Apa yang kami pelajari dalam membangun SalesBot — asisten penjualan chatbot bertenaga AI dari HubSpot

Ketika saya pertama kali bergabung dengan tim Pemasaran Percakapan HubSpot, sebagian besar volume obrolan situs web kami ditangani oleh manusia. Kami memiliki tim global yang terdiri lebih dari seratus agen penjualan langsung — Inbound Success Coaches (ISC) yang memenuhi syarat prospek, memesan rapat, dan mengarahkan percakapan ke perwakilan penjualan. Itu berhasil, tetapi tidak berskala.

Setiap hari, ISC tersebut menerima ribuan pesan chat dari pengunjung yang membutuhkan info produk, memiliki pertanyaan dukungan, atau sekadar menjelajah. Meskipun kami menyukai interaksi tersebut, interaksi tersebut sering kali mengalihkan fokus dari prospek dengan niat tinggi yang siap terlibat dengan penjualan.

Kami tahu AI dapat membantu kami bekerja lebih cerdas, namun kami tidak menginginkan chatbot bernaskah lainnya. Kami menginginkan sesuatu yang bisa memikirkan seperti perwakilan penjualan: memenuhi syarat, membimbing, dan menjual secara real-time.

Begitulah lahirnya SalesBot — asisten obrolan bertenaga AI yang kini menangani sebagian besar volume obrolan masuk HubSpot, menjawab ribuan pertanyaan obrolan, prospek yang memenuhi syarat, memesan rapat, dan bahkan menjual langsung produk tingkat Pemula kami.

Inilah yang telah kami pelajari selama ini.

Bagaimana Kami Membangun SalesBot dan Apa yang Kami Pelajari

1. Mulailah dengan defleksi. Kemudian, bangun sesuai permintaan.

Saat pertama kali kami meluncurkan SalesBot, tujuan utama kami adalah menangkis pertanyaan yang mudah dijawab dan memiliki niat penjualan yang rendah (contoh: “Apa itu CRM” atau “Bagaimana cara menambahkan pengguna ke akun saya”). Kami ingin mengurangi kebisingan dan membebaskan manusia untuk fokus pada percakapan yang lebih kompleks.

Kami melatih bot di basis pengetahuan HubSpot, katalog produk, kursus Akademi, dan banyak lagi. Kami sekarang mengalihkan lebih dari 80% obrolan di situs web kami menggunakan AI dan opsi layanan mandiri.

Keberhasilan dalam pembelokan itu memberi kami kepercayaan diri, namun juga mengungkap tantangan kami berikutnya. Defleksi saja tidak akan mengembangkan bisnis. Untuk benar-benar meningkatkan nilai, kami memerlukan alat yang dapat melakukan lebih dari sekadar penyelesaian — alat tersebut harus melakukan hal tersebut menjual.

2. Skor percakapan untuk menutup kesenjangan sesuai permintaan.

Setelah kami melakukan defleksi, kami melihat adanya penurunan pada prospek dengan niat sedang — prospek yang belum siap untuk mengadakan rapat namun masih menunjukkan sinyal pembelian. Manusia pandai mengenali momen-momen itu. Bot belum….

Untuk menutup kesenjangan tersebut, kami membuat model kecenderungan real-time yang menilai obrolan pada skala 0–100 berdasarkan perpaduan data CRM, konten percakapan, dan niat yang diprediksi oleh AI. Saat obrolan melewati ambang batas tertentu, obrolan tersebut akan diangkat sebagai prospek yang memenuhi syarat.

Model tersebut kini membantu SalesBot mengidentifikasi peluang berpotensi tinggi — bahkan ketika pelanggan tidak secara eksplisit meminta demo. Ini adalah contoh sempurna bagaimana AI dapat melakukannya nuansa permukaan dalam skala besar.

3. Membangun untuk menjual, bukan sekedar dukungan.

Setelah kami memahami dasar-dasar defleksi dan penilaian, kami mengalihkan perhatian kami ke sesuatu yang lebih berani: mengubah SalesBot menjadi asisten penjualan sejati.

Kami melatihnya berdasarkan kerangka kualifikasi kami (GPCT — Sasaran, Rencana, Tantangan, Garis Waktu), memungkinkan bot memandu prospek menuju langkah berikutnya yang tepat: apakah itu memulai dengan alat gratis, memesan pertemuan dengan bagian penjualan, atau membeli paket Pemula langsung dalam obrolan.

Sekarang, kami memiliki alat yang tidak hanya merespons — alat ini memenuhi syarat, membangun niat, dan melakukan promosi seperti seorang perwakilan. Pergeseran ini secara mendasar mengubah cara kita berpikir tentang pembangkitan permintaan percakapan.

4. Pilih kualitas daripada CSAT.

Kami segera menyadari bahwa metrik chatbot tradisional seperti CSAT (Skor Kepuasan Pelanggan) tidaklah cukup.

