Why Sales Reps Struggle Without Context and What It’s Costing You

Proč mají obchodní zástupci bez kontextu potíže a co vás to stojí

8 minute read

Váš obchodní zástupce používá paralelní volič a volá současně šesti potenciálním zákazníkům.

Najednou někdo zvedne sluchátko.

Obchodní zástupce má na přípravu přesně nula sekund. Není čas zkontrolovat LinkedIn. Není čas prohledat Salesforce. Není čas dělat… vůbec nic. Prostě do toho.

Jak využít prvních 10 sekund, když jsou všechny informace o tomto potenciálním zákazníkovi roztříštěné v různých nástrojích?

Právě tuto výzvu nastolil jeden z našich SDR, Adam Hebert.

S paralelními volacími systémy, jako je Nooks, obchodní zástupci volají potenciálním zákazníkům bez předchozího kontaktu. Klíčové kontextové informace, včetně využití produktu, předchozích interakcí, údajů o potenciálních zákaznících a novinek o společnosti, jsou roztříštěné napříč Salesforce, Pocus, LinkedIn a dalšími nástroji. Žádná z nich se nezobrazí právě v okamžiku, kdy je to nejdůležitější.

Nejde jen o problém v oblasti prodeje. Jde o problém s roztříštěností práce.

Skutečné náklady roztříštěného kontextu

Když jsou informace roztříštěné napříč různými nástroji, vše se tím zpomaluje.

A nejde jen o ojedinělé případy. Podle průzkumu společnosti Microsoft 62 % zaměstnanců uvádí, že během pracovního dne tráví příliš mnoho času hledáním informací.

Pro prodejní týmy, které pracují v tempu telefonního hovoru, se tato roztříštěnost stává konkurenční nevýhodou.

Náš prodejní tým tuto situaci zažíval na vlastní kůži. Přestože měl k dispozici pokročilé nástroje, rozsáhlá data v CRM a funkce umělé inteligence, nic z toho nepomohlo, když tyto informace nebyly v okamžiku potřeby k dispozici na jednom místě.

Proto jsme vytvořili něco lepšího.

Rozptýlená práce je pravidlem, nikoli výjimkou

Nejedná se o ojedinělý případ.

Náš průzkum vyspělosti v oblasti umělé inteligence ukazuje, že většina týmů pracuje ve fragmentovaných prostředích, což způsobuje neustálé potíže již při hledání základních informací.

Pokud je toto základem, umělá inteligence neselže kvůli své slabosti. Selže proto, že jí chybí kontext. Více se dočtete ve zprávě „The State of AI Maturity“.

Většině organizací chybí jednotný kontext, který umělá inteligence potřebuje
Většině organizací chybí jednotný kontext, který umělá inteligence potřebuje

Začlenění inteligence do pracovního postupu

Ve spolupráci s naším SDR Adamem Hebertem a s technickou podporou Mika Sladea jsme v Retoolu vytvořili pracovní postup, který ukazuje, co vše je možné, když odstraníte roztříštěnost kontextu.

Pracovní postup se spustí ještě předtím, než obchodní zástupce zavolá potenciálnímu zákazníkovi.

Systém shromažďuje veškeré údaje, od aktivit v Salesforce přes data o využívání produktů z našeho skladu a firmografické údaje až po aktualizace o společnostech v reálném čase prostřednictvím Perplexity. Tyto informace jsou syntetizovány vycvičeným modelem umělé inteligence a doručeny přímo na obrazovku volacího zařízení.

Nyní, když potenciální zákazník zvedne telefon, na ovládacím panelu obchodního zástupce se okamžitě zobrazí to nejdůležitější: přizpůsobený prodejní scénář, shrnutí kontextu a relevantní podrobnosti o kontaktu.

Žádné spěchání ani přepínání mezi záložkami. Už žádné namáhavé zapamatovávání si informací. Žádná panika při snaze přijít na to, jak udržet zájem potenciálního zákazníka.

Výsledek? Sebejistota a přehlednost už od prvního pozdravu.

Od zavedení tohoto řešení jsme zaznamenali nárůst konverzních poměrů a efektivity hovorů. Jeho vývoj nás však naučil víc než jen technické poznatky.

