- Pazarlama ekiplerinin çoğu ChatGPT merkezli tek araç kullanımı ile sınırlı kalırken, SafetyCulture AI ajanlarını tüm GTM sürecine uygulayarak lead kalitesini artırma, fırsat yaratma ve özellik benimsenmesini yükseltme konusunda somut sonuçlar elde etti
- Küresel ölçekte ücretsiz kayıtların patladığı bir ortamda lead verisini zenginleştirme ve önceliklendirme sorununu çözmek için, AI tabanlı paralel lead zenginleştirme workflow'u kurarak neredeyse %100 düzeyinde veri tamlığı sağladı
- AI'ın kişiselleştirilmiş outbound'u (otomatik BDR) yürütmesini sağlayacak bir yapı kurarak, Salesforce, HubSpot, ZoomInfo gibi çeşitli sistemlerdeki verileri birleştirip kişiselleştirilmiş mesajlar üretti ve toplantı rezervasyonu ile fırsat yaratımını büyük ölçüde artırdı
- Müşterilerin kullanım kalıpları, sektörleri ve benzer müşteri davranışlarını birleştirerek kişiselleştirilmiş özellik önerileri ve 2.500'den fazla mesaj varyasyonu üreten bir AI yaşam döngüsü motoru kurdu ve böylece özellik benimsenmesini artırdı
- Birden fazla GTM sistemini tek çatı altında toplayan AI tabanlı özel uygulama katmanı oluşturarak satış ve pazarlama ekiplerinin tüm bilgileri ve 'sonraki adımı' tek ekranda görmesini sağladı; bunun sonucunda lead→fırsat dönüşümünü %25'ten fazla artırdı
- AI ajanları, ilk otomatik çalıştırma modundan karma bir copilot modeline geçti; her yeni workflow copilot modunda başlıyor ve zamanla otomasyon seviyesi kademeli olarak artırılıyor
AI ajanı 1: AI tabanlı lead zenginleştirme
- SafetyCulture müşterileri, üretim, perakende, taşımacılık, inşaat ve madencilik gibi geleneksel teknoloji satın almacılarının yoğun olmadığı sektörlerden dünya genelinde geliyor
- Yalnızca tek bir lead zenginleştirme platformu kullanıldığında, veri ya yetersiz kalıyor ya da hızla güncelliğini yitiriyordu
- Bunun üzerine 5 veri sağlayıcısını paralel çağıran, platformdan bağımsız bir AI lead zenginleştirme sistemi kurdu (Clay'e benzer bir yapı ama şirket içinde geliştirildi)
- Workflow, sağlayıcıları sırayla çağıran bir waterfall yaklaşımı ile çalışıyor; her özellik için en güvenilir değer seçiliyor ve ayrı bir ajan bunu web sitesi ile LinkedIn gibi herkese açık bilgiler üzerinden doğruluyor
- ABD'deki lead'ler için OSHA API sorgulanarak son ihlal kayıtları bulunuyor, işyeri risk bağlamı çıkarılıyor ve bu bilgiler lead özetiyle birlikte Slack'e gönderiliyor
- Sonuç olarak zenginleştirme oranı neredeyse %100'e ulaştı; GTM ekipleri ve AI BDR artık 'uygun müşteriyi' daha hızlı tespit edip anında aksiyon alabiliyor
- Veri kalitesi tüm AI workflow'larının temelidir ve birden fazla veri kaynağı çapraz doğrulandığında doğru kişiselleştirme mümkün olur
AI ajanı 2: AI Auto BDR
- Yıllık 500 bin ücretsiz ekip kaydı, satış ekibinin yönetemeyeceği kadar büyük bir ölçek oluşturuyordu; hangi müşterinin high-fit olduğunu sınıflandırmak zorlaşıyordu
- Geçmişte satış ekibi lead'leri tek tek inceleyip araştırıyor ve kişiselleştirilmiş mesajlar yazıyordu, ancak bu süreç yavaş olduğu için yanıt oranlarını düşürüyordu
- Şirket, AI kullanarak kişiselleştirilmiş outreach, bilgi tabanı destekli yanıtlar ve toplantı planlamasını yürüten bir AI inbound BDR devreye aldı
- Salesforce, HubSpot, ZoomInfo ve Redshift verilerini birleştirerek lead'in durumu, niyeti ve geçmiş kullanımını analiz ediyor; ilgili iki müşteri örneğini seçip kişiselleştirilmiş e-posta oluşturuyor ve bunu otomatik olarak Gong Engage sequence'ine ekliyor
- Bunun sonucunda toplantı rezervasyon oranı 3 katına, satış fırsatları ise 2 katına çıktı; maliyeti kontrol etmek için AI çağrıları önce high-fit lead'lere uygulanıyor
