ทีมขายสั่งให้ ChatGPT Work ซึ่งเป็น ChatGPT เวอร์ชันที่อ่านข้อมูลลูกค้า อีเมล ปฏิทิน และแชทของบริษัทได้ สรุปเป็นบรีฟหน้าเดียวว่าเช้านี้ควรติดต่อลูกค้ารายไหนก่อน

งานแรกของมันจึงไม่ใช่การเขียนอีเมลหาลูกค้า

และเรื่องนี้ไม่ใช่เทคนิคที่อินฟลูเอนเซอร์เดาเอาเอง แต่มาจากเอกสารทางการที่ OpenAI ผู้พัฒนา ChatGPT เผยแพร่เอง ในนั้นไล่ไว้ครบว่างานขาย 5 ชิ้นที่กินเวลาไปมากหน้าตาเป็นยังไง ต้องป้อนอะไรเข้าไป และจะได้อะไรออกมา

ปัญหาของคนขายไม่ใช่เขียนไม่เก่ง แต่ข้อมูลกระจายอยู่คนละที่

ลองนึกภาพงานหนึ่งวันของเซลส์คนหนึ่ง ข้อมูลของลูกค้ารายเดียวกระจายอยู่หลายที่ ตั้งแต่ระบบ CRM ที่ทีมขายใช้เก็บข้อมูลลูกค้า บันทึกการโทร เธรดอีเมลที่ตอบกันไปมายาวเป็นหางว่าว แชทของทีม สไลด์ข้อเสนอ เอกสารที่ลูกค้าส่งมา ไปจนถึงข้อมูลการใช้งานจริงของลูกค้ารายนั้น

งานตรงนี้ไม่ได้ยากตรงที่ไม่รู้ว่าต้องทำอะไร แต่กว่าจะรวบรวมข้อมูลทั้งหมดให้เห็นภาพ ครึ่งเช้าก็หมดไปแล้ว เอกสารชุดนี้เสนอให้ AI อ่านข้อมูลพวกนี้แทน แล้วปั้นเป็นร่างแรกที่ใช้งานได้จริง ไม่ใช่คำตอบสำเร็จรูป และร่างแรกก็ยังต้องมีคนอ่าน ตรวจ แก้ และตัดสินใจ ตามหลักที่ว่าผลลัพธ์แรกจาก ChatGPT Work คือร่าง ไม่ใช่งานที่เสร็จสมบูรณ์

งานที่ 1 · ให้ ChatGPT Work เรียงว่าเช้านี้ควรติดต่อลูกค้ารายไหนก่อน

ป้อนเข้า ข้อมูลบัญชีลูกค้าใน CRM บทสนทนาที่เคยคุยกับลูกค้า ข้อมูลการใช้งานของบัญชีนั้น และข้อมูลว่าบัญชีใกล้ถึงรอบต่อสัญญาหรือมีโอกาสขยายดีลหรือไม่

ได้ออกมา รายชื่อบัญชีเรียงตามลำดับความสำคัญ พร้อมเหตุผลที่จับต้องได้ว่าทำไมต้องเป็นตอนนี้

งานนี้ใช้แทนวิธีเดิมที่หลายทีมยังใช้อยู่ คือไล่เปิด CRM ทีละหน้าตอนเช้า แล้วเลือกด้วยความรู้สึกว่าวันนี้จะโทรหาใคร ก๊อป prompt หรือประโยคสั่งงานข้างล่างนี้ไปวางใน ChatGPT Work ได้เลย

ดึงบัญชีลูกค้าทั้งหมดที่ฉันดูแลจาก CRM พร้อมบันทึกการคุยครั้งล่าสุด
ข้อมูลการใช้งาน และดีลที่ใกล้ถึงรอบต่อสัญญา

จัดอันดับ 10 บัญชีที่ควรติดต่อภายในสัปดาห์นี้

แต่ละบัญชีให้สามบรรทัด
- เหตุผลที่ต้องติดต่อตอนนี้
- เรื่องที่คุยค้างไว้ครั้งล่าสุด
- ประโยคเปิดที่ควรใช้

