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.
Velocidad de puntuación
1,6 s
Una llamada de venta puntuada según el método del propio cliente en 1,6 segundos, 75 veces más rápido que la primera versión.
Con el puntuador rápido basado en reglas; la puntuación con IA agrega citas de la llamada como evidencia.
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.
Alertas del pipeline
23 de 23
Cada alerta del pipeline coincidió con la respuesta conocida en una prueba de punta a punta, antes de que un gerente dependiera de ella.
Probado en una cuenta de prueba construida para ello, con respuestas sembradas.
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.