Персонализирана CRM система с база данни за клиенти и лица, вземащи решения: казус banchem.sk, Словакия

Клиентът се обърна към нас със задачата да изградим система за счетоводство на продажбите, съобразена с неговите нужди – без абонаментна такса и без функции, които никой не би използвал. С напредването на проекта задачата нарастваше: необходима беше и целенасочена база данни с контакти на вземащите решения, съобразена със специфичната ниша на клиента.

Всяка седмица Telegram каналът на автора публикува нови казуси и подходи за автоматизация на бизнеса с изкуствен интелект. Можете да се абонирате тук: t.me/promtvibeadd.

Казус: banchem.sk, словашки производител на химикали за плувни басейни

Клиентът беше banchem.sk, словашка компания, която произвежда и доставя почистващи химикали и дезинфектанти, включително за плувни басейни, на фирми и частни клиенти. Управлението на продажбите по проекта беше ръководено от млад, новоназначен мениджър на отдел продажби, отговорен за работата със спа центрове.

Задачата беше проста: персонализирана система за счетоводство на продажбите вместо готова услуга. В хода на проекта тя се превърна в CRM с вградена база данни за вземане на решения за специфична ниша – хотелски спа центрове и спа центрове, които изискват химикали за басейни.

Защо клиентът отказа готова CRM система

Стандартните, готови CRM системи бяха отхвърлени още в самото начало: поддръжката е скъпа и се правят месечни плащания, независимо дали екипът използва всички функции на услугата.

Разработихме CRM система, която интегрира управление на транзакции и целенасочена клиентска база с контакти на лица, вземащи решения.

Говорехме за CRM система, а не за уебсайт, но принципът е същият: готов шаблон, който не отговаря на вашата ниша, често е по-скъп от система, изградена по поръчка. 1001site AI прилага тази логика за уебсайт или онлайн магазин – неговият AI агент го изгражда въз основа на вашия линк или описание, елиминирайки месеци разработка и агенционни акаунти.

Въпросът, който промени архитектурата, беше: „На кого точно продаваме?“

По време на всяко обсъждане на CRM структурата, мениджърът по продажбите задаваше един и същ въпрос: „На кого точно ще продаваме?“ Въпросът очевидно не беше адресиран до разработчика, а до него самия и екипа. Но именно този въпрос ориентираше системата около специфичен профил на клиента, а не към абстрактно проследяване на транзакциите.

Разработчикът е взел предвид предимно желанията на собствениците на бизнеса – те са финансирали проекта. Но мениджърът по продажбите е настоявал и в крайна сметка се е появила допълнителна задача: съставяне на целенасочена база данни с директни контакти на лица, вземащи решения, с които може да се сключи сделка, вместо общ списък с компании.

Защо „суровата“ база данни от ChatGPT и Claude не работеше

Еднократна заявка към езиковия модел създава списък с чернови без критерии за валидиране или избор – недостатъчно за работеща база данни за продажби. Точно това се случи и в този случай.

Един от собствениците предложи на ръководителя на продажбите да събере база данни за клиенти, използвайки ChatGPT или Claude. Той изпълни задачата стриктно: занесе завършения файл за изтегляне на следващата среща и веднага анализира защо е безполезен. Работата със сурови данни хаби ресурсите на екипа за проверка и не дава резултати без допълнителна обработка.

Позицията на мениджъра по продажбите беше ясна: той беше готов да работи с база данни, но не с такава, получена чрез еднократна заявка към чатбот без никакви критерии за подбор. Проектът изискваше специализирани платени източници на данни и персонализирани критерии за оценяване – отделно начинание, което една безплатна заявка не можеше да замести.

