Hogy lesz egy kis magyar cégből a régióban is számottevő szereplő, aki már mesterséges intelligenciát is alkalmaz? Egerszegi Krisztiánnal a MiniCRM Zrt. cégvezetőjével beszélgettünk erről.
A MiniCRM az értékesítés támogatására jött létre 2009-ben. A piacon az látszott, hogy óriási növekedési potenciál van a kkv-kben, ha a klasszikus megoldások (papír, email, Excel-táblák) és persze a mindent fejben tartunk helyett bevezetnek egy modern szoftveres megoldást.
A legalapvetőbb hiba, amit elkövetnek a cégek, az az utánkövetés hiánya. Tíz érdeklődőből kilencet elveszítenek, ahol ez nincs megfelelően megoldva. Egy jól működő rendszerrel megtöbbszörözheti a vállalkozás az értékesítését. Ami brutális, hogy 10 évvel később ugyanúgy megvannak ezek az alapvető hiányosságok, és sok cégvezető hamis biztonságtudatba ringatja magát, hogy biztos mindent megtettünk a célok eléréséért.
í“riási időpazarlás az is, ha nem tudjuk hatékonyan irányítani és menedzselni kollégáink munkavégzését, és hetente órákat vesztünk el azzal, hogy mindenki a saját kis Excel-tábláiból próbál riportolni a vezetőjének. Ez kiemelten igaz a 2020-as pandémia miatt előretört home office időszakban. A kkv-k cégvezetői viszont sok esetben többet akartak, mint csak egy értékesítéstámogató rendszert.
Ehhez úgy lehetett alkalmazkodni, hogy a működéshez szükséges kritikus funkciókkal bővült a CRM-rendszer. Az értékesítés mellett többek között marketing-, ügyfélszolgálat-, projektkezelés-, számlázás- és HR-támogatással is bővült az alapfunkcionalitás. Saját példánk alapján mondhatjuk, hogy egy vezetői irányítópulttá fejlődött a rendszer, és már több mint 1700 ügyfélnek segít elérni az üzleti céljait.
Â
A mesterséges intelligencia kitermeli az árát
Jó alap, amikor a piac húzza maga után a szoftver fejlődését, de ez kevés a kiemelkedéshez egy erősen versengő világban. Ezt felismerve a mesterséges intelligencia bevonását kezdte a cég vizsgálni. Mivel a fő hajtóerő minden vállalkozásban a produktivitás – azaz egységnyi ráfordításból a maximális eredményt hozzuk ki –, és az ember az egyik legdrágább és legtöbbet hibázó erőforrás, ezért olyan feladatokat kerestünk, amelyek időigényesek, nagy adatmennyiség feldolgozása szükséges hozzájuk, és hozzájárulnak az üzleti eredmények javításához.
2017 végén indítottuk a kétéves, VEKOP-2.1.7-15-2016-00065 K+F projektet, melynek keretében kifejlesztettünk egy prototípust. A projektben egy gépi tanuláson alapuló, felhőben futó intelligens megoldás a vállalkozás CRM-rendszeréből nyert adatok, másrészt az interneten keresztül elérhető információk elemzéséből nagy pontossággal képes következtetni az ügyfelek vásárlási hajlandóságára. A megvalósítandó rendszer hatékonyan kombinálja, illetve alkalmazza a MiniCRM-nél felgyűlt tapasztalatokat, know-how-t, amelyekre építve egy prediktív modell és adatgyűjtési rendszer építhető ki, így a jelenleg alkalmazott modelleknél és rendszereknél hatékonyabb megoldás jön létre.
A deep learning alapokon nyugvó mesterséges intelligencia magasabb szintre emeli a cégek hatékonyságát, mert az alacsony megbízhatósággal működő emberi becslés helyett egy annál lényegesen nagyobb adatmennyiségből merítő, trendelemzéseken alapuló, nagymértékben egyediesített modellel dolgozik. A vállalkozás CRM-rendszeréből strukturált módon rendelkezésre álló adatokból és ügyfél-információkból a mesterséges intelligencia felhasználásával készült el a lead minősítés, a várható megrendelést és lemorzsolódást előrejelző modell. Ezekkel eredményesebb lesz a cég működése, értékesítése és ügyfélmegtartási folyamata. Olyan időigényes feladatokat old meg a szoftver lényegében pillanatok alatt, amelyek manuálisan lehetetlenek lennének.
Â
A várható megrendelés előrejelzése
A várható megrendelésekről szóló részletes előrejelzés az értékesítési vezető munkáját támogatja. Enélkül az összes nyitott ügy közül véletlenszerűen, illetve pusztán a megérzéseire támaszkodva választja ki azokat, amelyeket ellenőriz, hogy továbblendítse azokat az értékesítési folyamatban. A vezető a mesterséges intelligencia modell bevezetésével a modell által megkötött szerződést valószínűsítő, azonban az értékesítési tölcsérben elakadt vagy lelassult megrendeléseket nézheti át, és proaktívan támogathatja az értékesítőt, így jelentős hatékonyságjavulás érhető el. A modell pontossága szignifikánsan jobb, mint a hagyományos módszerekkel vagy modellekkel készített előrejelzések.
Â
A lead minősítés
Az előrejelzés alapján priorizálhatóak a beérkező megkeresések. A nem célcsoport megjelölésű megkereséseket hátrébb sorolva biztosítható a potenciálisan a célcsoportba tartozó megkeresések gyorsabb és eredményesebb feldolgozása. Időszakos túlterhelés esetén az előrejelzés alapján történik a lead-előszűrés. Az értékesítő munkáját jelentősen gyorsítja a helyette elvégzett előminősítés.
Â
A lemorzsolódást előrejelző modell
Az ügyfelek megtartása minden vállalkozás egyik legfontosabb célja. A mesterséges intelligencia segít ebben az időigényes feladatban. Minden nap előrejelzést ad arra, hogy a következő egy éven belül várható-e az adott ügyfélre lemorzsolódása.
A tapasztalatok alapján az automata előrejelzés az ügyfélvesztési esetek 80,7 százalékát tudja előre jelezni, míg a manuális csak a 18,1 százalékát. Ez óriási különbség. Az eredmény a napi rendszerességű frissítésnek és a rendelkezésre álló, széleskörű adatállománynak köszönhető.
Â
Kiváló eredmények születtek
A prototípusfejlesztés eredményeképpen a MiniCRM-mel integrált rendszer jött létre, amellyel egy automatizált rendszer alakítható ki a feladatok, értesítések kiosztására, kiküldésére. A manuális munka rendkívül felgyorsult, hatékonysága számottevően növekedett. A kapott riportokkal az elemzés nagyságrendekkel lett könnyebb és pontosabb, mint korábban. Ez jelentős mértékben támogatja a céget érintő stratégiai döntéseket, és minimalizálja az előre nem látható kockázatok felmerülését.
Az üzleti alkalmazás jelenleg egyedi ügyfélprojektek keretében történik. A továbbfejlesztési irányok terén is több lehetőség körvonalazódik a dobozos termék fejlesztésére, vagy akár új területek, például erőforrás-menedzsment irányába történő továbblépésre.
