CRM z asystentem AI - podpowiedzi oparte na historii kontaktów z klientem

CRM z asystentem AI - co dodaje do bazy kontaktów

System CRM gromadzi dane: kontakty, oferty, notatki ze spotkań i historię zakupów. Sam z siebie nie mówi handlowcowi, co zrobić rano. Asystent AI dodaje do bazy warstwę, która czyta zapisaną historię i proponuje następny krok, na przykład telefon do klienta, który od dwóch miesięcy nie zamawiał, mimo że wcześniej kupował regularnie.

Według opisu SoftwareStudio asystent CRM analizuje kontakty i historię komunikacji, aby podpowiadać, jak rozwijać relację z klientem. Produkt o tej funkcji występuje pod nazwą ClientMind AI. Tekst poniżej opisuje mechanizmy, na których opiera się każdy asystent tego typu, bez deklaracji funkcji ponad opis producenta.

Baza kontaktów a asystent

Różnica dotyczy tego, kto wykonuje analizę. W klasycznym CRM handlowiec sam przegląda historię i decyduje o kolejnym kroku. W CRM z asystentem historię czyta system, a handlowiec ocenia propozycję. Tabela zestawia obie role.

Ostatni wiersz jest granicą odpowiedzialności. Asystent proponuje, a decyzja o kontakcie z klientem należy do człowieka, który zna kontekst niewidoczny w zapisach systemu.

Przykład dnia handlowca

Handlowiec otwiera system rano i widzi listę klientów, z którymi warto się skontaktować, wraz z krótkim opisem powodu. Przy pierwszym z nich asystent zaznacza, że ostatnie zamówienie było dwa miesiące temu, a po wcześniejszej rozmowie pozostało pytanie o cennik. Handlowiec czyta podsumowanie, uzupełnia je własną wiedzą i dzwoni.

Po rozmowie zapisuje notatkę, która od razu zasila historię. Następnego dnia asystent zna wynik rozmowy i nie proponuje ponownie tego samego. Cykl zamyka się tylko wtedy, gdy notatki powstają regularnie, dlatego ich wypełnianie jest ważniejsze niż jakikolwiek parametr modelu.

Dane wejściowe asystenta - historia kontaktów i transakcji

Asystent jest tak dobry, jak dane, które czyta. Opis rozwiązania wymienia jako źródła wiadomości e-mail, system obsługi zgłoszeń oraz zasoby intranetu, a także historię zakupów zapisaną w CRM. Każde z tych źródeł ma inną strukturę i inną jakość, dlatego trzeba je sprowadzić do wspólnego zapisu interakcji.

Wspólny zapis interakcji

Jedna tabela interakcji z kanałem i datą oraz krótkim podsumowaniem wystarcza, aby asystent widział całość relacji niezależnie od tego, czy kontakt odbył się mailem, telefonem czy zgłoszeniem w helpdesku. Poniższy schemat jest przykładowy.

CREATE TABLE dbo.Interakcja (
    InterakcjaId   int IDENTITY(1,1) PRIMARY KEY,
    KlientId       int            NOT NULL,
    HandlowiecId   int            NOT NULL,
    Kanal          varchar(20)    NOT NULL
        CHECK (Kanal IN ('email', 'telefon', 'spotkanie', 'helpdesk')),
    DataInterakcji datetime2(0)   NOT NULL,
    Podsumowanie   nvarchar(1000) NULL
);

CREATE INDEX IX_Interakcja_Klient_Data
    ON dbo.Interakcja (KlientId, DataInterakcji DESC)
    INCLUDE (Kanal, Podsumowanie);

Indeks z kolumnami dołączonymi pozwala odczytać ostatnie interakcje klienta bez sięgania do tabeli podstawowej, co przyspiesza zbudowanie kontekstu. Zasady doboru takich indeksów opisuje dokumentacja o indeksach z kolumnami dołączonymi w SQL Server.

Jakość danych w CRM

Powtórzone rekordy tego samego klienta rozbijają historię na dwie części, a asystent widzi tylko jedną. Puste podsumowania nie mówią nic o treści rozmowy. Dlatego przed uruchomieniem asystenta trzeba scalić duplikaty i ustalić minimalny zakres wypełnienia notatki.

Reguła: przed wdrożeniem asystenta CRM porządkuje się dane o klientach, bo trafność podpowiedzi zależy bezpośrednio od jakości historii kontaktów i transakcji.

Jak powstaje podpowiedź kolejnego kroku

Model językowy nie przechowuje wiedzy o klientach firmy. Przy każdym zapytaniu aplikacja składa kontekst: wybiera z bazy najważniejsze dane o kliencie, zapisuje je jako tekst i przekazuje modelowi razem z poleceniem. Odpowiedź jest więc funkcją tego, co aplikacja włożyła do kontekstu, a nie tego, co model pamięta.