CSAT mengukur bagaimana pelanggan terasa tentang pengalaman mereka, biasanya dengan menanyakan apakah mereka menjadi pencela, pasif, atau promotor setelah interaksi. Namun hanya sebagian kecil (kurang dari 1% pengobrol) yang menyelesaikan survei. Dan bahkan jika pelanggan menilai obrolan secara positif, itu tidak berarti Salesbot memberikan pengalaman obrolan yang berkualitas.

Jadi kami membuat rubrik kualitas khusus dengan ISC kami yang berkinerja terbaik untuk menentukan seperti apa sebenarnya “baik” itu. Rubrik ini mengukur faktor-faktor seperti kedalaman penemuan, langkah selanjutnya, nada, dan akurasi.

Tahun ini saja, tim yang terdiri dari 13 evaluator meninjau secara manual lebih dari 3.000 percakapan penjualan. Lingkaran QA manusia itu sangat penting. Hal ini membuat AI kami tetap berpegang pada perilaku penjualan di dunia nyata dan membantu kami terus meningkatkan kinerja.

5. Berskala global untuk meningkatkan efisiensi.

Sebelum adanya AI, menyediakan staf live chat dalam tujuh bahasa adalah salah satu tantangan operasional terbesar kami. Hal ini memakan biaya yang besar, tidak konsisten, dan sulit untuk diukur.

Kini, kami dapat menangani percakapan multibahasa di seluruh dunia, memberikan pengalaman yang konsisten dari mana pun seseorang mengobrol. Hal ini bukan hanya sekedar kemenangan efisiensi — ini adalah peningkatan pengalaman pelanggan.

AI telah memberi kami cakupan global yang sebenarnya tanpa membebani tim kami secara berlebihan, membuka peluang pertumbuhan di wilayah-wilayah yang jumlah karyawannya tidak dapat mengimbanginya.

6. Membangun struktur tim yang tepat.

Kesuksesan tidak terjadi karena satu orang atau tim — kesuksesan terjadi karena sekelompok pembangun cerdas yang berorientasi pada pelanggan bersatu dalam Pemasaran Percakapan dan Teknologi Pemasaran Rekayasa AI.

Pemasaran Percakapan memiliki strategi, pengalaman pengguna, dan jaminan kualitas, selalu mendasarkan keputusan pada apa yang akan memberikan pengalaman terbaik bagi pelanggan kami. Mitra Rekayasa AI kami di Teknologi Pemasaran membangun model, petunjuk, dan infrastruktur yang mewujudkan ide-ide tersebut menjadi nyata — dengan cepat.

Bersama-sama, kami membentuk kelompok kerja terpadu dengan tujuan bersama, simpanan bersama, dan ritme eksperimen mingguan. Perpaduan antara empati pelanggan yang mendalam dan keunggulan teknis memungkinkan kami bergerak seperti tim produk — menguji, mempelajari, dan meningkatkan SalesBot di setiap rilis.

7. Pendekatan otomatisasi dengan pola pikir produk.

Peluang terbesar dalam perjalanan kami adalah menerapkan pola pikir produk. SalesBot bukanlah proyek otomatisasi yang hanya dilakukan sekali saja. Ini adalah produk hidup yang berkembang dengan setiap iterasi.

Selama dua tahun terakhir, kami telah beralih dari bot berbasis aturan ke sistem retrieval-augmented generation (RAG), meningkatkan model kami ke GPT-4.1, dan menambahkan kualifikasi dan kemampuan promosi produk yang lebih cerdas.

Peningkatan tersebut menggandakan kecepatan respons, meningkatkan akurasi, dan meningkatkan tingkat konversi prospek berkualitas kami dari 3% menjadi 5%.

Kami tidak sampai di sana dalam semalam. Dibutuhkan ratusan pengulangan dan budaya yang memperlakukan eksperimen AI sebagai bagian inti dari gerakan memasuki pasar.

8. Manusia tetap penting.

Bahkan dengan semua kemajuan ini, beberapa hal masih memerlukan sentuhan manusia. Saat ini, SalesBot tidak dapat membuat kutipan khusus, menangani keberatan yang rumit, atau meniru empati dalam percakapan yang berbeda — dan itu tidak masalah. Kami akan selalu berupaya untuk memperluas kemampuannya, namun pengawasan manusia akan selalu penting untuk menjaga kualitas.

Agen dan pakar kami memainkan peran inti dalam kesuksesan kami. Mereka mengevaluasi keluaran, memberikan umpan balik, dan memastikan sistem terus belajar dan berkembang. Penilaian mereka mendefinisikan apa yang “baik” dan menjaga standar kualitas kami tetap tinggi seiring dengan berkembangnya teknologi.

