Slik bruker du AI til å vurdere og følge opp salgsmuligheter

Mange små og mellomstore bedrifter har enten for lite oppfølging, eller for mye tilfeldig kontakt med potensielle kunder. Selgerne bruker tid på henvendelser som aldri blir til salg, mens de virkelige mulighetene faller mellom stolene.

Målet med å vurdere salgsmuligheter er å prioritere tid der sjansen for salg og verdien er høyest. I stedet for at alle henvendelser behandles likt, gir en vurderingsmodell selgerne et tydelig signal om hvem de bør kontakte først.

Fakta: De fleste kundesystemer tilbyr både AI-baserte og regelbaserte hjelpemidler for å rangere salgsmuligheter.

Vurdering: Uten definerte stadier og datapunkter i kundesystemet blir verktøyet bare støy. Start med prosessen, ikke med teknologien.

Start med maks fem signaler dere faktisk logger i kundesystemet. Flere signaler gir ikke bedre resultat hvis ingen oppdaterer dem.

1. Passer kunden? Bransje, størrelse, geografi. En rørlegger i Bergen passer kanskje perfekt for et lokalt regnskapsbyrå, men ikke for en bedrift som selger til store industriselskaper.
2. Engasjement: Åpnet e-post, klikk, møte booket.
3. Kjøpssignal: Prisside besøkt, demo forespurt, konkret spørsmål om leveringstid.
4. Tidslinje: Behov innen 30, 60 eller 90 dager.
5. Kilde: Henvendelse fra nett, kampanje eller anbefaling fra eksisterende kunde.

Gi hvert signal poeng fra 1 til 5. En henvendelse som scorer høyt på alle fem er en sterk salgsmulighet.

Menneskelig godkjenning: Juster vektene hvert kvartal basert på vunne og tapte salg. Hvis høyt vurderte muligheter ikke vinnes oftere, er modellen feil — ikke selgeren.

Fakta: AI i kundesystemet kan foreslå neste steg, oppsummere tråder eller rangere potensielle kunder basert på historikk. HubSpot har en AI-assistent som gir forslag i salgsflyt og e-post. Zohos Zia gir forutsigelser og foreslår handlinger basert på kundedata. Pipedrive bruker AI til e-postutkast og aktivitetsforslag.

Vurdering: Bruk AI til oppgaver der den sparer tid uten å ta over beslutningen:

• Utkast til oppfølgings-e-post (selger godkjenner før sending).
• Oppsummering av lange e-posttråder slik at selger raskt forstår konteksten.
• Forslag til prioritert liste basert på mønstre i eksisterende data.

Unngå fullautomatisk utsending til varme salgsmuligheter uten menneskelig sjekk. I en liten bedrift er personlig kontakt ofte det som skiller dere fra konkurrentene — og den fordelen forsvinner med massesendt tekst.

Automatisering trenger ikke være komplisert. Disse tre rutinene dekker de viktigste situasjonene og kan settes opp i de fleste kundesystemer.

Rutine A — Ny potensiell kunde: Umiddelbar takke-e-post med kalenderlenke pluss intern oppgave til selger innen 15 minutter. Rask respons er ofte avgjørende — undersøkelser viser at sjansen for kontakt faller dramatisk etter første time.

Rutine B — Høy vurdering, ingen aktivitet på 7 dager: Påminnelse til selger pluss AI-forslag til oppfølgingsmail. Selgeren vurderer forslaget og tilpasser det til situasjonen.

Rutine C — Vunnet eller tapt: Arkiver årsak og oppdater vurderingsmodellen. Denne tilbakemeldingen er gull verdt for å forbedre fremtidige vurderinger.

Koble rutinene til faktiske stadier i HubSpot, Zoho eller Pipedrive. Start med rutine A og utvid gradvis.

Et rekrutteringsbyrå i Trondheim med fire selgere brukte tidligere et regneark for å holde styr på henvendelser. De implementerte en enkel vurderingsmodell i Pipedrive med tre signaler: bransje, antall stillinger og tidslinje.

Etter fire uker så de at 80 prosent av vunne avtaler kom fra henvendelser som scoret i topp 30 prosent. Selgerne brukte mindre tid på henvendelser som aldri ble til noe, og responstiden på de beste mulighetene falt fra to dager til fire timer.

De la senere til AI-forslag for oppfølgings-e-post, men den største gevinsten kom fra selve prioriteringen — ikke fra teknologien.

Mål disse fire tallene månedlig for å vite om vurderingsmodellen fungerer:

• Tid fra ny henvendelse til første menneskelige kontakt. Kortere er nesten alltid bedre.
• Andel som når kvalifisert stadium. Hvis andelen er stabil eller stigende, prioriterer dere riktig.
• Salg per vurderingskategori. Høyt vurderte muligheter skal vinnes oftere enn lavt vurderte.
• Selgers tilfredshet med en enkel skala fra 1 til 5.

Hvis høyt vurderte salgsmuligheter ikke vinnes oftere enn lavt vurderte, er modellen feil — ikke AI-en. Juster signalene og vektene, og kjør en ny periode.

Vurdering av salgsmuligheter innebærer behandling av persondata. Loggfør grunnlaget for behandlingen og begrens sensitive data i AI-verktøy.

Bruk leverandørens innstillinger for datalagring, og avklar om data sendes ut av EØS. Pipedrive, HubSpot og Zoho tilbyr alle innstillinger for dataregion, men standardvalgene varierer.

Les mer i kundeservice og personvern-artikkelen for prinsipper som også gjelder salgsdata.

De vanligste feilene er enkle å unngå hvis dere er bevisste fra starten.

• For mange vurderingsfelt som ingen oppdaterer. Hold det til maks fem signaler.
• AI-tekst sendt uten gjennomlesning. Kunden merker forskjellen mellom et personlig og et generert svar.
• Ingen oppfølging når salg tapes. Tapsårsaker er den viktigste kilden til forbedring.
• Vurdering som ikke kobles til faktisk salgstrakt. Poeng uten handling er meningsløse.
• Overvurdering av automatisering. Start med manuelle rutiner som fungerer, og automatiser først når prosessen er stabil.