AI asistenti transformišu prodaju delujući kao digitalni treneri, analitičari i savetnici prodavcima. Oni analiziraju prodajne predloge i daju personalizovane povratne informacije, pomažući prodavcima da usavrše svoju komunikaciju i strategije angažovanja. Koristeći analitičke i verbalno-vizuelne mogućnosti veštačke inteligencije, kompanije mogu da podstaknu angažovanje kupaca, povećaju stope konverzije i poboljšaju ukupne performanse prodaje. Oni mogu da pojednostave zadatke kao što su kreiranje sadržaja i analiza interakcije sa klijentima, omogućavajući prodajnim timovima da se usredsrede na aktivnosti veće vrednosti. Izazovi usvajanja uključuju troškove unapred, integraciju podataka i upravljanje promenama, ali fazna implementacija može da ublaži rizike.

Prodavac se priprema za važan sastanak sa klijentima. Oni uvežbavaju nastup pomoću digitalnog alata za treniranje sa AI koji je prilagođen ciljevima kompanije i filozofiji prodaje. Sistem analizira ton, reči i tempo prodavca. Ukazuje na oblasti za poboljšanje, na primer, predlažući upotrebu fraza koje naglašavaju saradnju („hajde da ovo istražimo zajedno...“) i podsećajući prodavca da zakaže sledeći sastanak sa potencijalnim klijentom. Dalje, prodavac dobija uvid na osnovu podataka o potrebama i preferencijama kupaca, uključujući preporuke o prodajnim akcijama i mogućnostima unakrsne prodaje.

Uloga AI kao trenera prodaje je moćna sposobnost u nastajanju. Takođe ubrzano raste uloga AI kao analitičara, koji uranja u ogromne količine podataka o prodaji da bi otkrio uvide, na primer, o tome zašto određene geografske regije ne uspevaju ili koji se tržišni trendovi razvijaju. AI trenutno obavlja zadatke za koje su analitičarima prodaje nekada bili potrebni dani ili nedelje.

Pomoćnici AI koji deluju kao treneri i analitičari za prodavce, dopunjuju više korišćene taktičke savetnike sa AI pogonom. Takvi alati daju sugestije, pomažući prodavcima da identifikuju obećavajuće potencijalne klijente, kreiraju ponude po meri i dizajniraju prilagođene ponude. Ovo podstiče poboljšano angažovanje klijenata, veće stope konverzije, veću prodaju i veće zadržavanje kupaca.

Dobijanje vrednosti od AI prodajnih asistenata zahteva rešavanje nekoliko komplikacija — značajnih troškova unapred, integracije podataka i izazova kvaliteta, modela obuke o sadržaju kompanije i podsticanja usvajanja sa prodajnim timovima. Ovi faktori mogu otežati postizanje i merenje ROI. Ovaj članak će ispitati mogućnosti AI prodajnih asistenata koji su sada dostupni i razmotriti puteve usvajanja i upotrebe ovih alata.

Mogućnosti AI pomoćnika

Da bi AI asistenti mogli da treniraju, analiziraju ili savetuju, potrebne su im analitičke i verbalno-vizuelne sposobnosti.

Analitičke sposobnosti

Ove funkcije koriste profile klijenata, tragove interakcije, angažovanje kupaca i podatke o učinku iz prethodnog perioda za kreiranje uvida i predloga za prodajne timove. Koristeći podatke o svim prodavcima i kupcima, AI inteligentno sugeriše koje akcije rade za svakog kupca i prodajnu situaciju. Pfizer, Schneider Electric i Microsoft su među mnogim kompanijama koje koriste takve mogućnosti da bi prodavcima dale pravovremene taktičke savete o specifičnim, unapred definisanim problemima, na primer, koju sledeću najbolju radnju da preduzmu i kako da spreče odliv kupaca. Rezultat je poboljšana reakcija na klijente i povećana produktivnost prodaje. Na primer, kada je Microsoft počeo da koristi „Daily Recommender“, sistem zasnovan na veštačkoj inteligenciji koji prodavcima daje uvid u potrebe kupaca i predložene prodajne akcije, produktivnost prodaje (merena vremenom pred kupcima i potencijalnim klijentima pretvorenim u prilike) porasla je za 40%.

Nedavna dostignuća omogućavaju AI modelima da odgovore na otvorena pitanja. U biofarmaceutskoj kompaniji, prodavac pita sistem zasnovan na veštačkoj inteligenciji: „Koje su najnovije bolesti i trendovi prepisivanja za dijabetes na mojoj teritoriji?“ Sistem prevodi ovaj upit prirodnog jezika u kompjuterski kod, koji se zatim izvršava radi analize najnovijih podataka. Dobijeni uvidi se dele sa prodavcem: „Prevalencija dijabetesa je porasla za 2%, ali je stopa lečenja opala za 8%. Najbolje propisani lekovi na vašoj teritoriji su tri utvrđene terapije, ali među zdravstvenim radnicima raste interesovanje za učenje o inovativnim pristupima. Prodavac se dalje pita: „Šta mogu da uradim da poboljšam stope lečenja?“ na koje sistem odgovara sa predlozima uključujući koje zdravstvene radnike da posetite lično, a koje da kontaktirate putem e-pošte, koje nalaze istraživanja da podelite o kardiovaskularnim prednostima, prednostima gubitka težine i pogodnom doziranju, kao i najefikasnijim strategijama za distribuciju uzoraka proizvoda. Prodavac kombinuje ove uvide sa sopstvenim iskustvom, a zatim je spremniji da ima relevantne, pronicljive i produktivne interakcije sa kupcima.

Verbalno-vizuelne sposobnosti

Ove funkcije sintetizuju uglavnom nenumeričke podatke (tekst, slike, video) koristeći gen AI za poboljšanje sadržaja i komunikacije. Rudimentarne aplikacije za prodavce uključujući transkripciju i rekapitulaciju snimljenih razgovora sa klijentima i bez napora kreiranje kolaterala za prodaju specifičnog za kupca. Bez veštačke inteligencije, kreiranje i prilagođavanje sadržaja oduzimaju otprilike četvrtinu vremena prodavaca. Prodajni timovi u IBM-u, Cintas-u i Morgan Stanley-u su među onima koji koriste verbalno-vizuelne mogućnosti veštačke inteligencije da pojednostave ove vrste zadataka. U Morgan Stanley-u, alatka pod nazivom AI @ Morgan Stanley Assistant daje finansijskim savetnicima pristup oko 100.000 sopstvenih istraživačkih izveštaja i dokumenata kompanije. Savetnici ispituju bazu podataka i odmah dobijaju sažete informacije za davanje preporuka za ulaganja i izvršavanje transakcija. „Pull“ pristup alata zasnovanog na genetičkoj inteligenciji dopunjuje „push“ pristup sistema „sledeće najbolje akcije“ koji koristi analitičke mogućnosti za deljenje personalizovanih investicionih ideja za klijente.

Sve veća upotreba gen AI je za obuku u prodaji. Platforme zasnovane na veštačkoj inteligenciji analiziraju snimljene ili žive prodajne pozive. Pored davanja povratnih informacija o stilu komunikacije i sadržaju prodavca, ovi alati otkrivaju raspoloženje kupaca i daju trenutne predloge za poboljšanje. Smernice postaju još personalizovanije i kontekstualne kada AI modeli integrišu istoriju angažovanja kupaca i podatke o učinku prodavača.

Upotreba avatara kupaca sa AI za obuku prodaje takođe postaje sve popularnija. Moduli za obuku prodaje zasnovani na AI i VR stvaraju realistične simulacije, sa AI-botovima koji igraju ulogu kupca i simuliraju pitanja i primedbe koje bi kupac mogao postaviti, omogućavajući prodavcima da vežbaju svoje veštine u bezbednom okruženju. Zaposleni koji su novi u prodaji brže napreduju, dok iskusni prodavci ubrzavaju razvoj kompetencija. Kada je tehnološka kompanija Zoom morala da ubrza svoj prodajni tim na novim porukama za prodaju svoje platforme za kompletno rešenje, prodajni predstavnici širom sveta usavršavali su svoje veštine vežbajući sa partnerom za veštačku inteligenciju po imenu Dženi. Ovo je dovelo do značajnog poboljšanja veština i savladavanja poruka kod svih prodajnih predstavnika.

Integrisanje mogućnosti

Moć AI asistenata je pojačana kada analitičke i verbalno-vizuelne sposobnosti rade zajedno. Na primer, verbalno-vizuelni alati procenjuju interesovanje potencijalnog klijenta analizirajući e-poštu, transkripte ćaskanja i komunikaciju na društvenim mrežama. Ovaj uvid hrani analitičke alate, koji koriste podatke o potencijalnim klijentima i sličnim klijentima da identifikuju prilike za povećanje prodaje. Zatim, verbalno-vizuelne sposobnosti se uklapaju u sadržaj i savete za obuku kako bi pomogli prodavcu da saopšti priliku.

Nekoliko prodajnih alata sa AI-om spaja ove mogućnosti. Stoga se izgradnja digitalnih asistenata uglavnom odnosi na prilagođavanje i integraciju postojećih tehnologija, a ne na izmišljanje novih. CRM rešenja koja nude analitičke i verbalno-vizuelne alate uključuju Microsoft Dinamics 365 i Salesforceov Sales Cloud sa Ajnštajnom. Kompanije kao što su SAP, Oracle, Adobe, HubSpot i Zoho su ugradile slične mogućnosti. Stotine kompanija nude alate generisane veštačke inteligencije koji se mogu integrisati sa CRM sistemima. Zoom Revenue Accelerator je jedno od mnogih rešenja koja koriste gen AI za analizu prodajnih sastanaka i pružanje uvida. Iako mnoštvo opcija komplikuje izbor, ono je demokratizovalo mogućnosti, čineći ih dostupnim kompanijama svih veličina.

Putevi za AI-sazrele i AI-rani-stage organizacije

Prodajni timovi su na različitim tačkama na putu implementacije AI asistenata. Kompanije zrele za veštačku inteligenciju idu drugačijim putem od onih koje tek kreću.

Organizacije zrele za veštačku inteligenciju su dobro uspostavljeni korisnici analitičkih sposobnosti AI za savetovanje prodavaca (na primer, prihvata se 70% ili više preporuka za sledeću najbolju akciju.) Sledeća granica za ove rane korisnike je da iskoriste rastuću moć gen AI (ako već nisu), počevši od funkcija niskog rizika, kao što je izrada prilagođenih e-poruka i omogućavanje prodavcima bržeg pristupa informacijama u bazi znanja kompanije. Kako iskustvo sa razvojem i korišćenjem ovih sposobnosti raste, ove organizacije koje su zrele za veštačku inteligenciju istražuju složeniju i nestrukturiranu analitiku i hiperpersonalizovano treniranje i obuku.

