الذكاء الاصطناعي / التعلم الآلي في المبيعات: كيفية الحصول على البيانات الصحيحة للنجاح

أصبحت بيئة الأعمال اليوم تنافسية بشكل متزايد. نتيجة لذلك ، تحتاج مؤسسات المبيعات إلى رؤى أعمق وإمكانية الوصول إلى البيانات للبقاء في صدارة المنافسة. تتمثل إحدى الطرق التي تحصل بها فرق المبيعات على ميزة تنافسية من خلال الذكاء الاصطناعي والتعلم الآلي (AI / ML).

ومع ذلك ، في حين أن العديد من الشركات تبحث في تقنيات الذكاء الاصطناعي / تعلم الآلة وتبنيها ، فإن النجاح يعتمد على أكثر من مجرد الخوارزميات داخل الأدوات. تحتاج المنظمات إلى البيانات الصحيحة لكي "يتعلم" الذكاء الاصطناعي / التعلم الآلي ليكون فعالًا حقًا. ببساطة ، لا تستطيع الآلات التعلم والتنبؤ بدون البيانات اللازمة لتعليمها. باستخدام هذه البيانات ، تمتلك الآلات أساسًا للمعلومات يمكن البناء منه ، والاستمرار في إضافة بيانات إضافية ، وفي النهاية استخلاص الدروس منها.

خلفية التعلم الآلي

بكل صدق ، بدأ التعلم الآلي (ML) يشعر كثيرًا وكأنه كلمة طنانة - عالية في الضجيج والضوء على الجوهر. تذكر أي مقالة أو إصدار تقني تقريبًا استخدام أو فوائد أحدث قدرات التعلم الآلي والذكاء الاصطناعي (AI) ، ولكن لا أحد يغوص حقًا في متطلبات الواجهة الخلفية لتحقيق أقصى استفادة منها.

لكن الحقيقة هي أن أي شركة يمكنها إضافة التعلم الآلي إلى نظامها الأساسي - لا يوجد شيء جديد بشكل خاص حول التكنولوجيا نفسها. في الواقع ، تعود فكرة التعلم الآلي إلى عام 1959 عندما صاغ رائد ألعاب الكمبيوتر والذكاء الاصطناعي آرثر لي صموئيل هذا المصطلح. كان أول سرير اختبار له يستخدم خوارزميات ML حتى تتمكن أجهزة الكمبيوتر من تعلم التنبؤ بأفضل الحركات في لعبة الداما. ما يجعل التعلم الآلي ثوريًا للغاية اليوم هو الكميات الهائلة من البيانات المتوفرة الآن والتي يمكن تحليلها لتكوين تنبؤات.

قدرات الذكاء الاصطناعي / التعلم الآلي اليوم لمنظمات المبيعات

أدت التطورات في التقنيات السحابية والأنظمة عبر الإنترنت إلى إضفاء الطابع الديمقراطي على معالجة البيانات ، وفتح مجموعة من الفرص الجديدة لتعلم الذكاء الاصطناعي / التعلم الآلي والبصيرة. لأول مرة في التاريخ ، تستفيد الشركات مما أسميه "ثلاثية البيانات". مكنت الابتكارات في مجال معالجة البيانات الشركات من:

1. القدرة على التقاط البيانات بجميع أنواعها - المهيكلة وغير المهيكلة
2. القدرة على تحمل التكاليف وتوفر الحوسبة الواسع للأداء والنطاق
3. مكتبات خوارزمية ML المتاحة بسهولة لتغذية رؤى البيانات والتنبؤات

تخلق هذه العوامل الثلاثة معًا فرصة لا يمكن إنكارها لأي مؤسسة لتغيير ليس فقط عروضها ، ولكن أيضًا كيفية خدمة العملاء. تعد Amazon و Netflix أمثلة رائعة على الاستخدام الفعال للذكاء الاصطناعي / التعلم الآلي.

يقدم أمازون أفضل تجربة شراء

على مر السنين ، تعرفت أمازون على عملائها ، بدءًا من أنواع الكتب التي يحبون قراءتها ثم الانتقال لاحقًا إلى البضائع والأفلام وغير ذلك. لقد تعلمت منصتها أنماط سلوك المستخدم ، مما مكنها من التنبؤ متى وماذا قد يشتري العملاء وتقدم توصيات للمنتجات الأخرى التي يجب مراعاتها. هذا ممكن فقط لأن أمازون لديها حق الوصول والحقوق في كنز ضخم من البيانات.

تساعد Netflix المشتركين في تحديد ما يجب مشاهدته

نظرًا لتطور Netflix من خدمة التلفاز والأفلام التي يتم طلبها عبر البريد إلى خدمة البث المباشر ، فقد جمعت سلوك مشاهدة المشتركين. لقد استخدمت هذه البيانات لخدمة المستخدمين بأفلام ومسلسلات تلفزيونية ذات صلة بناءً على ما شاهده المشاهدون مسبقًا و / أو قيموه. لقد ذهب Netflix إلى أبعد من ذلك لتوفير نظام تصنيف النسبة المئوية لإظهار للمشاهدين احتمالية الاستمتاع بالفيلم أو العرض التلفزيوني المقترح.

التأكيد على الحاجة إلى البيانات

وفقًا لتقرير McKinsey AI ، قامت Netflix بتطبيق ML على بيانات الملكية الخاصة بها لتحسين نتائج بحث العملاء ، وتجنب ما كان يمكن أن يصل إلى خسارة إيرادات قدرها 1 مليار دولار سنويًا بسبب إلغاء الاشتراكات. الشيء نفسه يحدث في عالم المشاريع.

