Piloto de IA con el CRM en el sector de educación utilizando una campaña integrada entre marketing, ventas y servicio para aumentar la conversión de estudiantes admitidos.
Implementar un piloto de Inteligencia Artificial (IA) en el ecosistema de CRM de una institución educativa nos brindó valiosas lecciones. Utilizamos herramientas como Unbounce para campañas digitales, Salesforce Sales Cloud para ventas y Zendesk para la gestión omnicanal de admisiones y vida estudiantil. El objetivo era evaluar el impacto de la IA en nuestras operaciones y preparar una estrategia futura.
Detalles del Proyecto de AI:
- Duración: 6 meses. 3 meses de preparación y 3 meses de ejecución.
- Recursos: 3 recursos. 1 administrador de Proyecto, 1 Recurso Funcional y Técnico, 1 SME/Consultor, mas la agencia de marketing, el departamento legal y complimiento, y ejecutivos de marketing y admisiones/ventas.
- Se seleccionó una campaña de control para medir tanto los resultados de la campaña como los resultados de la inteligencia artificial.
- Se usaron las funcionalidades que ya eran de gratis y estaban incluidas en cada tecnología, no se usó los "Copilots", ni otras funcionalidades de IA que representaban más costos, y para esté piloto las soluciones usadas todavía no tenían sus AI Agents.
Objetivos de Piloto de AI:
- Ver el impacto de la IA a base de una campaña usando diferentes funcionalidades de IA en cada solución.
- Entender las capacidades internas de recursos, tiempos procesos, y conocimiento para tener un benchmark para tener esto como input para la estrategia de IA.
- Entender los resultados de cada funcionalidad de IA (las alucinaciones).
- Entender cómo funcionan los diferentes modelos de IA en cada solución.
- Aumentar el AI IQ con los usuarios técnicos, funcionales y del negocio.
- Resaltar los temas de privacidad y seguridad.
- Tener un punto de partida de lo que implica implementar AI en términos de costos.
Algunas de las Lecciones Aprendidas:
Fueron muchas recomendaciones que crearon un "backlog" de requerimientos de más de 50 items. Les compartimos 11 de ellas:
- Colaboración Integral: Establecer métricas claras para evaluar el impacto de la IA y las campañas requiere la participación de toda la organización. Por ejemplo, al buscar aumentar la conversión de estudiantes admitidos, es esencial que todos los departamentos trabajen en conjunto para alinear objetivos y esfuerzos.
- Calidad del Contenido: La eficacia de la IA depende en gran medida de la calidad del contenido disponible, como artículos de blog, documentos, audios, videos y bases de conocimiento. Si estos contenidos no están bien categorizados y redactados, la IA puede producir resultados erróneos y confusos.
- Limitaciones de Integración: Las funcionalidades de generación de contenido e imágenes mediante IA en algunas soluciones eran limitadas debido a integraciones limitadas con herramientas como ChatGPT. Aunque recurrir a soluciones externas de IA generativa ofrecía mejores resultados, esto introducía riesgos de "Shadow AI", es decir, el uso de herramientas no pagadas, no autorizadas o no controladas por la organización.
- Eficacia en Pruebas A/B: La IA demostró ser efectiva en la realización de pruebas A/B, lo que permitió optimizar las landing pages y mejorar las tasas de conversión.
- Inconsistencias en Contenido Generado: El contenido creado por la IA no siempre era uniforme, especialmente al generar anuncios, publicaciones, guiones de llamadas o correos electrónicos a lo largo de las etapas de marketing, ventas y admisiones.
- Dependencia de Datos de Calidad: Los modelos de puntuación (scoring) y análisis de clientes potenciales requieren un uso adecuado de las funcionalidades del módulo de ventas. Sin datos precisos y completos, estos modelos no funcionan correctamente.
- Definición Clara de Modelos de Datos: Es crucial tener un modelo de datos bien definido para prospectos y clientes entre las diferentes soluciones integradas. La falta de coherencia puede llevar a errores y malentendidos.
- Alucinaciones en la IA: Observamos que la IA, al generar contenido para correos electrónicos de ventas y servicio, a veces producía información incorrecta o irrelevante, fenómeno conocido como "alucinaciones".
- Detección de Intención de Compra: La IA fue efectiva al identificar intenciones de compra en conversaciones, correos electrónicos y notas, lo que facilitó la priorización de clientes potenciales.
- Necesidad de Recursos Continuos: Se requieren recursos y tiempo adicionales para medir y analizar continuamente los resultados de la IA, asegurando su eficacia y relevancia.