Organizacije koje još nisu krenule putem veštačke inteligencije koriste drugačiji pristup. Za ove novopridošlice, počevši od niskorizičnih AI aplikacija je brži put do vrednosti. Istovremeno, organizacije u ranoj fazi veštačke inteligencije počinju da postavljaju temelje za korišćenje analitičkih sposobnosti AI. Ovo zahteva razumno robustan sistem za upravljanje podacima o klijentima i interakcijama. Iako savršeni podaci nisu potrebni, mnoge takve organizacije otkrivaju da moraju da nadograde svoj CRM sistem. Sa solidnom platformom za upravljanje podacima, moguće je iskoristiti analitiku zasnovanu na veštačkoj inteligenciji da biste prodavcima dali taktičke savete. A kako organizaciono i tehnološko iskustvo raste, AI kao trener i analitičar se može istražiti.

Olakšavanje usvajanja i upotrebe

Da bi se pozabavili troškovima, obukom za modele i usvajanjem. U pogledu implementacije AI prodajnih asistenata, obratite pažnju ne samo na tehnologiju, već i na ljudske elemente i upravljanje promenama.

Koristite fazni pristup implementaciji. Započnite pilot program sa malim timom. Ovo minimizira početne troškove i rizike i omogućava iterativna poboljšanja pre potpunog uvođenja.

Obučite AI modele u kontekstu kompanije. Čak i AI rešenja koja su napravljena posebno za prodaju ne mogu sama da stvore dovoljnu vrednost; moć dolazi od njihove obuke na podacima specifičnim za situaciju. Započnite sa obukom o podacima kompanije (npr. istorija transakcija i interakcija za analitičke modele; prošli mejlovi, predlozi i marketinški sadržaj za gene AI modele). Dopunite ovo sintetičkim podacima koje generišu algoritmi da bi oponašali podatke iz stvarnog sveta. Nakon što su modeli lansirani, povratne informacije korisnika o preporukama veštačke inteligencije su kritične za kontinuirano poboljšanje.

Izmerite ROI. Koristite okvir koji uzima u obzir i kratkoročne i dugoročne koristi, uključujući metrike kao što su vreme ušteđeno na administrativnim zadacima, poboljšanje kvalifikacije potencijalnih klijenata, povećanje stopa konverzije prodaje i poboljšani rezultati zadovoljstva kupaca.

Upravljajte promenom. Usvajanje i upotreba su veće kada funkcije besprekorno funkcionišu sa poznatim alatima kao što su CRM i sistemi e-pošte dok se uklapaju u svakodnevni radni tok prodavaca. Iskoristite sisteme podrške i forume na kojima prodavci mogu da podele svoja iskustva (na primer, na sastancima prodajnog tima ili u prostorima za saradnju na mreži). Obrnuto mentorstvo, gde mlađi tehnički pametni članovi tima pomažu starijim članovima, takođe je efikasan.

Koristeći pomoćnike veštačke inteligencije kao trenere, analitičare i savetnike, prodavci mogu da podstaknu rast i istovremeno isporučuju izuzetnu vrednost kupcima.

. . .

Tehnologija je decenijama transformisala prodaju, a najnoviji talas AI inovacija obećava da će biti možda najveća sila do sada. Digitalni asistenti će promeniti posao prodaje na mnogo načina. Prodavci će prestati da obavljaju neke zadatke, kao što je snimanje beleški u CRM, koji će postati automatizovan. Oni će efikasnije obavljati druge zadatke, kao što je brže reagovanje personalizovanom komunikacijom za klijente. Prodavci će takođe drugačije i efikasnije postupati sa određenim odgovornostima, na primer, planiranjem i izvođenjem relevantnijih i moćnijih razgovora sa kupcima. Pored toga, oni će preuzeti nove odgovornosti, kao što je orkestriranje akcija na različitim kanalima kako bi bolje služili klijentima. Kako se ove promene budu odvijale u narednih nekoliko godina, uspešne prodajne organizacije će nastaviti da se razvijaju i prihvataju nove mogućnosti za prodavce i digitalne proizvode da rade zajedno na povećanju vrednosti za kupce i poslovanje.

Istraživači su analizirali podatke iz više od 1.000 projekata transformacije usmerenih na klijente u poslednjih 25 godina. Otkrili su da samo 15% izvršnih direktora i prodajnih timova ima strategiju usmerenu na kupca. Većina vodi svoje kompanije ili odnose sa kupcima na osnovu razmišljanja fokusiranog na proizvod, što stavlja teret na pronalaženje tržišta na kojem će prodati svoje proizvode, a ne na organizovanje rasta zajedno sa kupcima. Umesto toga, kompanije treba da postave tri ključna pitanja kako bi osigurale usredsređenost na kupca: Da li su naši strateški ciljevi i napori za transformaciju usklađeni sa prioritetima naših kupaca? Da li su naši napori u pogledu dizajna i primene rešenja konfigurisani na osnovu unosa koji su potvrdili korisnici? I, da li su naše organizacione postavke i investicije dodeljene obavezama kupaca za zajednički uspeh?

Ako biste pitali generalnog direktora koliko je njihova strategija usmerena na kupca, verovatno će vam reći da je to posao u toku. Retko će vam izvršni direktori reći da njihova strategija funkcioniše besprekorno ili da je u ozbiljnoj nevolji. Za našu nadolazeću knjigu, Triple Fit Strategy: Kako izgraditi trajne odnose sa klijentima i podstaći rast (Harvard Business Review Press 2024), analizirali smo podatke iz više od 1.000 projekata transformacije usmerenih na klijente u poslednjih 25 godina.

Otkrili smo da samo 15% izvršnih direktora i prodajnih timova ima strategiju usmerenu na kupca. Većina vodi svoje kompanije ili odnose sa kupcima na osnovu razmišljanja fokusiranog na proizvod, što stavlja teret na pronalaženje tržišta na kojem će prodati svoje proizvode, a ne na organizovanje rasta zajedno sa kupcima.

U ovom članku ističemo tri zamke sa kojima se poslovni lideri suočavaju kada pokušavaju da razviju organizaciju orijentisanu na korisnika i predstavljamo tri pitanja koja im pomažu da izbegnu skupe greške.

Usredsređenost na korisnika, definisano

Mi definišemo usredsređenost na kupca na sledeći način: orkestriranje svih aktivnosti kompanije za uspeh ciljanih kupaca — uz profit. Stoga, usredsređenost na klijente zahteva da kompanije ostanu u stalnom razgovoru sa svojim klijentima, identifikuju strateške uvide koji proizilaze iz dijaloga, deluju na njih kako bi upravljali promenama i transformisali način na koji posluju.

Usredsređenost na kupca zahteva od prodavaca i kupaca da rade zajedno, isporučujući zajednički razvijena rešenja koja stvaraju obostrano korisne rezultate i za dobavljača i za kupca. Strategija zahteva da gledate na svog kupca, a ne samo na svoje konkurente i tržište, da biste postavili svoj strateški pravac.

3 zamke

Kada organizacija nije usklađena sa onim što njeni klijenti žele, nijedna interna inicijativa ili izvršenje opšte strategije ne može da ode daleko ili da traje dugo. Ako tokovi prihoda presahnu ili ne završe u ciklusu rasta, svi napori usredsređeni na proizvode gube vreme i resurse. Da biste izbegli ovaj scenario, morate osigurati da vaša kompanija ne upadne u bilo koju od sledeće tri zamke: zamku ambicija, zamku izvršenja i zamku zauzetosti.

Zamka ambicija

U zamci ambicija, poslovno planiranje i izvršenje kompanije odgovaraju očekivanjima kupaca, ali alokacija resursa ne. Shodno tome, kompanije se zaglave iako imaju mnogo dobrih ideja, ali se ne dodeljuju adekvatni resursi i ne dodaje se osoblje da bi se napravio proboj.

Provajder internet usluga kojeg ćemo nazvati ITS da bismo zaštitili anonimnost kompanije, postigao je dobar napredak u usklađivanju svojih ambicija sa klijentima na lokalnom i međunarodnom nivou. Ali kada je došlo vreme za izvršenje i prebacivanje resursa na projekat, inicijativa je počela da ponestaje. Članovi ITS tima nisu bili adekvatno obučeni ili oslobođeni drugih zadataka u postojećim lokalnim strukturama zemlje. Razvoj i deljenje znanja nije bilo moguće zbog suprotstavljenih, važnijih prioriteta. Shodno tome, ITS je počeo da propušta nekoliko važnih poslovnih trendova i prilika — rezultat koji je mogao da izbegne. Nakon što je shvatio grešku, ITS je instalirao savetodavne odbore za korisnike koji su pomogli da se alociraju resursi za prodorne projekte kako bi se oslobodili zamke ambicija, i to je kompaniju vratilo na stazu rasta.

Zamka izvršenja

U zamci izvršenja, čini se da poslovno planiranje kompanije i pristup raspodeli resursa ispunjava očekivanja kupaca. Ali ne uspevaju da izvrše operacije. Kao rezultat toga, kompanije se zaglave u onome što mi nazivamo „zamkom izvršenja“ — puno sjajnih ideja i čvrstih obaveza sa obe strane, ali nema mogućnosti da ispune obećanja koja su dale, i nema sredstava da sprovedu ideje koje su kreirali u koordinacija sa klijentima. Ovaj neuspeh se dešava uprkos raspoloživim sredstvima i daljoj podršci resursima.

Razmotrimo, na primer, slučaj kompanije za zdravstveno osiguranje koju ćemo nazvati Subsidiumom. Priznajući svoje istorijski teške odnose sa bolnicama, menadžment Subsidium-a je sa odabranim bolnicama pokrenuo projekat usmeren na klijente. Rezultati su ukazali na prednosti na nivou planiranja i resursa. Ali pokušaji izvršenja su zaglavili u zamci isporuke, i tokom 18 meseci došlo je do pregovaranja između operativnih timova obe organizacije optužujući jedni druge za sabotažu. Tek kada je generalni direktor Subsidium-a, zajedno sa ključnim osobljem iz bolnica, lično intervenisao i organizovao okrugle stolove za zainteresovane strane sa obe strane, kompanija je našla izlaz iz zamke.

