Trzy automatyzacje, które przestały gubić deale w firmie SaaS

Kto to był i co go bolało

Klient to firma B2B SaaS z rosnącym zespołem sprzedaży. Rosnącym na tyle szybko, że przestały działać nawyki, które sprawdzały się przy trzech handlowcach. Problemy były trzy i każdy z nich kosztował realne pieniądze.

Pierwszy: szanse sprzedaży cichły i nikt tego nie zauważał. Jeśli przy dealu nie było żadnej aktywności przez kilka dni, po prostu wypadał z głowy handlowca. Klient stygł i wybierał kogoś, kto się odezwał. Drugi: nowe leady wpadały do systemu praktycznie puste - adres e-mail i nazwa firmy, nic więcej. Przed każdym pierwszym telefonem handlowiec siadał i ręcznie sprawdzał w wyszukiwarce, czym ta firma się właściwie zajmuje. Trzeci: notatki ze spotkań. Po każdym pokazie produktu schodziło piętnaście do dwudziestu minut na przepisanie tego, co się wydarzyło, a i tak najważniejsze obiekcje klienta gdzieś się gubiły.

Do tego dochodził brak widoczności po stronie zarządzania. Osoba prowadząca zespół nie wiedziała, które szanse są gorące, a które wiszą. W sumie każdy handlowiec tracił od pięciu do siedmiu godzin tygodniowo na czynności, których nikt nie musi wykonywać ręcznie. Warunek klienta brzmiał jasno: rozwiązać to bez powiększania zespołu.

Co zrobiliśmy

Zbudowaliśmy pakiet trzech automatyzacji w n8n, wszystkie spięte z HubSpotem, żeby dane nadal miały jedno miejsce.

Pierwsza codziennie przegląda otwarte szanse sprzedaży i sprawdza, kiedy ostatnio coś się przy nich działo - mail, telefon, zadanie. Jeśli od trzech dni cisza, automatycznie powstaje zadanie dla opiekuna z przypomnieniem o kontakcie. Prosta rzecz, a rozwiązuje najdroższy problem z całej trójki.

Druga uruchamia się w momencie pojawienia się nowego leada. Zdarzenie z HubSpota budzi automatyzację, ta pobiera publiczne informacje o firmie z sieci, a Google Gemini wyciąga z tego branżę, wielkość, używane technologie i kanały społecznościowe. Uzupełniony profil wraca do HubSpota, zanim handlowiec w ogóle otworzy kartę kontaktu.

Trzecia to bot spotkań. Dołącza do zaplanowanych rozmów wideo z kalendarza, nagrywa je, zamienia nagranie na tekst, a potem przygotowuje streszczenie z problemami klienta i kolejnymi krokami. Podsumowanie idzie mailem do handlowca i trafia jako notatka do systemu.

Jak to działa dzisiaj

Handlowiec rano widzi listę zadań, w której są też przypomnienia o szansach sprzedaży, o których sam by nie pomyślał. Nowe leady otwiera już uzupełnione. Po spotkaniu dostaje gotowe streszczenie na skrzynkę, więc może przejść od razu do następnej rozmowy. Wszystkie trzy automatyzacje zapisują dane w tym samym miejscu, więc zespół nadal pracuje na jednym systemie, a nie na trzech osobnych narzędziach.

Całość powstała w dziesięć dni. Dwa dni zajęło zmapowanie procesów i zaprojektowanie przebiegów. Kolejne trzy budowa monitorowania szans sprzedaży i wzbogacania leadów. Następne trzy bot spotkań, który był najtrudniejszy. Ostatnie dwa spięcie wszystkiego z HubSpotem, testy i szkolenie zespołu.

Co z tego wyszło

Klient dostał trzy działające automatyzacje: monitorowanie aktywności przy szansach sprzedaży, wzbogacanie leadów oparte o Google Gemini i przeszukiwanie sieci oraz bota nagrywającego spotkania. Zadania przypominające o kontakcie powstają automatycznie, bez udziału człowieka. Notatki ze spotkań, wraz z transkrypcją i streszczeniem, powstają dla wszystkich rozmów, a nie tylko dla tych, przy których handlowiec miał czas usiąść i pisać.

Zespół nie urósł, a rutynowa część pracy zniknęła z kalendarzy.

Co zrobilibyśmy inaczej

Trzy automatyzacje naraz to był za szeroki zakres jak na jedno wdrożenie. Dwie pierwsze były gotowe i przetestowane szybko, a bot spotkań ciągnął cały projekt, bo dochodzenie do sensownej jakości transkrypcji i stabilnego dołączania do rozmów wymaga po prostu czasu. Następnym razem dzielimy to na dwa etapy i oddajemy klientowi wartość wcześniej.

Druga sprawa, którą potraktowaliśmy zbyt lekko, to zgoda na nagrywanie. Bot wchodzi na spotkanie z osobami z zewnątrz i sposób informowania o nagraniu trzeba ustalić razem z klientem na samym początku, a nie przy testach. Trzeci wniosek dotyczy wzbogacania leadów: model czasem uzupełniał pola danymi, które brzmiały wiarygodnie, ale nie wynikały wprost ze źródła. Dołożyliśmy oznaczanie pewności i zostawianie pustego pola zamiast zgadywania, ale to powinien być element projektu od pierwszego dnia.