Co jsme se naučili: Jak správně využít inteligenci

Technická implementace nám přinesla důležité poznatky o používání správných nástrojů pro daný úkol. Zejména výběr správného modelu umělé inteligence byl klíčový.

Otestovali jsme několik modelů pro různé případy použití:

  • Gemini dosáhlo nejlepších výsledků u strukturovaných úkolů založených na pravidlech
  • GPT zvládlo kreativnější zadání a flexibilnější formulace
  • Claude vykazoval slušný výkon v reálném čase, ale stále zaostával
  • Perplexity se stalo nepostradatelným, když jsme potřebovali aktuální webový kontext, jako jsou nejnovější iniciativy společnosti nebo novinky o náboru. Žádný jiný model se ani zdaleka nepřiblížil jeho aktuálnosti a relevanci.

Zde je ten háček: ani ten „správný“ model nestačil bez pečlivě navržených podnětů, přesných dotazů na data a ověřování v reálném čase. Naše první verze selhaly kvůli třem opakujícím se problémům:

  1. Chybné dotazy na data z datového skladu
  2. Špatné navrhování výzev
  3. Nesoulad mezi tím, co obchodní zástupci potřebovali, a tím, co jim systém poskytoval

Například se může stát, že obchodnímu zástupci bude zobrazena informace, že potenciální zákazník využívá bezplatný tarif, zatímco ve skutečnosti je platícím zákazníkem. To výrazně podkopává důvěryhodnost. A při studené akvizici není možné napravit chybu v základních faktech.

Museli jsme se velmi pečlivě věnovat odladění – porovnávali jsme výstupy umělé inteligence se záznamy v CRM, testovali logiku dotazů a vylepšovali podněty, dokud nebyly výsledky spolehlivé.

Nejcennější poučení: Vytvářejte systémy s zpětnou vazbou

Největší průlom nebyl technický. Byl kulturní.

Systém se zlepšil jen díky tomu, že Adam a další SDR poskytovali důslednou a upřímnou zpětnou vazbu. Upozorňovali na nepřesnosti, žádali o vylepšení a s nástrojem vydrželi dost dlouho na to, aby nám pomohli ho zdokonalit.

Bez této smyčky bychom vytvořili něco chytrého, ale k ničemu.

Díky tomu jsme vytvořili nástroj, na který se obchodní zástupci skutečně spoléhají.

Adam shrnul poučení z této zkušenosti nejjednodušším způsobem, jaký jsem kdy slyšel.

V nedávném příspěvku napsal:

Adam Hebertovo pravidlo pro agentní pracovní postupy
Adam Hebertovo pravidlo pro agentní pracovní postupy

Právě díky tomuto přístupu byl tento pracovní postup tak účinný. Nezačali jsme s okázalou umělou inteligencí. Nejprve jsme zmapovali skutečné kroky, které obchodní zástupci skutečně podnikají, a poté jsme proces zdokonalovali na základě zpětné vazby, dokud si nezískal důvěru.

Od bodových řešení k ambientní inteligenci

Integrace s ClickUp
Integrace s ClickUp

Tato zkušenost jasně ukázala něco zásadního o transformaci pomocí umělé inteligence.

Většina organizací považuje umělou inteligenci za funkci přidanou ke stávajícím pracovním postupům. Nakupují bodová řešení pro konkrétní úkoly, čímž vytvářejí to, čemu říkáme „rozrůstání AI“: množství nesouvislých nástrojů, které týmy nakonec přestanou používat, protože vynaložené úsilí převyšuje získanou hodnotu.

Náš systém prodejního kontextu funguje efektivně, protože vychází z jednotné informační základny.

Problém spočíval v tom, že naše nástroje – Salesforce, datový sklad a paralelní volič – mezi sebou nekomunikovaly. Museli jsme navrhnout jednotný pracovní postup a kolem něj vybudovat umělou inteligenci, která vše propojí.

Když sjednotíte svou práci, data a spolupráci do jednoho prostředí, umělá inteligence najednou získá kontext, který potřebuje, aby mohla skutečně pomáhat.