Dva ključna ishoda diskusije za okruglim stolom bila su pojašnjenje uloga i odgovornosti na obe strane, i analiza pune cene vruće razmene e-poruka umesto mnogo jeftinije i brže verbalne komunikacije između timova za upravljanje predmetima na nedeljnoj bazi. Ovo je preokrenulo nedostatke u izvršenju i vratilo kompaniju na njen put usmerenosti na klijenta.

Zamka zauzetosti

U zamci zauzetosti, situacija generalno izgleda dobro za napore izvršenja i alokaciju resursa. Ali kompanija nije dovoljno usklađena i povezana sa svojim klijentima. Rezultirajuća zamka je „zauzetost“, i umesto da se fokusira na strateška poslovna pitanja koja su identifikovana i potvrđena zajedno sa svojim klijentima, kompanija čini više od istog.

Primer za to je iskustvo prvorazrednog dobavljača u automobilskoj industriji kojeg ćemo nazvati CarTec. Kada je CarTec bio suočen sa odeljenjima nabavke svojih najvećih klijenata sa uštedama iznad redovnih zahteva za popust, udvostručio je svoje napore da pronađe efikasnost u svojim naporima izvršenja i raspodeli resursa, sa razočaravajućim rezultatima. Drugim rečima, CarTec je ubrzao svoje interne napore bez odgovarajućeg usklađivanja sa strategijama klijenata i postao je sve zauzetiji internim problemima, što je konačno dovelo do gubitka ključnih ugovora sa nekoliko od svojih 15 ključnih partnera. Očigledno je kompanija bila zaglavljena u zamci zauzetosti. Analiza prioriteta kupaca i njihovo podudaranje sa snagama CarTec-a otkrila je nekoliko problema koje je CarTec morao interno da reši, ali i nekoliko problema koje je trebalo rešiti na strani korisnika. CarTec je mogao da izbegne ovaj gubitak da je od početka vodio strateški dijalog sa svojim klijentima. Vratio se na pravi put tako što je izvršio benčmarking svojih odnosa sa najvišim klijentima, a zatim učio iz onih slučajeva u kojima su prioriteti kupaca već bili bolje usklađeni od ostalih. Pored toga, CarTec je bio u mogućnosti da ukaže na dodatne izvore stalnih ušteda na strani kupaca. Zahvaljujući ovim naporima, obe kompanije bi mogle značajno da poboljšaju svoje troškove i brzinu proizvodnje tačno na vreme, a CarTec bi se mogao osloboditi zamke zauzetosti.

Maerskova transformacija usredsređena na korisnika

Kada je Vincent Clerc promovisan u izvršnog direktora kompanije A. P. Moller-Maersk početkom 2023, znao je da ga čeka izazovna misija. Sa znacima usporavanja ekonomije nakon tri godine rekordno visokih profita, kompanija je morala u potpunosti da preispita svoju logiku rasta i krene u najradikalniju transformaciju u svojoj više od 100 godina istorije. Kao bivši izvršni direktor divizije za okeanske kontejnere, Clerc je preuzeo zadatak tranzicije kompanije Maersk sa jednostavnog premeštanja okeanskih kontejnera na obezbeđivanje sveobuhvatnih rešenja, uključujući unutrašnju logistiku, usluge luka i terminala i stručnost u lancu snabdevanja u različitim industrijama i geografskim područjima. Izazov je bio dvostruk: prvo, morao je da zadrži trenutni nivo poslovanja prekookeanskog tereta što je više moguće; drugo, trebalo je da poveća udeo novododatih integrisanih transportnih i logističkih usluga.

Međutim, prodajnim naporima kompanije Maersk bila je potrebna nova perspektiva na svim nivoima da bi se postigla ova transformacija. Ipak, prečesto, prodajni razgovori su bili usredsređeni na kapacitet i cene okeanskih kontejnera umesto da se razmatraju druge oblasti vrednosti koje treba stvoriti za - ili čak zajedno sa - kupcem. Nije iznenađujuće što su kupci bili u iskušenju da zatraže bolju cenu umesto da cene Maerskove jedinstvene nove mogućnosti. Clerc je znao da je Maersku potreban pristup usredsređen na kupca više nego ikad. Bilo je ključno zadovoljiti specifične potrebe kupaca, osiguravajući da oni imaju apetit za širi spektar vrednosnih ponuda koje je Maersk nudio. Da bi to uradio, Maersk je morao da pređe sa toga da se i dalje smatra kompanijom za okeanske kontejnere i transformiše se jednom zauvek u kompaniju koja je zaista orijentisana na kupca.

Sa ambicijom da izgradi logističku firmu koja je najviše usredsređena na klijente u industriji, Clerc je zadužio Sanjaya Vasudevana, Maerskovog globalnog šefa za upravljanje ključnim klijentima i održivost, da podstakne rast sa svojim najvrednijim kupcima iznad stopa rasta tržišta i kompanije. Da bi stekao sveobuhvatnu sliku i da bi korporativna strategija funkcionisala, Vasudevan je prvo počeo da gleda na individualne odnose sa kupcima, a zatim na portfelje kupaca širom regiona i industrija. Objedinjavajući povratne informacije od kupaca, Maersk je razvio uvid u strateške prioritete kupaca iznad svojih brojnih industrijskih vertikala. Duboka istraživanja su otkrila da mnogi kupci prate zdrav put rasta, dok je drugima potrebno više pažnje i mera za zaštitu ili optimizaciju. Konsolidovani uvidi velikog broja klijenata pokazali su da će Maersk upasti u zamku isporuke.

Vasudevan je pokrenuo plan u više koraka za uspostavljanje kulture usredsređene na kupca. Da bi se identifikovale ideje koje menjaju igru i koje bi pomogle Maersku da savlada zamišljenu tranziciju od proizvoda usredsređenog na kupca, bilo je ključno da se izbegne upadanje u jednu od prethodno opisanih zamki. Tri pitanja su služila kao stalna referentna tačka:

1. Nivo planiranja: Da li su naši strateški ciljevi i napori za transformaciju usklađeni sa prioritetima naših kupaca?
2. Nivo izvršenja: Da li su naši napori za dizajn i implementaciju naših rešenja konfigurisani na osnovu inputa koje je potvrdio korisnik?
3. Nivo resursa: Da li su naša organizaciona postavka i investicije dodeljene obavezama kupaca za zajednički uspeh?

Postavljanje ovih pitanja pomoglo je menadžmentu kompanije Maersk da održi svoju strategiju transformacije na pravom putu. Pored toga, takođe je omogućio prodajnim i poslovnim liderima da unapred otkriju probleme zasnovane na prioritetima kupaca koji bi inače mogli da naprave ogromnu štetu (ili bar da kompaniju dovedu u značajan nepovoljniji položaj u odnosu na konkurenciju). Primer za to je nemilosrdna investicija kompanije Maersk u izgradnju flote plovila sa pogonom na zeleno gorivo i postizanje neto nule do 2040. godine, bez obzira na uslove u industriji i efekte na profitabilnost.

Redovnim postavljanjem ova tri pitanja možete izgraditi jednostavan, ali efikasan sistem ranog upozorenja za svoju kompaniju. Ako koristite odgovore iz tri pitanja da biste proverili svoje strateške planove najmanje jednom godišnje, brzo ćete utvrditi da li je vaša strategija usmerena na kupca. Važno je da vaš odbor, vaši investitori, finansijski analitičari i druge zainteresovane strane odobre vašu strategiju. Ali, što je najvažnije, vaši klijenti takođe moraju da budu uključeni u vašu novu strategiju.

Generativna veštačka inteligencija (AI), posebno veliki jezički modeli (LLMs), nudi obećavajući novi alat za istraživanje tržišta u ranoj fazi simuliranjem reakcija kupaca na koncepte proizvoda. Ovo može omogućiti kompanijama da donose zaključke slične onima koje bi dobile anketiranjem kupaca ili sprovođenjem fokus grupa, ali uz mnogo manje vremena i troškova. Iako LLMs mogu pružiti isplative i brze uvide, i dalje zahtevaju fino podešavanje (fine-tuning) sa vlasničkim podacima kako bi se dobile precizne procene preferencija. I uprkos njihovom potencijalu, LLMs bi trebalo da dopune, a ne da zamene ljudsko istraživanje, jer imaju poteškoća sa nijansiranom segmentacijom kupaca i dinamičnim tržišnim uslovima.

U ranim fazama inovacija, kompanije se suočavaju sa poznatom dilemom: Koje ideje zaslužuju dalje ulaganje? Tradicionalno rešenje, istraživanje tržišta usmereno na ljude, može pružiti vredne uvide — ali često može biti sporo, skupo i ograničenog obima. Sada, generativna AI nudi intrigantan novi alat: sintetičke kupce.

Veliki jezički modeli (LLMs), kao što su Chat GPT i Gemini, privukli su pažnju svojom sposobnošću da generišu sadržaj i ideje. Ali manje istražena granica je njihov potencijal da simuliraju reakcije kupaca na koncepte proizvoda i njegovih karakteristika. Naše istraživanje pokazuje da LLMs, ako se pažljivo koriste, mogu funkcionisati kao sintetičke fokus grupe, pružajući rane uvide o preferencijama kupaca za delić vremena i troškova u poređenju sa studijama koje uključuju ljude.

LLMs ne pomažu samo u stvaranju ideja za proizvode; oni ih takođe mogu testirati. Predstavljanjem konfiguracija proizvoda ovim modelima na strukturiran način, možemo proceniti „sintetičku“ spremnost za plaćanje (willingness-to-pay - WTP), uporediti alternative, pa čak i označiti ideje koje će verovatno propasti, sve pre angažovanja ijednog ljudskog ispitanika. Kroz nekoliko studija u stilu „conjoint“ analize u kategorijama kao što su pasta za zube, laptopovi i tableti, otkrili smo da LLMs, posebno kada su fino podešeni sa vlasničkim podacima, često daju procene preferencija izuzetno bliske onima kod stvarnih potrošača.

Primenjen u praksi, ovaj pristup nudi više od pukog povećanja efikasnosti u pogledu troškova ili vremena (iako su i ona značajna). Takođe može proširiti vrh levka inovacija, omogućavajući rigoroznije i skalabilno istraživanje ranih ideja.

Od generatora teksta do tržišnog simulatora

LLMs su obučeni na ogromnim skupovima podataka koji uključuju recenzije proizvoda, diskusije i obrasce ponašanja izražene prirodnim jezikom. To ih čini iznenađujuće veštim u odgovaranju na strukturirana pitanja o proizvodima zasnovana na izboru.

