

במקרה הזה, המערכת צריכה לנהל תהליך של בירור צרכים.

היא יכולה לשאול שאלות, להסביר מושגים ולהציג חלופות.

שני הלקוחות משתמשים באותו ממשק, אך מקבלים תהליך שונה.

המטרה אינה להכריח את כולם לעבור את אותו מסלול רכישה, אלא להתאים את המסלול למידע שהלקוח כבר יודע ולמידע שהוא עדיין צריך.

האתגר האמיתי הוא לא לגרום ל-AI לדבר

כיום ניתן להקים צ'אטבוט שמנהל שיחה טבעית בתוך זמן קצר יחסית.

אבל שיחה טובה אינה מבטיחה תהליך עסקי תקין.

האתגר האמיתי מתחיל כאשר צריך להפוך את התשובות של הלקוח לנתונים שאפשר לסמוך עליהם.

מה קורה כאשר הלקוח משנה דרישה שכבר הוגדרה?

מה קורה כאשר שני פרמטרים סותרים זה את זה?

איך המערכת יודעת אילו שאלות עדיין צריך לשאול?

מה קורה כאשר הלקוח מבקש מוצר שאינו קיים בקטלוג?

איך מונעים מהמערכת להציע מחיר או מפרט שאינם אפשריים?

ומה קורה כאשר אחת המערכות החיצוניות אינה זמינה?

כדי להתמודד עם המצבים האלה נדרש אפיון מפורט של התהליך.

צריך להגדיר אילו נתונים נדרשים בכל שלב, מי אחראי לאמת אותם, אילו פעולות המערכת רשאית לבצע ומתי יש להעביר את הטיפול לאדם.

נדרשים גם מנגנוני ניטור, רישום פעולות וטיפול בכשלים, כדי למנוע מצב שבו לקוח חושב שהצעת מחיר או הזמנה נקלטו, אף שבפועל הפעולה נכשלה.

הצלחת הפרויקט תלויה לא רק ביכולות של מודל השפה, אלא באיכות האינטגרציה ובתכנון התהליך העסקי.

האם הבינה המלאכותית יכולה להחליף איש מכירות?

התשובה תלויה בסוג המוצר ובמורכבות תהליך המכירה.

יש תהליכים שבהם מערכת AI יכולה לבצע חלק גדול מהעבודה שנעשתה בעבר על ידי איש מכירות.

היא יכולה לאסוף דרישות, להציג אפשרויות, לענות על שאלות, לבנות מפרט ולהפיק הצעת מחיר.

בתהליכים אחרים עדיין נדרש איש מקצוע לצורך בדיקת התאמה, ייעוץ הנדסי, ניהול משא ומתן או אישור חריגים.

לכן המטרה אינה בהכרח להחליף את אנשי המכירות.

המטרה היא לאפשר להם להתמקד במקרים שבהם הערך המקצועי שלהם משמעותי, במקום להשקיע זמן רב באיסוף נתונים ובהזנתם למערכות.

כאשר האפיון הראשוני מתבצע בצורה מסודרת, איש המכירות יכול לקבל פנייה שכבר כוללת את דרישות הלקוח ואת המידע הנדרש להמשך הטיפול.

האם הפתרון מתאים לכל אתר מסחר?

לא כל אתר זקוק למערכת מכירה מבוססת AI.

כאשר המוצרים פשוטים, אפשרויות הבחירה מעטות ותהליך הרכישה קצר, ממשק מסחר רגיל עשוי להיות יעיל יותר.

הפוטנציאל גדל כאשר מתקיימים כמה מאפיינים:

• המוצרים דורשים אפיון לפני הרכישה.
• קיימות אפשרויות רבות להתאמה אישית.
• המחיר תלוי בפרמטרים שהלקוח בוחר.
• הלקוח זקוק לידע מקצועי כדי לבחור מוצר.
• תהליך המכירה מחייב שאלות ובירור צרכים.
• קיימים מנועי קונפיגורציה, תמחור או מערכות עסקיות שניתן להתחבר אליהם.

במקרים כאלה, ממשק שיחה עשוי לקצר את תהליך האפיון, להפחית טעויות ולשפר את הנגישות של המוצרים ללקוחות.

עם זאת, את התועלת העסקית צריך למדוד בפועל, באמצעות נתונים כמו שיעור השלמת אפיון, זמן לקבלת הצעת מחיר, שיעור המרה וכמות הפניות שמחייבות התערבות אנושית.

איך נכון להתחיל פרויקט כזה?

לפני שבוחרים מודל AI או טכנולוגיית פיתוח, צריך להבין את תהליך המכירה הקיים.

מה הלקוח צריך לדעת כדי להזמין מוצר?

אילו שאלות אנשי המכירות שואלים?

אילו נתונים נדרשים כדי להפיק הצעת מחיר?

אילו כללים עסקיים מגבילים את אפשרויות הבחירה?

באילו מערכות נמצא המידע, ואילו פעולות אפשר לבצע באמצעות API?

רק לאחר מיפוי התהליך אפשר להגדיר מה הבינה המלאכותית אמורה לבצע, אילו פעולות יישארו באחריות המערכות הקיימות והיכן נדרשת התערבות אנושית.

במקרים רבים נכון להתחיל בקבוצת מוצרים מוגדרת, לבנות תהליך אפיון מלא, לבדוק אותו מול תרחישים אמיתיים ורק לאחר מכן להרחיב את הפתרון.

הגישה הזו מאפשרת לבחון את האמינות של המערכת ואת התרומה העסקית שלה לפני שמרחיבים את השימוש.

לסיכום: העתיד אינו רק אתר שמדבר עם הלקוח

אתרי מסחר התפתחו במשך שנים באמצעות שיפור ממשקי המשתמש, מנועי חיפוש, מסננים, קטלוגים ומערכות קונפיגורציה.

הבינה המלאכותית מאפשרת להוסיף שכבה חדשה מעל היכולות האלה.

שכבה שמאפשרת ללקוח להתחיל מהצורך שלו, במקום להתחיל ממבנה הקטלוג.

הוא יכול לתאר מה הוא מחפש, לענות על שאלות, לבחון אפשרויות ולהתקדם בתהליך המכירה באמצעות שיחה.

אבל הערך האמיתי נוצר רק כאשר השיחה מחוברת למידע אמין, לכללים העסקיים ולמערכות התפעוליות.

העתיד של המסחר המקוון אינו רק אתר שיודע לענות על שאלות. הוא אתר שיודע להבין את הלקוח, לאפיין את הצורך שלו ולהפוך את השיחה לתהליך עסקי אמיתי.