Puntuar llamadas de venta con IA, según tu propio método de evaluación
Un cliente de coaching de ventas tenía un método de evaluación probado a mano. Enseñamos a un producto a puntuar llamadas reales con él, con evidencia citada de cada llamada. Qué hizo que valiera la pena confiar en las puntuaciones.
Un experto en coaching de ventas tenía un método que funcionaba: una evaluación de 12 criterios en 4 secciones, probada puntuando llamadas a mano. La pregunta era si un software podía aplicar el mismo método a cientos de llamadas, y si un gerente creería el resultado.
Por llamada
1,6 s
Para puntuar una llamada, antes 120–180 segundos
Evidencia
1.187
Citas de las llamadas en la primera ronda
Puntuadas
84
Llamadas reales puntuadas al 14 de julio
El método del cliente, no el nuestro
El producto no inventa qué es una buena llamada. Puntúa con la evaluación del propio cliente, criterio por criterio. Dos métodos corren en paralelo: uno rápido basado en reglas, y la IA para el criterio que las reglas no pueden aplicar.
Cada puntuación muestra su evidencia
Una puntuación sola invita a discutir. Una puntuación con la frase de la llamada que la justifica invita a una conversación de coaching. Cada criterio viene con citas como evidencia: 1.187 citas solo en la primera ronda.
Datos limpios antes que puntuación ingeniosa
Dos problemas no tenían nada que ver con la calidad de la IA, y ambos habrían confundido a un gerente:
- Llamadas atribuidas a la persona equivocada. Un clasificador de IA movió 60 llamadas al vendedor que realmente las hizo.
- Llamadas de capacitación contadas como ventas. Las grabaciones de coaching y capacitación bajaban el promedio del equipo. Excluirlas lo movió de 47% a 72,2%. Es una corrección de datos, no un cambio de desempeño, y así lo dijimos.
Lo bastante rápido para usarse
En nuestra primera versión en la nube, puntuar una llamada tomaba 120–180 segundos. Encontramos la causa y la arreglamos en la misma semana: 1,6 segundos por llamada, unas 75 veces más rápido.
Lo que sigue
Lo siguiente en el plan: puntuar automáticamente cada llamada nueva al llegar, y una sesión de calibración donde las puntuaciones del propio cliente se comparan lado a lado con las del producto.
Los ejemplos de este artículo vienen de proyectos reales. Datos del cliente reservados; cada cifra proviene de los datos del propio cliente.
Leer el caso de estudio →