U našim studijama, koristili smo program da direktno postavljamo upite LLM modelima sa poređenjima proizvoda koja oponašaju ankete u istraživanju ljudskog tržišta. Na primer: „Da li biste kupili Colgate pastu za zube sa fluoridom za $2.99 ili verziju bez fluorida za $1.99?“ Ponavljanjem ovih upita kroz stotine nasumičnih konfiguracija proizvoda, generisali smo distribucije simuliranih odgovora kupaca. (Napomena: Koristili smo program koji je direktno slao upite LLM-u, a ne interfejs za chat.) Koristeći standardne metode „conjoint“ analize, zatim smo procenili WTP za različite karakteristike proizvoda.

Da bismo procenili odgovore LLM-a, takođe smo sproveli ove „conjoint“ studije sa ljudskim uzorcima. Rezultati? LLMs su proizveli realistične i usmereno tačne preferencije za mnoge poznate atribute. Na primer, sintetički kupci su vrednovali fluorid u pasti za zube i dodatnu RAM memoriju u laptopovima na načine koji su odražavali ljudske uzorke. Štaviše, distribucija simuliranih odgovora je obuhvatila važne kompromise između cene i karakteristika.

Važno je napomenuti da ovo nije bilo samo nekoliko pažljivo odabranih primera. U više kategorija proizvoda, LLMs su dosledno generisali rangiranje preferencija koje se poklapalo sa rezultatima dobijenim od ljudi. Kao alat za preliminarno testiranje, potencijal je jasan: LLMs mogu rano označiti slabe ideje i dati prioritet obećavajućim pravcima pre početka formalnog istraživanja.

Ali postoje ograničenja — i ona su važna

Uprkos ovim obećavajućim rezultatima, LLMs „sa police“ (off-the-shelf) nisu savršeni simulatori. Zapravo, oni imaju tendenciju da precenjuju interesovanje za nove ili neobične karakteristike. Kada smo testirali nove ukuse paste za zube kao što su „palačinka“ ili „krastavac“, sintetički potrošači LLM-a pokazali su daleko više entuzijazma nego stvarni ljudi. Bez utemeljenja u stvarnim potrošačima, generativna AI je zamišljala kupce koji naginju uzbuđenju i znatiželji, osobinama koje se ne pretvaraju uvek u prodaju.

Štaviše, LLMs imaju poteškoća sa segmentacijom kupaca. Kada im se postave upiti sa demografskim modifikatorima (npr. „vi ste kupac sa niskim primanjima“ ili „vi ste republikanac“), odgovori su se menjali, ali često na nedosledan ili preuveličan način. Čak i nakon finog podešavanja, LLM nije mogao pouzdano da reprodukuje nijansirane razlike u preferencijama između demografskih grupa koje su otkrila istraživanja sa ljudima.

Na primer, prilikom procene WTP za MacBook u poređenju sa Surface laptopom, LLM je preuveličao razlike u preferencijama između platnih razreda u odnosu na stvarne ljude. Tačno je pokazao da bi sintetički pojedinci koji su republikanci bili spremni da plate manje za brend Apple od onih koji su demokrate; međutim, pokazao je razliku od $625, dok je razlika u ljudskim uzorcima bila samo $72. Međutim, kada je fino podešen sa podacima kompanije, LLM je imao tendenciju da „usrednji“ svoja predviđanja, zamagljujući važnu heterogenost (npr. tvrdeći da su i demokrate i republikanci bili spremni da plate isti iznos za brend Apple).

Pored toga, LLMs su unapred obučeni, i bez dodatnih podataka za obuku koje pruža istraživač ili pristupa internetu, oni mogu otkriti statične preferencije i ne prilagođavati se dinamički trenutnim tržišnim uslovima, čime pružaju nebitne informacije.

Konačno, brzi razvojni ciklusi i često uvođenje novih LLM modela zahtevaju procenu osnovnih odgovora svake verzije LLM-a, što otežava njihovu upotrebu u procesu razvoja proizvoda.

Ukratko: Korišćenjem naših metodologija, LLMs trenutno mogu aproksimirati prosečne tržišne signale, ali ne i uvide specifične za segment. Za bilo šta izvan detekcije trendova na visokom nivou u ranoj fazi, istraživanje sa ljudima ostaje suštinski važno.

Moć vlasničkih podataka

Jedno od najubedljivijih otkrića u našem istraživanju je koliko bolje LLMs rade kada su fino podešeni sa sopstvenim istorijskim podacima o klijentima kompanije.

Konkretno, koristili smo prethodne ankete kupaca za fino podešavanje LLM-a. Fino podešavanje (Fine-tuning) podrazumeva prilagođavanje parametara modela na osnovu odgovora iz tih prošlih anketa. Ovaj proces poboljšava sposobnost LLM-a da simulira preferencije slične ljudskim, čak i za karakteristike koje ranije nije video.

Na primer, fino smo podesili LLM koristeći odgovore iz studije o pasti za zube sa standardnim ukusima (nana, cimet, jagoda). Zatim smo od njega tražili da proceni preferencije za nove ukuse (palačinka, krastavac). Fino podešen model je preokrenuo svoj raniji entuzijazam i dao WTP procene koje su bile u skladu sa odgovorima ljudi — uključujući i prepoznavanje da većina ljudi smatra „pastu za zube sa ukusom palačinke“ neprivlačnom.

Ovaj obrazac se ponovio u kategoriji tehnologije. Nakon finog podešavanja na osnovu prošlih anketa sa karakteristikama laptopova kao što su veličina ekrana i RAM, LLM je dao daleko preciznije WTP procene za potpuno novu karakteristiku, ugrađene projektore, nego što je to činio u svom osnovnom obliku.

Ali metoda finog podešavanja je funkcionisala samo u istoj kategoriji interesovanja. Kada smo modelu koji je bio fino podešen koristeći ankete o laptopovima postavili upit o tabletima, bliskoj ali različitoj kategoriji, on je radio lošije od modela „sa police“ (off-the-shelf).

Ključni zaključak: firme koje grade i fino podešavaju sopstvene interne „simulatore kupaca“ koristeći LLMs i istorijske podatke iz anketa mogu otključati oštrije uvide u ranoj fazi. Ovo stvara oblik konkurentske prednosti zasnovane na podacima: dve firme koje koriste isti osnovni LLM dobiće različite rezultate ako je jedna od njih obučila model na preferencijama sopstvenih kupaca.

Troškovi, brzina i prošireni levak inovacija

Tradicionalne „conjoint“ studije mogu koštati desetine hiljada dolara i zahtevati nedelje za dizajniranje, sprovođenje i analizu. Naše studije zasnovane na LLM modelima trajale su samo nekoliko sati, uz delić troškova. Bili smo u mogućnosti da generišemo hiljade simuliranih odgovora i brzo ponavljamo proces.

Ova brzina omogućava drugačiju vrstu inovacionog procesa. Umesto da razvijaju samo nekoliko ideja za testiranje, timovi sada mogu da istraže desetine, pa čak i stotine, ranih koncepata, koristeći sintetičke potrošače kao filter. Ovo proširuje vrh levka inovacija, dok sužava dno uz pomoć preciznijih podataka.

Na primer, kompanija za robu široke potrošnje mogla bi sintetički testirati 40 novih varijacija proizvoda, a zatim sprovesti ankete sa ljudima na 5 najperspektivnijih. Ovo smanjuje rasipanje i osigurava da je ljudska pažnja usmerena tamo gde je najvažnije.

Dopuna, a ne zamena

Primamljivo je zamisliti budućnost u kojoj sintetički kupci u potpunosti zamenjuju istraživanje sa ljudima. Ta budućnost još nije stigla, a možda nikada i neće.

Iako LLMs mogu generisati kredibilne uvide u prvoj fazi, i dalje im nedostaju nijanse, emocionalna inteligencija i varijabilnost stvarnih ljudi. Što je još važnije, oni odražavaju postojeće podatke i ponašanje i stoga nasleđuju sve njihove pristrasnosti i slepe tačke.

Ako se koriste odgovorno, LLMs bi trebalo da dopune, a ne da zamene, istraživanje tržišta. Naše studije pokazuju da se mogu primeniti rano u životnom ciklusu razvoja proizvoda, kada je cilj istraživanje i određivanje prioriteta, a ne validacija ili segmentacija.

Štaviše, marketinški stručnjaci moraju ulagati u interno prikupljanje podataka i upravljanje njima kako bi maksimizirali vrednost ovih alata. Fino podešen model izgrađen na godinama pažljivo strukturiranih podataka iz anketa daleko je korisniji od onog koji se oslanja samo na obuku sa interneta.

Budućnost istraživanja tržišta?

Generativna AI preoblikuje način na koji preduzeća dizajniraju, testiraju i lansiraju nove proizvode. Sintetički kupci nisu zamena za stvarne, ali bi mogli biti moćno novo sočivo za rane uvide.

Kombinovanjem LLM modela sa rigoroznim istraživačkim metodama, kompanije mogu brže da inoviraju, efikasnije filtriraju ideje i smanje rizik od skupih grešaka. Ne radi se o borbi čoveka protiv mašine, već o korišćenju mašina za efikasnije slušanje, kako bi ljudi mogli da donose bolje odluke.

Kako se ova oblast razvija, jedna stvar je jasna: firme koje nauče da kombinuju sintetičke i ljudske uvide predvodiće sledeći talas inovacija usmerenih na kupca.

Agentski AI (engl. agentic AI) briše tradicionalne granice između marketinga i prodaje, čak i dok većina kompanija nastavlja da primenjuje ovu tehnologiju odvojeno unutar svake funkcije. Takav pristup propušta priliku da se stvori integrisanije korisničko putovanje, u kojem deljeni podaci i AI agenti omogućavaju marketinškim i prodajnim aktivnostima da funkcionišu kao neprekidna petlja. Kompanije koje žele da iskoriste pune prednosti moraće da preispitaju ne samo svoju tehnologiju, već i svoje radne tokove, metriku, podsticaje i organizacione odgovornosti.

Godinama unazad, usklađivanje marketinga i prodaje bilo je jedan od najpostojanijih prioriteta komercijalnog rukovodstva — i jedan od najtežih za postizanje. Agentski AI to menja.

Većina organizacija, međutim, i dalje pristupa AI transformaciji funkciju po funkciju, ugrađujući je zasebno unutar marketinga i unutar prodaje, umesto kroz sistem koji ih povezuje.