Как е изградено оценяването на вземането на решения за дадена ниша

Мениджърът по продажбите на клиента сам разработи критериите за оценяване и анализ. Те са съобразени с неговия нишов профил, но принципът важи за всеки B2B бизнес с тесен клиентски сегмент:

1. Дефинирайте идеалния клиентски профил със специфичен атрибут, например „хотел със спа зона“ вместо общата категория „хотел“.
2. Търсете косвени индикатори за профила чрез отворени данни: например, обявите за работа за спа специалисти показват, че хотелът има спа отдел.
3. Проверете уебсайтовете на потенциалните клиенти за директни признаци на ниша, като например наличието на спа зона и описания на услугите.
4. Събирайте контактите на лицата, вземащи решения, от специализирани платени източници на данни - само отворените директории не са достатъчни за това.
5. Съхранявайте контактите и историята на взаимодействията във вашата CRM система, заедно със сделките, така че вашият екип по продажбите да не се налага да ги търси отделно.

Това доведе до целенасочена извадка с директни контакти от лица, вземащи решения, която, заедно с CRM, се превърна в работещ инструмент за продажби.

Какво получи бизнесът в крайна сметка?

Отделът по продажбите спря да хаби ресурсите си за произволни компании и получи ясен отговор на собствения си въпрос „На кого точно продаваме?“ – клиентски профил с директна информация за контакт с лицата, вземащи решения, в рамките на CRM, без необходимост от отделно търсене в базата данни. Таксата е еднократна за разработка, без месечен абонамент за ползване на услугата.

За кого е подходящ този подход?

Разработването на собствена CRM система с база данни за вземане на решения не винаги е практично. Има смисъл, ако вашият бизнес:

• продава на тясна B2B ниша с ясен клиентски профил (като banchem.sk - на спа центрове и хотели със спа центрове);
• готови ли сте да формулирате критерии за оценяване на вашата аудитория, вместо да разчитате на общ списък с компании;
• Вече съм се сблъсквал с факта, че готовите CRM системи таксуват за функции, които никой не използва.

За масови B2C продажби или просто приемане на поръчки, уебсайт с формуляр за кандидатстване и канал за съобщения обикновено е достатъчен; специално CRM решение не е необходимо. Подобна логика на „персонализирана система вместо стандартна услуга“ е очевидна в счетоводния казус за онлайн магазина lpkelektro.cz.

Авторът на казуса представи системата отвътре във видео ревю – анализира CRM с база данни за вземане на решения и обяснява защо без такава база данни и автоматизация CRM остава безполезна.

Въпроси и отговори

Откъде CRM системата получава базата си данни с контакти на вземащите решения, а не само списък с компании? Само списък с компании е безполезен – той изисква оценяване по ниши. Мениджърът продажби на клиента е определил критериите: хотелите със спа център са подходящи, другите не са. Спа центърът се търси на уебсайта на компанията и чрез обявите за работа за специалисти по спа център, които хотелът публикува. Този филтър се използва за съставяне на целенасочена база данни с директни контакти.

Защо просто не се изгради такава база данни, използвайки ChatGPT или Claude? Бързо запитване към готов модел дава списък от отворени източници без критерии за проверка или подбор. Жизнеспособен вариант са платените индустриални бази данни плюс персонализирани критерии за оценяване: една-единствена фраза в чат с изкуствен интелект не е достатъчна.

По-скъпа ли е персонализираната CRM система от готова абонаментна услуга? Това е еднократен разход по време на фазата на разработка, но няма месечна такса и няма модули, които никой не използва. Повтарящите се плащания и ненужната функционалност бяха причините за отказ от готови решения в този случай.

Подходящ ли е този подход за всеки малък бизнес? Не – той е оправдан в тясна B2B ниша с ясен профил на клиента и когато готовите CRM системи принуждават клиентите да плащат за ненужни функции. За масов B2C или просто приемане на поръчки обикновено е достатъчен уебсайт с формуляр за кандидатстване и опции за съобщения.

Източници

• Публикацията на автора в Telegram канала „Бизнес с ИИ | През ключалката“: https://t.me/promtvibeadd/447
• Уебсайт на клиента: https://banchem.sk/

Подобна логика работи и за уебсайтове: система, съобразена с вашата ниша, вместо да наемате шаблон на някой друг. 1001site AI – AI агент – изгражда уебсайт или онлайн магазин въз основа на вашия линк или описание за минути.