I har slået AI-funktionerne til i jeres CRM: resuméer af handler, leadscores, forslag til næste skridt, udkast til opfølgningsmails. Og resultatet rammer ved siden af. Et resumé siger, at kunden bad om et tilbud, selv om de bad om at blive ringet op. Et lead markeret som varmt viser sig at være en leverandør. Mailudkastet hilser på den forkerte person. Når man begynder at søge på datakvalitet i CRM, er det som regel efter sådan et øjeblik: værktøjet lød sikkert og tog fejl.
De typiske konklusioner er, at AI’en ikke er god nok endnu, at man valgte det forkerte CRM, eller at teamet skal tilbage til regneark. Vores erfaring er, at modellen sjældent er årsagen. Den arbejder ud fra det, der står på kortene, hullerne på kortene har nogle få velkendte former, og I kan finde jeres på en aften.
Hvorfor dårlig datakvalitet i CRM får AI’en til at tage fejl
Tomme felter bliver fyldt med gæt. Et resumé eller en score bygges ud fra felterne og noterne på kortet. Når kilden, fasen, seneste kontakt eller årsagen til henvendelsen står tomme, stopper modellen ikke op og spørger. Den skriver den mest sandsynlige version. Tegnet: AI’en er mest flydende og selvsikker på præcis de kort, hvor I ved, at næsten intet er registreret.
Den egentlige samtale foregik et andet sted. Opkald fra private mobiler, tilbud sendt fra en medarbejders egen indbakke, detaljer aftalt i en messengerchat. CRM’et rummer et navn og et telefonnummer; historikken ligger andre steder. AI’en kan kun opsummere det lidt, den ser. Tegnet: resuméer af handler, som teamet arbejder aktivt på, lyder som resuméer af helt nye leads.
Dubletter deler én kunde op i flere. Den samme virksomhed oprettes af to personer, en gang med fuldt navn og en gang med en forkortelse; den samme person optræder med både arbejds- og privatadresse. Hvert kort rummer en del af historien, og AI’en læser én del. Tegnet: søg på en fast kunde ved navn, og der kommer mere end ét kort frem.
Alle udfylder felterne på deres egen måde. En sælger skriver “hjemmeside” som kilde, en anden “web”, en tredje navnet på annonceplatformen. Faserne betyder forskellige ting for forskellige folk: for en betyder “tilbud”, at en pris blev nævnt i telefonen; for en anden, at et underskrevet tilbud er sendt. AI’en sammenligner kort, der ikke betyder det samme. Tegnet: leadscores ser tilfældige ud, når I sammenligner en sælgers handler med en andens.
Gamle poster bliver aldrig lukket. Handler, ingen har rørt i måneder, står stadig åbne, og kontakter, der har forladt virksomheden, står stadig som aktive. AI’en behandler dem som levende og foreslår opfølgning. Tegnet: foreslåede opgaver til kunder, som teamet ved for længst er væk.
Sådan finder I ud af, hvilken der er jeres
En aften og en eksport fra jeres CRM er nok; der skal ingen betalte værktøjer til. Gå tjekkene igennem i rækkefølge. Det første, der fejler, er som regel stedet at starte.
- Åbn ti nye kort, hvor AI’en tog fejl. Notér for hver forkert påstand, hvilket felt eller hvilken note den kom fra, eller om den slet ikke kom fra noget.
- Eksportér de åbne handler, og sortér på hvert vigtigt felt efter tur. Kilde, fase, seneste aktivitet, næste skridt. Tomme værdier lægger sig øverst, og I ser straks, hvilke felter ingen udfylder.
- Sammenlign CRM’et med den faktiske aktivitet i én uge. Vælg nogle aktive handler, og se på de opkald og mails, der faktisk fandt sted. Tjek, om kortet nævner dem.
- Søg på jeres bedste kunder ved navn. Enhver kunde med mere end ét kort er en dublet, der skal flettes, og et tegn på, at nye oprettelser ikke bliver tjekket.