- Reactivación de Prospectos Inactivos: Aunque hubo un aumento en la conversión de prospectos, este se debió principalmente a la reactivación de prospectos inactivos, más que a la captación de nuevos.
Recomendaciones:
La implementación de IA en el CRM ofrece oportunidades significativas, pero también presenta desafíos que requieren una planificación cuidadosa, colaboración interdepartamental y un enfoque centrado en la calidad del contenido y los datos. Vimos que con las lecciones aprendidas pudimos compilar muchas recomendaciones, aquí te compartimos solo 7 de estás recomendaciones que vimos:
- Estrategia Unificada de IA: La implementación de IA no debe hacerse de manera aislada. Es fundamental desarrollar una estrategia unificada que abarque todo el ciclo de relación con el cliente, implementando la IA en fases y asegurando su integración en todas las áreas.
- Evaluación de Contenido Existente: Antes de implementar soluciones de IA, es necesario evaluar el estado actual del contenido de la empresa, asegurando que esté bien organizado y sea de alta calidad.
- Gestión de Datos de Clientes: La IA requiere datos de clientes que sean unificados y limpios. Es esencial contar con un gobierno de datos que mantenga la integridad y la acciónabilidad de la información.
- Atención a Deudas Técnicas y Funcionales: Es importante considerar cualquier deuda técnica o funcional en el ecosistema de CRM, ya que estas pueden afectar la eficacia de la IA.
- Capacitación del Personal: La IA no funciona de manera autónoma; requiere la intervención de personas capacitadas que puedan medir y entender sus resultados y acciones. La formación continua del personal es clave para el éxito.
- Marco para Múltiples Funcionalidades de IA: Dado que es probable que se utilicen diferentes funciones y/o agentes de IA, es necesario establecer un marco que permita medir cómo interactúan y conviven entre sí. Tenemos que entender que realmente hace cada función y modelo de IA.
- Implementación Gradual: Comenzar con pruebas de concepto y pilotos permite aprender y ajustar la estrategia de IA integrada con el CRM, asegurando que el sistema esté saludable, bien integrado y respaldado por un sólido marco de omnicanalidad y un gobierno de datos efectivo.
Acciones Inmediatas Para Considerar:
Basándonos en las lecciones aprendidas y las recomendaciones previas, se sugieren las siguientes tres acciones clave:
- Desarrollar una Estrategia Unificada de IA:
- La implementación de IA debe estar alineada con los objetivos generales de la empresa y no realizarse de manera aislada. Es esencial que la estrategia de IA abarque todas las áreas de interacción con el cliente, incluyendo marketing, ventas y servicio al cliente.
- Acciones Específicas:
- Definir claramente los objetivos que se desean alcanzar con la integración de IA en el CRM.
- Establecer un plan de implementación por fases, priorizando las áreas que puedan beneficiarse más rápidamente de la IA.
- Asegurar la participación y el compromiso de todos los departamentos involucrados para garantizar una adopción efectiva.
- Evaluar y Optimizar la Calidad del Contenido y los Datos:
- La eficacia de la IA depende en gran medida de la calidad del contenido y los datos disponibles. Contenido mal categorizado o datos inconsistentes pueden llevar a resultados inexactos o "alucinaciones" por parte de la IA.
- Acciones Específicas:
- Realizar una auditoría exhaustiva del contenido existente, como artículos de blogs y bases de conocimiento, para asegurar que estén bien organizados y actualizados.
- Implementar procesos de limpieza y unificación de datos de clientes para garantizar que la información sea precisa y coherente en todas las plataformas.
- Establecer un gobierno de datos robusto que mantenga la integridad y calidad de la información a lo largo del tiempo.
- Capacitar al Personal y Establecer un Marco de Trabajo para la IA:
- La IA es una herramienta poderosa, pero su éxito depende de la interacción humana. Es crucial que el personal esté capacitado para trabajar con la IA y que exista un marco claro para su implementación y evaluación.
- Acciones Específicas:
- Proporcionar formación continua a los empleados sobre el uso y las capacidades de las herramientas de IA integradas en el CRM.
- Desarrollar un marco de trabajo que permita medir y evaluar el desempeño de los diferentes agentes de IA, asegurando que se integren de manera efectiva y sin redundancias.
- Fomentar una cultura de colaboración entre los equipos técnicos y de negocio para facilitar la adopción y el aprovechamiento de las soluciones de IA.
Usando estas acciones como guía, las empresas pueden tener una buen comienzo con la IA (y ahora con los AI Agents que ofrecen los CRMs o Amazon, o OpenAI, etc.) en sus sistemas de CRM, para así empezar las conversaciones internas entre todos los stakeholders de como integrar el CRM con la IA.