An Engineering Lead di Rilla membincangkan perjalanan dari mengenal pasti kesenjangan pasaran kepada membangunkan platform pelatihan jualan yang menghasilkan pendapatan yang membentuk semula prestasi jualan. Landscape of sales enablement sedang mengalami peralihan yang ketara, didorong oleh integrasi kecerdasan buatan.Sejarahnya, pelatih jualan telah menjadi proses reaktif, dengan pengurus memberikan maklum balas selepas panggilan selesai. Model ini kini ditantang oleh teknologi yang muncul yang menawarkan bimbingan masa nyata, bertujuan untuk memberi kesan kepada hasil apabila mereka berlaku dan bukannya hanya menganalisis mereka secara retrospektif.Di hadapan trend ini ialah Alexander Jabbour, Pengarah Kejuruteraan di Rilla, di mana beliau mengarahkan pembangunan inisiatif produk masa nyata syarikat. Kerja-kerja beliau, yang telah menghasilkan banyak 7 digit pendapatan untuk Rilla dan dijangka mencapai 8 digit pada akhir tahun ini, memberikan wawasan ke dalam proses kompleks penciptaan teknologi yang merosakkan.Dengan latar belakang dalam membina produk inovatif dari asalnya, Jabbour telah memberi tumpuan kepada kerjaya beliau untuk mengubah konsep yang muncul menjadi penyelesaian yang siap pasaran. Dari frustrasi kepada inovasi Pengurusan jualan tradisional menderita kelemahan kritikal: kesenjangan antara perbualan pelanggan langsung dan sesi maklum balas. penundaan ini mengubah apa yang boleh menjadi momen pembelajaran segera menjadi peluang yang terlepas, mewujudkan keperluan mendesak untuk platform pelatih masa nyata yang melampaui kesenjangan ini. “Saya sentiasa mendengar frustrasi yang sama dalam wawancara pengguna: jurulatih hampir sentiasa reaktiv. pengurus hanya melihat apa yang berlaku selepas panggilan berakhir, yang terlambat mempengaruhi hasil atau membina kepercayaan wakil pada masa ini.” yang berstruktur Jabbour mengingatkan realisasi itu: "Itu adalah kilat: jika kita boleh mendengar, memahami, dan memancarkan dorongan yang betul semasa panggilan masih hidup - dan memberi pengurus cara untuk secara aktif menyokong reps pada masa ini - kita boleh mengubah hasil, bukan hanya laporan." Penjualan Kemudahan Kerangka Kerja Penekanan ini kepada campur tangan segera mencerminkan trend industri yang lebih luas, dengan laporan menunjukkan bahawa telah menggunakan AI dalam proses jualan mereka atau merancang untuk melakukannya. 90% daripada syarikat Mengatasi rintangan produk awal Menukar idea kepada produk fungsional melibatkan menavigasi rintangan teknikal dan strategik yang penting. Jabbour mengidentifikasi halangan awal, termasuk "cabar untuk menangkap dan menyiarkan audio berkualiti tinggi dari peranti dan rangkaian dengan gangguan minimum, sambil mengekalkan persetujuan pengguna dan privasi," di samping mencapai latens rendah ucapan-ke-tekst dalam persekitaran yang berisik. menguruskan intervensi dalam pelbagai cara, tetapi roadmap strategik yang jelas adalah penting. , yang memberi tumpuan kepada menganalisis aliran kerja untuk mengenal pasti peluang. Platform Coaching jualan AI yang berbeza Organisasi yang membolehkan “Sebelum saya menulis kod, saya menghasilkan dokumen reka bentuk kejuruteraan yang panjang dan terperinci yang meletakkan seni bina, mod kegagalan, dan pelan pengukuran,” Jabbour menerangkan. Mengidentifikasi titik kesakitan pengguna utama Untuk memastikan produk menangani