Polazna tačka je jednostavna, ali često zanemarena istina: kupci ne prave razliku između to dvoje. Svaka tačka kontakta, bez obzira na to koja je funkcija interno poseduje, doživljava se kao deo jednog jedinstvenog odnosa. Organizacije koje dizajniraju oko te realnosti, a ne oko sopstvenih organizacionih šema, grade model izlaska na tržište zatvorene petlje u kojem ove dve funkcije efektivno deluju kao jedna. To je naš savet kompanijama, zasnovan na više od 100 godina našeg zajedničkog iskustva u modernizaciji prodajnih i marketinških organizacija svih veličina.

Kupci očekuju dosledna iskustva

Kupovna putovanja više ne prate linearnu putanju. Kupci istražuju, procenjuju i donose odluke kroz sve širi skup tačaka kontakta, često se vraćajući unazad ili pauzirajući pre nego što krenu napred. Istraživanje kompanije McKinsey pokazuje da više od 80% potrošača koristi više kanala za istraživanje ili kupovinu proizvoda, a B2B kupci sada tokom tipičnog putovanja ostvaruju kontakt preko deset kanala interakcije — što je dvostruko više nego pre manje od jedne decenije.

Ove promene podižu lestvicu za egzekuciju. Relevantnost sada zavisi od razumevanja namere kroz sve kanale, održavanja konteksta kroz interakcije i reagovanja dovoljno brzo da bi to imalo značaja. Kada marketing i prodaja funkcionišu na odvojenim skupovima podataka i nepovezanim sistemima, putovanje kupca je prekinuto, a iskustvo trpi. Iza personalizovane marketinške kampanje može uslediti prodajno obraćanje podržano veštačkom inteligencijom, vođeno drugačijim podacima, drugačijim pretpostavkama i drugačijim tajmingom. Svaka funkcija može imati dobre rezultate u odnosu na sopstvene metrike, dok zajednički pružaju fragmentisano iskustvo.

Cena te fragmentacije je merljiva: McKinsey-jeva anketa „B2B Pulse“ za 2026. godinu otkriva da kupci navode nedosledne informacije među različitim timovima kao glavni razlog za promenu dobavljača.

Omnikanalna egzekucija postala je minimum neophodan za takmičenje na tržištu. Faktor diferencijacije sada je integracija. Isto istraživanje pokazuje da tržišni lideri imaju četiri puta veću verovatnoću da primene pravu personalizaciju „jedan na jedan“ i da su znatno dalje odmakli u ugrađivanju veštačke inteligencije u integrisane komercijalne radne tokove.

AI pruža argumente za integraciju

Agentski AI ubrzava konvergenciju koja je već u toku, pri čemu realizacija sve više obuhvata aktivnosti koje su nekada bile jasno razdvojene na marketing i prodaju. Prema McKinsey-jevom izveštaju „The State of AI“, najdosledniji rast prihoda od veštačke inteligencije koncentrisan je u marketingu i prodaji. Među organizacijama koje koriste AI u ovim funkcijama, 7% prijavljuje povećanje prihoda veće od 10%.

Ova konvergencija je najvidljivija tamo gde se usklađuju segmentacija kupaca i prodajno osnaživanje (engl. sales enablement), gde se pristup prilagođava kako se namera pojavljuje, a prodavci rade rame uz rame sa AI agentima koji održavaju kontekst naloga. Aktivnosti koje su se nekada sekvencijalno prenosile s tima na tim sve više funkcionišu u kontinuiranim petljama, sa signalima koji se tumače u realnom vremenu, akcijama usklađenim na svim kanalima i ishodima koji se direktno vraćaju nazad u sistem.

Kako realizacija postaje kontinuirana, menja se i odgovornost. Marketing i prodaja sve više dele odgovornost za kvalitet prodajnog levka (engl. pipeline quality), konverziju i vrednost za kupca. Prednost se umnožava samo kada obe funkcije doprinose istom sistemu podataka i crpe podatke iz njega.

Kako se vodeće organizacije prilagođavaju

Efekti na učinak su već vidljivi, kako u našim istraživanjima, tako i u našem radu sa kompanijama. Trajanje ciklusa se skraćuje jer se kreiranje kampanja i razvoj prodajnog nastupa smanjuju sa nedelja na minute. Stope konverzije se poboljšavaju kako interakcije postaju relevantnije za namere kupaca. Kvalitet prodajnog levka raste jer angažovanje postaje ciljanije i bolje informisano. Što je najvažnije, korisnička iskustva postaju doslednija jer se kontekst prenosi kroz interakcije umesto da se resetuje na svakoj fazi.

Razmotrimo primer jedne tehnološke kompanije sa liste Fortune 500 sa kojom smo radili, a koja je želela da se proširi na uglavnom netaknuti segment od više desetina hiljada komercijalnih korisnika, raspolažući malim prodajnim timom ograničenog kapaciteta. Dijagnostika je otkrila da su prodavci trošili previše vremena radeći na kontaktima sa malom verovatnoćom realizacije. Celovito (engl. end-to-end) AI rešenje obogatilo je potencijalne kontakte (engl. leads) različitim signalima (na primer, aktivnostima spajanja i preuzimanja), prioritizovalo kontakte sa najvećom verovatnoćom konverzije, pružilo relevantne obaveštajne podatke o nalozima i omogućilo kontaktiranje putem agentskog AI-ja. U roku od osam nedelja, rezultati u prodajnom levku bili su očigledni. Prodavci osnaženi veštačkom inteligencijom slali su pet puta više poruka potencijalnim kupcima, zadržavajući stope otvaranja, stope odgovora i stope zakazivanja sastanaka iz perioda pre uvođenja AI-ja. Pored toga, vreme pripreme prodavca za inicijalne pozive smanjeno je sa 1–2 sata na svega 10–15 minuta.

Vodeća globalna platforma za traženje posla sa kojom smo sarađivali nudi još jedan primer na strani prodaje. Kompanija očekuje da njen model prodaje podržan veštačkom inteligencijom generiše 30–60 miliona dolara dodatnog godišnjeg prihoda, doprinoseći ukupnom povećanju od 400–700 miliona dolara iz slučajeva upotrebe zasnovanih na AI agentima. Sistem koristi AI predstavnika za razvoj prodaje (SDR) koji identifikuje potencijalne klijente, generiše personalizovane poruke, vodi rane razgovore i predaje kvalifikovane kontakte prodavcima uz kompletan kontekst i naredne korake. Ono što čini ovaj model uspešnim nije sam agent, već zajednički podaci i koordinisana primopredaja u pozadini.

Ovi rezultati preoblikuju način na koji se timovi strukturiraju. Pojavljuje se nova uloga: inženjer za izlazak na tržište (engl. go-to-market engineer), koji je sve više odgovoran za osmišljavanje i upravljanje agentskim radnim tokovima koji premošćuju funkcije, usklađuju ponašanje agenata sa kupovnim putovanjem i osiguravaju kontinuitet u svim interakcijama. Ove sposobnosti jedva da su postojale pre nekoliko godina, a brzo postaju izvori konkurentske prednosti.

Kada se realizacija spaja, vlasništvo postaje jasnije

Ulozi su najveći kada AI agenti direktno komuniciraju sa kupcima. Kada različite funkcije samostalno grade i primenjuju agente usmerene ka korisnicima, ta koherentnost može da se naruši. Marketinški agenti, prodajni agenti i radni tokovi korisničke podrške mogu optimizovati svoje lokalne ciljeve, dok istovremeno nenamerno fragmentišu širi narativ kupca. Bez zajedničkih standarda i jasnog vlasništva, AI može jednako lako skalirati nedoslednost kao što skalira efikasnost.

Primer AI SDR-a na platformi za traženje posla ilustruje ovaj izazov. Agent kontinuirano tumači nameru, prilagođava komunikaciju i vodi razgovore napred sve dok ljudsko angažovanje ne pruži najveću vrednost. Tradicionalno, pozicija SDR-a se nalazi unutar prodaje. U agentskom modelu, međutim, ova uloga obuhvata i marketing i prodaju, kombinujući generisanje potražnje, personalizaciju i angažovanje u ranoj fazi u jedinstven, neprekidan radni tok. Standardi brenda i kontekst o kupcu prate agenta kroz svaki korak.

Model zatvorene petlje

Na osnovu onoga što primećujemo u našim istraživanjima i radu sa kompanijama, organizacije koje preuzimaju vođstvo redizajniraju marketing i prodaju kao jedinstven sistem. Umesto da samo nadograde AI na postojeće procese, one iznova promišljaju sam rad, prepoznajući gde se pojavljuju signali, gde se donose odluke i gde koordinacija popušta.

Uspeh zahteva dva ključna zaokreta. Prvi je tehnološki: zajednička osnova podataka o kupcima i koordinisani sistemi koji omogućavaju marketarima, prodavcima i AI agentima da deluju iz istog konteksta. Drugi je organizacioni: zajednički podsticaji i metrike koje mere ishode kroz celokupno putovanje kupca. Tradicionalne razlike između kontakata kvalifikovanih od strane marketinga i onih kvalifikovanih od strane prodaje ustupaju mesto merilima kvaliteta prodajnog levka, stopi konverzije i celokupnoj životnoj vrednosti kupca.

Kada se ovi elementi spoje, korisničko iskustvo se iz korena menja. Interakcije postaju kontinuirane umesto fragmentisane. Kontekst se prenosi dalje umesto da se resetuje u svakoj fazi. Ljudi i AI agenti sarađuju u zatvorenoj petlji gde se segmentacija razvija u realnom vremenu, nastup se usklađuje kroz kanale, ljudsko rasuđivanje oblikuje trenutke koji su najvažniji, a svaki uvid vodi ka sledećem koraku umesto da se poništava sa svakom novom kampanjom ili prodajnim ugovorom.

Za komercijalne lidere pitanje više nije da li ovaj model dolazi. Pitanje je da li njihova organizacija gradi ka njemu ili čeka dok fragmentacija ne postane konkurentski nedostatak. Za lidere spremne da testiraju sopstvenu organizaciju, prava pitanja obuhvataju tri oblasti:

Vizija i rezultati:

Da li je vaša AI transformacija za marketing i prodaju zajednička ili se radi o dva paralelna napora koja igrom slučaja koegzistiraju? Da li se marketing i prodaja mere u odnosu na zajedničku definiciju rasta — onu koja obuhvata kvalitet prodajnog levka, konverziju i životnu vrednost kupca?

Podaci i sistemi:

Da li vaš marketing i prodaja funkcionišu na osnovu zajedničkog uvida u kupca u realnom vremenu, ili na osnovu paralelnih skupova podataka koji više odražavaju interne granice nego realnost kupca? Kada agenti ili prodavci stupe u kontakt sa potencijalnim klijentom, imaju li potpun kontekst svake prethodne interakcije? Da li obe funkcije dele mapu puta za integrisani tehnološki sistem i infrastrukturu podataka?

