Как мы перешли от рекомендаций после звонка к работе с возражениями при продаже образовательных услуг

На следующем этапе клиент вернулся к функции, которую видел в предыдущем тестировании продукта.

После звонка менеджер должен получать короткий анализ и рекомендации.

Логика понятная:

если AI уже прочитал разговор, почему сразу не сказать сотруднику, что он мог сделать лучше?

Но к этому моменту у меня уже появились сомнения именно в общих рекомендациях после звонка.

Хорошая рекомендация еще не означает изменение

AI может написать:

лучше выявлять потребность;

глубже работать с возражением;

фиксировать следующий шаг;

предлагать дополнительные образовательные программы.

Отдельно каждый совет может выглядеть разумно.

Но следующий звонок создает новую рекомендацию.

Потом еще одну.

В результате менеджер получает поток замечаний, а руководитель не видит одного конкретного поведения, которое команда сейчас пытается изменить.

Поэтому у нас была другая рабочая гипотеза:

сначала выбрать один конкретный фокус и договориться, как выглядит нужное действие. Потом уже давать обратную связь относительно него.

Это была именно рабочая гипотеза.

Не доказанная истина.

У клиента была другая точка зрения

Разговор перешел к работе с возражениями клиентов.

Со стороны компании прозвучала мысль:

основные возражения и проблемные зоны мы и так знаем.

Поэтому глубокий анализ старой истории казался лишним.

Предлагалось сформулировать уже известные сценарии продаж образовательных услуг и смотреть актуальные звонки.

Спорить о том, кто лучше понимает бизнес компании, не имело смысла.

Поэтому мы предложили другой вариант:

считать представление клиента исходной гипотезой и проверить ее на текущих коммуникациях.

Три исходных возражения клиентов

Клиент сформулировал три группы.

Первая:

дорого или сейчас нет бюджета.

Вторая:

неактуально или неинтересно.

Третья:

решение требует внутреннего согласования.

Также было предварительное понимание, что менеджер должен делать после каждой из этих реакций.

Важно:

это была карта клиента, а не вывод AI.

Мы не собирались ни автоматически принимать ее, ни доказывать, что она неправильная.

Задача была другой:

посмотреть, как эта картина соотносится с текущими звонками отдела продаж.

Пилот снова сменил вопрос

До этого мы пытались закрепить отдельное действие менеджера.

Теперь стали спрашивать:

Какие возражения реально встречаются при продаже образовательных услуг?

И:

Что менеджеры делают после них?

Нужно было взять свежий массив звонков, найти заданные сценарии и посмотреть их распределение.

А затем решить, что действительно стоит брать следующим фокусом.

На этом этапе мы еще не знали, кого придется сильнее калибровать:

представление клиента или AI-разметку.

В итоге - обоих.

Дневник пилота
Предыдущая запись: Как превратить требования к менеджерам в проверяемый критерий оценки звонка
Следующая запись: Что показал анализ возражений в большом массиве звонков образовательной компании