Prilagođeni CRM s bazom podataka kupaca i donositeljima odluka: studija slučaja banchem.sk, Slovačka

Klijent nam se obratio sa zadatkom izgradnje sustava za računovodstvo prodaje prilagođenog njegovim potrebama - bez pretplate i bez značajki koje nitko ne bi koristio. Kako je projekt napredovao, zadatak je rastao: bila je potrebna i ciljana baza podataka kontakata donositelja odluka, prilagođena specifičnoj niši klijenta.

Autorov Telegram kanal svaki tjedan objavljuje nove slučajeve i pristupe automatizaciji poslovanja pomoću umjetne inteligencije. Pretplatiti se možete ovdje: t.me/promtvibeadd.

Studija slučaja: banchem.sk, slovački proizvođač kemikalija za bazene

Klijent je bila banchem.sk, slovačka tvrtka koja proizvodi i isporučuje kemikalije za čišćenje i dezinfekcijska sredstva, uključujući i za bazene, tvrtkama i privatnim klijentima. Upravljanje prodajom na projektu vodio je mladi, novoimenovani voditelj odjela prodaje odgovoran za rad sa spa centrima.

Zadatak je bio jednostavan: prilagođeni sustav za računovodstvo prodaje umjesto gotove usluge. Tijekom projekta, evoluirao je u CRM s ugrađenom bazom podataka za donošenje odluka za određenu nišu - hotelske spa centre i spa centre kojima su potrebne kemikalije za bazene.

Zašto je kupac odbio gotov CRM

Standardni, gotovi CRM-ovi odbačeni su na samom početku: održavanje je skupo, a mjesečna plaćanja nastaju bez obzira koristi li tim sve značajke usluge.

Razvili smo CRM sustav koji integrira upravljanje transakcijama i ciljanu bazu kupaca s kontaktima donositelja odluka.

Ovdje smo govorili o CRM sustavu, a ne o web stranici, ali princip je isti: gotov predložak koji ne odgovara vašoj niši često je skuplji od sustava izrađenog po narudžbi. 1001site AI implementira ovu logiku za web stranicu ili online trgovinu - njegov AI agent gradi ga na temelju vaše poveznice ili opisa, eliminirajući mjesece razvoja i agencijskih računa.

Pitanje koje je promijenilo arhitekturu bilo je: „Kome točno prodajemo?“

Tijekom svake rasprave o CRM strukturi, voditelj prodaje postavljao je isto pitanje: "Kome ćemo točno prodavati?" Pitanje očito nije bilo upućeno programeru, već njemu samome i timu. Ali upravo je to pitanje orijentiralo sustav prema specifičnom profilu kupca, a ne prema apstraktnom praćenju transakcija.

Investitor je prvenstveno uzeo u obzir želje vlasnika tvrtki - oni su financirali projekt. No, voditelj prodaje je ustrajao i na kraju se pojavio dodatni zadatak: sastavljanje ciljane baze podataka izravnih kontakata donositelja odluka s kojima bi se mogao sklopiti posao, umjesto općeg popisa tvrtki.

Zašto "sirova" baza podataka iz ChatGPT a i Claude nije radila

Jednokratni upit jezičnom modelu stvara popis nacrta bez kriterija validacije ili odabira - što nije dovoljno za funkcionalnu bazu podataka o prodaji. Upravo se to dogodilo u ovom slučaju.

Jedan od vlasnika predložio je voditelju prodaje da prikupi bazu podataka o klijentima koristeći ChatGPT ili Claude. On je zadatak obavio doslovno: dovršeni download donio je na sljedeći sastanak i odmah analizirao zašto je beskoristan. Rad sa sirovim podacima troši resurse tima na provjeru i ne daje rezultate bez dodatne obrade.

Pozicija voditelja prodaje bila je jednostavna: bio je spreman raditi s bazom podataka, ali ne s onom dobivenom putem jednog zahtjeva chatbotu bez ikakvih kriterija odabira. Projekt je zahtijevao specijalizirane plaćene izvore podataka i prilagođene kriterije bodovanja - zaseban pothvat koji jedan besplatni zahtjev nije mogao zamijeniti.