keperluan sebenar, pemahaman yang mendalam tentang titik kesakitan pengguna diperlukan. Melalui wawancara dan panggilan jualan langsung, beberapa topik utama muncul sebagai titik kesakitan: masa, konsistensi, dan skala. Isu-isu ini menghalang pasukan jualan daripada mengukuhkan amalan terbaik secara berkesan. ”Peluang yang paling hilang ialah kurangnya latihan di tempat. pengurus tahu apa yang akan mereka katakan – hanya selepas panggilan,” kata Jabbour. Pengetahuan ini menekankan cabaran utama yang bertujuan untuk diselesaikan oleh jurulatih masa nyata, kerana reps jualan boleh Jabbour memaparkan titik-titik kesakitan ini secara langsung kepada ciri-ciri produk, seperti kelihatan panggilan langsung dan amaran. Lupa sehingga 70% daripada latihan Pendekatan yang berpusat pada pengguna ini memastikan teknologi digunakan dengan tujuan. "Ini memastikan kami tidak membina 'AI untuk kepentingan AI,' tetapi memberi tumpuan kepada pengurus geseran yang tepat yang hidup dengan," katanya. 36% lebih cenderung untuk mencapai kadar kemenangan yang lebih tinggi. Coaching yang berkuasa Reka bentuk untuk kelajuan dan skala Arsitektur sistem masa nyata mesti dioptimalkan untuk kelajuan, kerana wawasan yang dihantar minit terlambat kehilangan nilai mereka. Jabbour berkongsi, "Saya memecahkan masalah ke dalam paip streaming latensi rendah dengan bajet yang ketat pada setiap lompatan," yang termasuk streaming audio, transkripsi, dan model AI untuk wawasan. Struktur modular ini adalah biasa dalam sistem multi-agent yang menggunakan untuk mengoordinasikan tugas-tugas.Filosofi panduan difokuskan kepada kegunaan segera. Protokol komunikasi terdesentralisasi "Prinsip reka bentuk mudah: jika ia tidak boleh muncul dalam hitungan saat dan secara material membantu manusia membuat keputusan yang lebih baik, ia tidak termasuk dalam laluan masa nyata," kata Jabbour. , di mana komponen berinteraksi dengan sumber luar untuk mencapai matlamat. Agensi aliran kerja Mengesahkan kesan dengan data Sebelum skala produk baru, kesan dunia sebenar produk itu mesti disahkan melalui hasil yang boleh diukur. penyampaian awal telah dijangka secara metodikal dengan ujian beta yang melibatkan syarikat secara peribadi dengan ~40 penjualan. “Kami berulang-ulang dengan mereka setiap minggu, dan selepas enam minggu, kami memutuskan bahawa ia adalah masa yang betul untuk menjalankan analisis ROI,” Jabbour mengingatkan. memerlukan benchmarks yang jelas untuk mengukur kemajuan. Penilaian Program Pilot Hasil ujian awal ini adalah signifikan, menunjukkan peningkatan kadar hampir daripada 29% kepada 34%. ”Dampak ini mengesahkan pendekatan kami,” katanya. pengesahan berasaskan data ini memberikan keyakinan untuk melabur lebih lanjut dalam ciri-ciri dengan nilai yang terbukti. . 50% kadar kemenangan purata yang lebih tinggi Dari Prototype kepada Platform Peralihan produk daripada prototipe awal kepada platform yang stabil memerlukan peralihan strategik dari penemuan kepada kebolehpercayaan dan keluasan. “Sementara kami meluaskan pangkalan pengguna kami, jelas bahawa kami perlu menukar tumpuan daripada membina 0->1 dan cuba untuk mencari tahu apa yang berfungsi, untuk menjadikan produk yang stabil, boleh diperluaskan dan prestasi di bawah beban yang tinggi,” Jabbour menjelaskan. Perjalanan ini mencerminkan perbezaan antara gangguan dan , di mana terobosan awal mesti