Organizacija i sposobnosti:

Da li razvijate veštine i nove komercijalne profile koje koordinisani agentski model zahteva? Da li vaši marketari uče da usmeravaju AI sisteme koji zadiru u domen prodaje, a vaši prodavci uče da ostvaruju interakciju sa kupcima čiji su stavovi i očekivanja već oblikovani interakcijama vođenim veštačkom inteligencijom?

. . .

Tehnologija za izgradnju sistema za izlazak na tržište sa zatvorenom petljom više ne predstavlja prepreku. Prednost će pripasti organizacijama čiji lideri imaju mandat i disciplinu da dizajniraju procese oko kupca, a ne oko organizacione šeme.

U idealnom svetu, nadređeni bi instinktivno i bez pogovora podržavali vaše napore. Međutim, istina je da je vaš šef zauzet balansiranjem više prioriteta i vaš projekat možda mu je pao u zaborav. Mnogi lideri jednostavno ne prepoznaju kada je njihova podrška potrebna, koliko ona može biti uticajna, ili sa kojim se preprekama suočavate. Kako onda da „upravljate prema gore“ i zatražite pomoć koja vam je potrebna? Postoji pet strategija koje možete pokušati: 1) Istaknite šta je u tome za njih, 2) Ponudite konkretne ideje, 3) Pripremite govor za svog šefa, 4) Uvedite rutinu „nedeljnih uspeha“, 5) Iskoristite reciprocitet.

Emily, menadžerka proizvoda u kompaniji za video igre, nedavno je dobila zadatak da vodi novu radnu grupu za veštačku inteligenciju (AI). Uključivanje mašinskog učenja u razvoj igara bio je važan strateški pravac za firmu i osećala se počastvovanom što vodi tako ključnu inicijativu. Međutim, kolege iz drugih odeljenja sporo su odgovarale na njene mejlove, često propuštajući sastanke ili stavljajući AI zadatke na niži prioritet. Rekla mi je: „Šef mi stalno govori da damo tome vremena. Da novi projekti zahtevaju vreme da zažive.“ Kada bi Emily uspela da okupi sve zainteresovane strane, osećala je nedostatak hitnosti i podrške. „Oni vide ovu radnu grupu kao samo još jedan teret“, rekla je Emily. „Znam da bismo brže napredovali da postoji vidljivija podrška mog šefa i ostatka rukovodećeg tima.“

Možda ste i vi bili u Emilynoj situaciji, želeći da vaš menadžer zagovara vas, bilo kroz javnu podršku ideje, uvod u ključne zainteresovane strane, objavljivanje timskih dostignuća ili pozicioniranje vas kao stručnjaka za određenu oblast. Podrška vašeg lidera može pružiti kredibilitet, otvoriti vrata i okupiti resurse na način koji je teško postići samostalno — ali često je na vama da to zatražite.

U idealnom svetu, nadređeni bi instinktivno i bez pitanja podržavali vaše napore. Međutim, istina je da je vaš šef zauzet balansiranjem više prioriteta i vaš projekat možda mu je pao u zaborav. Ako su novi na svojoj poziciji, možda se ustručavaju da se snažno zauzmu za nešto. U nekim slučajevima, vaš šef može namerno da čeka da bi video kako ćete sami dobiti podršku. Uglavnom, lideri jednostavno ne prepoznaju kada je njihova podrška potrebna, koliko može biti uticajna ili sa kakvim se preprekama suočavate.

Bez obzira na razlog, čekanje da se podrška magično materijalizuje siguran je put da se razočarate i potencijalno ugrozite svoj projekat. Kako onda „upravljate prema gore“ i tražite pomoć koja vam je potrebna? Evo kako da ubedite one iznad vas da podrže vaš cilj.

Istaknite šta je u tome za njih

Vaš šef, kao i svi drugi, podešen je na svoju ličnu „radio stanicu“: ŠIJM (šta imam ja od toga?). Da biste dobili njihovu podršku, morate se emitovati na njihovoj frekvenciji. Drugim rečima, povežite svoj zahtev sa načinom na koji on ne samo da zadovoljava vaše potrebe, već se takođe uklapa u njihove prioritete.

Emily je znala iz prethodnih sastanaka jedan na jedan da je njen menadžer bio zabrinut za efikasnost i sopstveno opterećenje. Stoga je istakla kako bi povećana vidljivost radne grupe za AI mogla ubrzati rokove projekta smanjenjem potrebe za razmenom informacija i smanjenjem broja sastanaka na kojima bi on trebalo da prisustvuje.

Ponudite konkretne ideje

Nemojte prepuštati svom lideru da sam shvati kako da vas podrži. Umesto toga, pripremite konkretne predloge. Identifikujte određene zainteresovane strane, sastanke, prezentacije ili komunikacije unutar kompanije gde bi vaš šef mogao da zagovara vaš rad. Verovatnije je da će reći „da“ jer ste vi već uradili razmišljanje za njih — a to takođe pokazuje vaše razumevanje organizacione politike.

Kada se Emily obratila svom menadžeru, iznela je predlog: „Šta mislite da nam date pohvalu na sledećem sastanku za sve zaposlene ili u biltenu kompanije? Verujem da bi vaše pominjanje zaista istaklo važnost našeg rada — pogotovo jer je AI sada ključna oblast fokusa — i učvrstilo bi moju ulogu kao liderke grupe.“

Pripremite govor za svog šefa

Omogućavajući svom šefu gotov jezik koji može koristiti, uklanjate prepreke za akciju i kontrolišete narativ, osiguravajući da se vaš trud predstavi na način koji želite. Na primer, možete svom menadžeru obezbediti:

•  Sažete ključne tačke o vašem projektu koje može lako uključiti u razgovore ili prezentacije
•  Kratku, uglađenu skriptu koju može koristiti za predstavljanje vas na događajima ili sastancima unutar kompanije
• Prilagodljive predloške mejlova za povezivanje sa različitim zainteresovanim stranama ili promociju vašeg rada
•  Set često postavljanih pitanja sa jasnim, sažetim odgovorima koji će im pomoći da se suoče sa primedbama ili brane vaše ideje pred višim rukovodstvom
•  Unapred napisane objave za društvene mreže koje mogu podeliti na profesionalnim mrežama kako bi istakli napredak ili uticaj vašeg rada

Uvedite rutinu „nedeljnih uspeha“

Jednom nedeljno ili dvaput mesečno, pošaljite kratki, mejl svom šefu u kojem ističete dostignuća vašeg tima, prevaziđene izazove i predstojeće prekretnice. Time im pružate uredno spakovan „brzi vodič“ informacija koje mogu koristiti da impresioniraju svog šefa i kolege. To je win-win situacija: vaš menadžer deluje kao da je u toku sa svime — a vaš trud dobija pažnju koju zaslužuje.

Ova jednostavna rutina vas takođe navikava da artikulišete i dokumentujete svoja dostignuća, što je moćan način da pojačate samopouzdanje. Plus, kada dođe vreme za vašu evaluaciju učinka, imaćete konkretne primere pri ruci i nećete morati da panično tražite podatke kako biste opravdali potrebu za resursima ili napredovanjem.

Iskoristite reciprocitet

Psihološki princip reciprociteta kaže da kada neko učini nešto za nas, prirodno osećamo potrebu da uzvratimo uslugu. Dakle, tražite prilike da istaknete liderstvo, prioritete, snage i uspehe svog šefa. Pokazujući da vrednujete i promovišete njihov rad, povećavate šanse da oni isto urade za vas. Ovo nije zamišljeno kao quid pro quo, već kao način „upravljanja prema gore“ koji gradi poverenje i dobru volju.

Iskrenost je ključna. Nemojte forsirati pohvalu tamo gde ne odgovara prirodno. Samo budite na oprezu za male trenutke u kojima možete priznati ideje i doprinose vašeg šefa. To može biti jednostavno kao da pošaljete brzinski mejl da im se zahvalite na smernicama o tome kako da pružite povratne informacije zaposlenom ili da aktivno učestvujete kada oni vode radionicu.

Zapamtite, vaš uspeh na poslu ne zavisi samo od dobrog obavljanja posla. Zavisi i od toga da se vaš rad vidi, razume i ceni. Preuzimanjem inicijative da tražite i omogućite podršku svog šefa, preuzimate kontrolu nad svojom profesionalnom pričom.

Korišćenje strukturiranog pristupa u komunikaciji može pomoći da odredite prioritet onoga što treba da prenesete. U ovom članku, autor uvodi svoj okvir „Šta, pa šta, sada šta“. Slično kao i švajcarski nož, poznat po svojoj svestranosti i pouzdanosti, ova struktura je fleksibilna i može se koristiti u mnogim različitim komunikacijskim situacijama. Struktura se sastoji od tri jednostavna pitanja: 1) Šta: opišite i definišite činjenice, situaciju, proizvod, poziciju, itd. 2) Pa šta: Razgovarajte o implikacijama ili važnosti za publiku. Drugim rečima, relevantnost za njih. 3) Šta sada: Navedite poziv na akciju ili sledeće korake kao što je postavljanje pitanja ili zakazivanje sledećeg sastanka.

Efikasna komunikacija nikada nije bila kritičnija u našem svetu koji se brzo razvija, gde svaki razgovor, pregovaranje, sastanak ili prezentacija može uticati na naš lični i profesionalni uspeh. Mnogo je veća verovatnoća da ćemo postići svoje komunikacijske ciljeve ako svoje poruke upakujemo na jasan, koncizan, logičan način.

U ovom članku ću predstaviti strukturu od tri pitanja za koju verujem da služi kao nezamenljiv alat za različite scenarije, od improvizovanih interakcija do ključnih poslovnih prezentacija, ali prvo počnimo od toga zašto je strukturirani pristup toliko koristan.

Vrednost strukture u komunikaciji

Struktura pruža mapu puta, logičku vezu ideja koja vodi i komunikatora i slušaoca. Zamislite to kao pažljivo osmišljenu priču ili dobro osmišljen recept. A prednosti korišćenja jedne su mnoge:

• Jasnoća: struktura eliminiše dvosmislenost, osiguravajući da je poruka jasna i laka za razumevanje i praćenje.
• Zadržavanje: Ideje predstavljene na struktuiran način imaju veće šanse da budu zapamćene, čineći komunikaciju još uticajnijom. Naš mozak je zapravo dizajniran da kodira i pamti strukturirane informacije.
• Ubeđivanje: Logička struktura gradi slučaj tačku po tačku, olakšavajući ubeđivanje vodeći drugu stranu kroz argumentovanje.
• Efikasnost: Struktura štedi vreme i mentalnu energiju, pojednostavljujući složene ideje u svahtljive tačke koje se mogu primeniti.
• Smanjena anksioznost: Posedovanje unapred definisane strukture može značajno da smanji anksioznost u komunikaciji, jer već znate kako da prenesete ono što treba da kažete i manje je verovatno da ćete zaboraviti svoj sadržaj.

