Przejdź do treści
6 min czytania

AI optymalizuje przydział klientów do sprzedawców w B2B

Nowy system AI wspiera firmy B2B w podziale klientów między sprzedawców, łącząc wartość konta, ciągłość relacji i optymalizację zasobów.

AI optymalizuje przydział klientów do sprzedawców w B2B

Źródło zdjęcia: arXiv.org

Najnowsza praca badawcza opublikowana na arXiv opisuje system sztucznej inteligencji, który ma rozwiązać jeden z najbardziej niedocenianych, a zarazem kosztownych problemów w dużych firmach B2B – podział klientów między handlowców, zwany „carvingiem terytoriów”. Autorzy, Nan Wang i Mitchell Turiel, przedstawiają produkcyjny system decyzyjny, który zamiast ręcznego, intuicyjnego przydzielania kont sprzedawcom, wykorzystuje wielokryterialną optymalizację uwzględniającą wartość klienta, ciągłość relacji oraz ograniczenia operacyjne.

Problem brzmi prozaicznie, ale ma ogromne znaczenie finansowe: w organizacjach go-to-market (GTM) to właśnie decyzja o tym, który sprzedawca obsługuje które konto, determinuje, czy relacja z klientem zostanie zachowana, czy ograniczone zasoby terenowe trafią tam, gdzie przyniosą największy zwrot. Dotychczas proces ten pozostawał w dużej mierze manualny, co utrudniało porównywanie opcji i świadome bilansowanie sprzecznych celów – wzrostu, równowagi obciążenia zespołu i wykonalności operacyjnej.

Kluczowe wnioski

  • System integruje trzy komponenty: warstwę wartości konta opartą na sygnałach predykcyjnych, warstwę wyceny ciągłości relacji oparty na kontrfaktycznym modelu synthetic-control oraz warstwę optymalizacji wielokryterialnej.
  • Narzędzie działa jako system wspomagania decyzji oparty na scenariuszach, umożliwiając planistom porównywanie różnych wariantów przydziału terytoriów.
  • Backtesty historyczne wykazały, że scenariusze generowane przez optymalizator znacząco poprawiają zgodność przydziałów przy zachowaniu porównywalnego rozkładu szans sprzedażowych na poziomie poszczególnych handlowców.
  • W planowaniu produkcyjnym wdrożone scenariusze poprawiły zarówno zgodność przydziałów, jak i równowagę szans w porównaniu z wcześniejszym punktem odniesienia.
  • Kierowanie ograniczonych zasobów sprzedażowych do kont o wyższej wartości daje – zdaniem autorów – dodatkowy potencjał przychodowy w skali przedsiębiorstwa.

Trzy warstwy systemu decyzyjnego

Sercem rozwiązania jest trójwarstwowa architektura. Pierwsza warstwa – wielowymiarowa ocena wartości konta – łączy sygnały predykcyjne, aby ocenić, które konta klienckie stanowią największą szansę sprzedażową. To standardowy element systemów scoringowych, ale w tym przypadku staje się wejściem do znacznie bardziej złożonego procesu decyzyjnego.

Druga warstwa to obserwacyjna wycena ciągłości relacji. Autorzy wykorzystują tu ramy kontrfaktyczne w stylu synthetic control, aby oszacować koszt zerwania istniejącej relacji między sprzedawcą a klientem. To istotne novum – zamiast traktować przydział konta jako czystą optymalizację matematyczną, system próbuje policzyć realną wartość utrzymania dotychczasowego kontaktu handlowego, która w tradycyjnych modelach była często pomijana lub szacowana intuicyjnie.

Trzecia warstwa – optymalizacja wielokryterialna – łączy obie powyższe oceny i przydziela pokrycie handlowe kontom o najwyższej wartości, biorąc jednocześnie pod uwagę ciągłość relacji, równowagę szans między sprzedawcami oraz ograniczenia operacyjne, takie jak dostępna pojemność zespołu sprzedaży.

Od ręcznego procesu do wdrożenia produkcyjnego

Istotą wkładu badawczego jest nie tyle pojedynczy algorytm, co całościowa, możliwa do inspekcji struktura decyzyjna. System wdrożono jako narzędzie wspomagania decyzji oparte na scenariuszach – planiści mogą analizować i porównywać różne warianty podziału terytoriów, zanim podejmą ostateczną decyzję. To podejście odpowiada na realny problem organizacji GTM: brak możliwości systematycznego porównywania opcji oraz oceny kompromisów między wzrostem, równowagą obciążenia i wykonalnością.

Wyniki backtestów historycznych pokazują, że scenariusze generowane przez optymalizator istotnie poprawiają zgodność przydziałów (assignment compliance) przy zachowaniu porównywalnego rozkładu szans sprzedażowych na poziomie poszczególnych handlowców. Co istotne, poprawa ta nie odbyła się kosztem równowagi – autorzy podkreślają, że rozkład opportunity pozostał „comparable”, czyli porównywalny do stanu wyjściowego.

W fazie planowania produkcyjnego, gdy scenariusze zostały rzeczywiście wdrożone, zaobserwowano poprawę zarówno zgodności przydziałów, jak i równowagi szans sprzedażowych w porównaniu z poprzednim punktem odniesienia (baseline). Autorzy wskazują też na szerszy skutek biznesowy: kierowanie ograniczonej pojemności sprzedażowej w stronę kont o wyższej wartości może generować dodatkowy potencjał przychodowy w skali całego przedsiębiorstwa.

Znaczenie dla zarządzania sprzedażą w erze AI

Praca wpisuje się w szerszy trend wykorzystania AI do podejmowania decyzji operacyjnych w dużych organizacjach, a nie tylko do generowania treści czy automatyzacji zadań pojedynczych pracowników. Autorzy podkreślają, że kluczowym wkładem jest „zintegrowana, możliwa do inspekcji” struktura, która zamienia carving terytoriów w proces decyzyjny podlegający kontroli i governance – a nie w czarną skrzynkę.

To rozróżnienie ma znaczenie w kontekście szerszej dyskusji o tym, jak firmy wdrażają AI w procesach biznesowych. Jak pokazują inne analizy dotyczące kontekstu biznesowego jako klucza do skutecznej enterprise AI, sukces narzędzi AI w dużych organizacjach zależy nie tylko od jakości algorytmu, lecz od tego, czy system pozostaje zrozumiały i możliwy do weryfikacji przez ludzi, którzy ostatecznie podejmują decyzje. Warto też przypomnieć, że wiele firm wciąż ma trudności z uzyskaniem mierzalnego zwrotu z inwestycji w AI – jak wskazują badania Gartnera, zaledwie 13% firm widzi realny zwrot z inwestycji w AI – co czyni opisany w tym artykule przypadek z mierzalną poprawą zgodności przydziałów i równowagi szans szczególnie interesującym punktem odniesienia.

Przedstawiony system pokazuje, że decyzje operacyjne uznawane dotąd za czysto „ludzkie” i trudne do sformalizowania – jak podział klientów między sprzedawców – mogą zostać przekształcone w governowalny, oparty na danych proces, bez utraty elastyczności potrzebnej planistom do oceny kompromisów.

Udostępnij

Źródła

Powrót do nawigacji