Di banyak perusahaan, informasi penjualan tersebar di tempat yang berbeda. Percakapan dengan calon pelanggan ada di WhatsApp pribadi sales, catatan meeting ada di buku tulis, penawaran harga ada di email, dan CRM hanya berisi nama serta nomor telepon. Saat seorang sales cuti atau pindah kerja, riwayat hubungan dengan pelanggan ikut hilang.
AI untuk tim sales dan CRM bisa membantu merapikan keadaan ini. Sales tetap menjadi orang yang bertemu dan meyakinkan pelanggan. AI membantu mengurangi pekerjaan administrasi yang selama ini membuat CRM jarang diisi, dan membantu manajer melihat kondisi pipeline dengan lebih jujur. Artikel ini membahas empat penggunaan yang paling realistis, batasannya, dan cara memulainya.
Ringkasan lead dan pelanggan
Sebelum menelepon atau mengunjungi calon pelanggan, sales perlu tahu apa yang sudah dibicarakan. Masalahnya, riwayat itu bisa berupa puluhan pesan, beberapa catatan meeting, dan dua versi penawaran. AI bisa membaca semua itu dan menyusun ringkasan singkat: kebutuhan pelanggan, keberatan yang pernah muncul, penawaran terakhir, dan janji yang belum ditepati.
Contohnya distributor bahan kue yang melayani ratusan toko. Sales yang menggantikan rekannya tidak perlu membaca ulang seluruh riwayat. Ringkasan dari CRM sudah cukup untuk memulai percakapan tanpa terlihat tidak tahu apa-apa.
Ringkasan ini hanya sebaik data yang tersedia. Jika catatan meeting tidak pernah dimasukkan ke CRM, AI tidak bisa merangkumnya. Karena itu, penggunaan ini biasanya berjalan bersamaan dengan kebiasaan mencatat yang lebih baik.
Draf follow-up yang tetap personal
Banyak peluang hilang karena follow-up terlambat atau lupa. AI bisa menyiapkan draf pesan berdasarkan konteks terakhir, misalnya pengingat penawaran yang belum dijawab, ringkasan hasil meeting, atau konfirmasi jadwal demo. Sales tinggal membaca, menyesuaikan nada, lalu mengirimnya. Untuk WhatsApp, draf yang pendek biasanya lebih berhasil daripada pesan panjang yang terdengar seperti template.
Ada dua hal yang perlu dijaga. Pertama, pesan tetap dikirim oleh sales, sehingga ada orang yang membaca dan bertanggung jawab atas isinya. Kedua, gaya bahasa perlu disesuaikan dengan pelanggan. Pemilik toko di daerah dan manajer pengadaan perusahaan besar biasanya membutuhkan nada yang berbeda. Simpan beberapa contoh pesan yang bagus dari sales senior sebagai acuan gaya untuk AI.
AI untuk insight pipeline di CRM
Laporan pipeline sering terlalu optimistis. Peluang yang sudah tiga bulan tidak bergerak tetap tercatat di tahap negosiasi, dan perkiraan penutupan bergeser setiap minggu. AI bisa membantu manajer dengan membaca data CRM dan menandai pola yang perlu diperhatikan, seperti peluang tanpa aktivitas dalam waktu lama, penawaran besar yang belum ada tindak lanjut, atau pelanggan lama yang frekuensi pesanannya menurun.
Manajer juga bisa bertanya dalam bahasa sehari-hari, misalnya pelanggan mana di Jawa Tengah yang belum memesan lagi sejak kuartal lalu. Jawaban seperti ini dulu memerlukan ekspor data ke spreadsheet dan waktu setengah hari. Yang perlu diingat, AI membaca data, tetapi keputusan prioritas tetap ada pada manajer yang mengenal pelanggan dan pasar.
Kebersihan data CRM
CRM yang berantakan membuat semua penggunaan di atas kurang berguna. Pelanggan yang sama tercatat tiga kali dengan ejaan berbeda, nomor telepon tanpa kode area, nama perusahaan ditulis singkat di satu tempat dan lengkap di tempat lain. AI cukup baik untuk pekerjaan merapikan seperti ini.
- Menemukan kemungkinan data duplikat, misalnya nama toko yang sama dengan dan tanpa awalan CV, lalu mengusulkan penggabungan.
- Menyeragamkan format nomor telepon, alamat, dan nama kota.
- Mengisi kolom yang kosong dari catatan yang sudah ada, seperti jenis usaha atau kota.
- Menandai lead yang datanya tidak lengkap sebelum masuk ke pipeline.
- Mengelompokkan alasan kalah atau batal dari catatan bebas menjadi kategori yang bisa dianalisis.
Usulan perubahan sebaiknya ditinjau dulu sebelum diterapkan, terutama penggabungan data. Dua cabang dari satu jaringan toko bisa terlihat seperti duplikat padahal keduanya pelanggan terpisah.
Batasan dan data pelanggan
Data di CRM berisi data pribadi, seperti nama, nomor telepon, dan riwayat pembelian. Ketentuan UU PDP tentang pemrosesan data pribadi tetap berlaku ketika data itu diproses dengan AI. Pakai akun perusahaan, hindari akun pribadi sales, dan pilih layanan yang ketentuan datanya sudah Anda periksa. Hak akses juga perlu dijaga. Sales cukup melihat pelanggan yang menjadi tanggung jawabnya, dan AI sebaiknya mengikuti aturan akses yang sama.
Jangan biarkan AI mengirim pesan ke pelanggan secara otomatis tanpa pemeriksaan, setidaknya di tahap awal. Satu pesan yang salah sasaran atau salah harga bisa merusak hubungan yang dibangun bertahun-tahun.
Mulailah dari satu penggunaan saja, misalnya ringkasan lead untuk tim sales di satu cabang. Setelah dua atau tiga minggu, tanyakan langsung kepada tim apakah ringkasannya akurat dan benar-benar dipakai. Masukan mereka lebih berguna daripada daftar fitur.
CRM dan AI dalam satu data
Semua penggunaan di atas lebih mudah dijalankan ketika data pelanggan, keuangan, dan proyek tidak tersebar di banyak aplikasi. Trellis menyatukan Harvest untuk CRM dengan aplikasi bisnis lain dalam satu data perusahaan, dan Sage memungkinkan Anda bertanya tentang data perusahaan sendiri dengan data yang terisolasi per perusahaan. Lihat detailnya di halaman Trellis.