Takto vypadá sjednocený kontext.

Tady nejde o zprávu pro představenstvo. Jde o to, co se stane možným, když se práce, data a znalosti spojí na jednom místě.

ClickUp Brain nehádá. Nevychází z neúplného kontextu. Vyvozuje závěry na základě aktuální práce, včetně návrhů, kódu a projektů, aniž by to někdo musel ručně skládat dohromady.

To je právě ta změna, kterou náš prodejní tým potřeboval. Inteligence, která se objeví v pravý okamžik a je založena na sjednoceném kontextu namísto roztříštěných nástrojů.

👉 Podívejte se, jak řešení roztříštěnosti práce odemkne skutečný potenciál umělé inteligence. Jak vyřešit roztříštěnost práce →

ClickUp Brain shrnuje kontext projektu z aplikací Figma, GitHub a seznamu projektů

Místo obecných návrhů založených na omezených informacích získáte relevantní poznatky vycházející z komplexního porozumění.

Výsledkem je to, čemu říkáme ambientní inteligence: systémy, které tiše pracují na pozadí, mají k dispozici úplný kontext a zobrazují přesně to, co potřebujete, aniž byste museli zadávat příkazy nebo ručně hledat informace.

To je však možné pouze tehdy, když vyřešíte problém s neuspořádaností práce.

Před zavedením Convergence: jeden obchodní zástupce, šest záložek

Tento problém existuje i uvnitř ClickUpu. Takto vypadal typický prodejní hovor dříve:

  • Salesforce otevřít v jedné záložce
  • Pocus v jiném
  • LinkedIn je na třetím místě
  • Firemní dashboard ve čtvrtém
  • Poznámky v páté části
  • A možná i záložka v prohlížeči, kde se zoufale hledají na Googlu nejnovější zprávy o společnosti

Žádný z nástrojů nesdílel kontext. Nativní asistenti s umělou inteligencí v těchto nástrojích měli omezený rozsah a nemohli čerpat informace jeden od druhého. Obchodní zástupce musel být spojovacím článkem mezi systémy.

To je recept na lidské chyby a promarněné příležitosti.

Kde se inteligentní asistence stává skutečně užitečnou

Jakmile týmy konečně vyřeší problém s roztříštěností práce, stane se možným něco nenápadného, ale mocného: umělá inteligence se přestane chovat jako nástroj pro psaní a začne fungovat jako součást samotného pracovního postupu.

Právě proto v ClickUp investujeme do agentů a inteligence pracovního prostoru. V rámci sjednoceného pracovního prostoru mohou „superagenti“ nenápadně podporovat obchodní zástupce stejným způsobem, jako to dělají vaši nejlepší partneři z různých oddělení – tím, že v pravý okamžik poskytnou správný kontext, propojí signály napříč nástroji a sníží mentální zátěž, která činí práci v reálném čase tak vyčerpávající.

A v situacích, kdy je rychlost důležitější než proklikávání se pěti systémy, poskytuje ClickUp BrainGPT obchodním zástupcům další výhodu. Díky funkci Talk-to-Text integrované do desktopového prostředí mohou během hovoru zaznamenávat informace, aktualizovat pole nebo zaznamenávat poznatky, aniž by přerušili tok konverzace.

V roztříštěném prostředí nic z toho nefunguje. Jakmile se však kontext sjednotí, může inteligence konečně držet krok s tempem skutečné práce.

ClickUp BrainGPT + ClickUp Talk to Text

Konvergence není jen pro prodej

To se však netýká pouze prodejních týmů. A dopady se neomezují jen na čas a produktivitu.

  • Pro prodejní týmy znamená roztříštěný kontext ztracené obchody a promarněné příležitosti
  • Pro produktové týmy to znamená zdvojování práce a nesoulad v prioritách
  • Pro marketingové týmy to znamená roztříštěné pracovní postupy, což ztěžuje přístup k sjednoceným datům, sladění strategií a efektivní realizaci kampaní.
  • Vedení přijímá rozhodnutí na základě neúplných informací

Nejde jen o problém pracovních postupů. Jde o kvalitu rozhodování.

