Vivemos de tal forma hoje em dia, que a maior parte das interações que temos com as pessoas acontece online: WhatsApp, e-mail, mídias sociais.

Todas essas interações geram uma grande quantidade de dados, uma fonte valiosa de informações para as empresas, que pode estar sendo subutilizada.

Essa fonte pode ser extremamente útil para a área de Vendas, que historicamente já utiliza métricas para medir o seu desempenho. Só que hoje, os vendedores podem contar com muito mais dados. Desde as mídias sociais, passando por interações no site da empresa, até testes A/B em campanhas de e-mail e em sites/landing pages.

Faz todo o sentido, que uma das atividades que mais exigem a interação entre pessoas – vendas – esteja passando por um renascimento digital.

Para fazer uso de toda essa massa de dados e melhorar as vendas, as empresas estão começando a utilizar softwares de inteligência artificial que aprendem continuamente a partir do Big Data, e otimizam recomendações em tempo real para a equipe de vendas.

Essas máquinas inteligentes estão começando a colaborar com os departamentos de vendas à medida que tornam os processos mais transparentes, fornecem análises para tomadas de decisões, e passam a executar tarefas antes realizadas por humanos.

Numa pesquisa* realizada pela com executivos de 168 grandes empresas – as quais geram pelo menos US$ 500 milhões em receita anual – 76% dos entrevistados disseram que estão buscando um maior crescimento nas vendas com o Machine Learning (aprendizagem de máquina). Além disso, mais de duas em cada cinco empresas já implementaram a aprendizagem de máquina em Vendas e em Marketing.

A pesquisa mostra que as grandes empresas estão aplicando a aprendizagem de máquina para processos de vendas ao longo de três dimensões, cada uma delas acrescentando rigor algorítmico à inteligência humana e à intuição, e assim, criando uma fórmula dinâmica que impulsione as vendas.

As três dimensões

A primeira dimensão do processo de vendas, possibilita uma abordagem científica nas interações – com dados e clareza desse processo.

A segunda dimensão permite uma maior experimentação controlada orientada pelos dados, dentro de um ambiente de vendas e de marketing.

A terceira dimensão usa a ciência para liberar mais tempo para a atividade de vendas, ao automatizar as tarefas administrativas que atrapalham o gerenciamento de contas, os contatos e visitas aos potenciais clientes (Leads) e o fechamento de negócios.

Através destas três dimensões, a aprendizagem de máquina cria processos mais rápidos e mais científicos, podendo incrementar as receitas de vendas.

Com aprendizagem de máquina, dados em tempo real podem auxiliar na tomada de ações e mudança de processos ao longo do caminho, de forma contínua. Como também hipóteses podem ser rapidamente formuladas, testadas e revisadas, permitindo um novo tipo de fluxo de trabalho que supera drasticamente os anteriores.

Na pesquisa citada acima, 38% dos entrevistados creditam ao Machine Learning a melhoria em seus principais indicadores de desempenho de vendas – como upsells e ciclo de vendas – por um fator de 2 ou mais, enquanto outros 41% avaliam as melhorias por um fator de 5 ou mais.

A ciência analisando pistas

Quando um vendedor se encontra frente a frente com seu potencial cliente, ele pode ler sinais não verbais que o ajudam a definir sua próxima abordagem. Porém, no mundo digital – sem as pistas físicas – o processo de vendas torna-se turvo, difícil de desconstruir. Se a venda demora a fechar (ou não acontece), pode ser difícil encontrar os erros que deveriam ser corrigidos em futuras tentativas.

Mas, e se um vendedor souber, com toda confiança, quando um potencial cliente está pronto para comprar?

A 6sense, por exemplo, tem um produto que fornece sinais preditivos de compra, auxiliando os profissionais de vendas a identificar o momento ideal para abordar os Leads. Ao analisar o comportamento on-line de potenciais clientes que visitam o site – utilizando o aprendizado de máquina para ajustar as previsões – a 6sense fornece um panorama do interesse de um Lead, e se ele está pronto comprar.

Crédito: 6sense

Com os dados na mão, a equipe de vendas pode identificar os potenciais clientes mais rapidamente, fazendo a abordagem comercial no momento certo, com uma maior probabilidade de sucesso, como também testar diferentes abordagens, direcionando mais tempo em ajustes finos em vez de seguir pistas falsas.

