نظام تقييم عملاء CRM

التحدي

كانت شركة مبيعات تعامل جميع العملاء المحتملين بالتساوي، وكان ذلك يقتل كفاءة مبيعاتها. كان فريق المبيعات يقضي نفس الوقت مع مدير تقني في شركة Fortune 500 حمّل دليل أسعار كما يقضيه مع طالب جامعي نقر على إعلان فيسبوك. النتيجة: العملاء المحتملون الأفضل كانوا يبردون بينما كان الممثلون مشغولين بمطاردة عملاء لن يشتروا أبدًا.

جربت الشركة قواعد تقييم بسيطة في HubSpot — “إذا زاروا صفحة الأسعار، أضف 10 نقاط” — لكن هذه القواعد كانت جامدة للغاية ولم تأخذ في الاعتبار الفروق الدقيقة في إشارات الشراء الحقيقية. احتاجوا إلى نظام تقييم يفهم الفرق بين متصفح فضولي ومشترٍ جاد.

الحل

قمنا ببناء نظام تقييم عملاء بالذكاء الاصطناعي يحلل عشرات الإشارات لإنتاج درجة تنبؤية. ينظر النظام إلى البيانات السلوكية (زيارات الصفحات، فتح البريد، تحميل المحتوى)، وبيانات الشركات (حجم الشركة، القطاع، الإيرادات)، وأنماط التفاعل (التكرار، الحداثة، عمق التفاعل) للتنبؤ باحتمالية التحويل.

نموذج التقييم مُدرَّب على بيانات CRM التاريخية للشركة — أي العملاء تحولوا وأيهم لم يتحولوا، وما الإشارات التي سبقت كل نتيجة. يحدّث النظام الدرجات في الوقت الفعلي مع حدوث نشاط جديد، لذا تعكس درجة العميل حرارة شرائه الحالية وليست لقطة ثابتة. يرى ممثل المبيعات الدرجة والإشارات الرئيسية التي تحركها والإجراء التالي الموصى به.

التقنيات

النظام مبني بـ Python مع scikit-learn لنموذج التقييم، و OpenAI لتحليل البيانات غير المنظمة مثل ردود البريد ونصوص المحادثات، و HubSpot API لاستيعاب البيانات وكتابة الدرجات، و PostgreSQL لمخزن الميزات وبيانات تدريب النموذج.

يعمل خط الأنابيب وفق جدول: كل 15 دقيقة، يسحب بيانات النشاط الجديد من HubSpot، ويحسب الميزات، ويشغل نموذج التقييم، ويكتب الدرجات المحدثة إلى HubSpot. يعمل خط أنابب إعادة تدريب النموذج أسبوعيًا، مدمجًا أحدث نتائج التحويل للحفاظ على دقة التنبؤات مع تطور السوق والمنتج.

النتائج

تحول العملاء ذوو الدرجات العالية بمعدل أعلى بكثير مقارنة بالعملاء ذوي الدرجات المنخفضة، مما يثبت أن النموذج حدد إشارات شراء حقيقية. نقل فريق المبيعات تركيزه إلى العملاء ذوي الدرجات العالية وشهد نموًا ملموسًا في الإيرادات في الربع الأول، دون أي تغيير في حجم العملاء المحتملين.

انخفض الوقت المهدر على العملاء ذوي الجودة المنخفضة بشكل ملحوظ، حيث تعلم الممثلون الثقة بالدرجات وإعطاء أولوية أقل للعملاء الباردة. كشف نظام التقييم أيضًا عن أنماط غير متوقعة — على سبيل المثال، العملاء من قطاع معين بحجم شركة معين كانوا عرضة للتحويل بشكل كبير، مما دفع الشركة إلى تعديل استهدافهم وإنفاقهم الإعلاني. النظام غطّى تكلفته في الشهر الأول.

لقطات الشاشة

لوحة تعرض درجات العملاء والإشارات الرئيسية

توزيع درجات العملاء عبر قمع المبيعات

البنية التقنية

النظام ذو ثلاث طبقات. طبقة استيعاب البيانات تسحب بيانات النشاط وجهات الاتصال والشركات من HubSpot وفق جدول وتخزنها في PostgreSQL. طبقة هندسة الميزات تحسب الميزات السلوكية والشركاتية والتفاعلية، باستخدام OpenAI لاستخراج الإشارات من النص غير المنظم.

طبقة التقييم تطبق نموذجًا معززًا بالتدرج لإنتاج درجة من 0 إلى 100 وتحدد أهم الميزات المساهمة للقابلية للتفسير. تُكتب الدرجات والتفسيرات إلى HubSpot كخصائص مخصصة، مرئية لممثلي المبيعات في عرض قمع الصفقات. تتابع لوحة مراقبة أداء النموذج وتوزيعات الدرجات ومعدلات التحويل حسب نطاق الدرجات.