Polecenie dla modelu (prompt) określa rolę i format odpowiedzi. Dobry prompt zabrania zgadywania: gdy w kontekście brakuje informacji o kliencie, asystent ma to zaznaczyć, a nie uzupełniać luki przypuszczeniami. Format odpowiedzi warto ustalić z góry, na przykład jako podsumowanie z propozycją działania oraz listą zapisów, z których ona wynika.

Budowa kontekstu zapytania

Model przyjmuje ograniczoną liczbę tokenów w jednym zapytaniu, więc historia klienta z kilku lat się nie zmieści. Aplikacja wybiera najnowsze interakcje i dopisuje kolejne, dopóki mieści się w limicie. Limity poszczególnych modeli opisuje dokumentacja modeli w usłudze Azure OpenAI.

static string BudujKontekst(IEnumerable<Interakcja> historia, int limitZnakow)
{
    var sb = new System.Text.StringBuilder();
    foreach (var i in historia.OrderByDescending(x => x.DataInterakcji))
    {
        var linia = $"{i.DataInterakcji:yyyy-MM-dd} [{i.Kanal}] {i.Podsumowanie}\n";
        if (sb.Length + linia.Length > limitZnakow) break;
        sb.Append(linia);
    }
    return sb.ToString();
}

Przykład liczy znaki zamiast tokenów, co jest uproszczeniem. W praktyce limit mierzy się w tokenach, a wybór interakcji można rozszerzyć o otwarte szanse sprzedaży i ostatnie zamówienia.

Reguły biznesowe obok modelu

Nie każdą podpowiedź warto zlecać modelowi. Prosta reguła zapisana w zapytaniu jest tańsza i w pełni przewidywalna. Przykładem jest brak kontaktu przez określoną liczbę dni. Model dokłada wartość tam, gdzie trzeba zrozumieć treść notatek, a nie tam, gdzie wystarczy porównać datę.

DECLARE @Dni int = 60;

SELECT k.KlientId, k.Nazwa
FROM dbo.Klient AS k
WHERE NOT EXISTS (
    SELECT 1
    FROM dbo.Interakcja AS i
    WHERE i.KlientId = k.KlientId
      AND i.DataInterakcji >= DATEADD(day, -@Dni, SYSDATETIME())
);

Lista z takiego zapytania trafia do asystenta jako kandydaci do kontaktu. Model przygotowuje dla każdego z nich krótki opis sytuacji, a handlowiec wybiera, z kim rozmawiać w pierwszej kolejności.

Planowanie kontaktów i przygotowanie rozmowy

Opis produktu wskazuje, że asystent planuje kontakty i przypomina o ważnych spotkaniach. Układa też plan rozmowy. Przygotowuje notatki oraz proponuje treść wiadomości. Każda z tych czynności ma inny stopień ryzyka i wymaga innej kontroli.

Plan rozmowy i notatki

Plan rozmowy oparty na historii kontaktów porządkuje tematy: co ustalono poprzednio, jakie pytania pozostały otwarte i co klient kupował. Handlowiec czyta go przed rozmową i zyskuje kontekst, którego zwykle nie ma czasu odtworzyć. Notatki po spotkaniu wracają do bazy i zasilają kolejne podpowiedzi, więc jakość zapisu z dzisiejszej rozmowy wpływa na jutrzejszy plan.

Szkic wiadomości do akceptacji

Szkic wiadomości jest propozycją, a nie gotowym mailem. Handlowiec poprawia ton, usuwa zdania niezgodne z ustaleniami i dopiero wysyła. Automatyczna wysyłka bez akceptacji ryzykuje obietnicę, której firma nie zamierzała składać, na przykład upust, o którym asystent dowiedział się z niejasnej notatki.

• Przypomnienie o spotkaniu - niskie ryzyko, wynika z danych kalendarza.
• Podsumowanie historii - niskie ryzyko, handlowiec od razu weryfikuje je z pamięcią.
• Plan rozmowy - średnie ryzyko, wymaga sprawdzenia zgodności z ostatnimi ustaleniami.
• Szkic wiadomości - wysokie ryzyko, wysyłka wyłącznie po akceptacji handlowca.

Personalizacja komunikacji i jej granice

Personalizacja oznacza w praktyce dopasowanie treści do historii klienta: odwołanie do poprzedniego zamówienia, użycie właściwej nazwy produktu, pominięcie oferty, którą klient już odrzucił. Producent opisuje ją jako sposób na poprawę odbioru komunikacji. Efekt zależy od danych, więc słabe notatki dają ogólnikowe wiadomości niezależnie od modelu.

Dane osobowe kontaktów

Baza CRM zawiera dane osobowe osób kontaktowych. Przekazywanie ich do modelu językowego wymaga podstawy prawnej i umowy z dostawcą usługi, a zakres danych w kontekście warto ograniczyć do tego, co potrzebne do podpowiedzi. Zasady, na jakich Azure OpenAI przetwarza dane klientów, opisuje dokument o prywatności danych w usłudze Azure OpenAI. Wnioski prawne należy potwierdzić z inspektorem ochrony danych firmy.

