הטכנאי בשטח, הלידים מטופלים: איך הפסקנו לאבד לקוחות בעזרת אוטומציה ו-AI
האתגר
ב"מריטל", העסק המשפחתי שלנו לטיהור מים, הבעלים הוא קודם כל איש מקצוע. הוא חי בשטח – מתקין, מתקן, מייעץ. המשרד שלו הוא הרכב, והמזכירה שלו היא הטלפון הנייד.
הבעיה צפה כשישבנו על הדוחות החודשיים. ראינו נתון שלא הסתדר: כמות השיחות הנכנסות הייתה גבוהה, אבל כמות העסקאות שנסגרו בפועל לא תאמה את הפוטנציאל. כשצללנו לעומק, הבנו שהכסף לא נופל בשיחות שלא נענו – הוא נופל בשיחות שכן נענו.
זה התרחיש הקלאסי: הבעלים עונה לשיחה תוך כדי נהיגה או עבודה. הלקוח מתעניין, שואל שאלות, ומבקש הצעת מחיר או תיאום. הבעלים אומר "אין בעיה, אני אדבר איתך מחר". השיחה מסתיימת, ועוד לפני שהטלפון נכנס לכיס – נכנסת שיחה נוספת או בלת"מ בשטח. ה"מחר" מגיע, והשיחה מאתמול נשכחת. הלקוח, שלא קיבל את ה-Follow-up (מעקב) שהובטח לו, מבין את הרמז ופונה למתחרה.
הבנתי שאנחנו לא צריכים עוד אנשי מכירות. אנחנו צריכים מערכת שתגשר על הפער בין העבודה בשטח לבין הסדר של המשרד.
הפתרון
האתגר היה ליצור "רשת ביטחון" שתופסת את הלידים האלו. היעד שהצבתי היה ברור: אפס לידים נופלים בין הכיסאות, ואפס מאמץ טכני מצד הבעלים בזמן אמת.
בניתי מערכת שעובדת ברקע. היא "מקשיבה" לשיחות, מבינה מה קרה בהן, ומבצעת את הפעולה הכי חשובה במכירות: ההמשכיות. במקום שהבעלים יצטרך לזכור בערב למי לחזור, המערכת שולחת ללקוח באופן אוטומטי הודעת וואטסאפ אישית ביום למחרת.
ההודעה לא נראית כמו בוט ("תודה שפנית"). היא נראית כמו שירות מצוין: "היי דני, בהמשך לשיחתנו אתמול לגבי המערכת התת-כיורית – בדקתי את זמינות הטכנאים. נוח לך שנדבר בצהריים לתיאום?"
התוצאה? הלקוח מרגיש יחס אישי, והבעלים מקבל תגובות מלקוחות שרוצים לסגור, במקום לרדוף אחריהם.
צלילה טכנית
למי שרוצה להבין איך הקסם קורה מאחורי הקלעים, או לממש משהו דומה בעסק שלו – הנה "המתכון". לא כתבתי שורת קוד אחת, אלא חיברתי 5 כלים בשיטת No-Code.
המבנה
graph LR
A[שיחה נכנסת] --> B[Zadarma VOIP]
B --> C[Make.com]
C --> D[Gemini 1.5 Pro]
D --> E[Airtable]
E --> F[GreenAPI]
F --> G[מעקב בוואטסאפ]
- טלפוניה (Zadarma): כל השיחות של העסק עוברות דרך מרכזיית ענן (VOIP). זה מאפשר לנו להקליט את השיחות בצורה חוקית ומסודרת ולגשת אליהן דרך API.
- המוח (Gemini 1.5 Pro): כאן קורה הניתוח. אני שולח ל-AI את תמלול השיחה ומבקש ממנו לחלץ תובנות.
- הדבק (Make.com): הכלי שמחבר את הכל ומריץ את הלוגיקה.
- הזיכרון (Airtable): בסיס נתונים גמיש ששומר את פרטי הלקוח והסטטוס שלו.
- הפעולה (GreenAPI): רכיב שמתחבר לוואטסאפ ושולח את ההודעות.
הסוד נמצא בפרומפט
האתגר הגדול לא היה החיבור הטכני, אלא לגרום ל-AI להבין הקשר עסקי. בהתחלה הוא סיווג כל שיחה כ"ליד". כדי לפתור את זה, השתמשתי בטכניקה של מתן דוגמאות (Few-Shot Prompting).
בגדול, זה מה שאני אומר למודל: "אתה עוזר אדמיניסטרטיבי של עסק לטיהור מים. נתח את השיחה ותחליט: האם הלקוח כבר קנה? האם הוא מחכה להצעת מחיר? או שזו סתם שיחת חולין? הנה דוגמאות לשיחות עבר והסיווג הנכון שלהן..."
ברגע שהלוגיקה הזו התייצבה, אחוזי הדיוק קפצו פלאים. המערכת יודעת לסנן שיחות סרק ("תודה, רק רציתי לשאול שעה") ולהתמקד בכסף ("כמה עולה המערכת?").
התוצאה
כל האופרציה הזו עולה כ-10$ בחודש. אנחנו עסק שמסתמך על שירות ומקצועיות. הטכנולוגיה לא באה להחליף את היחס האישי של הבעלים, אלא לפנות לו זמן כדי שיוכל לתת אותו, בלי הלחץ של "מה שכחתי לעשות היום".
נתראה באתגר הבא.