บรรทัดไหนมาจากข้อมูลจริง ให้ระบุแหล่งที่มากำกับไว้
บรรทัดไหนเป็นการคาดการณ์ที่ไม่มีหลักฐานรองรับ ให้แยกออกมาบอกให้ชัด

งานที่ 2 · สรุปข้อมูลจากปฏิทิน ไดรฟ์ แชท และอีเมลก่อนเข้าประชุม

ป้อนเข้า นัดในปฏิทิน ไฟล์ในไดรฟ์ แชทของทีม และเธรดอีเมลที่เกี่ยวกับลูกค้ารายนั้น เท่าที่ได้รับอนุญาตให้เข้าถึง

ได้ออกมา เอกสารสรุปก่อนเข้าประชุมที่รวมสถานะดีล คนที่จะเข้าประชุม เรื่องที่ลูกค้ายังกังวล และคำถามที่ควรถาม

งานนี้ต่างจากการนั่งเตรียมเองตรงที่ ChatGPT Work ดึงข้อมูลจากทั้งสี่แหล่งมาได้พร้อมกัน แชทของทีมที่บ่นเรื่องราคาเมื่อสามสัปดาห์ก่อนกับอีเมลที่ลูกค้าถามเรื่องสัญญาแล้วยังไม่มีใครตอบ เป็นข้อมูลสองส่วนที่ตกหล่นได้ง่ายเวลานั่งเตรียมประชุมเอง

พรุ่งนี้ 10:00 มีประชุมกับ <ชื่อบริษัทลูกค้า>

ไล่ดูนัดในปฏิทิน อีเมลที่คุยกันย้อนหลัง 90 วัน ไฟล์ข้อเสนอในไดรฟ์
และแชทของทีมที่พูดถึงลูกค้ารายนี้

สรุปเป็นเอกสารก่อนเข้าประชุมหน้าเดียว
- สถานะดีลตอนนี้
- คนที่จะเข้าประชุมและบทบาทของแต่ละคน
- สามเรื่องที่ลูกค้ายังกังวล
- คำถามที่ควรถามในห้องประชุม
- สิ่งที่ทีมเราสัญญาไว้แล้วยังไม่ได้ส่ง

ทุกข้อให้อ้างกลับไปว่ามาจากไฟล์ไหน อีเมลฉบับไหน หรือแชทวันไหน

งานที่ 3 · เปลี่ยนบันทึกประชุมเป็นอีเมล follow-up และสรุปภายใน

ป้อนเข้า transcript หรือบันทึกคำพูดทั้งหมดในที่ประชุม รวมถึงสรุปการประชุมอัตโนมัติจากเครื่องมืออย่าง Zoom

ได้ออกมา ร่างอีเมล follow-up ถึงลูกค้าหลังประชุม และสรุปภายในสำหรับทีมพร้อมรายการขั้นถัดไป เพื่อให้หัวหน้าทีมตรวจก่อนส่งอีเมล

งานนี้กินเวลาคนขายไปเงียบ ๆ ทุกวัน เพราะกว่าจะได้นั่งเขียนอีเมลตามเรื่องก็มักเป็นตอนสี่ทุ่ม แล้วรายละเอียดที่ลูกค้าพูดตอนนาทีที่ 42 ก็เลือนไปแล้ว

นี่คือ transcript การประชุมกับ <ชื่อลูกค้า> เมื่อเช้านี้

ปั้นให้สองชิ้น

1) อีเมล follow-up ถึงลูกค้า
- สรุปสิ่งที่ตกลงกันในห้องประชุม
- สิ่งที่เราจะส่งให้ พร้อมวันที่
- คำถามที่ยังค้างและต้องการคำตอบจากลูกค้า

2) สรุปภายในสำหรับทีม
- สัญญาณซื้อที่ได้ยินจากปากลูกค้า
- ข้อกังวลเรื่องราคาหรือเงื่อนไขสัญญา
- ขั้นถัดไปที่เจ้าของดีลต้องลงมือทำ

