За последние 12 недель наш внутренний GTM Agent сэкономил торговым представителям LangChain тысячи часов рабочего времени. За это время он сгенерировал 1 540 коммерческих материалов, которые менеджеры раньше создавали вручную, по одному аккаунту за раз. К таким материалам относятся индивидуальные планы работы с аккаунтами, документы с обоснованием ценности, презентации коммерческих предложений и планы адаптации.
Мощная модель может ускорить создание материалов — одну из самых затратных по времени задач в любой сделке, — но ее возможности автоматизации имеют пределы. Самое главное значение имеет то, что выстраивается вокруг модели:
- Экспертиза и видение от руководства отдела продаж
- Контекст из реальных звонков с клиентами
- Бизнес-логика, такая как этапы продаж компании
- Конкретные требования для перехода на каждый следующий этап
В этой статье рассказывается о том, как мы использовали бизнес-контекст для настройки генерации материалов с помощью нашего GTM-агента и как мы адаптировали его под специфику продаж LangChain.
Вы можете повторить эту работу на базе фреймворка Deep Agents. Примитивы, на которые он опирается (песочница, навыки, память и запланированные запуск), доступны в нашей управляемой версии Managed Deep Agents, поэтому команда, создающая аналогичное решение, может сразу перейти к фиксации особенностей ведения своего бизнеса.
Ключевые результаты
- 47% сделок, по которым был отправлен сгенерированный материал, перешли на более поздний этап по сравнению с 16% аналогичных сделок без него
- 46% материалов сопровождались звонком клиента в течение 14 дней
- Более 100 материалов в неделю генерировалось за последние 12 недель
- Материалы, отправленные клиентам, позволили сэкономить представителям 337 часов рабочего времени
Зачем мы добавили генерацию материалов в GTM Agent
В начале этого года мы писали о том, как создали GTM Agent для LangChain, который теперь обслуживает широкий спектр наших процессов продаж и маркетинга. Он ищет новые лиды и готовит черновики персонализированных обращений для утверждения менеджерами в Slack, а каждую неделю выявляет такие сигналы по аккаунтам, как возможности для расширения и риски по сделкам. Поскольку менеджеры и так пользовались им каждый день, это был самый естественный выбор для автоматизации одной из самых трудоемких частей их работы — создания коммерческих материалов.
Эта задача давно требовала решения. По всей организации появлялись несогласованные версии одного и того же документа. Account executives собирали презентации коммерческих предложений, перенося данные об использовании в чат-бот и самостоятельно компонуя слайды. Эта работа повторялась для каждой сделки и каждый раз выглядела по-разному. Нам нужен был способ стандартизировать наши с таким трудом усвоенные правила того, что действительно работает, и при этом не замедлять никого.
Мы решали три задачи одновременно:
- Поддерживать высокую планку для всего, что видит клиент
- Избавиться от рутинного повторения работы, которую каждый менеджер делал вручную
- Соблюдать единый процесс по каждой сделке
Третью цель оказалось сложнее всего реализовать на практике. На каждом этапе сделки есть контрольные точки (gates) — условия, которые должны быть выполнены до того, как сделка сможет продвинуться дальше (например, определение экономического покупателя или согласование критериев успеха). Мы отслеживаем текущий этап каждой сделки и материал, помогающий пройти каждую контрольную точку. Но пока этот процесс был полностью ручным, пропущенный шаг обычно обнаруживался при разборе воронки продаж — через несколько недель после того, как менеджер мог бы задать вопрос клиенту. Теперь, когда материалы оформляются через GTM Agent, он может вовремя заметить отсутствие нужного документа, пока сделка еще активна.
Этот рабочий процесс также дает руководителям отдела продаж возможность естественным образом влиять на процесс. Они могут рассказать нам, что работает лучше всего в масштабах всей компании, а мы можем использовать это в качестве инструкций для агента, чтобы распространить лучшие практики на всех.
Передача нашего контекста агенту
Агент глубоко кастомизирован под то, как мы ведем бизнес. GTM Agent хранит контекст того, как LangChain ведет сделку на каждом шаге, включая шаблоны для каждого документа, возможные уточняющие вопросы и правильные источники для каждого типа информации. Вы можете создать аналогичную систему с помощью наших инструментов, настроив контекст своего агента.
Большая часть того, делает агента полезным — это контекст, которого у модели не было бы самой по себе:
- Знание процессов: понимание того, какие материалы нам нужны, когда они необходимы и как выглядит качественный результат, создает для агента надежную основу в работе
- Контекст клиентов: агент считывает записи в Salesforce, данные об использовании продукта, расшифровки звонков, риски, критерии принятия решений и следующие шаги. Это помогает нашим продавцам опираться на факты и позволяет им эффективно вести больше сделок, чем менеджер без помощи ИИ
- Тон и бренд: бренд-материалы и руководство по стилю LangChain гарантируют, что все результаты выглядят профессионально и единообразно
Основные усилия уходят на предоставление агенту контекста. Мы тратим минимум времени на промпты, компенсирующие недостатки модели, и вместо этого концентрируемся на фиксации того, как работает наш бизнес. Каждая интеграция со временем дорабатывалась менеджерами в процессе использования продукта и настраивалась под предпочтения наиболее активных пользователей.
Создание этой системы потребовало объединения нескольких базовых примитивов:
- Навыки и инструкции, содержащие наш процесс продаж, шаблоны и правила этапов, версии которых хранятся отдельно от кода
- Песочница с установленными офисными инструментами, чтобы агент мог создать файл, отрендерить его, оценить результат и исправить ошибки
- Интерфейс Slack, где менеджеры привыкли просить о помощи
- Запланированные запуски, которые обеспечивают подготовку справок перед встречами и делают агента проактивным
- Память, сохраняющая контекст на протяжении всей сделки, а не только в рамках отдельного диалога
- Трейсинг в LangSmith, который фиксирует каждый рендеринг, вызов инструментов и этап проверки — именно с его помощью мы диагностировали описанную ниже проблему с задержками
Любой команде, создающей подобного агента, понадобятся все эти компоненты. Если вы начинаете сегодня, Managed Deep Agents предоставляет их в виде готовых строительных блоков, включая оркестрацию песочницы без лишних шагов, так что вы можете сразу перейти к самому важному — вашему контексту.
Бренд как код
Материалы выпускаются от лица нашего бренда или конкретного менеджера, поэтому GTM Agent руководствуется теми же правилами бренда, которые используют все команды. Наш набор айдентики (логотипы, токены цветов и шрифтов, сами шрифты, а также правила стиля) встроен в образ песочницы, поэтому изменения бренда проходят через ревью pull request. После каждого рендеринга агент изучает созданные им страницы и сверяет их с этими рекомендациями. Подробнее об этом цикле самопроверки вы можете узнать здесь.
Самопроверка повышает качество, но без правила остановки она также увеличивает время обработки. Первые версии генерации материалов работали удручающе медленно. Мы сталкивались с ситуациями, когда агент перепроверял страницы, которые уже были в порядке, иногда по дюжине раз. Чтобы исправить это, мы добавили простое правило: завершать работу, как только одна из проверок не выявляет реальных дефектов, что позволило сократить расходы и время ожидания. Для одностраничного документа это правило сократило время выполнения с 18 до 7 минут.
Материалы на разных этапах цикла продаж
GTM Agent должен охватывать сделку от начала до конца, что требует использования различных материалов. Мы соотносим материалы с пятью этапами цикла продаж, каждый из которых имеет свой набор стандартных документов.
Как генерируется материал
Создание материала — это результат совместной работы агента и менеджера. Агент заполняет шаблон всем, что он может обоснованно найти, а затем передает документ с отметками о том, что человеку еще нужно заполнить вручную. Каждый материал проходит один и тот же путь:
- Триггер: менеджер запрашивает материал в Slack, или агент предлагает материал во время подготовки к встрече
- Чтение данных об аккаунте: агент находит аккаунт в Salesforce и изучает его папку на Диске, прежде чем приступать к созданию чего-либо
- Сбор недостающих данных: Если артефакту требуется контекст, которого нет у аккаунта, например критерии успеха или экономический покупатель, агент сначала спрашивает об этом менеджера.
- Получение шаблона: Инструмент копирует утвержденный руководством шаблон в песочницу агента.
- Сборка: Агент заполняет шаблон в песочнице с помощью python-pptx, используя брендбук, встроенный в образ песочницы.
- Рендеринг и проверка: LibreOffice конвертирует файл в PDF, страницы преобразуются в растровые изображения, и агент считывает их обратно для проверки макета. Он исправляет обнаруженные ошибки и запускает рендеринг заново.
- Сохранение и передача: Готовый файл преобразуется в нативные Google Презентации, Документы или Таблицы в папке аккаунта, а менеджер получает превью в формате PDF и ссылку в Slack с отметками о том, что еще требует ручной доработки.
У каждого аккаунта есть одна папка на Google Диске, которую делят менеджер и агент. Менеджеры добавляют заметки о звонках и редактируют то, что создал агент, а агент считывает всю эту информацию перед созданием следующего артефакта. Шаблоны руководства хранятся на том же Диске. Это означает, что когда лидер обновляет шаблон, новую версию получают все менеджеры.
Создание проактивного агента
Большинство менеджеров не стали бы запрашивать артефакт, о существовании которого они не знают, поэтому агенту приходилось предлагать помощь в нужный момент. Мы стимулировали внедрение с помощью проактивных возможностей агента.
Брифинги перед встречами: Агент следит за календарями менеджеров и отправляет краткую справку перед звонками клиентам. Поскольку мы знаем, на каком этапе находится сделка в цикле продаж, агент может заметить встречу для этапа, на который еще не загружены нужные артефакты, и подсказать менеджеру, какой именно нужно подготовить.
Задачи: Мы можем назначить менеджеру по работе с клиентами задачу по подготовке правильного артефакта — независимо от того, создает ли его GTM Agent или они делают его вручную. Это позволяет продвигать сделки по этапам с теми артефактами, которых ожидает руководство, и в нужном порядке.
Все это объединяется в нашем центре артефактов — веб-интерфейсе, который показывает каждую сделку, ее положение в цикле продаж, существующие артефакты и те, которые должны быть созданы следующими.
В результате агент стал одновременно каналом дистрибуции для enablement-материалов и процессов. Описанная ниже система показателей позволяет понять, насколько это эффективно.
Циклы обучения
Часто человеческий вкус является самым точным индикатором того, справляется ли ваш агент со своей задачей. Если бы мы проверяли артефакты только на соответствие собственным инструкциям агента, используя других агентов или собственное суждение, мы бы никогда не узнали, правильно ли эти инструкции отражают бизнес-процесс или упускают что-то важное.
Поэтому мы постоянно держали людей в курсе процесса. Нашими главными источниками достоверной информации были:
- Еженедельные встречи с руководителями каждого подразделения, за которым закреплен определенный артефакт
- Еженедельные презентации и часы открытых вопросов для всего отдела продаж
- Каналы в Slack, где мы собирали регулярные отзывы от каждого менеджера, использующего артефакты
У каждого артефакта был владелец, чей вкус служил постоянным ориентиром при разработке. Мы записывали долгие обсуждения каждой мельчайшей детали с владельцем — каждого чекбокса, каждой кнопки и каждого слова на странице, а затем передавали эту расшифровку напрямую нашим агентам-программистам для оценки улучшений. Это позволило нам быстро внедрять улучшения в большом наборе артефактов и выпустить полезного агента для генерации артефактов.
Отзывы людей показывают, соответствуют ли артефакты нашим стандартам, но не то, действительно ли менеджеры их используют. Чтобы измерить влияние агента количественно, мы отслеживаем судьбу каждого сгенерированного артефакта и следим за этими цифрами по мере внесения изменений в работу агента.
- Объем: Сколько артефактов генерирует агент?
- Использование: Сколько из них передается кому-либо за пределами компании?
- Эффективность (окупаемость времени): Сколько часов работы менеджеров это экономит по сравнению с затратами на запуск?
- Результаты: Какого объема воронки касаются эти артефакты?
Мы используем один и тот же фреймворк для каждой задачи, которую выполняет GTM Agent, и это позволяет нам честно оценивать производительность системы. Задача может казаться объемной по количеству созданных материалов, но при этом оставаться невостребованной. Замыкание этого цикла — от того, что производит агент, до того, что действительно доходит до сделки, и причин, почему остальное не используется, — является важной частью того, над чем мы работаем для следующей версии GTM Agent. В одной из будущих публикаций мы подробнее расскажем о том, как GTM Agent измеряет результаты.
Контекст — это главное преимущество
Мы уже наблюдаем измеримый эффект: каждую неделю GTM Agent создает более 100 артефактов. Это наглядный пример того, насколько полезнее становится агент, как только он узнает, как работает ваш бизнес, и насколько сильно это зависит от контекста вокруг модели, а не от самой модели.
Чтобы создать собственного агента, начните работу с Managed Deep Agents уже сегодня. Чтобы ознакомиться с другим примером использования агентов в нашем стеке GTM, прочитайте материал о нашем агенте по дизайну.