Kako je izgrađeno bodovanje za donošenje odluka za nišu

Voditelj prodaje klijenta sam je razvio kriterije bodovanja i analize. Prilagođeni su njihovom nišnom profilu, ali princip se primjenjuje na svako B2B poslovanje s uskim segmentom kupaca:

1. Definirajte idealan profil kupca određenim atributom, na primjer „hotel sa spa centrom“ umjesto opće kategorije „hotel“.
2. Potražite neizravne pokazatelje profila putem otvorenih podataka: na primjer, oglasi za posao za spa stručnjake ukazuju na to da hotel ima spa odjel.
3. Provjerite web stranice potencijalnih klijenata za izravne znakove niše, poput prisutnosti spa centra i opisa usluga.
4. Prikupljajte kontakte donositelja odluka iz specijaliziranih plaćenih izvora podataka - sami otvoreni imenici nisu dovoljni za to.
5. Pohranite kontakte i povijest interakcije u svom CRM-u zajedno s ponudama kako ih vaš prodajni tim ne bi morao zasebno tražiti.

To je rezultiralo ciljanim uzorkom s izravnim kontaktima donositelja odluka, što je, u kombinaciji s CRM-om, postalo funkcionalan prodajni alat.

Što je poduzeće na kraju dobilo?

Prodajni odjel prestao je trošiti resurse na nasumične tvrtke i dobio je jasan odgovor na vlastito pitanje: "Kome točno prodajemo?" - profil kupca s izravnim kontaktnim podacima za donositelje odluka unutar CRM-a, bez potrebe za zasebnim pretraživanjem baze podataka. Naknada je jednokratna naknada za razvoj, bez mjesečne pretplate za korištenje usluge.

Za koga je ovaj pristup prikladan?

Razvoj vlastitog CRM-a s bazom podataka za donošenje odluka nije uvijek praktičan. Ima smisla ako vaše poslovanje:

• prodaje uskoj B2B niši s jasnim profilom kupca (poput banchem.sk - spa centrima i hotelima sa spa centrima);
• spremni formulirati kriterije za ocjenjivanje svoje publike umjesto oslanjanja na opći popis tvrtki;
• Već sam se susreo s činjenicom da gotovi CRM-ovi naplaćuju novac za značajke koje nitko ne koristi.

Za masovnu B2C prodaju ili jednostavno prihvaćanje narudžbi, obično je dovoljna web stranica s obrascem za prijavu i kanalom za razmjenu poruka; namjensko CRM rješenje nije potrebno. Slična logika "prilagođenog sustava umjesto standardne usluge" vidljiva je u studiji slučaja računovodstva za internetsku trgovinu lpkelektro.cz.

Autor studije slučaja prikazao je sustav iznutra u video pregledu - analizirajući CRM s bazom podataka za donošenje odluka i objašnjavajući zašto bez takve baze podataka i automatizacije CRM ostaje beskoristan.

Pitanja i odgovori

Odakle CRM-u njegova baza podataka s kontaktima donositelja odluka, a ne samo popis tvrtki? Sam popis tvrtki je beskoristan - potrebno je bodovanje specifično za određenu nišu. Voditelj prodaje klijenta definirao je kriterije: hoteli sa spa centrom su prikladni, drugi nisu. Spa se traži na web stranici tvrtke i putem oglasa za posao stručnjaka za spa centre koje hotel objavljuje. Ovaj filter se koristi za sastavljanje ciljane baze podataka izravnih kontakata.

Zašto jednostavno ne izgraditi takvu bazu podataka pomoću ChatGPT a ili Claude? Brzi upit gotovom modelu daje popis iz otvorenih izvora bez kriterija provjere ili odabira. Održiva opcija su plaćene industrijske baze podataka plus prilagođeni kriteriji bodovanja: jedna fraza u AI chatu nije dovoljna.

Je li prilagođeni CRM skuplji od gotove pretplatničke usluge? To je jednokratni trošak tijekom faze razvoja, ali nema mjesečne naknade i nema modula koje nitko ne koristi. Ponavljajuća plaćanja i nepotrebne funkcionalnosti bili su razlozi za odbijanje gotovih rješenja u ovom slučaju.

Je li ovaj pristup prikladan za svako malo poduzeće? Ne – opravdan je u uskoj B2B niši s jasnim profilom kupca i kada gotovi CRM-ovi prisiljavaju kupce da plaćaju za nepotrebne značajke. Za masovni B2C ili jednostavno primanje narudžbi, obično je dovoljna web stranica s obrascem za prijavu i opcijama za slanje poruka.

Izvori

• Autorova objava na Telegram kanalu "Poslovanje s umjetnom inteligencijom | Kroz ključanicu": https://t.me/promtvibeadd/447
• Web stranica klijenta: https://banchem.sk/

Slična logika funkcionira i za web stranice: sustav prilagođen vašoj niši umjesto najma tuđeg predloška. 1001site AI — AI agent — stvara web stranicu ili online trgovinu na temelju vaše poveznice ili opisa za nekoliko minuta.