ما بیش از 20 عامل هوش مصنوعی را مستقر کردیم و کل تیم SDR انسانی خود را جایگزین کردیم. در اینجا چیزی است که در واقع کار می کند. (فیلم + پاد)

در SaaStr AI لندنآملیا و من به سفر خود با هوش مصنوعی SDR پرداختیم. ما همه داده‌هایمان، همه ایمیل‌هایی که ارسال کرده‌ایم، همه معیارهای عملکردمان – همه چیز را به اشتراک گذاشته‌ایم. و پاسخ فوق العاده بود.

اما نکته اینجاست: اعتراض شماره 1 که ما شنیدیم این بود: “بله، اما این کار نمی کند من. من مقیاس شما را ندارم من مشخصات شما را ندارم من 10 سال سابقه ندارم.»

این به سادگی درست نیست.

اگر مشتری دارید، اگر درآمد دارید، اگر پایگاه داده با هر اندازه ای دارید – عوامل هوش مصنوعی برای شما کار خواهند کرد. شما به داده های زیادی که فکر می کنید نیاز ندارید. شما آنقدر که فکر می کنید به تاریخچه نیاز ندارید. آنچه شما نیاز دارید یک متدولوژی است.

در اینجا چیزی است که ما پس از ارسال بیش از 60000 ایمیل فوق شخصی، رزرو خودکار بیش از 130 جلسه و ایجاد 15٪ از درآمد رویدادهای لندن خود از طریق عوامل هوش مصنوعی یاد گرفتیم. می تواند در زمان به 50٪ برسد SaaStr AI سالانه در می 2026.

https://www.youtube.com/watch?v=h8iy9bVxFfw

5 درس بزرگ از پیاده سازی AI SDR

#1. ماموران هوش مصنوعی کارهایی را که انسان ها انجام نمی دهند درهم می ریزند

این مهم ترین بینشی است که ما پیدا کردیم.

SDR های انسانی ما بازگشت شرکت کنندگان برای فروش بلیط را پیگیری نمی کنند. ارزش وقت گذاشتن آنها را نداشت – آنها می خواستند در عوض به دنبال حمایت های شش رقمی بروند. مشوق ها را امتحان کردیم. ما کارت های استارباکس را امتحان کردیم. التماسشان کردیم. آنها گفتند که می کنند، سپس ما گزارش های فعالیت را بررسی می کنیم و متوجه می شویم که آنها دروغ می گویند.

نتیجه؟ هنگامی که ما عوامل هوش مصنوعی را بر روی همین سرنخ ها مستقر کردیم، آنها 15 درصد از درآمد بلیط لندن ما را ایجاد کردند. درآمدی که به معنای واقعی کلمه در غیر این صورت به دست نمی آوردیم.

همان داستان با سرنخ‌های “شبح” ما – افرادی که می‌خواستند از SaaStr با مبالغ پنج و شش رقمی حمایت مالی کنند، و تیم انسانی ما فقط… هرگز پاسخ ندادند. نه به این دلیل که آهنگ ها را دوست نداشتند. زیرا هر معامله‌گری در سر خود رتبه‌بندی می‌کند و تمام تلاش خود را در یک معامله بزرگ می‌گذارد که در این سه‌ماهه به پایان می‌رسد.

عامل هوش مصنوعی به آن مسیرهای شبح مانند ضربه زد نرخ باز 70 درصد.

این تغییر مدل ذهنی است: SDR های هوش مصنوعی را به عنوان تولیدکنندگان درآمد جادویی در نظر نگیرید. آنها را به عنوان تیمی در نظر بگیرید که در نهایت کاری را انجام می دهد که افراد شما از انجام آن امتناع می ورزند. آب های کوچک. امتیاز پایین منجر می شود. “ارزش وقت من را ندارد” منجر می شود. این سرنخ ها لیاقت بیشتری دارند و هوش مصنوعی تبعیض قائل نمی شود.

#2. شخصی سازی بیش از حد در مقیاس در واقع کار می کند، اما “بسیار خوب” به اندازه کافی خوب است

قبل از عوامل هوش مصنوعی، SDR های انسانی ما برای هر تکرار در ماه 75 تا 300 ایمیل شخصی ارسال می کردند. در شش ماه با هوش مصنوعی، ما نزدیک به 60000 ایمیل فوق شخصی ارسال کردیم. این 32 برابر حداکثر بهره وری انسان است.

