Agen penjualan AI adalah pekerja perangkat lunak spesialis yang mempersiapkan tugas penjualan seperti riset akun, pengayaan prospek, draf penjangkauan, perutean balasan, kualifikasi, dan pembaruan CRM. Kasus penggunaan terbaik bukanlah otomatisasi yang tidak dicentang. Ini mengatur eksekusi penjualan dengan masukan yang terlihat, titik tinjauan, dan keluaran siap serah terima.
Siapa yang harus membaca panduan ini?
Panduan ini ditujukan untuk para pendiri, pemimpin penjualan, tim RevOps, operator agensi, dan tim GTM yang berfokus pada perdagangan yang membandingkan agen penjualan AI dengan alat penjualan tradisional.
Gunakan saat Anda memutuskan apakah akan menambahkan agen penjualan AI ke salah satu alur kerja berikut:
- Mengubah sinyal akun mentah menjadi riset siap penjualan
- Menemukan kemungkinan pembeli, importir, pemasok, atau akun ekspansi
- Memperkaya kontak dan konteks pengambil keputusan
- Menyusun penjangkauan dari informasi yang disetujui
- Merutekan balasan dan langkah selanjutnya ke dalam CRM
- Mempersiapkan catatan saluran pipa untuk pemilik manusia
Apa yang sebenarnya dilakukan agen penjualan AI?
Agen penjualan AI mengambil tujuan penjualan dan mempersiapkan solusi untuk mengatasinya. Itu mungkin termasuk mengumpulkan konteks akun, menyelesaikan identitas perusahaan, memperkaya kontak, memberi peringkat prospek, menyusun pesan, mengklasifikasikan balasan, menjadwalkan serah terima, atau memperbarui bidang CRM.
Perbedaan yang berguna adalah ruang lingkup. Otomatisasi dasar menjalankan aturan tetap. Agen penjualan AI menafsirkan ringkasan, mengerjakan beberapa masukan, dan mengembalikan keluaran yang direkomendasikan yang dapat diperiksa oleh operator penjualan.
Untuk pekerjaan penjualan yang diatur, model operasinya harus:
Sinyal -> Prospek -> Pengayaan -> Keputusan -> Penjangkauan -> Pipeline informasi adalah alasan untuk peduli: aktivitas pengiriman, kunjungan situs web, sinyal pendanaan terkini, aktivitas CRM, kecocokan produk, atau hubungan pemasok yang diketahui.
Identitas mengonfirmasi perusahaan, domain, lokasi, alias, struktur induk-anak, dan status duplikat.
Pengayaan menambahkan orang, peran, kandidat kontak, konteks pembelian, catatan produk, dan penelitian yang didukung sumber.
Keputusan mengubah informasi menjadi rekomendasi, tingkat prioritas, catatan risiko, atau antrean tinjauan.
Penjangkauan menyiapkan pesan yang disetujui, cabang balasan, catatan panggilan, atau serah terima rapat.
Pipeline mempertahankan hasil di CRM, ruang kerja proyek, pelaporan, atau antrean pemilik berikutnya.
Urutan itu membuat agen tetap bertahan. Hal ini juga memberi manajer cara yang jelas untuk mengaudit apa yang terjadi sebelum pekerjaan yang berhubungan dengan pelanggan dilanjutkan.
Jenis agen penjualan AI
Agen penjualan AI bukanlah satu kategori alat. Mereka biasanya berspesialisasi berdasarkan pekerjaan.
Agen penelitian prospek
Agen riset prospek mengumpulkan konteks akun dari sumber yang disetujui dan mengubahnya menjadi ringkasan penjualan singkat. Penjelasan singkat yang baik menjelaskan mengapa akun tersebut relevan, informasi apa yang mendukung rekomendasi tersebut, pertanyaan terbuka apa yang masih ada, dan tindakan penjualan apa yang harus dilakukan selanjutnya.