สิ่งที่ลูกค้าไม่ได้พูดออกมาตรง ๆ ห้ามเขียนปนเป็นข้อเท็จจริง
ให้ยกไปไว้ท้ายสรุปภายใน แล้วบอกว่าเป็นการตีความ

งานที่ 4 · รีวิวว่าดีลไหนกำลังจะหลุดจาก forecast

ป้อนเข้า ภาพรวม forecast หรือตัวเลขคาดการณ์ยอดขายของแต่ละรอบ ข้อมูลดีลใน CRM บันทึกการโทร เธรดของดีล และอีเมล

ได้ออกมา คำตอบแยกแต่ละดีลว่าควรจัดไว้ใน commit (กลุ่มที่รับปากว่าปิดแน่) หรือ upside (กลุ่มที่มีลุ้นแต่ยังไม่การันตี) หรือควรตัดออกจาก forecast ไปเลย

งานนี้คืองานที่หัวหน้าทีมขายต้องเจอทุกวันศุกร์ก่อนปิดไตรมาส เพราะการตัดสินว่าดีลไหนยังไหวอยู่ มักขึ้นอยู่กับความหวังของเจ้าของดีล มากกว่าหลักฐานว่าลูกค้าตอบกลับครั้งสุดท้ายเมื่อไหร่

เทียบ forecast รอบนี้กับรอบที่แล้ว
ดึงทุกดีลที่ตั้งเป้าปิดในไตรมาสนี้ พร้อมบันทึกการโทรและเธรดอีเมลล่าสุดของแต่ละดีล

บอกทีละดีลว่าควรอยู่ commit ย้ายไป upside หรือตัดออกจาก forecast

ให้เหตุผลด้วยหลักฐานที่จับต้องได้เท่านั้น เช่น
- ลูกค้าตอบกลับครั้งสุดท้ายเมื่อไหร่
- คนที่มีอำนาจอนุมัติเข้าประชุมแล้วหรือยัง
- ขั้นตอนจัดซื้อเดินไปถึงไหน

ดีลไหนข้อมูลไม่พอจะตัดสิน ให้บอกว่าไม่พอ อย่าเดาให้

งานที่ 5 · วิเคราะห์ว่าดีลที่ค้างไม่ไปไหนติดตรงไหน แล้วหาทางขยับต่อ

ป้อนเข้า ประวัติการเปลี่ยนขั้นของดีล กิจกรรมที่ทำเสร็จแล้ว transcript การโทร อีเมล และเธรดที่คุยกับลูกค้า

ได้ออกมา บทวิเคราะห์ว่าดีลติดตรงไหน เพราะอะไร และแนวทาง escalation ว่าต้องคุยกับใครในระดับไหนจึงจะขยับดีลต่อได้

การขยับดีลที่ค้าง ไม่ใช่การไปเร่งลูกค้าให้รีบตัดสินใจ แต่คือการหาทางขึ้นไปคุยกับคนที่มีอำนาจตัดสินใจจริง ซึ่งมักเป็นคนที่หายไปจากเธรดอีเมลตั้งแต่เดือนที่แล้ว

ดีล <ชื่อดีล> ค้างอยู่ขั้นเดิมมา 6 สัปดาห์

ไล่ประวัติการเปลี่ยนขั้นของดีล กิจกรรมที่ปิดไปแล้ว transcript การโทร
อีเมล และเธรดทั้งหมดที่คุยกับลูกค้ารายนี้

ตอบสามข้อ
- ดีลหยุดตรงไหน และหยุดเพราะอะไร
- ใครคือคนที่หายไปจากบทสนทนา
- ถ้าจะขยับ ต้องคุยกับใครในระดับไหน ด้วยเหตุผลอะไร

แล้วร่างอีเมลขอเข้าคุยกับผู้บริหารระดับที่สูงขึ้นมาให้หนึ่งฉบับ
โดยอ้างสิ่งที่ลูกค้าเคยพูดไว้เองเป็นเหตุผล

