在 OpenAI 将入站线索转化为客户

# 在OpenAI将入站线索转化为客户 来源：https://openai.com/index/openai-inbound-sales-assistant/ *这是我们分享系列的一部分，展示OpenAI如何使用自己的技术和API的内部案例。这些工具仅在OpenAI内部使用，在此分享是为了说明前沿AI如何支持我们各个团队的用例。我们还分享了内部工具名称，以便更清楚地了解前沿AI如何帮助我们的团队完成工作。* ChatGPT Enterprise和Business分别推出时，入站需求激增。数以万计的公司——从早期初创企业到跨国企业——每月都在不断联系我们。这种需求令人瞩目，对我们系统的压力也是真实存在的。 通过表单和静态工作流程来处理这些线索无法满足当前形势。太多潜在客户只收到自动回复，告诉他们在线注册。太少客户的问题得到了解答。结果是失去了机会，并且购买体验与客户对我们的信任不相符。 **挑战不仅仅是规模。而是质量。** 买家想要具体的答案： - 这个产品在医疗环保环境中符合要求吗？ - 我们如何比较计划并选择合适的？ - 我们行业的同行看到了什么样的效果？ "我们每个月收到数千条线索，但我们只有能力与其中一小部分交流。一些线索只需要回答几个问题就能获得很好的购买体验，但我们无法提供这种个性化体验，"Go-to-Market创新部门负责人Harsha Chilakamarri说。 传统自动化无法处理这种微妙之处。线性地增加员工数量是不可持续的。我们需要一种不同的方法。 我们创建了一个AI驱动的入站销售助手，其目的不是替代销售代表，而是扩展他们的覆盖范围——通过销售代表的反馈进行培训和完善。 其核心是我们的内部连接器。产品文档、政策库、客户故事和剧本被纳入模型可以推理的上下文中。助手不会猜测。它以潜在客户的语言准确应答，直接与他们的问题挂钩。 这意味着潜在客户在几分钟内收到个性化回复，使用他们自己的语言，植根于他们的实际问题。 - 东京的一家公司用日语收到答案，而不是英文表格信。 - 询问合规问题的医疗系统在第一次交流中就获得详细信息，无需等待数天。 - 如果潜在客户符合企业资格，对话线程会无缝转移给销售代表，上下文完整保留。 "这个模型使我们能够与每个客户互动并提供超个性化体验，"Chilakamarri说。 这不是为了自动化而自动化。这是提供直接价值的自动化。 突破不仅仅在于助手的第一条回复。而是它背后的反馈循环。 在训练模型时，每个草稿回复都会反馈给销售代表进行修正。每次修正都成为训练数据。准确度在几周内从60%上升到98%以上。助手开始听起来像我们团队的最佳版本，而不是通用模板，将判断力编入代码并在规模上提供。 > "我们用我和另一位工程师建立了一个非常复杂的评估系统……一旦我们有了一种方式来进行这些评估，特别是以自动化方式，我们能够快速从60%准确度提升到90%，现在达到了98%的首封邮件准确度。" Harsha Chilakamarri，Go-to-Market创新 对销售代表来说，转变是立竿见影的。收件箱不再堆满不合格的线索。他们开始处理已经在进行中的对话，与那些有真实意图且问题已得到解答的潜在客户交流。 评估系统也给了领导层信心。它显示了可衡量的进展，而不仅仅是轶事。它证明了助手可以负责任地扩展。 影响是立竿见影的。一家曾经在队列中丢失的小公司提交了问题，几小时内收到深思熟虑的答案，几天后签署了企业合同。这样的故事一次次重复。 曾经是死胡同的东西成为了我们最强的增长渠道之一。几个月内，解锁了数百万美元的年度经常性收入。 > "我们最大的顿悟时刻是首次推出助手时。我们意识到，如果我们为入站线索提供个性化体验并快速回答关键问题——即使通过电子邮件——许多客户都急于快速购买。" Harsha Chilakamarri，Go-to-Market创新 对于收到合格线索的销售代表来说，这种转变同样有价值。他们不再费力筛选通用线索，而是看到清晰意图的主动对话。首次，没有人感到被遗漏。 这不仅仅是关于入站线索。它指向一个更广泛的机会：入职、续约和支持都可以受益于可信、个性化的对话。 这个教训很简单：当你通过AI扩展最好销售代表的卓越表现时，你就改变了整个团队可能实现的目标。 正如Chilakamarri所说："领导层对此兴奋不已。这证明我们可以用OpenAI构建OpenAI，并直接向客户展示我们的技术。" 个性化每条线索不是一种战术。它正在成为所有互动的更好方式。