Nie próbuj porządkować całego CRM. Wybierz pierwszy przebieg pracy, który ma wspierać AI, wypisz pola, z których korzysta, i uporządkuj właśnie je. AI może znaleźć duplikaty, martwe szanse sprzedaży, brakujące pola i niespójne nazwy firm oraz zaproponować poprawki. Właściciel rekordu lub lider sales ops zatwierdza każdą partię zmian, a nowe zasady zapobiegają powrotowi bałaganu.
#Najważniejsze wnioski
- Pełne porządkowanie CRM rzadko się kończy; porządkowanie ograniczone do pól jednego przebiegu pracy zwykle tak.
- AI przydaje się do znajdowania problemów na dużą skalę: duplikatów, sprzecznych wartości, nieaktualnych rekordów i pól tekstowych, które powinny być listami wyboru.
- Poprawki są proponowane w partiach i zatwierdzane przez właściciela rekordu lub sales ops, nigdy nie są wprowadzane po cichu.
- Porządek utrzyma się tylko wtedy, gdy zmienisz też sposób wprowadzania danych: pola obowiązkowe, listy wyboru i przygotowywane przez AI aktualizacje po rozmowach.
- Mierz odsetek rekordów w zakresie, które przechodzą wasze kontrole, przed i po.
#Dlaczego dane w CRM robią się tak chaotyczne?
Każdy zespół sprzedaży ma tę samą historię. CRM został skonfigurowany lata temu w Salesforce, HubSpocie, Zoho lub Odoo. Handlowcy wpisują to, co muszą, żeby dostać prowizję, i niewiele więcej. Nazwy firm występują w trzech wersjach, po arabsku i angielsku. Kontakty zmieniły pracę. Połowa otwartych szans ma datę zamknięcia w przeszłości. Marketing zaimportował listę z targów, której nikt nie odduplikował.
Większość zespołów myśli, że jest lepiej, niż jest. W badaniu użytkowników CRM przeprowadzonym przez Validity, luty 2022 76% oceniło jakość danych w swoim CRM jako dobrą lub bardzo dobrą, a jednocześnie 44% szacowało, że ich firma traci ponad 10% rocznych przychodów z powodu słabej jakości danych.
#Czy złe dane w CRM naprawdę blokują projekty AI?
To jeden z najczęstszych powodów, dla których utykają. Gartner, lipiec 2024 przewidywał, że do końca 2025 roku 30% projektów generatywnej AI zostanie porzuconych po etapie proof of concept, i wymienił słabą jakość danych jako pierwszą z przyczyn. AI, która przygotowuje follow-upy lub notatki do prognozy na podstawie błędnych kontaktów i nieaktualnych etapów, będzie się mylić z pełnym przekonaniem.
Rozwiązaniem nie jest czekanie na idealne dane. Chodzi o to, by dane były wystarczająco dobre dla jednego przebiegu pracy, i by przestały się psuć.
#Plan porządkowania ograniczony do jednego przebiegu pracy
- Nazwij pierwszy przebieg pracy AI, na przykład przygotowanie do przeglądu lejka sprzedaży lub follow-upy przy zastopowanych szansach.
- Wypisz pola, z których korzysta: etap, data zamknięcia, następny krok, główny kontakt, firma, właściciel, ostatnia aktywność.
- Dla każdego pola spisz prostą zasadę: co uznajemy za prawidłowe, brakujące lub nieaktualne.
- Przeprowadź kontrolę wszystkich rekordów w zakresie i policz błędy według pola i właściciela.
- Pozwól AI proponować poprawki w partiach: połącz te duplikaty, zamknij te martwe szanse, ujednolić te nazwy firm.
- Wysyłaj każdą partię do właściciela rekordu lub sales ops do zatwierdzenia, poprawienia lub odrzucenia i rejestruj każdą zmianę.
- Dodaj zasady wprowadzania danych, żeby problem nie wrócił: pola obowiązkowe, listy wyboru i przygotowywane przez AI aktualizacje po rozmowach, które potwierdza handlowiec.
#Co AI może naprawić, a co wymaga człowieka?
AI dobrze radzi sobie z dopasowywaniem i czytaniem. Potrafi zauważyć, że dwa konta to ta sama firma zapisana po arabsku i angielsku, znaleźć kontakty, na których adresy maile nie dochodzą, przeczytać ostatnie maile przy szansie sprzedaży, by ocenić, czy jest nadal aktualna, i pobrać brakującą branżę lub region ze strony internetowej firmy.
