Он вырастет ещё больше

Суть проекта

Oliv обещает «клонировать ваших лучших продавцов, не тратя на это своё время». В противном случае вам придётся потратить его:

• сначала на сбор лучших практики у своих лучших продавцов — прослушивая записи их разговоров с клиентами и/или опрашивая их лично,
• потом на рассказ об этом остальным,
• а потом на проверку того, что остальные это начали использовать, прослушивая теперь их разговоры с клиентами.

Oliv берёт чуть ли не всю эту работу на себя.

Во-первых, он сам анализирует разговоры с клиентами и вытаскивает из них новые вопросы, которые задают клиентам продажники, а также новые возражения и вопросы, которые задают продажникам клиенты,

Прелесть в том, что Oliv не просто составляет базу всех вытащенных из разговоров вопросов и возражений, а анализирует их частоту и сопоставляет с тем, что он уже вытаскивал из этих разговоров раньше — чтобы предоставить нам только новую и релевантную информацию для дальнейшего анализа.

Чтобы платформа начала анализировать разговоры, её нужно интегрировать с сервисами, записывающими разговоры продажников типа Gong или Chorus.

Вторая умная вещь, которую делает Oliv — он сопоставляет сценарии прослушанных разговоров с информацией о том, была ли в результате закрыта эта сделка или нет. А это даёт ему возможность выделять такие сценарии разговоров, вопросы продажников и ответы на возражения — которые в результате привели к успешным сделкам.

Таким образом, мы опять же автоматически и своевременно получаем всю информацию, необходимую для того, чтобы обновлять скрипты, по которым работают продажники — то есть выделять и доводить до всего отдела продаж нащупанные в проанализированных разговорах лучшие практики.

Чтобы хранить сценарии разговоров, нам нужно интегрировать Oliv с платформами ведения корпоративных баз знаний типа Highspot или Guru. А чтобы Oliv мог получать информацию об успешных сделках, нам нужно интегрировать её с нашей CRM типа Salesforce или HubSpot.

Однако просто «довести до сведения» – мало

Надо ещё убедиться, что все продажники выполняют все эти указания — задают правильные наводящие вопросы и правильным образом отвечают на возражения клиентов.

Поэтому третья вещь, которой занимается Oliv — это сопоставление разговоров продажников с одобренными нами сценариями бесед с клиентами. Это сопоставление может производиться в реальном времени — чтобы платформа подсказывала продажнику наиболее оптимальные следующие шаги в беседе. Кроме того, все беседы продажников анализируются на соответствие одобренным сценариям, а обобщённые отчёты по каждому продажнику ложатся на стол руководителю отдела продаж — по результатам которых он может провести индивидуальную работу с тем или иным продажником.

Однако, как мы знаем — победителей не судят

Иногда отступления от сценариев приводят к успешным результатам. И тогда — это не провинность, а та самая новая лучшая практика, которую нам срочно нужно выделить и довести до остальных.

Другими словами, все предыдущие пункты описывают одну и ту же техническую функциональность — сопоставление записанных разговоров с заданными сценариями. После чего срабатывает механизм выделения и обобщения всех отступлений. А уже после этого — в зависимости от успешности закрытия текущей сделки с этим клиентом — эти отступления попадают либо в список лучших практик, либо совершившие эти отступления продажники попадают в список для наказания.

Четвёртая задача, которую выполняет Oliv — это автоматическое заполнение CRM данными о проведённых продажниками беседах с клиентами. Ведь платформа и так анализирует и вытаскивает из разговоров продажников кучу существенной информации — поэтому самые важные вещи она может автоматически заносить в интегрированную с ней CRM по заданным нами правилам.

Проблема в том, что мало кто из продажников любит ручками забивать информацию в CRM — поэтому она время от времени или не обновляется, или обновляется чисто «на отстань». В результате руководители отделов продаж теряют понимание реальной ситуации — что негативно влияет на продажи.

Oliv утверждает, что использование их платформы позволяет руководителям отделов продаж экономить не менее 5 часов рабочего времени в неделю — которые они сейчас тратят на выполнение описанных выше задач в ручном режиме.

Стоимость использования платформы начинается от 25 долларов за одного продажника в месяц.

Oliv раньше занимался платформой для умного планирования расписания онлайн-встреч продажников. Недавно они сделали пивот в сторону анализа сценариев их бесед — и довольно быстро подняли на это 5 миллионов долларов инвестиций.

Что интересного

Развитие технологий ИИ неминуемо выльется в широкое использование этих технологий для повышения эффективности продаж. Потому что продажи — это наше всё

Рынок технологических платформ для повышения эффективности продаж (Sales Enablement Platforms) и так должен был расти. В 2021 году его размер был на уровне 2 миллиардов долларов, и прогнозировалось, что к 2030 году он вырастет до 10.57 миллиардов.

Я уверен, что на фоне стремительного развития технологий ИИ и расширения их использования в процессе продаж рост окажется куда более существенным. А это значит, что рынок подобных платформ станет сейчас для стартапов ещё более интересным и перспективным.