Okvir „Šta, pa šta, šta sada“

Slično kao i švajcarski nož, poznat po svojoj svestranosti i pouzdanosti, ova struktura je fleksibilna i može se koristiti u mnogim različitim komunikacijskim situacijama. Struktura se sastoji od tri jednostavna pitanja:

• Šta: Opišite i definišite činjenice, situaciju, proizvod, poziciju itd.
• Pa šta: Razgovarajte o implikacijama ili važnosti za publiku. Drugim rečima, relevantnost za njih.
• Šta sada: Navedite poziv na akciju ili sledeće korake, kao što je postavljanje pitanja ili zakazivanje sledećeg sastanka.

Ova struktura ne samo da pomaže u organizovanju misli, već služi i kao putokaz za drugu stranu, čineći informacije lakšim za praćenje i delovanje.

Okvir na delu

Kako ova struktura izgleda u praksi? Evo tri primera:

1. Uvodi

Uvodi često mogu da se zbune. Korišćenje ove strukture može pomoći da budete jasni i da postavite očekivanja za ono što dolazi.

Kada predstavljate nekoga:

• Šta: Čast mi je da predstavim dr Klark, koja je ovde da razgovara o njenim uvidima u teoriju povezanosti.
• Pa šta: Njen rad je promenio način na koji mnogi ljudi donose svakodnevne odluke. Siguran sam da ćete razmišljati drugačije kada odete sa radionice.
• Šta sada: Bez daljeg odlaganja, pridružite mi se u dobrodošlici dr. Klark.

Kada nešto predstavljate:

• Šta: Uzbuđen sam što mogu da predstavim najnoviju verziju našeg proizvoda. U ovom izdanju dodali smo mnoga poboljšanja upotrebljivosti i poboljšali našu brzinu.
• Pa šta: Sada naši klijenti mogu lakše da završe svoje zadatke i uštede vreme i novac.
• Šta sada: kada napustite ovu konferencijsku sesiju, instalirajte je danas.

2. Odgovaranje na pitanje

Pitanja su odlična prilika za korišćenje ove strukture. Na primer, zamislite intervju za posao gde pitaju: „Zašto ste kvalifikovani za ovaj posao?“

• Šta: Imam preko 12 godina iskustva u radu sa klijentima, baveći se izazovima kao što su migracija na nove sisteme i implementacija novih procesa.
• Pa šta: Ova prethodna iskustva će mi pomoći da vašim klijentima pružim visokokvalitetne rezultate, a istovremeno će vam pomoći da pojednostavite svoj proces primene.
• Šta sada: Drago mi je što razgovarate o mojim kvalifikacijama sa nekim od mojih bivših klijenata.

3. Davanje povratnih informacija

Često podučavam klijente koji moraju da pruže konstruktivne povratne informacije da koriste ovu strukturu. Na primer, imate kolegu koji nije uspeo da završi svoj izveštaj na vreme.

• Šta: Primetio sam da izveštaj nije dostavljen u dogovorenom roku.
• Pa šta: ovo nas stavlja u nepovoljan položaj i može da ugrozi sastanak sa našim klijentima.
• Šta sada: potrebno mi je da završite ovaj izveštaj do sutra ujutru. Recite mi šta mogu da uradim da pomognem.

U zaključku, ovladavanje strukturiranom komunikacijom pomaže da kreirate svoje poruke i odredite prioritete onoga što nameravate da komunicirate, dok pomažete sagovorniku da svari informacije i zapamti ih. Korišćenjem „Šta, pa šta, sada šta“, možete se kretati kroz različite situacije u komunikaciji, osiguravajući da se poruka ne samo čuje, već se internalizuje i da se po njoj reaguje.

Starbucks se bori. Udaljio se od svoje uspešne strategije pružanja klijentima izuzetnih iskustava i, u tom procesu, postao je komoditet. Ovaj članak analizira gde je pošlo po zlu i nudi ideje kako kompanija može da preokrene trenutno stanje.

Starbucks je ponovo u nevolji. U svom poslednjem kvartalnom izveštaju o zaradi, objavio je razočaravajuće rezultate, uključujući pad prodaje od 4% (11% u Kini, njenom drugom najvećem tržištu). Nakon te objave, njegove akcije su pale. (Još uvek je znatno ispod svog 12-mesečnog maksimuma.) A njen osnivač i trostruki izvršni direktor Hauard Šulc još jednom je poslao poruku na LinkedIn moleći sadašnje lidere Starbucksa da ponovo otkriju i prihvate osnovnu svrhu kompanije, njen razlog postojanja.

Šulcovo otvoreno pismo, koje je usledilo nakon drugog koje je objavio u februaru, u velikoj meri odražava rastuća osećanja mnogih dugogodišnjih kupaca: Odlazak u Starbucks nije ono što je bio, a sam brend nije ono što je nekada značio. Fundamentalni problem: Starbucks je sam sebe komoditizovao.

U ovom članku tvrdimo da kompanija treba da pomeri svoj fokus nazad na lično. Njeni problemi ilustruju kako kompanije koje su uspele nudeći klijentima izuzetna iskustva mogu podleći iskušenju da slede ciljeve kao što su efikasnost i obim i, u tom procesu, da se komodiziraju. Naše preporuke su sve o tome kako oni koji su zalutali mogu da se vrate na put.

Komoditizacija

Termin „treće mesto“ (koje je skovao sociolog Rej Oldenburg), koji Šulc već dugo primenjuje na Starbucks, znači „mesto izvan kuće i posla gde bi ljudi mogli da se okupe, opuste i razgovaraju“. Ali tokom protekle decenije, udobne stolice su uglavnom nestale, zamenjene čvrstim drvenim. Kompanija je takođe pretvorila pronalaženje električnih utičnica za uključivanje računara ili telefona u nešto kao potragu za blagom.

Štampane porudžbine su zamenile rukopis na šoljama - nekada davno, uključujući komplimente ili pohvale - uklanjajući ljudski dodir sa čuvenih ručno rađenih napitaka. Nestala je bogata aroma pečenja i mlevenja zrna kafe; umesto toga, sada postoje zapečaćena pakovanja spremna za upotrebu.

Starbucksov hvaljeni program lojalnosti je takođe komoditizujući. Uprkos sveukupnom povećanju prodaje, njegovo praćenje kupovina fokusira kupce na cenu onoga što kupuju - posebno kada je kompanija prebacila sa praćenja artikala na ukupne potrošene dolare - umesto na vrednost onoga što piju, jedu i doživljavaju. Eksplicitna pogodba „kupite više, a mi ćemo vam dati nešto besplatno“ dolazi sa implicitnom porukom da „preplaćujete svaku šoljicu, tako da možemo sebi da priuštimo da s vremena na vreme ubacimo nešto gratis“.

Kompanija je odavno dodala mobilno poručivanje na mnogim lokacijama, što je takođe povećalo prodaju uz smanjenje lokalnog iskustva. To je podelilo pažnju barista, povećalo dužinu služenja i zauzelo prostor koji bi se mogao koristiti za poboljšanje ličnog iskustva.

Mobilno naručivanje stavlja vas i vašu internu porudžbinu u nevidljivi red neodređene i ponekad naizgled beskonačne dužine. Na kraju se laktate sa kupcima koji dolaze i odlaze, slušajući i gledajući ih kako ulaze i izlaze sve vreme dok pokušavate da uživate u vremenu koje želite da provedete van kuće i posla. A sada su neki Starbucksovi prostori uklonili sve stolice — udobne i čvrste — kako bi se fokusirali na porudžbine na mobilnim uređajima.

Starbucks to može nazvati „iskustvenom pogodnošću“, ali mi to smatramo oksimoronom; pogodnost se odnosi na dobro ušteđeno vreme, a iskustvo je na dobro utrošenom vremenu. To je zapravo samo iskustveni ekvivalent „smanjivanja“.

Istovremeno, kompanija je bila svedok rastućih tenzija unutar svoje radne snage i nastojanja da se udruži. Dok se Starbucks konstantno rangirao kao jedno od najboljih mesta za rad, potpuno je nestao sa top lista od 2016. Umesto toga, zaposleni su sve više verbalno govorili o svojim radnim uslovima, ukazujući na nepovezanost između pokazatelja učinka koji su usmereni na obim prodaje i onih koji su fokusirani na kvalitet veze sa kupcima.

Naravno, kompanija je stekla prihod i efikasnost u kratkom roku, ali po kojoj ceni na duži rok ako se komodizira, izgubi svoju autentičnost i umanji iskustvo „trećeg mesta“ — ako na kraju izgubi ono što je Šulc opisao u njegovom februarskom otvorenom pismu kao „duša“ u procesu? Mi to vidimo kao faustovsku pogodbu koja bi danas mogla zadovoljiti Volstrit, ali će na kraju nagrizati kompaniju, ostavljajući je kao ogromnu ljušturu.

Put nazad

Sigurno nije kasno da Starbucks ispravi brod, vrati se na njegov iskustveni kurs i izbije njegove samokomoditizacije. U mnogim aspektima, slažemo se sa Šulcovom ocenom da put napred počinje ponovnim razmatranjem onoga što je kompaniju učinilo tako uspešnom.

Povratak autentičnosti brenda znači ukidanje osećaja montažne trake današnjeg Starbucks-a, omogućavajući zaposlenima da ponovo budu ključni akteri u iskustvu. Živost koju donose baristi koji uzvikuju narudžbine i ljudske veze koje ostvaruju upravo su ono što je ovim mestima dalo osećaj u komšijskim kafićima - čak i ako je to značilo povremeno pogrešno napisano ime na vašoj šoljici ili neopravdanu dodatnu količinu sirupa. Takve „greške“ učinile su da Starbucks doživljava autentično ljudsko iskustvo. Ponovno obogaćivanje poslova koji su postali rutinski i osnaživanje zaposlenih da priređuju značajna iskustva takođe mogu uveliko poboljšati njihovo osećanje prema kompaniji.