เส้นแบ่งที่เอกสารย้ำไว้ชัด · ข้อเท็จจริงกับสิ่งที่ AI เดา

เอกสารทางการย้ำไว้ชัดว่า AI ต้องแยกข้อเท็จจริงที่มีแหล่งอ้างอิงออกจากโอกาสหรือความเสี่ยงที่มันอนุมานขึ้นมาเอง

ที่ต้องย้ำเพราะสองอย่างนี้หน้าตาเหมือนกันเป๊ะเมื่ออยู่ในย่อหน้าเดียวกัน ประโยคว่าลูกค้ากังวลเรื่องงบประมาณ อาจมาจากอีเมลที่ลูกค้าเขียนมาเองจริง ๆ หรืออาจเป็นสิ่งที่ AI เดาจากการที่ดีลเงียบไปสองสัปดาห์ ถ้าคนขายอ่านผ่านแล้วเอาไปพูดในห้องประชุม ความน่าเชื่อถือที่สะสมมาทั้งปีพังได้ในประโยคเดียว

วิธีป้องกันคือกำชับไว้ใน prompt ทุกครั้งตั้งแต่แรกว่า ข้อเท็จจริงทุกบรรทัดต้องมีแหล่งอ้างอิงกำกับ ส่วนสิ่งที่ AI อนุมานเองให้แยกไปไว้อีกหัวข้อหนึ่ง อ่านครั้งเดียวก็แยกออกว่าอันไหนมีหลักฐาน อันไหนแค่เดา

ปลั๊กอินสายขายที่ต่อกับเครื่องมือที่ทีมใช้อยู่แล้ว

งานทั้งห้าชิ้นนี้รวมอยู่ในปลั๊กอินสายขาย ซึ่งติดตั้งลงในแอป ChatGPT Work ได้จากลิงก์ติดตั้งปลั๊กอินสายขายที่เอกสารทางการให้ไว้

ตัวปลั๊กอินต่อเข้ากับเครื่องมือที่ทีมขายใช้กันอยู่แล้ว ทั้ง CRM อย่าง Salesforce และ HubSpot แชทของทีมอย่าง Slack รวมถึงเครื่องมือสำหรับงานขายอย่าง Outreach, Clay, Rox และ Actively พูดง่าย ๆ ว่าทีมใช้ตัวไหนอยู่ก็ต่อกับตัวนั้น ไม่ต้องย้ายข้อมูลไปกองไว้ที่ใหม่

พรุ่งนี้เช้า เริ่มจากงานเดียวพอ

อย่าเพิ่งเอาทั้งห้าชิ้นไปวางพร้อมกันในทีมวันจันทร์ เพราะถ้าเริ่มใช้ของใหม่ห้าอย่างพร้อมกัน มีโอกาสสูงที่จะไม่มีใครได้ใช้จริงสักอย่าง

หยิบงานที่ 1 ไปทำก่อนงานเดียว เปิด ChatGPT Work แล้วต่อกับ CRM ที่ทีมใช้ จากนั้นสั่งให้ทำบรีฟจัดลำดับบัญชีลูกค้าของสัปดาห์นี้หนึ่งฉบับ แล้วนั่งตรวจทีละบรรทัดว่าเหตุผลที่ให้มาตรงกับข้อมูลใน CRM จริงไหม ตรวจแค่ห้าบัญชีแรกก็พอจะรู้แล้วว่าบรีฟฉบับนี้เชื่อได้แค่ไหน

เวลาที่ประหยัดได้ไม่ได้ปิดดีลด้วยตัวมันเอง ดีลจะขยับก็ต่อเมื่อเราใช้เวลานั้นไปพบลูกค้าจริง ๆ

ที่มา:

• บทความ How sales teams use ChatGPT Work จาก OpenAI
• บทความ Sales – ChatGPT | ChatGPT Learn จาก ChatGPT Learn