Iedereen gebruikt AI in sales. Zo maak je wél het verschil
Onlangs hoorden we van iemand die met een paar gekoppelde tools duizend mails had verstuurd. Daar kwam één reactie op, en die reactie was “laat mij gerust”.
Zo loopt het nu bij heel wat bedrijven. De tools zijn er en de mails gaan de deur uit, maar er zit geen salesgedachte achter. Mensen kopen graag, maar ze hebben er een hekel aan als er iets aan hen verkocht wordt, en afhankelijk van de sector wil zowat driekwart van de kopers liever niet met een verkoper praten. Met AI kan je dat probleem kleiner maken, maar je kan het ook een pak groter maken.
Daarover ging ons webinar over AI in sales. Bekijk het volledige webinar hieronder.
Een Copilot-licentie aankopen is nog geen AI-strategie
Veel bedrijven hebben het gevoel dat ze mee zijn zodra ze een licentie voor Copilot of ChatGPT hebben gekocht. Sales evolueert in stappen, van een analoog model waarin alles via persoonlijk contact loopt naar een digitaal model met een CRM, wat automatisatie en meer werken met data. Daarna komen het automatiseren van het hele salesproces, augmented selling, waarbij AI de verkoper extra informatie geeft over een prospect, en uiteindelijk sales die grotendeels autonoom draait.
De meeste bedrijven waar we binnenstappen, zitten nog in die digitale stap, en sommige zijn daar zelfs nog niet. In onze eigen implementaties automatiseren we tot ongeveer tachtig procent van het werk. Het vertrouwen blijft bij de mens, en daarom vragen bedrijven ons nu opnieuw om closing en andere klassieke salesvaardigheden te trainen.
Verkopers verliezen te veel tijd aan administratie
Eddy Merckx won de Tour de France op een stalen fiets en op buikgevoel, Pogačar rijdt vandaag met een team dat hem op basis van data vertelt wat hij moet doen. De meeste salesteams werken nog zoals in de tijd van Merckx. Ze schrijven verslagen, typen opvolgmails, vullen het CRM manueel aan en zoeken e-mailadressen op, terwijl AI dat werk vandaag kan overnemen.
Begin met spreken in plaats van typen. Met een tool als Wispr Flow dicteer je je antwoord op een mail, wat veel sneller gaat. Zelf gebruiken we ook een Plaud, een klein toestel dat gesprekken opneemt aan de telefoon, face to face of tijdens een Teams-call. Onlangs belde een bedrijf uit Nederland terwijl een van ons in de auto zat. Na het gesprek vroegen we Claude om een opvolgmail klaar te zetten, het gesprek in Notion te noteren en een opvolgmeeting in te plannen. Bij aankomst stond de mail met de juiste links in de concepten en was de uitnodiging al verstuurd.
Je ideale klant bepalen op basis van je eigen data
Op trainingen vragen we vaak wie de ideale klant is, en het antwoord is meestal iets als “iemand die van ons koopt” of “iemand waar we veel marge op hebben”. Een ICP is pas bruikbaar als je het zo kan omschrijven dat een externe partij er een lijst mee kan bouwen. Lukt dat, dan kan een AI-tool het ook.
In je CRM zitten je klanten, offertes, gewonnen en verloren deals en gelogde gesprekken. Als je die data aan AI geeft en vraagt naar patronen bij je beste klanten, komen er vaak dingen boven waar je zelf niet aan gedacht had. Een bedrijf dat we hielpen, mikte op productiebedrijven in het algemeen. Uit de analyse bleek dat er veel meer potentieel zat in speciaalmachinebouw en verpakkingsmachines. Ze gaven achteraf toe dat ze daar nog nooit over hadden nagedacht.
Leadlijsten bouwen zonder zelf alle tools te moeten kennen
Vroeger moest je als verkoper zelf leren werken met tools als Bizzey en Lemlist. Vandaag koppel je Claude aan die tools en zeg je wat je nodig hebt. Een klant vroeg ons een tijd geleden om tandartspraktijken in Gent. We vroegen Claude om twintig praktijken in de regio met meer dan een miljoen omzet en minstens drie werknemers, met het e-mailadres en gsm-nummer van de zaakvoerder. Claude stelde zelf de filters in Bizzey in en leverde de lijst.
Voor klanten werken we op grotere schaal. We verzamelen eerst een grote database van bedrijven. Een ICP-agent geeft elk bedrijf een score met de redenering erbij, en zo gingen we bij een klant van ongeveer 12.000 naar 700 relevante bedrijven. Daarna zoekt AI per bedrijf drie tot vier contactpersonen. Bij een klein bedrijf is dat vaak de zaakvoerder, bij een groter de R&D-manager of de operations manager.
Koopsignalen opvangen
Als je vandaag prospecteert, is gemiddeld twee procent van je prospecten klaar om te kopen. Met signalen probeer je die twee procent te vinden: een post over een bepaald onderwerp, een R&D-manager die van job verandert, een nieuwe wet, een productlancering of een bedrijf dat groeit of inkrimpt. Tools als Lemlist, Triggify en Ocean.io vangen zulke signalen op via sociale media en websites.
We kregen zelf zo’n mail. Een dag nadat we op LinkedIn over ons nieuwe kantoor in Gent hadden gepost, mailde een Frans bedrijf ons in het Nederlands dat een verhuis vaak vragen oproept over vergaderruimtes, en dat zij akoestische cabines maken. De mail was wat te veel op conversie gericht, maar ze kwam op het juiste moment, en dat soort opvolging kan je volledig automatiseren.
Mensen zoeken je op voor ze antwoorden
Hoe goed je outreach ook is, je contacteert mensen die je niet kennen, en het eerste wat ze doen is je opzoeken. Wat ze daar vinden, beslist of ze je vertrouwen. Wij noemen dat de geloofwaardigheidslaag en we bouwen die altijd samen met de outreach op.
Posts op een bedrijfspagina halen weinig bereik, omdat mensen bedrijven wantrouwen en omdat sociale netwerken bedrijven liever laten betalen voor bereik. Dezelfde post op het profiel van een medewerker doet het veel beter. Voor de directie van SD Worx filmden we één uur, en daar haalden we bijna zes maanden content uit.
Het merk zelf legt uit wat je doet, de experts in je bedrijf praten over herkenbare problemen en cases tonen dat het werkt. Wat je zegt, bepaalt wie er naar je toe komt, dus als je grote Vlaamse kmo’s in een bepaalde industrie wil bereiken, praat je over hun problemen. Reken op twee tot drie maanden voor mensen je als geloofwaardig zien. Het snelste dat we zagen was zes tot acht weken, met een heel gerichte aanpak.
AI schrijft zo goed als de voorbeelden waarop het getraind is
Bijna alle cold mails die we binnenkrijgen zijn slecht, en op dat soort mails zijn AI-modellen getraind. Als we op een training vragen om een cold mail te tonen, zien we bijna altijd hetzelfde: een mail over het eigen bedrijf en het eigen product, die eindigt met de vraag of dinsdag of donderdag om 14 uur past. Laat je AI zonder bijsturing schrijven, dan krijg je zo’n mail terug. De basis van goede sales moet je zelf in je prompts en processen steken.
Wat AI overneemt en wat bij jou blijft
AI kan vandaag een groot deel van het salesproces overnemen, van je ideale klant bepalen en lijsten bouwen tot signalen opvangen en de administratie na een gesprek. Het vertrouwen bouw je nog altijd zelf op, met een profiel en content die tonen wie je bent, en met de gesprekken die je als verkoper voert.
Benieuwd naar de volledige presentatie?
Je kan de slides hier aanvragen.