اما در اینجا چیزی است که مردم با دیدن نتایج ما اشتباه می کنند: آنها انتظار دارند شخصی سازی فوق العاده در سطح یک ماه تحقیق را انجام دهند.

این نیست.

در مقیاس 1 تا 10، ایمیل های هوش مصنوعی ما ممکن است از 3 تا 6 برای شخصی سازی باشد. آنها بسیار خوب هستند. آنها شرکت مشتری احتمالی، آنچه را که به آن نگاه کرده اند، شاید چیزی که در مورد آن پست کرده اند اشاره می کنند. اما آنها شعر نیستند. آنها نامه های عاشقانه نیستند.

و این خوب است. زیرا نوار “بهتر از بهترین SDR انسان که بهترین روز را دارد” نیست. نوار این است:

به خوبی یا بهتر از میانگین SDR انسان، با ثبات 24/7.

بسیاری از مردم در اینترنت می گویند “من می توانستم بهتر عمل کنم اگر 30 فارغ التحصیل آکسفورد را استخدام کنم تا هر روز یک ایمیل بنویسند.” مطمئنا، شاید. اما این افراد می خواهند بعد از سه ماه به AE ارتقا پیدا کنند. آنها نمی مانند. و به هر حال نمی توانید 30 نفر از آنها را استخدام کنید.

ایمیل های بسیار خوب با خطای صفر که به طور مداوم در مقیاس ارسال می شوند، هر بار درخشش نامنظم را از بین می برند.

#3. نمایندگان خود را مانند بهترین کارمند جدید خود آموزش دهید

در اینجا تقریباً همه با AI SDR شکست می خورند:

آنها محصولی را می خرند، کاری انجام نمی دهند و انتظار دارند میلیون ها درآمد داشته باشند.

قبل از کلود 4، زمانی که این محصولات به سختی کار می کردند، این روش کار نمی کرد. بعد از سه ماهه اول سال 2025 که شروع به خوب شدن کردند، کار نکرد. حالا کار نمی کند.

روشی که عوامل هوش مصنوعی برای GTM کار می کنند:

1. شما ابتدا چیزی بیاورید که با مردم کار کند
2. شما ایمیل، فیلمنامه، ایرادات، سوالات را میخکوب می کند
3. شما آنچه کار کرد را مستند کنید
4. شما آن را به نماینده بدهید و یک ماه به او آموزش دهید
5. سپس آن را در مقیاس انجام می دهید

اگر انتظار دارید یک نماینده چه زمانی بفروشد شما من نمی توانم بفروشم این هرگز کار نکرد. به اصول اولیه فروش به رهبری بنیانگذار بازگردید. اما به جای اینکه به اولین نفری که استخدام شده است، به اولین نماینده استخدام شده خود پاس بدهید.

همان اصول همین سخت گیری. عملکرد متفاوت

#4. بی وقفه بخش بندی کنید – هرگز هوش مصنوعی را در کل پایگاه داده خود اجرا نکنید

این مهم است. فقط AI SDR را روی کل پایگاه داده خود قرار ندهید و گزینه send را فشار دهید.

در اینجا نحوه برخورد ما با آن است:

• مخاطبین را به گروه های حداکثر 800-1000 گروه بندی کنید برای هر کمپین
• عوامل فرعی یا کمپین های فرعی ایجاد کنید برای هر شخصیت (CRO، CMO، بازدیدکنندگان وب سایت، ریزش و غیره)
• هر عامل فرعی را به طور خاص آموزش دهید برای آن شخصیت و مورد استفاده
• به هر عاملی اهداف متفاوتی بدهید (رزرو یک قرار ملاقات، فروش بلیط، دنبال کردن یک مسیر شبح‌آلود)

با بخش های کم ریسک شروع کنید:

• مردمی که شبح کردی
• یک صندوق ورودی خوب که نتوانستید آن را کاملاً پیگیری کنید
• پیگیری های پس از برخورد که از بین رفت

با سرنخ های حیاتی برای ماموریت شروع نکنید. اگر نتوانید به سرعت آن را راه اندازی کنید، ناامید خواهید شد و این نمایندگان زمان برای جذب نیرو دارند.

#5. دقیقا به دو نفر برای کار نیاز دارید

این ما را شگفت زده کرد، اما تبدیل به انجیل شد:

شخص شماره 1: مهندس مستقر شده توسط تامین کننده.

