Alcanzar los mejores candidatos

Después de completar esta unidad, podrá:

• Enumerar los retos a los que se enfrentan los representantes de ventas al intentar ordenar los candidatos por prioridad.
• Explicar por qué Puntuación de candidatos de Einstein aporta inteligencia a su equipo de ventas al trabajar con candidatos.
• Explicar cómo saben los representantes de ventas de dónde proceden las puntuaciones de candidatos.

Ya le ha explicado a Ava cómo automatiza Sales Cloud Einstein las tareas del equipo de ventas. Ahora tiene que enseñarle cómo la IA ayuda a los representantes de ventas a trabajar de forma más inteligente en el trabajo más importante: el cuidado de los candidatos.

Sube a la planta de arriba para visitar a su compañera Pepper Black, una de las principales responsables de ventas de Honeydew. Le pregunta a Pepper cuáles son los retos principales a los que se enfrentan ella y su equipo a la hora de convertir montones de nuevos candidatos en negociaciones potenciales.

Pepper le dice que, aunque su equipo de ventas tiene un proceso eficaz para reunir candidatos, uno de los retos principales es saber a cuáles de ellos hay que darles prioridad. Sin esos datos, su equipo dedica muchísimo tiempo a candidatos que no dan resultados. Cuando le pide más detalles, Pepper explica los retos a los que se enfrenta.

• Su equipo de ventas tiene muchos más candidatos de a los que podría dedicar tiempo.
• No saben qué características indican que hay una mayor probabilidad de que un candidato cierre una negociación.
• Sus intentos por priorizar han tenido éxito a medias.
• No saben qué método de priorización es el más adecuado para la actividad de Honeydew.

Algunos de sus representantes de ventas tienen experiencia suficiente para saber qué candidatos es más probable que compren. Por ejemplo, se centran en candidatos de zonas urbanas o de determinados tipos de empresas alimentarias. Sin embargo, este método está lejos de ser perfecto, y muchos representantes no cuentan con la experiencia necesaria para tener este tipo de sensaciones a la hora de evaluar candidatos.

Han probado la priorización basada en reglas, pero las reglas que han utilizado también se basaban principalmente en suposiciones e intuiciones estudiadas. Han probado ordenando por geografía u origen del candidato, pero estos métodos dejaban a candidatos muy buenos desatendidos. A las reglas utilizadas les faltaba complejidad.

Por último, Pepper menciona que el departamento de marketing ha intentado incluso puntuar a los candidatos a medida que se introducían en el sistema, pero únicamente con una puntuación numérica. Los representantes de ventas no tenían una idea clara de cómo obtenía un candidato su puntuación. No saber de dónde procede la puntuación hace que sea difícil confiar en ella. Los representantes de ventas quieren tener más información de por qué un candidato se considera bueno, porque eso podría ayudarles a romper el hielo durante la primera llamada.

Mientras escucha a Pepper describir estos retos, observa que no se ha dado cuenta de la amplia sonrisa que ilumina su cara. Está sonriendo porque sabe que Sales Cloud Einstein puede ayudar al equipo de Pepper a convertir sus candidatos en oportunidades con mayor rapidez.

Por último, Pepper toma aire. Usted decide apuntarla a su proyecto de agregar IA a la salsa secreta de Honeydew. Le cuenta que Sales Cloud Einstein incluye la función Puntuación de candidatos de Einstein. Esta función aplica el poder de la IA para analizar el historial de conversiones de candidatos y detectar los verdaderos patrones de esas conversiones; patrones que probablemente no sabía que existían. Dado que Sales Cloud Einstein comprende desde el principio el formato de sus datos de candidatos y oportunidades, puede empezar a analizar y detectar patrones casi en el momento de activarlo.

Pepper empieza a mostrar su interés. Le pregunta lo que hace Puntuación de candidatos de Einstein cuando detecta los patrones.

Le explica que Puntuación de candidatos de Einstein proporciona a cada candidato una puntuación en función de su nivel de coincidencia con los patrones de conversión de candidatos específicos de su empresa. Cuanto mayor sea la puntuación, más posibilidad hay de convertir al candidato. Lo único que tienen que hacer los representantes de ventas es ordenar sus candidatos por puntuación y comenzar por el principio de la lista.

Puntuaciones de candidatos en una vista de lista de candidatos típica (1) junto con los motivos de la puntuación (2). El candado (3) muestra que la puntuación del candidato es de solo lectura.

Pepper sigue un poco escéptica. Quiere saber cómo convencerá a sus representantes de ventas de que pueden confiar en las puntuaciones. Le cuentas que Puntuación de candidatos de Einstein muestra exactamente los detalles de cada candidato que tienen el mayor efecto en la puntuación. De esta forma, los representantes de ventas podrán ver los patrones que se escondían en sus datos. Esa es la información valiosa realmente.

Las puntuaciones de candidatos y sus factores predictivos no solo pueden verse en las vistas de lista, sino también en las páginas de detalles. Esto significa que los representantes siempre tienen la información a mano, ya sea para ordenar candidatos o para prepararse para realizar una llamada o enviar un mensaje de correo electrónico.

El componente Einstein en una página de detalles de candidato. Cada puntuación incluye los valores de campo que más afectan (1).

Mientras su equipo sigue convirtiendo más candidatos, la función Puntuación de candidatos de Einstein ajusta constantemente su análisis para detectar cualquier nuevo patrón que pueda aparecer.

Pepper empieza a preguntarse si se puede medir el impacto general de la puntuación de candidatos en el negocio. ¿Podemos saber fácilmente si hay una tasa mayor de candidatos con puntuaciones altas que se convierten? Le dices que Puntuación de candidatos de Einstein incluye un panel operativo y un panel de análisis. Estos paneles contienen informes que muestran las tasas de conversión por puntuación del candidato y la puntuación promedio de candidatos por origen del candidato. Puede ver incluso cómo se distribuyen las puntuaciones de candidatos entre los candidatos convertidos y perdidos. Es decir, es fácil ver cómo se correlacionan las puntuaciones de candidatos con sus datos de referencia.

Pepper está impresionada. Empieza a pensar que Puntuación de candidatos de Einstein puede mejorar de verdad los procesos y el balance de su equipo. Ahora quiere saber de qué otras maneras puede incorporar Sales Cloud Einstein en su conjunto de herramientas. ¿Puede Einstein ayudar a su equipo incluso después de convertir un candidato?

• Ayuda de Salesforce: Puntuación de candidatos de Einstein
• Ayuda de Salesforce: Comprender cómo Einstein puntúa los candidatos