Untuk penjualan yang didorong oleh perdagangan, masukannya dapat mencakup catatan impor, catatan ekspor, rincian bill of lading, deskripsi produk, pelabuhan, jalur perdagangan, nama pemasok, dan pola pengiriman pesaing. Agen harus memisahkan informasi terverifikasi dari konteks yang disimpulkan.
Agen pengayaan timbal
Agen pengayaan timbal meningkatkan catatan perusahaan dan kontak. Mereka dapat menormalkan nama perusahaan, mencocokkan domain, mengidentifikasi calon pengambil keputusan, mengisi kolom yang hilang, menemukan data duplikat, dan menandai data yang memerlukan tinjauan manual.
Pekerjaan ini seharusnya tidak secara otomatis menimpa data CRM kanonik. Bidang yang berasal dari AI harus tetap menjadi kandidat pengayaan sampai alur kerja yang ditinjau mendukung bidang tersebut.
Agen penyusun penjangkauan
Agen perancang penjangkauan mengubah informasi akun yang disetujui menjadi pesan sentuhan pertama, logika tindak lanjut, pembuka panggilan, atau catatan LinkedIn. Mereka paling berguna ketika mereka menerima aturan yang jelas: segmen sasaran, penawaran, poin informasi, klaim yang dibatasi, nada, panjang, CTA, dan persyaratan penekanan.
Poin reviewnya adalah ringkasan kampanye. Manusia harus menyetujui kumpulan akun, sudut pesan, bidang personalisasi, dan aturan eskalasi sebelum pengiriman dimulai.
Agen percakapan
Agen percakapan menangani percakapan obrolan, suara, atau email. Mereka mungkin memenuhi syarat prospek masuk, menjawab pertanyaan umum, mengumpulkan bidang yang hilang, mengarahkan rapat, atau meringkas serah terima untuk perwakilan.
Agen-agen ini memerlukan batasan yang ketat. Negosiasi harga, pertanyaan hukum, masalah pengadaan, permintaan untuk tidak ikut serta, keluhan, dan situasi akun yang sensitif harus diarahkan ke manusia atau antrean yang diatur dengan ketat.
Balasan agen perutean
Agen perutean balasan mengklasifikasikan tanggapan dan merekomendasikan langkah selanjutnya. Kategori umum mencakup tertarik, rujukan, tidak sekarang, keberatan, berhenti berlangganan, keluar kantor, permintaan vendor, dan tidak jelas.
Agen harus mempertahankan jawaban asli, menjelaskan klasifikasi dalam istilah yang dapat diamati, dan mengirimkan balasan yang berisiko tinggi atau ambigu untuk ditinjau alih-alih memaksakan kepastian yang salah.
CRM dan agen saluran pipa
Agen CRM menyiapkan catatan, saran tugas, pembaruan siklus hidup, tinjauan duplikat, konteks peluang, dan ringkasan pertemuan. Nilainya berasal dari penyerahan yang bersih: pemilik berikutnya harus mengetahui apa yang terjadi, informasi apa yang penting, apa yang dijanjikan, dan tindakan apa yang harus diambil.
Seperti halnya pengayaan, pembaruan CRM harus dikontrol. Pembaruan yang disarankan termasuk dalam antrean peninjauan jika pembaruan tersebut memengaruhi data kanonis, komitmen pelanggan, bahasa kepatuhan, atau pelaporan pendapatan.
Tempat dimana agen penjualan AI paling membantu
Agen penjualan AI cocok untuk pekerjaan yang berulang, penuh konteks, dan mahal untuk dipersiapkan manusia dari awal.