ولكن على عكس Amazon و Netflix ، لا تزال العديد من الشركات تفتقر إلى البيانات الكامنة وراء أنظمتها لدعم مزاعم التعلم الآلي الخاصة بهم. في حين أن أنظمة برمجيات المؤسسات كانت موجودة منذ زمن طويل ، أدت النماذج المحلية السابقة إلى بيانات تم إقفالها في صوامع. غيرت السحابة هذا النموذج ، مما أتاح انتشار البيانات عبر آلاف الشركات والمستخدمين للتعايش. بالنسبة لخوارزميات التعلم الآلي ، يعد هذا النوع من البيانات علاجًا تعليميًا.

كيف يستخدم Xactly البيانات لإدارة أداء مبيعات AI / ML

مرة أخرى ، لا تكون تقنيات وخوارزميات الذكاء الاصطناعي / تعلم الآلة فعالة بدون البيانات الصحيحة. مساحة إدارة أداء المبيعات ، على وجه الخصوص ، هي المكان الذي لم يحقق فيه ضجيج التعلم الآلي بعد على أمل توفير معلومات استخباراتية هادفة وقابلة للتنفيذ للعملاء. مرة أخرى ، يعود كل شيء أولاً وقبل كل شيء إلى البيانات ، بالإضافة إلى الوصول إلى قوة حوسبة واسعة وخوارزميات تعلم الآلة المتاحة بسهولة.

Xactly ، مع ذلك ، ولدت في السحابة. منصة الذكاء الاصطناعي الخاصة بأداء المبيعات لدينا مدعومة بأكثر من 14 عامًا من رواتب المبيعات المجمعة والمجهولة الهوية والأداء من مئات الآلاف من المشتركين. لا توجد مجموعة بيانات أخرى بهذا الحجم في سوق "إس بيه إم" اليوم. ومع البيانات الكبيرة تأتي احتمالات وتوقعات كبيرة يمكنها تحسين أداء المبيعات.

قوة البيانات مع Xactly Insights

على مدار العامين الماضيين ، استثمرنا موارد كبيرة في وضع بياناتنا على المحك ، وتطبيق خوارزميات وميزات مختلفة للتعلم الآلي لضمان تقديم المعلومات الاستخباراتية التي يحتاجها عملاؤنا على نطاق واسع.

أقوى استخدام لـ Xactly لتقنية الذكاء الاصطناعي / التعلم الآلي يعيش في Xactly Insights. بتطبيق خوارزميات ML الحالية الخاضعة للإشراف على مجموعة بيانات Xactly الضخمة ، سيتمكن عملاؤنا الآن من التنبؤ باحتمالية تناقص مندوبي المبيعات.

يعتمد التنبؤ على العديد من العوامل مثل الأداء التاريخي للمبيعات ، وسنوات العمل في الشركة ، والانخفاض المفاجئ في خط الأنابيب ، والانتهاء من عام رائع ، وما إلى ذلك. في الواقع ، استخدمنا بياناتنا الإجمالية لتحليل أداء مندوبي المبيعات وتمكنا من لتحديد المندوبين المعرضين لخطر الدوران (اقرأ القصة الكاملة هنا).

عندما يتم تحديد علامة حمراء محتملة ، يتلقى قادة المبيعات تنبيهًا مباشرةً في لوحة معلومات Insights الخاصة بهم. يمكنهم بعد ذلك التعمق في هذا التنبيه وتاريخ مندوب معين لمعرفة الخطوات الإضافية التي يمكن اتخاذها لتجنب دوران الموظفين ، مثل تحديد فرص النمو والتدريب الجديدة ، وتبسيط الخطط ، وما إلى ذلك.

مع العلم ليس فقط السعر المرتفع ولكن أيضًا تكلفة الفرصة البديلة لفقدان مندوب (والذي يبلغ في المتوسط ​​155 ألف دولار) ، فإن هذا المستوى من البصيرة الاستباقية يمكن أن يغير قواعد اللعبة. لا يمكن أن يساعد الشركات فقط في الحفاظ على صحة مؤسسات المبيعات الخاصة بهم ، ولكن يسمح لهم أيضًا بتحقيق أهداف الإيرادات العليا وتوقع احتياجات التوظيف والتوظيف في المستقبل.

اتخاذ الخطوات التالية مع AI / ML في منظمات المبيعات

كما قلنا من قبل ، في أي تطبيق ذكي ، المعلومات هي مفتاح التعلم والتنبؤ وتقديم رؤى قابلة للتنفيذ حقًا. لسوء الحظ ، بالنسبة للعديد من التطبيقات في السوق اليوم ، فهي كبيرة من حيث الضجيج والضوء على المعلومات. استنادًا إلى نظام أساسي للذكاء الاصطناعي ومدعوم بأكثر من عقد من بيانات التعويض في العالم الحقيقي ، تستمر حلول Xactly في دفع مستقبل إدارة أداء المبيعات من خلال التحليلات التنبؤية. خوارزمية استنزاف مندوبي المبيعات هي فقط الأولى من خوارزمية عديدة قادمة.

هل تريد معرفة المزيد عن بيانات Xactly وقدرات الذكاء الاصطناعي / التعلم الآلي؟ شاهد ندوة الويب عند الطلب "A Toast to 2019: مبتهج لاتخاذ القرار المستند إلى البيانات" لمعرفة كيفية الاستفادة من بيانات المبيعات الخاصة بك لدفع تخطيط مبيعات أقوى.