Experimentos orientados por dados

O aprendizado de máquina também possibilita testes mais eficazes no site, eliminando gargalos frequentemente associados com as experiências de vendas.

Menos gargalos significa mais velocidade: um terço dos entrevistados da pesquisa disse ter acelerado os processos de vendas 2 vezes ou mais, enquanto outro terço informou um aumento de 5 vezes ou mais.

Como exemplo de ferramenta, tem a Adobe Target, um software que permite que os vendedores e profissionais de marketing modifiquem sites rapidamente para realizar uma grande quantidade de testes A/B. Baseado em dados de interações do site, os algoritmos de aprendizado de máquina encontram e sugerem o melhor conteúdo para ajuste, bem como auxilia estes profissionais a validar hipóteses após o desenvolvimento de um teste.

Teste A/B. Crédito: Optimizely

A Optimizely é uma startup que usa o aprendizado de máquina para executar testes A / B na estratégia de preços. Em um experimento com a empresa de marketing Bizible, ela integrou seu software com o da Salesforce, criando um painel que exibe variáveis experimentais – preços originais e preços testados – bem como informações sobre o potencial cliente, contato, etc. O software assegurou que o preço era consistente em toda uma gama de endereços IP de forma que os potenciais clientes iriam ver os mesmos preços. O teste correu durante 30 dias e os resultados foram convincentes.

Esses são exemplos de quando o Machine Learning é usado como laboratório para facilitar a ciência dentro das empresas, dando oportunidades para testar novas abordagens, ações e processos que podem levar ao crescimento da receita.

Ciência automatizada para a eficiência das vendas

Mais de nove em cada dez empresas na pesquisa concordam que o Machine Learning melhora os processos de vendas sem necessidade de intervenção humana.

De fato, os algoritmos podem conduzir – de forma automatizada – experiências científicas com os dados que chegam, além de minimizar o tempo gasto em tarefas administrativas e eliminar etapas que consomem tempo durante as interações com os clientes. O resultado final pode ser uma redução significativa no ciclo de vendas.

Mesmo que as equipes de vendas e de marketing tentem aumentar a eficiência com técnicas pontuais, estas são difíceis ou até impossíveis de escalar – como personalizar planilhas, por exemplo. Por outro lado, os algoritmos automatizam tarefas administrativas ou fornecem previsões just-in-time dos clientes.

Crédito: Gainsight

A Gainsight é uma empresa que oferece software de gestão de vendas e atendimento ao cliente. Ela ajudou a SurveyMonkey (serviço de pesquisa online) a criar alertas automáticos para todos os membros da equipe sobre data de renovações, fatura, e oportunidades de vendas. Usando a tecnologia da Gainsight, a SurveyMonkey reduziu em um terço, o tempo no processo de envio de uma fatura.

Outra empresa, a Anaplan, está ajudando a Hewlett-Packard a reduzir o tempo na coleta de dados de vendas de um mês para três dias, possibilitando que as equipes de vendas tomem decisões com dados sempre atualizados e passem mais tempo em tarefas de maior valor.

Da mesma forma, a Aviso, outra empresa de Machine Learning, operando Nutanix, pode reduzir uma tarefa de compilação de relatórios de vendas de 12 horas para quatro minutos. Isso representa uma melhoria de 100 vezes.

Receitas significativas

Se a aprendizagem de máquina facilita a análise, a experimentação e a automação, isso oferece valor real para equipes de vendas e de marketing. Em alguns casos, os vendedores e empresários passam a ter mais confiança e clareza nos processos, para uma abordagem mais sistemática e consistente na interação com o cliente.

Nós podemos até estar nos estágios iniciais do Machine Learning na área de vendas, mas, está claro que essa tecnologia tem potencial para encontrar receitas significativas onde antes havia apenas ganhos marginais.

* SOBRE OS AUTORES DA PESQUISA

James Wilson é diretor de TI e pesquisa no Instituto Accenture para Alta Performance. Narendra Mulani é chief analytics officer da Accenture. Allan Alter é pesquisador sênior do Instituto Accenture para Alta Performance.

Fonte: MIT Sloan Management Review