Peran AI adalah untuk meningkatkan jangkauan dan kecepatan — bukan menggantikan hubungan antarmanusia. ISC kami kini fokus pada program bernilai lebih tinggi dan kasus-kasus edge di mana keahlian mereka benar-benar unggul. Tujuannya bukan untuk mengurangi jumlah manusia, namun untuk memanfaatkan waktu mereka dengan lebih cerdas dan berdampak.

9. Berikan struktur model Anda, bukan hanya lebih banyak data.

Saat kami pertama kali membangun SalesBot, ia berjalan pada sistem berbasis aturan sederhana — tindakan X memicu respons Y. Ini berfungsi untuk logika dasar, tetapi tidak terdengar seperti seorang penjual. Kami menginginkan sesuatu yang terasa lebih dekat dengan ISC: komunikatif, percaya diri, dan membantu.

Untuk mencapainya, kami bereksperimen dengan penyesuaian. Kami mengekspor ribuan transkrip obrolan dan meminta ISC memberi anotasi pada nada, keakuratan, dan penyusunan frasa. Melatih model menggunakan contoh-contoh ini membuatnya terdengar lebih alami, tetapi akurasinya menurun. Kami belajar dari pengalaman pahit bahwa terlalu banyak data manusia yang tidak terstruktur sebenarnya dapat menurunkan kinerja model. Model mulai mengingat “tepian” dari apa yang dilihatnya dan mengaburkan segala sesuatu di antaranya.

Jadi, kami memutar. Bukannya memberi model lagi data, kami memberikannya a lebih baik struktur. Kami beralih ke penyiapan retrieval-augmented generation (RAG), yang menerapkan alat tersebut dalam konteks waktu nyata dan mengajarkannya kapan harus mengambil dari sumber pengetahuan, alat, dan data CRM.

Hasilnya adalah bot yang jauh lebih andal dalam percakapan penjualan yang kompleks dan jauh lebih baik dalam mengidentifikasi niat.

Cara Mulai Membuat Program Obrolan AI

Jika Anda baru memulai, kesalahpahaman terbesar adalah Anda bisa langsung terjun ke AI. Pada kenyataannya, AI hanya akan berhasil jika fondasi yang mendasarinya kuat. Melihat kembali perjalanan kami, ketiga prinsip ini paling penting.

1. Bangun fondasi sebelum Anda mengotomatisasi.

AI hanya akan sebaik program manusia yang dipelajarinya. Sebelum kami mengotomatiskan apa pun, kami telah melakukan percakapan nyata selama bertahun-tahun yang ditangani oleh agen obrolan yang terampil. Yayasan obrolan langsung memberi kami:

• Data pelatihan berkualitas tinggi
• Definisi yang jelas tentang seperti apa “baik” itu
• Pola untuk mengidentifikasi apa yang dapat diotomatisasi terlebih dahulu

Jika Anda melewatkan langkah ini, AI Anda tidak akan tahu apa yang “baik” — dan tidak akan tahu kapan itu salah.

2. Pahami betapa hebatnya manusia Anda. Lalu, ajarkan AI.

AI tidak dapat meniru nuansa yang muncul dalam interaksi manusia.

Pelajari perwakilan Anda yang berkinerja terbaik secara mendalam, dan tanyakan pada diri Anda pertanyaan-pertanyaan berikut:

• Bagaimana mereka memenuhi syarat?
• Sinyal apa yang mereka tangkap?
• Bahasa apa yang membangun kepercayaan?
• Bagaimana mereka pulih ketika ada sesuatu yang tidak sesuai rencana?

Tim manusia Anda adalah cetak biru Anda. Segala sesuatu yang dilakukan manusia hebat — mulai dari nada, waktu, hingga penemuan — menjadi landasan bagi AI yang benar-benar dapat menjual, bukan sekadar menjawab pertanyaan.

3. Ciptakan tim yang berbasis eksperimen dan berbasis data.

AI bukanlah proyek yang bisa diselesaikan dan dilupakan. Itu adalah sebuah produk, dan satu-satunya cara untuk meningkatkan skala program obrolan AI adalah dengan membangun tim yang:

• Eksperimen terus-menerus
• Bergerak cepat melalui iterasi
• Mengukur apa yang berhasil (dan apa yang tidak)
• Memperlakukan kegagalan sebagai masukan, bukan kemunduran

Tim yang didorong oleh eksperimen mengubah AI dari peluncuran satu kali menjadi mesin pertumbuhan yang terus ditingkatkan.

Intinya

Kesimpulan terbesar bagi saya adalah ini: AI tidak menggantikan strategi masuk ke pasar yang hebat — AI justru mempercepatnya. Peralatan Anda harus mencerminkan cara Anda beroperasi. Bagi kami, hal tersebut merupakan perpaduan antara teknologi, kreativitas, dan empati pelanggan untuk terus mengembangkan cara kami menjual.