Три недели назад я уже писал о стартапе Pilot с платформой, главным оффером которой явилась автоматизация занесения информации из разговоров продажников в CRM — которую из этих разговоров вытаскивает тоже специальная ИИ-машинка. Побочными же функциями — анализ вопросов продажников, возражений клиентов.

В том же обзоре я упоминал стартапы Winn и Attention. Платформа одного из них умеет работать как суфлёр, помогая продажнику придерживаться сценария разговора с клиентом — подсказывая ему в режиме реального времени ответы на возражения и напоминая о вопросах, которые он ещё клиенту не задал. Платформа второго — умеет анализировать и структурировать проведённые продажниками разговоры, чтобы создавать базу для изучения лучших практик.

По большому счёту технологическая функциональность у всех этих стартапов, включая сегодняшний Oliv — очень похожа. Основное отличие в том, какую функцию каждый из них выдвигает в качестве главного оффера, и как они приоритизируют остальные — рассчитывая на более успешные результаты по продаже собственной платформы.

А это очень интересная информация, потому что она позволяет нам посмотреть на разные варианты упаковки одной и той же технологии:

• Первая и очевидная польза произойдёт в том случае, если мы сами соберёмся выходить на рынок с подобной платформой — тогда мы можем не придумывать оффер из головы, а собрать его из имеющихся у этих стартапов «кубиков», которые они до какой-то степени уже проверили на реальных клиентах.
• Второй же вариант — проанализировать эти варианты в виде учебного кейса, который может натолкнуть нас на полезные выводы по поводу вариантов упаковки собственной технологии в продающийся продукт.

Кстати, не могу удержаться, чтобы не напомнить ещё об одном хорошем способе использования ИИ для продаж. Это — стартап CloseFactor, о котором я писал в январе. Их платформа собирает базу компаний-клиентов, которые с высокой вероятностью прямо сейчас могут быть заинтересованы в покупке нашего продукта, опираясь при этом на сигналы, найденные в интернете — например, о том, что подходящий по индустрии и решаемым задачам клиент поднял сейчас инвестиции, которые он может на наш продукт потратить

Если же вернуться к сегодняшней (и аналогичным) платформам, то в их красивом описании функциональности есть одна загвоздка. Если мы говорим о продаже B2B-продуктов, то цикл таких продаж обычно довольно длинный — что-то в районе 3–12 месяцев. Таким образом, в реальной жизни с помощью описанных платформ нам не удастся настолько быстро сопоставлять сценарии только что произошедших разговоров с клиентами — с успешностью сделок с ними. А это значит, что мы не можем быстро раскатывать удачные сценарии разговоров, так как для подтверждения успешности или неуспешности нам придётся ждать месяцы.

Поэтому тут стоит вспомнить ещё об одном стартапе SetSail, о котором я писал в 2021 году. Их фишка в том, что они используют ИИ для более быстрой оценки потенциальной успешности хода долгих продаж. Для этого они сопоставляют последовательность отражённых в CRM этапов переговоров с клиентами, уже приведшими к успешной продаже — с последовательностью этапов, по которым продажникам пока удалось «пропихнуть» текущих клиентов. И уже в зависимости от этого платформа оценивает вероятность заключения с ними успешной сделки в будущем.

Я считаю, что тот же механизм необходимо использовать и в описанных сегодня платформах — чтобы сопоставлять сценарии только что произошедших разговоров с потенциально успешным «пропихиванием» клиента по воронке продаж, а не с окончательным закрытием сделки, которое может произойти не очень скоро. Тогда лучшие практики (потенциально удачные отклонения от сценариев разговоров) можно будет выделять и раскатывать по отделу продаж гораздо быстрее. А после реального закрытия или отказа от сделки — уже автоматически актуализировать (уточнять) последовательности этапов, приводящие к успешным продажам.

Куда бежать

Вероятнее всего, рынок платформ для повышения эффективности продаж будет расти быстрее, чем прогнозировалось, из-за более активного внедрения сюда технологий ИИ. То есть расти он будет ещё быстрее, чем на обещанные 19.7% процентов.

А это значит, что прямо сейчас открылось окно возможностей для входа на этот быстро растущий рынок со своими платформами.

Базовая функциональность подобных платформ уже вырисовывается — ведь недаром начали появляться похожие по технологиям платформы, которые отличаются в основном только офферами и упаковкой. А своё мнение о полезных добавлениях в эти платформы я изложил в предыдущем пункте

То есть большой и растущий рынок есть. Что именно на нём стоит создавать — тоже более-менее понятно. Технологии для этого уже тоже известны, а их качество со временем будет только улучшаться.

Так что остаётся только брать и делать — чтобы самим успеть занять достойное место на этом рынке.

О компании

Oliv

• Сайт: oliv.ai
• Последний раунд: $5M, 07.04.2023
• Всего инвестиций: $5M+, раундов: 2