Ideálním řešením není přidávání dalších nástrojů ani vytváření dalších integrací. Je jím konvergence.

Nutnost konvergence

Spojte svou práci, znalosti a spolupráci v jednotném pracovním prostředí, kde kontext přirozeně proudí a umělá inteligence může fungovat s plným porozuměním.

Organizace, které jako první vyřeší problém roztříštěnosti pracovních procesů, budou v éře umělé inteligence udávat směr. Ty, které stále uvízly ve roztříštěných systémech, nemohou plně využít potenciál umělé inteligence, bez ohledu na to, jak pokročilé jsou jejich modely. Skutečná inteligence potřebuje sjednocený kontext – základ, díky kterému každá vrstva umělé inteligence skutečně funguje.

Když váš obchodní zástupce přijme ten nečekaný hovor, neměl by se muset chovat jako lidská databáze a v duchu skládat útržky informací ze šesti různých systémů.

Tyto informace by již měly být k dispozici. Přirozené. Přesné. Využitelné.

A toho lze dosáhnout pouze tehdy, když nejprve vyřešíte problém s roztříštěností práce.

Závěr

Než jsme tento systém vyvinuli, měli obchodní zástupci otevřených pět záložek – Salesforce, Pocus, interní dashboardy, LinkedIn a možná i Google – a snažili se během hovoru poskládat si celkový obraz situace.

A teď? Příběh už je připraven. Je předložen ještě dříve, než potenciální zákazník stačí pozdravit. Podporován sjednoceným pracovním prostorem. Poháněn umělou inteligencí citlivou na kontext.

Takhle to vypadá, když je umělá inteligence skutečně užitečná.

Právě to je klíč, díky kterému bude každý obchodní zástupce rychlejší, chytřejší a efektivnější.

Vytvořte si vlastní systém prodejního kontextu. Začněte sjednocením nástrojů, které vaši obchodní zástupci již používají. Poté do nich začleňte umělou inteligenci tam, kde přináší přidanou hodnotu v reálném čase.

ClickUp vám nabízí jediné místo, kde můžete vše sjednotit.

Často kladené otázky

Co znamená „roztříštěný kontext“ v prodejním pracovním postupu?

K roztříštěnému kontextu dochází, když jsou důležité prodejní informace rozptýleny v nespojených nástrojích, jako jsou CRM systémy, dialer, datové sklady a interní dokumenty. Obchodní zástupci jsou nuceni přepínat mezi záložkami nebo se spoléhat na paměť, místo aby měli vše, co potřebují, na jednom místě.

Proč je roztříštěný kontext obzvláště škodlivý pro týmy zabývající se aktivním prodejem?

Aktivní prodej se odehrává v tempu hovoru. Když potenciální zákazník nečekaně zvedne telefon, mají obchodní zástupci k dispozici vteřiny, nikoli minuty. Pokud je kontext roztříštěný, začínají hovory nepřipraveni, což snižuje jejich sebevědomí, kvalitu hovoru i míru konverze.

Dokáže umělá inteligence sama vyřešit problém roztříštěného kontextu?

Ne. Umělá inteligence může pracovat pouze s kontextem, který jí je poskytnut. Pokud jsou data roztříštěna napříč nástroji a systémy, jsou výstupy umělé inteligence neúplné nebo nesprávné. Řešení roztříštěného kontextu vyžaduje nejprve sjednocení pracovního postupu a teprve poté jeho doplnění o umělou inteligenci.

Díky ambientní inteligenci se relevantní informace zobrazují automaticky přímo v rámci pracovního postupu, aniž by o ně obchodní zástupci museli žádat. Namísto ručního prohledávání nástrojů nebo zadávání pokynů umělé inteligenci je kontext k dispozici již od začátku hovoru.

Proč bodové nástroje s umělou inteligencí v prodejních týmech často selhávají?

Běžné nástroje s umělou inteligencí obvykle pracují s omezenými daty z jednoho systému. To vede k roztříštěnosti AI, kdy existuje mnoho nástrojů s umělou inteligencí, ale žádný z nich nemá k dispozici úplný kontext. Výsledkem je zbytečná námaha a malá důvěra ve výstupy.