Ludzie decydują o wszystkim, co ma konsekwencje. Zamknięcie szansy, połączenie dwóch kont z różnymi właścicielami, zmiana tego, komu przypisany jest wynik, czy usunięcie kontaktu wymagają zatwierdzenia przez właściciela rekordu lub sales ops. Ramy zarządzania ryzykiem AI NIST, styczeń 2023 traktują nadzór człowieka i jasną odpowiedzialność jako część zarządzania ryzykiem AI, a rekordy CRM zasilają prowizje i prognozy.
#Kiedy wystarczą wbudowane narzędzia CRM?
Jeśli problemem są głównie dokładne duplikaty i brakujące pola obowiązkowe, zacznij od wbudowanych w CRM reguł deduplikacji i walidacji albo od dedykowanego dodatku do jakości danych. Osoba z sales ops z jasną listą kontrolną może uporządkować mały CRM w ogóle bez AI.
AI zaczyna się opłacać, gdy bałagan dotyczy znaczenia, a nie formatu: nazw firm w różnych językach, notatek tekstowych, które ukrywają prawdziwy etap, albo tysięcy szans wymagających oceny, czy są jeszcze aktualne.
#Jaka jest w tym rola Stennir?
Stennir zaczyna od audytu w ramach doradztwa AI. Audyt wskazuje pierwszy przebieg pracy wart zbudowania, a tym samym określa, które dane muszą być uporządkowane. Dostajesz pięć przebiegów pracy w kolejności, każdy z kosztem i uzasadnieniem zwrotu, oraz jeden rekomendowany projekt wraz z zakresem i regionem hostingu. Raport należy do was niezależnie od tego, czy budujecie ze Stennir.
Ograniczone porządkowanie staje się wtedy pierwszym krokiem wdrożenia AI: sales ops zatwierdza każdą partię, każda zmiana trafia do dziennika, a dane zostają na waszych kontach. Szkolenia z AI uczą handlowców nowych nawyków wprowadzania danych.
We are
Stennir porządkuje dane CRM potrzebne jednemu przebiegowi pracy, a wasz sales ops zatwierdza każdą partię, po czym buduje na nich ten przebieg pracy.
We aren't
Stennir nie jest biurem czyszczenia danych, które przepisuje cały CRM, i nie zmienia rekordów bez zatwierdzenia.
#Co powinien teraz zrobić lider sprzedaży lub revops?
Wybierz ten jeden przebieg pracy, w którym najbardziej chcesz pomocy AI, i policz, ile jego rekordów nie przechodzi prostej kontroli. Ta liczba pokaże skalę porządkowania. Zobacz AI dla sprzedaży, przeczytaj o aktualizacjach CRM po rozmowach handlowych i higienie lejka sprzedaży, a potem wypełnij bezpłatną ocenę gotowości albo umów 30-minutową rozmowę.
#Najczęstsze pytania
Czego potrzebujecie od nas na start?
Stennir potrzebuje dostępu do odczytu waszego CRM w środowisku testowym lub eksportu, osoby z sales ops lub revops odpowiedzialnej za zasady dotyczące danych oraz nazwy przebiegu pracy, który najbardziej chcecie wesprzeć AI. Na tej podstawie spisujemy zasady dla pól i przeprowadzamy pierwszą kontrolę, zanim zaproponujemy jakąkolwiek zmianę.
Czy AI będzie samodzielnie zmieniać rekordy?
Nie. Proponuje zmiany w partiach, z uzasadnieniem każdej z nich. Właściciel rekordu lub sales ops je zatwierdza, poprawia lub odrzuca, a każda wprowadzona zmiana trafia do dziennika wraz z informacją, kto ją zatwierdził. Partię można wycofać, a konta i wyłącznik zostają u was.
Czy radzi sobie z nazwami firm po arabsku i angielsku?
Tak. Dopasowanie tej samej firmy zapisanej po arabsku, po angielsku i w transliteracji to jedna z najbardziej przydatnych części. Stennir w pełni obsługuje arabski i angielski i najpierw testuje dopasowanie na waszych rekordach, bo nawyki nazewnicze bardzo się różnią między branżami i zespołami.
Co może pójść nie tak?
Główne ryzyka to błędne połączenie dwóch różnych firm, zamknięcie szansy, która po cichu była nadal aktualna, albo poprawka, która psuje raport, na którym polega dział finansów. Dlatego zmiany idą w partiach do przejrzenia, właściciele je zatwierdzają, wszystko trafia do dziennika, a partię można wycofać.