Kasus penggunaan yang kuat meliputi:
- Meneliti akun sebelum gerakan keluar atau ekspansi
- Memprioritaskan daftar berdasarkan informasi, kesesuaian, dan waktu
- Mengubah data perdagangan menjadi hipotesis pembeli atau pemasok
- Menyusun pesan penjualan dari fakta yang disetujui
- Meringkas rangkaian balasan dan mengarahkan langkah selanjutnya
- Membersihkan catatan CRM yang duplikat atau tidak lengkap untuk ditinjau
- Mempersiapkan catatan serah terima sebelum rapat
Kasus penggunaan yang lemah meliputi:
- Mengganti strategi penjualan dengan petunjuk umum
- Mengirimkan klaim yang belum ditinjau ke saluran yang berhubungan dengan pelanggan
- Membuat komitmen hukum, kepatuhan, penetapan harga, atau pengadaan
- Memperlakukan data yang disimpulkan sebagai fakta yang terverifikasi
- Memperbarui catatan kanonik tanpa peninjauan
- Mengukur keberhasilan hanya berdasarkan volume aktivitas
Agen harus mengurangi pekerjaan persiapan, bukan menghilangkan penilaian dari proses penjualan.
Input, pemeriksaan, dan output harus ditentukan terlebih dahulu
Sebelum memilih platform, tentukan kontrak kerja. Hal ini mencegah agen menjadi alat kotak hitam lainnya.
| Langkah alur kerja | Masukan yang diperlukan | Periksa ulasan | Keluaran yang bermanfaat |
|---|---|---|---|
| Riset akun | Nama perusahaan, pasar, produk, daftar akun, sinyal perdagangan, atau segmen CRM | Apakah informasi mendukung hipotesis akun? | Ringkasan akun dengan sumber, risiko, dan tindakan selanjutnya |
| Resolusi identitas | Nama perusahaan, domain, lokasi, alias, pihak pengiriman, catatan CRM | Apakah ini entitas yang sama atau kemungkinan duplikat? | Catatan perusahaan yang cocok dengan catatan kepercayaan |
| Pengayaan kontak | Peran target, wilayah, senioritas, kontak yang diketahui, aturan penindasan | Apakah kontak relevan, diperbolehkan, dan dihapus duplikatnya? | Pengambil keputusan kandidat dan catatan lapangan yang hilang |
| Penyusunan penjangkauan | Ringkasan akun yang disetujui, penawaran, aturan klaim, CTA, saluran, nada | Apakah klaim dapat didukung dan personalisasinya akurat? | Draf pesan, logika tindak lanjut, dan cabang balasan |
| Penanganan balasan | Balasan asli, riwayat thread, pemilik akun, aturan perutean | Apakah klasifikasinya jelas dan aman untuk ditindaklanjuti? | Kategori balasan, tanggapan yang disarankan, dan tugas CRM |
| Penyerahan pipa | Catatan rapat, status balasan, artefak penelitian, tahap CRM | Apakah pemilik berikutnya memiliki konteks yang cukup? | Ringkasan serah terima, langkah selanjutnya, pemilik, dan tanggal jatuh tempo |
Tabel ini juga merupakan daftar periksa pembelian yang berguna. Demo vendor harus menunjukkan di mana masukan masuk, bagaimana informasi disimpan, di mana persetujuan manusia dilakukan, dan sistem apa yang menerima penyerahan akhir.
Bagaimana data perdagangan mengubah alur kerja
Untuk tim perdagangan global, agen penjualan AI lebih kuat jika dimulai dari informasi pasar dibandingkan daftar prospek umum.
data pengiriman dan bea cukai dapat menunjukkan perusahaan mana yang mengimpor suatu produk, pemasok mana yang mereka gunakan, perbedaan deskripsi produk, jalur perdagangan mana yang aktif, dan di mana aktivitas pesaing muncul. informasi tersebut kemudian dapat mendukung resolusi identitas, pengayaan, penentuan prioritas, penjangkauan, dan konteks CRM.
Alur kerja perdagangan praktis terlihat seperti ini:
- Mulailah dengan kategori produk, kode HS, nama pemasok, pesaing, negara, pelabuhan, atau jalur perdagangan.
- Temukan kandidat perusahaan yang terhubung dengan informasi tersebut.
