Portafolio / Caso de estudio
Caso de estudio · Tecnología de ventas
Un experto en coaching de ventas tenía el método.
Construimos el producto que lo vende.
El punto de partida: un prototipo navegable, un método de puntuación probado a mano y un plan para una primera versión de 8 semanas. Ocho semanas después era un producto de IA funcionando en las propias cuentas del cliente.
Tecnología de ventas · Sistemas de IA · Software a medida · Analítica y atribución
Producto funcionando
8 semanas
De un prototipo navegable sin datos detrás a un producto de IA funcionando: puntuación de llamadas, alertas del pipeline y un resumen semanal.
En el propio plan de 8 semanas del cliente, en las propias cuentas del cliente.
Agentes de IA
6
Seis agentes de IA lanzados en el producto en vivo: puntuación de llamadas, inspección del pipeline, preparación, coaching, reuniones uno a uno y diagnóstico.
Se pasan trabajo entre sí: una alerta del pipeline lleva a un diagnóstico, que prepara la siguiente reunión uno a uno.
En vivo en tus cuentas
Semana 5
La primera versión corría en las propias cuentas de nube e IA del cliente desde el 1 de mayo.
Nada que migrar después.
Llamadas reales
273
273 llamadas de venta reales del cliente cargadas y puntuadas según el método de evaluación del propio cliente.
Cada puntuación respaldada por una cita de la llamada.
Incorporación de clientes
1 clic
Los clientes conectan su propio CRM con un clic, y el cliente conectó el suyo en el sistema en vivo.
Solo lectura, con cada clave de acceso cifrada y cada permiso registrado.
Pipeline vigilado
$518.000
Pipeline abierto revisado en 21 negocios, y 23 de 23 alertas fueron correctas.
Probado de punta a punta en una cuenta de prueba construida para ello, antes del lanzamiento.
Cobros protegidos
5×
Los suscriptores del plan más alto reciben todo el uso que pagan. Un error les habría dado solo una quinta parte.
Detectado antes de que saliera una sola factura.
Cliente, personas, producto, herramientas y proveedores reservados. Cada cifra está respaldada por los registros del propio proyecto: historial de código, reportes semanales y bitácoras de trabajo. Cuando un resultado se probó con datos de prueba y no con los del cliente, se dice.