- List de forskellige værdier i felterne for kilde og fase. Stavevarianter og fritekst betyder, at hver person har sin egen ordbog.
- Sortér de åbne handler efter seneste aktivitet. Alt, der ikke er rørt længe og stadig står som åbent, er en post, AI’en behandler som levende.
Rettelserne, i rækkefølge
Det billigste først. De første skridt kræver beslutninger, ikke ny software.
- Beslut, hvilke felter der betyder noget. Ikke alle de felter, CRM’et tilbyder, kun den håndfuld, som teamet og AI-funktionerne faktisk bruger: kilde, fase, årsag til henvendelsen, seneste kontakt, næste skridt. Skjul resten fra hovedvisningen, så folk ikke længere skimmer forbi en mur af tomme felter.
- Skriv ordbogen på én side. Hvad hver fase betyder på en måde, alle kan tjekke (“tilbud” betyder, at et prissat tilbud er sendt), de tilladte værdier for kilde, hvad der tæller som vundet og tabt. Lav fritekstfelter om til rullelister, så ordbogen håndhæves af formularen og ikke af hukommelsen.
- Gør felterne obligatoriske i det øjeblik, de bliver kendt. Ikke alle ved oprettelsen, for så taster folk hvad som helst for at komme videre. Kilde, når leadet oprettes, årsag efter den første samtale, næste skridt hver gang fasen skifter. Kilde og udfald registreret på denne måde er også det, der lader betalte annoncekampagner lære af rigtige salg i stedet for af udfyldte formularer.
- Ryd op i efterslæbet én gang, i ét hug. Flet dubletter, luk døde handler med en begrundelse, arkivér kontakter, der er rejst. Brug eksporten fra jeres gennemgang i stedet for at lade det blive en opgave i baggrunden. Regler holder kun, hvis folk bliver ved med at bruge systemet; vores guide om hvad I gør, når teamet ikke bruger CRM’et viser, hvordan I gør dem til en del af hverdagen.
- Få samtalerne ind. Forbind indbakken og telefonsystemet, så mails og opkald lander på kortet af sig selv, og aftal, at handler, der drøftes på en messenger, får en kort note. Det er typisk her, opsætning og automatisering af CRM betaler sig: kortet udfylder sig selv i stedet for at afhænge af disciplin.
- Slå AI-funktionerne til igen én ad gangen. Resuméer først, så scores, så udkast til opfølgning, med et ugentligt kig på et udsnit af det, hver funktion har lavet. Hvis jeres CRM selv kan udfylde kort fra mails og opkald, så tjek, hvad det har skrevet, før I stoler på det. I vores projekter med implementering af AI sætter vi denne rækkefølge og det ugentlige stikprøvetjek op, før nogen AI-funktion skriver til en kunde.
Hvad I skal måle
- Åbne handler med alle vigtige felter udfyldt, tjekket ugentligt fra den samme eksport; det er det tydeligste tegn på, at reglerne holder.
- Fundne dubletter, når I søger på jeres bedste kunder, tjekket månedligt; listen skal blive kortere og forblive kort.
- AI-påstande rettet i den ugentlige stikprøve, logget med det felt, de kom fra; hver af dem peger på en regel eller en forbindelse, der stadig mangler.
- Åbne handler uden nylig aktivitet, gennemgået månedligt; når den liste forbliver kort, holder AI’en op med at foreslå opfølgning til kunder, der er væk.
Hvor vi kommer ind
Et team, der bliver enige om sine felter, skriver sin ordbog og rydder op i efterslæbet én gang, kan selv rette op på datakvaliteten i CRM, og denne rækkefølge er tænkt til at gøre det muligt. Det, vi bidrager med, er feltoversigten og ordbogen bygget op om, hvordan jeres salg faktisk foregår, forbindelserne, der udfylder kortene uden ekstra tastearbejde, og de tjek, der holder AI-funktionerne ærlige. Hvis I vil have os til at kigge på jeres CRM sammen med jer, er en kort brief nok til at komme i gang.