آنها را معمار راه حل، FDE، هر چیزی صدا بزنید – به شخصی از فروشنده نیاز دارید که در آموزش با شما همکاری کند و نماینده شما را به سمت تولید سوق دهد. اگر فروشنده نمی خواهد به شما کمک کند، از آنها خرید نکنید. مهم نیست که برنامه تبلیغاتی آنها چقدر نرم است. یک محصول بدتر با پشتیبانی از استقرار عالی، محصول عالی را شکست می دهد که نمی توانید به کار خود برسید.

شخص شماره 2: یک مهندس GTM در تیم شما.

این گیک هوش مصنوعی است. آن‌ها می‌توانند از بازاریابی (بازاریاب‌های فناوری، متخصصان HubSpot، هر کسی که کمپین‌های پیچیده ایجاد کرده‌اند) بیایند. اگر به اندازه کافی فنی باشند، می توانند از RevOps بیایند. آنها احتمالاً نمی توانند از تیم فروش استاندارد شما بیایند.

یکی از گیک های GTM را در تیم خود پیدا کنید. آنها را تبلیغ کنید. کاری کن که صاحب این شوند. آنها ارکستراسیون را مدیریت خواهند کرد – چه مخاطبینی به چه عواملی می‌روند، چه CTAهایی، چه پیگیری‌هایی، چه اتفاقی می‌افتد وقتی سرنخ‌ها بسته می‌شوند.

محصولات سلف سرویس AI SDR در راهند، اما ما هنوز آنجا نیستیم. حتی مدیر عامل Zendesk به من گفت که مشتریان سازمانی آنها با ماهها آموزش به 60-80٪ اتوماسیون می رسند، در حالی که سلف سرویس 20٪ می شود. یادگیری بدون انسان کاملاً انجام نمی شود.

https://www.youtube.com/watch?v=lL14WU74CJE

پشته فناوری که واقعا کار می کند

ما اکنون بیش از 20 نماینده را مدیریت می کنیم. عوامل بیشتر از مردم. اصل مطلب اینجاست:

• صنایع دستی: ~ 6٪ نرخ پاسخ خروجی
• واجد شرایط: ~6٪ نرخ پاسخ ورودی، بیش از 130 قرار ملاقات از اوت رزرو شده است
• عامل نیروی: نرخ باز شدن 70% در تعامل مجدد (جدیدترین عامل ما به لیدهای ارواح برخورد می کند)

همه آنها حدود دو هفته برای اجرا و راه اندازی نیاز داشتند. همه آنها مستلزم تأیید مداوم در محل و اصلاح آموزش بودند. همه آنها به یک منبع حقیقت متصل هستند، بنابراین ما می دانیم که کدام عوامل چه تماس هایی را دریافت می کنند.

وقتی در مورد چت در مقابل صدا در مقابل ویدیو سؤال می شود، همه می پرسند: زیاد تحلیلش نکن داده های ما نشان می دهد که حدود 85٪ چت را ترجیح می دهند، 15٪ صدا را ترجیح می دهند. چت ساده ترین راه برای پیاده سازی است. صدا به کمی کار بیشتری نیاز دارد (اگرچه ما در 11 Labs شبیه سازی صدای خود را در پنج دقیقه انجام دادیم). ویدئو دو مرتبه کار بیشتر است.

با یک چت شروع کنید. پس از آماده شدن، صدا را لایه لایه کنید. ویدئو می تواند به فروش بالای ASP اعتبار بیافزاید. فقط آنها را مرتب کنید و بحث را متوقف کنید.

5 اشتباه بزرگی که مرتکب شدیم (و باید از آنها اجتناب کنیم)

اشتباه شماره 1: ما افراد را برای مدت طولانی در مشاغلی نگه داشتیم که از آنها متنفر بودند

به مدت شش سال، ما در تلاش بوده‌ایم تا SRT‌های انسانی را وادار کنیم تا شرکت‌کنندگان را برای دریافت بلیط بازگردانند. مشوق ها، التماس ها، مشاهده – هیچ چیز کار نکرد. گفتند که می کنند، اما نکردند.

درس: اگر تیم شما به طور مداوم از انجام یک کار خاص خودداری می کند، مبارزه با آن را متوقف کنید. بلافاصله یک عامل هوش مصنوعی را در این بخش مستقر کنید. آن 15 درصد از درآمد لندن بود پول پیدا کرد نیم دهه روی میز گذاشته بودیم.