Kompanija bi takođe trebalo da redizajnira svoj program lojalnosti kako bi prestala da daje besplatno piće i hranu koju bi gosti ionako kupili. Umesto toga, pretvorite program u platformu za iskustvo koja gostima nudi iskustva koja inače ne bi imali. To je ono što je većina kompanija za kreditne kartice, avio-kompanija i ugostiteljska kompanija već učinila. Deltin program SkiMiles Exeriences, na primer, govori o tome kako „možete svoje kilometre pretvoriti u uspomene“. Mastercard platforma nudi „neprocenjivo“ iskustvo. A Hilton Honors program lojalnosti poručuje članovima da stave svoje poene „tamo gde je vaša strast, sa iskustvima širom sveta i u vašem rodnom gradu koji se ne mogu kupiti novcem“.

Starbucks takođe mora da pronađe načine da se pobrine za one ljude koji Starbucks tretiraju kao puku uslugu bez narušavanja iskustva onih koji to smatraju nečim više. To znači odvajanje mobilnih i direktnih porudžbina od lokalnih kako bi se minimizirale interakcije između različitih grupa. To takođe znači reinvestiranje u udobnost i pogodnosti za ljude koji žele da sednu. U stvari, s obzirom na to da rad na daljinu ne vodi nikuda i da se domovi mnogih ljudi od nedavne pandemije pokazuju kao okruženja koja nisu idealna, nikada nije bilo boljeg vremena za Starbucks da se pozicionira kao dostojno mesto za rad.

Jedan od načina da se napravi jasna razlika između internih kupaca i kupaca koji kupuju za poneti je da se prepozna da dok usluge naplaćuju aktivnosti koje zaposleni obavljaju, iskustva naplaćuju vreme koje kupci provode u mestu. To može značiti naplatu ulaznice ili članarine ili veću cenu pića i hrane. Pret A Manger u Velikoj Britaniji već koristi takav dvostepeni model cena za one koji ostaju u odnosu na one koji odlaze.

Postoje mnoga mesta širom sveta, koja se često nazivaju „antikafeima“, koja naplaćuju vreme provedeno tamo u druženju, igranju igrica, obavljanju posla i tako dalje — i često besplatno ubacuju kafu. Ali ne morate da naplaćujete celo mesto; možete naplatiti mesta-unutar-mesta i iskustva koja se tamo dešavaju. Zaista, Starbucks već naplaćuje ulaz za degustaciona iskustva i časove na svojim...

Nema sumnje da prihvatanje ovih ideja zahteva ne samo ispravnu strategiju već i snažno vođstvo. Može li to bilo ko osim Hauarda Šulca? Njegovo poslednje otvoreno pismo može biti molba da bude pozvan nazad, kao što je to često činio ranije. S obzirom da više nije ni u odboru, to je malo verovatno. Ali ako ne Šulc, onda je Starbaksu potreban vođa sa sličnom strašću i uvažavanjem vrednosti iskustava.

U 2022. godini, američki potrošači su vratili 16,5% kupovina, što je prodavce koštalo procenjenih 816 milijardi dolara izgubljenog prihoda. Istraživanja sugerišu da je unakrsna prodaja proizvoda tokom procesa povrata efikasna strategija za smanjenje ovog gubitka prihoda. Tokom brojnih eksperimenata, istraživači su otkrili da potrošači tretiraju povraćaj novca kao novac koji je već izgubljen, tako da je manje bolno potrošiti ta sredstva na drugu kupovinu, sve dok se unakrsna prodaja dogodi pre nego što se novac ponovo izda na prvobitni način plaćanja kupaca i potrošača. Istraživači su takođe otkrili da se ovaj „efekat povrata“ primenjuje na sve kategorije. Kreiranje politika i praksi povrata zasnovanih na efektu refundiranja može smanjiti gubitak prihoda od povraćaja proizvoda na način koji koristi i potrošačima i trgovcima na malo.

Povraćaj proizvoda predstavlja veliki izazov za trgovce na malo. U 2022. godini, američki potrošači su vratili 16,5% kupljene robe, što je prodavce koštalo procenjenih 816 milijardi dolara izgubljenog prihoda. Tipične strategije za smanjenje prihoda izgubljenog zbog povraćaja proizvoda uključuju smanjenje verovatnoće povraćaja pružanjem više informacija o proizvodima (npr. recenzije i česta pitanja) i povećanje finansijskih i transakcionih troškova za potrošače koji vraćaju proizvode (npr. troškovi isporuke i ograničeni rokovi povrata ). Ali prva strategija je skupa za trgovce na malo, a druga za potrošače. Naše nedavno istraživanje identifikuje efikasnu strategiju za smanjenje ovog gubitka prihoda koji koristi svima: unakrsna prodaja proizvoda tokom procesa vraćanja proizvoda.

U šest eksperimenata otkrili smo da potrošači tretiraju povraćaj novca kao već izgubljeni novac, pa je trošenje ovih sredstava na drugu kupovinu manje bolno. Učesnici istraživanja su imali veću verovatnoću da potroše novac od povraćaja proizvoda nego od bonusa, i čak je verovatnije da će potrošiti refundirani novac nego neočekivani prihod, kao što su dobici na lutriji i povraćaji poreza. Ovo nazivamo „efekat refundiranja“.

U jednom laboratorijskom eksperimentu, na primer, dali smo svim učesnicima 4 dolara. Neki od učesnika su zamoljeni da iskoriste novac za kupovinu lopte za stres za koju su kasnije saznali da mogu da vrate, što je većina i uradila. Drugi u kontrolnoj grupi nisu izvršili početnu kupovinu. Zatim smo svima ponudili priliku da zadrže svoja 4 dolara ili ih iskoriste za kupovinu Starbucks poklon kartice od 5 dolara uz popust. Samo 48% kontrolne grupe koristilo je svojih 4 dolara za kupovinu poklon kartice, dok je 78% učesnika koji su dobili povraćaj kupilo poklon karticu. Replicirali smo ovu studiju sa onlajn uzorkom gde je vraćeni proizvod bila poklon kartica od velikog prodavca (tj. Best Buy ili Kohls). U ovom eksperimentu, samo 10% kontrolne grupe je odlučilo da kupi Starbucks poklon karticu, dok je 25% učesnika sa refundiranim novcem koristilo to za kupovinu Starbucks poklon kartice.

Prodavci koji razumeju dinamiku efekta refundiranja – kada, zašto i kako funkcioniše – mogu da ublaže jednu od višegodišnjih glavobolja ove industrije. Evo tri nalaza koje trgovci na malo treba da imaju na umu da bi maksimalno iskoristili efekat povraćaja:

Mogućnosti za unakrsnu prodaju se javljaju tokom procesa vraćanja – pre nego što se novac ponovo izda na prvobitni način plaćanja kupaca

Mnogo je manje verovatno da će efekat refundiranja povećati prodaju nakon što je novac vraćen na kreditnu karticu ili tekući račun. Zašto? Efekat povraćaja novca zavisi od stvaranja i održavanja „namenske oznake“ koja podseća potrošače da je novac izgubljen. Naše istraživanje je pokazalo da ako se refundirani novac objedini sa novcem iz drugih izvora, namenska se sredstva uklanjaju i potrošači ih troše ništa drugačije od novca iz drugih izvora. Na primer, veća je verovatnoća da će učesnici istraživanja koristiti povraćaj novca za par patika za kupovinu košulje ako tek treba da dobiju svoj novac nazad. Ako je novac već bio deponovan na njihov tekući račun, nije bila veća verovatnoća da će kupiti majicu od učesnika koji su jednostavno videli majicu na mreži.

Neki trgovci na malo već efikasno koriste ovu strategiju unakrsne prodaje. Podrazumevano, Amazon pita kupce da li žele da iskoriste svoj povratak za kupovinu poklon kartice. Kupci koji odbiju ovu unakrsnu prodaju onda dobijaju povraćaj novca. Clothier Todd Snider omogućava kupcima da iskoriste povraćaj novca da odmah kupe druge proizvode pre nego što pošalju povraćaj. Ostatak njihovog povraćaja se izdaje kada se povraćaj primi. Ove strategije unakrsne prodaje će verovatno funkcionisati, jer kupci kupuju od povraćaja novca pre nego što dobiju novac od povrata.

Efekat refundiranja funkcioniše samo kada potrošači očekuju da će izgubiti novac

Naše istraživanje je pokazalo da potrošači u početku moraju da očekuju da zadrže robu i usluge koje kupuju kako bi stvorili namensku marku koja će omogućiti efekat povraćaja novca. Strategije „Probajte pre nego što kupite“, gde potrošači ne očekuju da će platiti za vraćenu robu, verovatno neće stvoriti efekat povraćaja ako se ta roba vrati.
Na primer, učesnici istraživanja koji su zamislili da kupe dva para cipela da isprobaju sa očekivanjem da će vratiti jedan par, nije veća verovatnoća da će potrošiti refundiranje na jaknu. Nasuprot tome, učesnici koji nisu očekivali da vrate par cipela kada su ih kupili, verovatnije su iskoristili povrat novca za kupovinu jakne

Efekat refundiranja se primenjuje na sve kategorije

Pošto se refundirani novac čini kao da je već izgubljen, efekat refundiranja se primenjuje i na proizvode koji se više prodaju u istoj kategoriji i na proizvode u drugim kategorijama.

Na primer, učesnici istraživanja u petom eksperimentu su imali veću verovatnoću da potroše povraćaj novca od vraćene boce vina bilo na poklon karticu od prodavnice ili od brenda za sportsku zabavu nego da kupe bilo koju vrstu poklon kartice novcem iz svog džepa. Ovo je dobra vest za trgovce koji nude niz kategorija proizvoda.

Strategije prodaje kao što su dodatna prodaja i razmene tokom procesa vraćanja proizvoda trebale bi na sličan način da imaju koristi od efekta refundiranja i mogu biti bolje za upravljanje odnosima sa kupcima nego povećanje troškova povraćaja proizvoda. Nove kompanije su zakoračile na ovo tržište. Na primer, Loop Returns pomaže 1.500 Shopify trgovaca, kao što su Allbirds i Brooklinen, da unakrsnu prodaju, prodaju i razmenjuju proizvode tokom procesa vraćanja proizvoda, štedeći 28% prihoda koji bi inače bili izgubljeni.

Lekcija za trgovce na malo? Umesto pribegavanja praksama čiji strogi transakcioni troškovi mogu da otuđuju kupce, ponekad trajno, kreiranje politika vraćanja i praksi zasnovanih na efektu refundiranja može biti efikasan način da se smanji gubitak prihoda nastao vraćanjem proizvoda na način koji koristi i potrošačima i trgovcima na malo.