- Selesaikan identitas perusahaan, alias, domain, dan catatan duplikat.
- Memperkaya pengambil keputusan dan menghubungi kandidat.
- Beri peringkat akun berdasarkan kekuatan informasi, kesesuaian, ketidakpastian, dan prioritas penjualan.
- Draf penjangkauan yang hanya merujuk pada fakta-fakta yang didukung.
- Arahkan balasan, catatan rapat, dan hasil ke dalam CRM.
Tujuannya adalah untuk tidak membiarkan AI menciptakan sinyal pembelian. Tujuannya adalah untuk mengubah data perdagangan yang terlihat menjadi alur kerja penjualan yang dapat diverifikasi oleh manusia.
Di mana Deep Research cocok
Deep Research cocok ketika permintaan penjualan terlalu luas untuk pencarian cepat dan terlalu penting untuk jawaban yang tidak dicentang. Sebuah tim mungkin menanyakan kemungkinan importir suatu produk di suatu wilayah, akun yang serupa dengan pelanggan saat ini, atau perusahaan yang menunjukkan informasi ekspansi ke pasar baru.
Di dalam Dureach, Deep Research adalah mode di /app/copilot, bukan produk obrolan terpisah. Pengguna memasukkannya dari pembuat obrolan saat ini melalui tombol alat +, memilih Deep Research, melihat chip mode yang dapat ditutup, hanya menjawab pertanyaan klarifikasi bernilai tinggi, meninjau rencana, dan mulai menjalankannya setelah disetujui.
Alur kerjanya adalah:
Prompt -> Clarify -> Plan -> Approve -> Research -> Validate -> Match -> Deduplicate -> Artifact -> Review
Prosesnya harus milik server, jadi penyegaran, navigasi, atau penutupan tab tidak menghentikan pekerjaan. Kemajuan harus menunjukkan aktivitas yang dapat diamati seperti mencari kategori produk, membandingkan produk serupa, meninjau berita industri, menanyakan data perusahaan, mencocokkan kontak, dan menghapus duplikasi catatan. Hal ini tidak boleh mengungkap rantai pemikiran yang tersembunyi.
Keluaran harus diperlakukan sebagai data kandidat hingga divalidasi. Sistem yang kuat memvalidasi respons agen terhadap skema berversi, menormalkannya ke dalam catatan perusahaan, kontak, dan produk, mencocokkannya dengan data resmi, menghapus duplikat hasil, dan mempertahankan artefak dengan asal usulnya.
Bagaimana Dureach sesuai dengan kategori tersebut
Dureach adalah tenaga kerja AI yang ditinjau oleh operator untuk pelaksanaan bisnis. Tim menugaskan pekerjaan bisnis nyata kepada spesialis AI yang ditunjuk untuk penelitian, penjangkauan, penerbitan, pekerjaan situs web, dan operasi CRM, dengan pos pemeriksaan yang terlihat sebelum pekerjaan sensitif dilanjutkan.
Untuk alur kerja penjualan dan perdagangan, itu berarti agen penjualan AI tidak boleh hanya menjadi penulis pesan. Hal ini akan membantu perpindahan dari informasi ke jalur pipa: data pengiriman atau bea cukai, identitas perusahaan, pengayaan pengambil keputusan, keputusan akun, penjangkauan yang dipersonalisasi, penanganan balasan, konteks CRM, dan tindak lanjut jalur pipa.
Model spesialis yang lebih luas dibahas di halaman Pekerjakan Agen AI. Halaman Agen Penjualan AI menjelaskan peran penjualan, dan Data Perdagangan mencakup data pengiriman dan bea cukai untuk riset akun.
Cara mengevaluasi agen penjualan AI
Gunakan tes alur kerja, bukan daftar periksa fitur. Berikan platform satu pekerjaan penjualan yang realistis dan periksa jalur lengkap mulai dari input hingga serah terima.
