Лаборатория автоматизации «‎LOG [IN] OFF».

Я открыл YGoal как потенциальный клиент и довольно быстро понял сильную часть продукта: он превращает разрозненные материалы компании в управляемый маршрут - с практикой, проверкой и допуском к самостоятельной работе. Но дальше у меня появился вопрос. Выполнить задание и получить допуск - это один результат. Устойчиво изменить рабочее поведение и продолжать действовать правильно через месяц - уже другой. Что для меня здесь важно: - маршрут можно автоматизировать; - практику и контрольные точки...

Речевая аналитика легко превращается в ещё один источник данных для руководителя. Расшифровали звонки. Поставили оценки. Построили отчёт. Получили проценты. И дальше возникает самый важный вопрос: Что мне с этим делать? За время работы над "Дожми Продажи" у меня постепенно сложилась другая логика. Ценность появляется не в момент, когда звонок превратился в текст или оценку, а когда компания проходит весь путь: коммуникация -> факт -> критерий -> выборка -> вывод -> следующий шаг. Причём один факт ещё ничего не доказывает...

Есть одна ошибка, которая повторяется вокруг темы "AI-анализ звонков: чем он отличается от расшифровки". Мы очень быстро хотим получить от инструмента готовый ответ. Но в продажах почти всегда есть промежуточный слой, который нельзя пропускать: - нужно понять, какой именно факт мы проверяем - какое действие руководителя должно измениться после результата. В новой статье я разбираю вопрос анализ звонков ИИ не как список функций, а как управленческую работу. Отличить расшифровку, резюме, статистику и AI-анализ и объяснить переход к управленческому решению...

Три раза перечитал холодное сообщение в Telegram. И все равно не понял, что именно мне продают. Что особенно интересно - человек продавал услугу по персонализированному холодному аутричу. То есть само сообщение фактически было демонстрацией продукта. Я сейчас специально собираю и разбираю такие кейсы. И здесь почти все формальные элементы вроде бы есть: персонализация, описание услуги, кейс, цифра, призыв к действию. Но вместе получается каша. Что сломалось: - еще до чтения профиль вызывает вопросы:...

"96% AI-проектов проваливаются" - одна из самых удобных цифр в разговорах об искусственном интеллекте. Она одновременно подтверждает и скептиков, и консультантов по внедрению. Проблема только в том, что единого глобального исследования с таким выводом я не нашёл. Цифры 74%, 80%, 95% и 96% относятся к разным объектам. Где-то измеряют долю компаний на стадии прототипов. Где-то - отсутствие заметного влияния ИИ на ебитду всей организации. Где-то - достижение ожидаемого ROI. А предварительный MIT...