- AI BDR'ın amacı satışı ikame etmek değil, AE'nin anlaşmalara hızla odaklanabilmesi için önceden ısıtma yapmak
- Çok dilli destek özellikle Avrupa ve Latin Amerika'da etkili oldu
AI ajanı 3: AI yaşam döngüsü kişiselleştirmesi
- Müşterilerin SafetyCulture'ı kullanma nedenleri denetim, checklist, inceleme, güvenlik düzenlemeleri gibi çok farklı alanlara yayıldığı için, tek bir mesajla tüm müşterileri memnun etmek zordu
- Bunu çözmek için, benzer müşterilerin davranışlarına dayanarak ilişkili özellikler öneren AI tabanlı bir öneri motoru kurdu
- Databricks üzerinde RAG ve ajan workflow'ları kullanarak ürün kullanım verilerini derinlemesine analiz etti ve 300'den fazla temel kullanım senaryosunu otomatik olarak oluşturdu
- Kullanım senaryolarına göre müşteriye uygun özellik setlerini eşledi, 2.500'den fazla metin varyasyonunu AI ile üretti ve bunları Redshift ile Braze'e kaydederek kişiselleştirilmiş mesajlarda kullandı
- Bunun sayesinde yeni özellik benimsenme oranı %10 arttı ve daha derin ürün kullanımına bağlı olarak retention iyileşti
- Gerçek zamanlı AI çağrılarında zaman zaman gecikme yaşandığı için, sistem belirli aralıklarla çalıştırılıp cache'lenerek pazarlama platformlarının anında erişebileceği hale getirildi
- Büyük LLM'lere kıyasla daha küçük modellerin hız-maliyet dengesi açısından daha pratik olduğu durumlar da oldu
AI ajanı 4: Pazarlama/satış için özel AI uygulama katmanı
- Her GTM sisteminin kendi AI özellikleri vardı, ancak bunlar SafetyCulture ürününe göre tasarlanmamıştı; satış ve pazarlama ekipleri de bilgileri eşleştirmek için birden fazla araç arasında gidip gelmek zorunda kalıyordu
- Şirket, Retool kullanarak tüm müşteri bilgileriyle birlikte 'sonraki adımı' da tek ekranda gösteren, AI merkezli bir uygulama katmanı kurdu
- Lead konsolu ve şirket görüntüleyicisi olmak üzere iki ekran sunuyor
- Bu katman; lead/müşteri verileri, AI zenginleştirme bilgileri, Gong arama kayıtları, Amplitude kullanım verileri, churn tahmini ve lead routing gibi unsurları tek yerde topluyor
- Gong arama kayıtlarını analiz ederek otomatik SPICED özetleri oluşturuyor ve bunları Salesforce'a kaydederek BDR→AE handoff sürecini otomatikleştiriyor
- AE'ler, "hesap hakkında her şeyi sor" özelliğiyle kullanım miktarı, ücretli ekip sayısı ve önerilen outreach yaklaşımı gibi bilgilere anında ulaşabiliyor
- Lead→satış fırsatı dönüşüm oranı %25'ten fazla arttı ve otomasyon sayesinde BDR'ler fırsat başına yaklaşık 30 dakika tasarruf etti
- Ekibin %80'inden fazlası bu uygulama katmanını aktif olarak kullanıyor; üretkenlik artışı daha hızlı yanıt ve daha iyi müşteri etkileşimine dönüşüyor
- AI'ın değerli olması için mutlaka autopilot olması gerekmez; copilot biçimi de son derece güçlü olabilir
AI öncelikli GTM organizasyonundan öğrenilenler
- SafetyCulture, müşteri yolculuğunu temel alarak AI'ın tespit etme, kişiselleştirme, tahmin etme, tavsiye verme ve otomasyon alanlarından hangisinde en etkili olduğunu önce belirliyor
- Başlangıçta otomasyon odaklıydı, ancak şimdi copilot ve otomasyonu birleştiren bir model benimsiyor; yeni workflow'ların tamamı copilot modunda başlıyor
- En zorlayıcı kısım veri erişimi, güvenlik, marka tonunu koruma ve erken dönem AI halüsinasyonlarıydı
- Sahada SafetyCulture'a bağımlı çok sayıda müşteri olduğu için güvenilirlik ve tutarlılık kritik önem taşıyor
- Vurgulanan nokta şu: takıma sadece ChatGPT dağıtmak değil, gerçek workflow'lar üzerinden AI'ın nerede kullanılacağını keşfetmek sonuç üretiyor
Henüz yorum yok.