Ajukan pertanyaan-pertanyaan ini:
- Sumber apa yang dapat digunakan agen, dan sumber mana yang terlarang?
- Bagaimana cara membedakan informasi terverifikasi dari konteks yang disimpulkan?
- Bisakah hal ini menjelaskan keluaran dengan ringkasan informasi yang terlihat?
- Di manakah persetujuan dilakukan sebelum penjangkauan atau pembaruan CRM?
- Bisakah ia menangani duplikat, bidang yang hilang, dan kecocokan identitas yang tidak pasti?
- Bagaimana cara penanganan penolakan, daftar penghentian, klaim yang dibatasi, dan balasan sensitif?
- Artefak apa yang tersisa setelah proses audit, pemutaran ulang, atau peninjauan manajer?
- Apakah alur kerja meningkatkan penilaian penjualan, atau hanya meningkatkan aktivitas?
Jawaban yang benar tergantung pada gerakan Anda. Tim masuk bervolume tinggi mungkin memerlukan perutean percakapan. Tim penjualan ekspor mungkin memerlukan data perdagangan dan riset akun. Sebuah agensi mungkin memerlukan alur kerja klien yang berulang dan titik pemeriksaan persetujuan. Tim RevOps mungkin paling peduli dengan kebersihan CRM dan serah terima yang bersih.
Pertanyaan Umum
Apa itu agen penjualan AI?
Agen penjualan AI adalah pekerja perangkat lunak spesialis yang mempersiapkan tugas penjualan seperti penelitian, pengayaan, penjangkauan, perutean balasan, kualifikasi, dan pembaruan CRM. Ini harus menghasilkan keluaran yang dapat ditinjau dan bukannya bertindak sebagai otomatisasi yang tidak terkendali.
Apakah agen penjualan AI sama dengan AI SDR?
Tidak selalu. AI SDR biasanya berfokus pada pengembangan penjualan teratas, sementara agen penjualan AI juga dapat mendukung penelitian, pengayaan, penanganan balasan, pekerjaan CRM, catatan saluran, dan alur kerja intelijen perdagangan.
Bisakah agen penjualan AI menggantikan tenaga penjualan?
Hal-hal tersebut tidak seharusnya menggantikan penilaian manusia. Agen penjualan AI paling kuat ketika mereka mengurangi pekerjaan persiapan, mengatur informasi, menyusun opsi, dan mengarahkan langkah selanjutnya sehingga perwakilan penjualan dapat fokus pada keputusan, hubungan, dan pergerakan kesepakatan.
Data apa yang dibutuhkan agen penjualan AI?
Input umum mencakup daftar akun, catatan CRM, aktivitas situs web, aturan pengiriman pesan yang disetujui, data kontak, rangkaian balasan, catatan pasar, dan data perdagangan seperti catatan pengiriman, deskripsi produk, pemasok, pelabuhan, atau kode HS.
Apa risiko utama agen penjualan AI?
Risiko utamanya adalah klaim yang tidak didukung, pencocokan entitas yang salah, personalisasi yang buruk, kesalahan privasi atau persetujuan, penanganan balasan yang tidak aman, asumsi tersembunyi, dan pembaruan otomatis pada data CRM kanonik tanpa peninjauan.
Bagaimana seharusnya tim memulai dengan agen penjualan AI?
Mulailah dengan satu alur kerja yang sempit, tentukan masukan yang diperbolehkan, tentukan format keluaran, tambahkan titik tinjauan manusia, arahkan handoff ke CRM atau ruang kerja proyek, dan tinjau pengeditan operator sebelum memperluas alur kerja.
Dimana Dureach cocok?
Dureach cocok untuk tim yang menginginkan tenaga kerja AI yang ditinjau oleh operator untuk penelitian, penjangkauan, penerbitan, pekerjaan situs web, operasi CRM, dan memperdagangkan alur kerja informasi-ke-pipa. Penekanannya adalah pada eksekusi yang diatur, bukan otomatisasi kotak hitam.