اشتباه شماره 2: ما در روزهای اول همه پیام ها را نمی خواندیم

هنگامی که ما برای اولین بار پیاده سازی کردیم، فرض کردیم که هوش مصنوعی فقط کار می کند. ما تک تک پیام هایی که مامورانمان ارسال می کردند را نخواندیم.

درس: در طول 30 روز اول هر نماینده جدید، ادامه مطلب را بخوانید همه چیز. هر ایمیل، هر پاسخ چت، هر پیگیری. شما اشکالات را پیدا خواهید کرد، شکاف های آموزشی را پیدا خواهید کرد، متوجه خواهید شد که در واقع چه چیزی از طرف شما ارسال می شود. فقط پس از ایجاد اعتماد باید به بررسی نقطه ای و هشدارهای مبتنی بر پرچم بروید.

اشتباه شماره 3: زمان رسیدن به سرعت را دست کم گرفتیم

ما نتایج فوری می خواستیم. محصولات نوید سود سریع را می دادند. واقعیت چیز دیگری بود.

درس: حداقل دو هفته برای استقرار صحیح هر عامل بودجه اختصاص دهید. اگر ناامید می شوید زیرا “باید در یک روز کار کند”، خود را برای شکست آماده کرده اید. این زمان یادگیری است که برای ماه ها سود می دهد.

اشتباه شماره 4: ما تقریبا روی افرادی که ترک می کنند شرط بندی می کنیم

گردش مالی GTM قبل از هوش مصنوعی بالا بود. ممکن است در حال حاضر حتی بالاتر باشد. ما یک CMO را در یک شرکت ARR 50 میلیون دلاری دیدیم که می خواست 10 AI SDR بپزد – و او قبل از تکمیل استقرار آن را ترک کرد.

درس: کل استراتژی ورود به بازار هوش مصنوعی خود را روی کسی که ممکن است در اول ژانویه ترک کند، شرط بندی نکنید. اگر در اطراف شخصی کارگزاری ایجاد می کنید (مخصوصاً با شبیه سازی صدای او، آموزش سبک او)، مطمئن شوید که او سهام واقعی در شرکت و دلیل واقعی برای ماندن دارد.

اشتباه شماره 5: ما سعی کردیم تعداد زیادی از تامین کنندگان را به طور همزمان ارزیابی کنیم

ما با بنیان‌گذارانی صحبت کرده‌ایم که همزمان با ۸، ۱۰ یا حتی بیشتر فروشنده‌های AI SDR مشغول پخت هستند. این هرج و مرج است. هیچ چیز به درستی آموزش داده نمی شود. هیچ چیز نمره عادلانه نمی گیرد.

درس: برای هر پخت حداکثر سه فروشنده انتخاب کنید. با این حال بهتر است، یکی را انتخاب کنید که دارای توصیه قوی از مشتریان مورد اعتماد شما باشد، کمک لازم را برای پیاده سازی دریافت کنید و متعهد شوید که آن را به درستی انجام دهید. سپس از آنجا گسترش دهید.

خط پایین

اگر در سال 2026 هنوز افراد واجد شرایط دارید و روزها منتظر بررسی های بعدی هستید، هیچ بهانه ای وجود ندارد. محصولات در حال حاضر خوب هستند. چت، صدا، حتی ویدیو – همه آنها کار می کنند.

اما این جادوی plug-and-play نیست. این است:

• آنچه را که مردم به ذهنشان خطور کرده اند، در نظر بگیرید
• آن را مستند کنید
• یک نماینده را با آنچه کار می کند آموزش دهید
• بی وقفه قطعه بندی کنید
• اجازه دهید دو نفر (فروشنده + داخلی) مالک استقرار باشند
• همه چیز را زودتر بخوانید، سپس به مرور زمان اعتماد ایجاد کنید

حتی اگر در سال 2026 فقط 15 تا 20 درصد سریعتر رشد کنید، به دلیل عوامل هوش مصنوعی، این یک موهبت الهی است. از آنجا که بخش عمده ای از این رشد درآمد حاصل می شود – سرنخ هایی که مورد استفاده قرار نگرفتند، پیگیری هایی که اتفاق نیفتادند، کارهایی که مردم به سادگی از انجام آن امتناع کردند.

مشتریان بالقوه شما لیاقت بیشتری دارند. و حالا هیچ بهانه ای برای ندادن آن به آنها وجود ندارد.

تمام جزئیات نماینده ما، خرابی های فروشنده و داده ها در saastr.ai/agents موجود است.

https://www.youtube.com/watch?v=h8iy9bVxFfw