AI/lab
پروژه واقعی · فروش · املاک

چطور یک سیستم AI زنده نرخ موفقیت تماس‌های فروش یک مجموعه املاک در دبی را حدود ۵۰٪ افزایش داد

یک مجموعه فعال در بازار املاک دبی با لیدهای بالقوه تماس سرد برقرار می‌کرد، اما نرخ موفقیت پایین‌تر از انتظار بود. به‌جای تحلیل تماس‌های ضبط‌شده، سیستم AI زنده‌ای طراحی شد که اطلاعات لازم را زمانی به فروشنده می‌دهد که هنوز می‌تواند نتیجه تماس را تغییر دهد.

تاریخ انتشار · به‌روزرسانی
حوزه
املاک
موقعیت
دبی، امارات
کاربرد
فروش
نوع سیستم
Real-time AI Assistant
نتیجه
حدود ۵۰٪ افزایش نرخ موفقیت تماس‌ها*
هویت مشتری
محرمانه طبق NDA

* طبق اندازه‌گیری داخلی پروژه؛ نتیجه هر سیستم به شرایط کسب‌وکار وابسته است.

تماس زنده ورودی سیستم
تحلیل مکالمه پردازش زنده گفت‌وگو
استخراج نیاز / نگرانی / نکات مهم شناسایی سیگنال‌های کلیدی
نمایش Real-time به فروشنده راهنمایی در همان لحظه
پاسخ و پیشنهاد مرتبط‌تر ادامه تماس با آگاهی بیشتر
نمودار جریان تحلیل زنده تماس فروش با هوش مصنوعی و نمایش نکات به فروشنده

مسئله

تیم فروش به‌صورت مستمر با لیدهای جدید تماس می‌گرفت و پروژه‌های ملکی را معرفی می‌کرد. مسئله اصلی کمبود تماس نبود؛ تعداد قابل‌توجهی از تماس‌ها بدون رسیدن به نتیجه مطلوب تمام می‌شدند.

مشتری می‌خواست بداند چه الگوهایی باعث پایین‌بودن نرخ موفقیت هستند: مشتری در چه نقطه‌ای علاقه‌اش را از دست می‌دهد، چه نگرانی‌هایی تکرار می‌شوند و فروشنده در کدام بخش مکالمه می‌تواند عملکرد بهتری داشته باشد.

درخواست اولیه: تحلیل تماس‌های ضبط‌شده

راه‌حل اولیه منطقی بود: تماس‌ها ضبط شوند و AI بعد از پایان مکالمه آن‌ها را تحلیل کند.

این تحلیل می‌توانست برای آموزش تیم، پیدا‌کردن الگوهای تکرارشونده و ارزیابی عملکرد مفید باشد.

اما یک محدودیت مهم وجود داشت:

وقتی تحلیل آماده می‌شد، فرصت همان تماس دیگر گذشته بود.

علاوه بر این، هر لید نیازها، بودجه، نگرانی‌ها و اولویت‌های متفاوتی داشت. نتیجه تحلیل یک تماس الزاماً بهترین راهنمای فروشنده برای تماس بعدی نبود.

مسئله را چگونه بازتعریف کردیم

به‌جای این سؤال:

«چطور تماس‌های ناموفق گذشته را بهتر تحلیل کنیم؟»

سؤال پروژه به این شکل تغییر کرد:

«چطور اطلاعات مکالمه را زمانی در اختیار فروشنده قرار دهیم که هنوز بتواند از آن برای ادامه تماس استفاده کند؟»

در نتیجه، تمرکز از Post-call Analysis به Real-time Sales Assistance منتقل شد.

راه‌حل

سیستمی طراحی و پیاده‌سازی شد که در حین تماس به مکالمه گوش می‌داد و اطلاعات مهم را به‌صورت زنده برای فروشنده استخراج و نمایش می‌داد.

هدف سیستم جایگزینی فروشنده یا تولید یک اسکریپت ثابت نبود. سیستم باید به فروشنده کمک می‌کرد بهتر متوجه شود:

  • مشتری روی چه موضوعاتی تأکید دارد؛
  • چه نگرانی یا اعتراضی در مکالمه مطرح شده؛
  • چه جزئیاتی برای تصمیم مشتری مهم‌تر به نظر می‌رسند؛
  • در ادامه گفت‌وگو بهتر است روی چه اطلاعاتی تمرکز شود.

به این ترتیب، فروشنده می‌توانست در همان تماس پیشنهاد مرتبط‌تری ارائه کند یا به نگرانی مشتری پاسخ دقیق‌تری بدهد.

چه چیزی در عمل تغییر کرد؟

در راه‌حل اولیه، AI بعد از پایان تماس ارزش ایجاد می‌کرد.

در راه‌حل نهایی، AI در لحظه‌ای که تصمیم فروشنده هنوز می‌توانست نتیجه تماس را تغییر دهد وارد فرایند شد.

این تفاوت کوچک در ظاهر، نقطه اصلی طراحی پروژه بود.

نتیجه

پس از پیاده‌سازی سیستم، طبق اندازه‌گیری داخلی پروژه، نرخ موفقیت تماس‌ها نسبت به قبل حدود ۵۰٪ افزایش پیدا کرد.

این نتیجه نباید به‌عنوان تضمین عملکرد برای پروژه‌های دیگر معرفی شود. نتیجه هر سیستم به کیفیت لید، تیم فروش، فرایند فعلی، داده، نحوه استفاده و شرایط کسب‌وکار وابسته است.

نکته اصلی این پروژه

AI همیشه زمانی بیشترین ارزش را ایجاد نمی‌کند که بیشترین داده را تحلیل کند.

در این پروژه، مسئله با تحلیل بیشتر تماس‌های گذشته حل نشد؛ ارزش اصلی زمانی ایجاد شد که اطلاعات مناسب در زمان مناسب به فردی رسید که هنوز می‌توانست تصمیم بگیرد.

این پروژه توسط علی خطیبی طراحی و اجرا شده است. درباره علی و شیوه کارش ←

یک مسئله مشابه در فروش یا پیگیری داری؟

فرایند فعلی را در چند خط بفرست تا بررسی کنم AI ارزش بررسی بیشتر دارد یا نه. اگر AI نقطه مناسبی برای مسئله تو نباشد، همان را صادقانه می‌گویم.

بررسی اولیه پروژه ←