Kiedy podpowiedź jest błędna

Asystent może źle zinterpretować skrótową notatkę albo pomylić dwóch klientów o podobnych nazwach. Błąd jest groźny, gdy handlowiec przyjmuje podpowiedź bez sprawdzenia. Dlatego interfejs powinien pokazywać, z których zapisów wynika sugestia, aby handlowiec mógł ją zweryfikować jednym spojrzeniem.

Integracja CRM z ERP i innymi systemami

Historia zakupów, na której opiera się część podpowiedzi, zwykle pochodzi z ERP. Opis rozwiązania wspomina o integracji CRM z systemami ERP jako o sposobie zarządzania kontaktami i procesami sprzedaży. Dane przepływają w jednym kierunku: zamówienia i faktury z ERP trafiają do CRM, a status kontaktu i szanse sprzedażowe pozostają w CRM.

Częstotliwość synchronizacji wpływa na jakość podpowiedzi. Zamówienie złożone godzinę temu, którego CRM jeszcze nie zna, może skłonić asystenta do propozycji telefonu w sprawie ponownego zakupu. Dla danych o zamówieniach wystarcza zwykle zadanie uruchamiane w krótkich odstępach, a dla historii korespondencji ważniejsza bywa kolejność zapisów niż ich opóźnienie.

Aplikacje CRM i praca w terenie

Systemy CRM.net opisane w serwisie działają przez przeglądarkę, a moduł na urządzenia z Androidem uzupełnia je o pracę w terenie. Więcej o produkcie znajduje się w artykułach o aplikacjach CRM i mobilnym CRM, a działanie widać w demonstracji CRM online. Koszty wizyt handlowców i ich rozliczanie omawia artykuł o systemie CRM dla handlowca.

Integracja z magazynem i sprzedażą

Handlowiec obiecujący termin dostawy potrzebuje stanu magazynowego, a nie tylko historii rozmów. Ogólne zasady łączenia CRM z systemem magazynowym i sklepem internetowym omawia artykuł o integracjach programu WMS z systemami ERP i CRM. Do zapytań o dane sprzedażowe w języku SQL przydaje się asystent do raportów SQL.

Asystent CRM wśród innych asystentów SoftwareStudio

SoftwareStudio opisuje rodzinę siedmiu asystentów AI działających na wspólnej platformie. Asystent CRM obsługuje sprzedaż, pozostałe wspierają inne obszary firmy. Zestawienie pokazuje, jak podział zadań wygląda według opisu producenta.

Z asystentem CRM najczęściej współpracują dwa pozostałe. Zapisy kontraktowe wyszukuje asystent umów, a wewnętrzne procedury obsługuje asystent biura. Kompletny przegląd rodziny zawiera artykuł SoftwareStudio AI Family, a szerszy kontekst podaje strona o systemach CRM w serwisie SoftwareStudio.

Pomiar skuteczności asystenta CRM

Efekt asystenta ocenia się na podstawie zachowania handlowców, a nie samej liczby wygenerowanych podpowiedzi. Podpowiedź, której nikt nie czyta, nie zmienia wyniku sprzedaży, więc pierwszym wskaźnikiem jest odsetek propozycji zaakceptowanych lub poprawionych przez handlowca.

Rejestr podpowiedzi

Każda podpowiedź trafia do rejestru z informacją, co z nią zrobił handlowiec. Dane z rejestru pokazują, które typy podpowiedzi są używane, a które ignorowane.

CREATE TABLE dbo.PodpowiedzAsystenta (
    PodpowiedzId  int IDENTITY(1,1) PRIMARY KEY,
    KlientId      int          NOT NULL,
    Typ           varchar(30)  NOT NULL,   -- kontakt, plan rozmowy, szkic wiadomości
    UtworzonoData datetime2(0) NOT NULL DEFAULT SYSDATETIME(),
    Decyzja       varchar(15)  NULL
        CHECK (Decyzja IN ('przyjeta', 'poprawiona', 'odrzucona'))
);

Typ podpowiedzi z wysokim odsetkiem odrzuceń wymaga przeglądu. Przyczyną bywa zły dobór danych w kontekście, zbyt ogólne polecenie dla modelu albo brak potrzeby, którą asystent próbuje zaspokoić. Wnioski poprawiają najpierw dane i reguły, a dopiero potem konfigurację modelu.

Porównanie z pracą ręczną

Uczciwe porównanie wymaga grupy odniesienia: części zespołu pracującej bez asystenta lub okresu sprzed wdrożenia. Bez takiego punktu odniesienia każdy wzrost sprzedaży zostanie przypisany asystentowi, choć część wynika z sezonu i ogólnej sytuacji rynkowej. Ogólne zasady wykorzystania sztucznej inteligencji w firmie porządkuje artykuł o sztucznej inteligencji, a sąsiednim tematem jest CRM oparty na chmurze.