diikuti oleh peningkatan berterusan. proses ini juga melibatkan pertumbuhan pasukan. Inovasi Peningkatan “Saya membina versi pertama secara solo, kemudian membawa lebih ramai jurutera, dan kini mengetuai pasukan empat di seluruh kejuruteraan dan reka bentuk.Ia membolehkan kami meluaskan ciri-ciri tanpa mengorbankan bar kelajuan dan kualiti kami,” kata Jabbour. kepada penyelesaian pasaran penuh. Inovasi Disruptif Rendah Keseimbangan kelajuan dan kestabilan Apabila membina aplikasi perniagaan kritikal misi, pengembang menghadapi cabaran asas: bergerak cepat sambil membina sesuatu yang boleh dipercayai.Selepas sistem anda hidup dan pengguna sebenar bergantung padanya, kepercayaan menjadi segalanya. Prinsip asasnya ialah untuk memberi keutamaan kepada kedalaman berbanding lebar pada peringkat awal. ” Dapatkan satu laluan emas yang luar biasa kukuh sebelum menambah lebar. kualiti berbanding kuantiti - Bangun pelindung pada hari pertama,” katanya. Pendekatan ini disokong oleh perlindungan teknikal seperti bendera ciri, yang menghalang pelancaran ciri halus daripada merosakkan kebolehpercayaan. pelaburan awal dalam pemantauan sistem juga penting. Seperti yang dinyatakan oleh Jabbour, "Pelaburan awal dalam kelihatan. Ia membuat perbezaan antara penipuan lima minit dan insiden lima jam." Amalan-amalan ini sangat penting apabila syarikat ingin menambah alat-alat yang didorong oleh AI ke aliran kerja sedia ada mereka. matlamat adalah untuk menjadikan proses lebih pintar dan lebih cekap tanpa mewujudkan risiko baru yang boleh menjejaskan perniagaan. Masa Depan Agentik AI Melihat ke hadapan, evolusi AI menunjuk kepada sistem yang lebih otonom dan mampu. generasi produk seterusnya mungkin akan bergerak melampaui menyediakan wawasan untuk melaksanakan tugas-tugas yang kompleks. “Satu perkara yang menarik saya ialah membina copilot agensi yang membantu manusia membuat keputusan yang lebih baik dalam setiap momen yang dihadapi pelanggan – jualan, kejayaan, dan sokongan,” kata Jabbour. Visi ini meluas kepada mewujudkan sistem yang boleh menguruskan fungsi perniagaan end-to-end, konsep sentral kepada melalui agensi AI. kemajuan sedemikian dalam boleh mengotomatiskan segala-galanya dari kelayakan lead kepada pengeluaran cadangan. Mengubah eksekusi perniagaan Agensi AI untuk jualan Jabbour berfikir: “Agens yang adalah suara pertama dan multimodal, selamat oleh lalai. mereka akan menggabungkan model sempadan dengan pengkomputeran pada peranti dan perkakasan baru untuk menyampaikan ‘asisten peribadi’ untuk semua orang.” Pembangunan latihan AI masa nyata mewakili langkah penting dalam cara organisasi menyokong pasukan jualan mereka. Perjalanan dari mengenal pasti kekecewaan pasaran kepada membina platform yang boleh diperluaskan dan disahkan oleh data menonjolkan pendekatan berdisiplin untuk penciptaan produk 0-to-1. Dengan memberi tumpuan kepada hasil nyata dan reka bentuk yang berpusat pada pengguna, inovator menunjukkan bahawa teknologi boleh mengubah bukan sahaja proses, tetapi juga prestasi.

This story contains new, firsthand information uncovered by the writer.

Audio ini dihasilkan dalam bahasa asal cerita!

Alexander Jabbour pada Membina Jualan Real-Time AI Dari 0-to-1 di Rilla

About Author

KOMEN

GANTUNG TANDA

ARTIKEL INI DIBENTANGKAN DALAM

Related Stories

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps