Como o Machine Learning ajudou um banco a aumentar as vendas
Toda empresa que trabalha com metas e previsões de vendas precisa de ferramentas capazes de identificar as melhores oportunidades de negócio que são mensuradas não apenas pelo tamanho da negociação, mas também pelas chances de fechar a transação.
O Machine Learning, um dos ramos da Inteligência Artificial, é uma poderosa tecnologia para conseguir fazer esse tipo de previsão, embora ainda poucas empresas a utilizem com essa finalidade.
O caso a seguir é um bom exemplo de como um banco conseguiu aumentar significativamente suas vendas após adotar o 4KST Machine Learning para prever quais oportunidades de negócios tinham maior probabilidade de venda e assim gerenciar suas ações e saber quão longe estavam de suas metas.
O problema da instituição financeira era saber em quais negócios focar. Seu pipeline de vendas dentro do CRM (ferramenta que exibe e registra toda a jornada de compra de um cliente em potencial), apesar de indicar em qual fase de venda determinada compra ou negócio estava, não mostrava quais tinham maiores chances de serem fechadas.
Para solucionar esse obstáculo, a 4KST desenvolveu dois modelos de propensão à venda, um mensal e outro trimensal. Cada modelo indica um score (isto é, uma nota de 0 a 1.000) que mede a probabilidade de um negócio fechar no mês (modelo mensal) ou no trimestre (modelo trimestral).
“Com base nesses dois scores, os vendedores e os gerentes de vendas poderão se debruçar nos negócios com mais chances de serem concluídos e determinarem suas estratégias de ações. Se eles tiverem uma meta mensal ou trimestral a bater, conseguirão saber exatamente qual a probabilidade de atingimento e poderão focar nas oportunidades que possuem mais chances para bater aquelas metas. Assim os gerentes de venda não usam somente o “feeling” do vendedor para saber onde devem focar e passam a ter uma ferramenta poderosa de ML em suas mãos. ” explica o fundador da 4KST, Riccardo Lanzuolo.
Veja resultados reais:
De todas as propostas de negociação, o banco fechava em média cerca de 20% ao mês. O modelo preditivo desenvolvido pela 4KST permitiu descobrir que metade destas vendas se concentravam nas negociações que receberam scores acima de 800 pontos. E mais: que negociações que tinham acima de 950 pontos tinham 98% de chances de fechamento.
Já sobre as propostas que receberam um score entre 650 e 700 essa probabilidade ficava entre 65% e 70%.
Olhando para o mês anterior, o gerente sabia qual o score que levava ao fechamento e assim ele sabia quão longe ou perto ele estava da sua meta.
Dessa maneira, orientado por um modelo de machine learning que aprendeu com o comportamento das suas vendas e de seus leads, o gerente sabia como orientar as suas ações junto à sua equipe.
Diante de números tão precisos, e preciosos, os vendedores puderam tomar decisões racionais e baseadas em estatísticas, descartando negociações com escassas probabilidades de sucesso e otimizando esforços, tempo e trazendo melhores resultados para a empresa.
Como vimos até aqui, a Inteligência Artificial pode ser aplicada a modelos estatísticos para fazer previsões cada vez mais acuradas em praticamente qualquer empresa de qualquer setor.
O caso acima se refere a previsões de vendas, mas é possível moldar o modelo para outras finalidades como calcular o score de crédito (credit score) de um cliente, o score de liquidez de qualquer veículo ou a taxa de inadimplência escolar, entre outras.
Nossos modelos preditivos se destacam da maioria dos disponíveis no mercado por serem customizados. Isso quer dizer que nosso algoritmo, proprietário, é adaptável a qualquer nicho de mercado.
Ficou interessado nas nossas soluções para a sua empresa? Fale com um consultor de vendas e conheça melhor nossos produtos!
