AI-teknologi skal forbinde sælger med den rigtige kunde på det rigtige tidspunkt

Adversus har siden starten i 2015 oplevet en stor vækst i deres omsætning og har i dag 18 fuldtidsansatte. De opererer både i Danmark og internationalt og står bag en cloudbaseret, onlineplatform til salg, mødebooking og fundraising.

“Vi er meget bevidste om, at vi opererer i en branche, der er præget af meget små margener, hvor sælgerne skal have så meget ud af de opkald, som de får igennem. Vores system kan foretage mange opkald for agenterne automatisk og dermed sikre, at de hele tiden har noget at lave. Men vi vil gerne se på, om man med fordel kan fordele opkaldene ud til de rette agenter på en lidt mere intelligent måde, så man får en større hitrate og færre opkald,” forklarer Rasmus Clausen, CEO for Adversus.

Virksomheden har derfor allieret sig med Alexandra Instituttets maskinlæringseksperter for at se, om man kan indbygge noget AI, som kan hjælpe med at analysere ud fra bestemte demografier. Det kan være postnumre, køn, alder eller andet, som giver mening, og som sikrer, at en agent eller sælger bliver matchet med det rette emne hele tiden. Det kan også være, at man finder ud af, at en sælger skal ringe på en specifik kampagne eller produkt.

“Tesen har hele tiden været, at en jyde er bedre til at sælge til en jyde. Men vi kunne godt tænke os at efterprøve det her. Holder det her stik, hvis en agent markerer sig med et bestemt postnummer i vores system. Sælger en sjællænder mindre, end hvis en nordjyde ringer til én af sine egne?”

Skal gøre hele virksomheden til supersælger

Det, som gør projektet teknologisk svært, er, at der findes supersælgere, som typisk får de bedste emner at ringe på. Fordi så ved man, at man får solgt noget og dermed når sine mål. AI-teknologien skal derfor sørge for, at man får størst mulig nytteværdi for den enkelte kunde. Den må ikke komme med forslag til optimale emner for den enkelte agent, hvis det giver et dårligere afkast for hele virksomheden.

En sådan løsning, hvor man via AI-teknologi kan rangere emner for den enkelte agent, og som samtidig tager højde for den størst mulige nytteværdi for virksomheden, er ikke set før.

Rasmus Clausen forklarer:

“Vi har brug for en teknologi, der kan lave en optimal løsning for hele virksomheden, og som optimerer virksomheden til at opnå størst mulig værdi af det her, Det er et komplekst projekt, som har nogle risikoelementer, og som vi ikke kan løfte alene. Det er også derfor, vi har allieret os med en ekstern partner som Alexandra Instituttet.”

Jens Benner, leder af AI and Data Analytics Lab ved Alexandra Instituttet, ser frem til et spændende og frugtbart samarbejde. Men han kan også nikke genkendende til, at det er en kompleks udfordring.

”Maskinlæringsalgoritmer er gode til at finde mønstre i store mængder af data, som vi mennesker har svært ved at overskue. De mønstre og indsigter kan have stor indvirkning på, hvordan man strukturerer sin forretning og optimerer sin indtjening. Det er komplekst og er derfor også en oplagt Innobooster," forklarer Jens Benner:

Fakta

Adversus udbyder en cloudbaseret telefoniløsning til outbound-aktiviteter både i Danmark og internationalt. De har siden starten oplevet en stor vækst i deres omsætning, er i 2020 blevet internationaliseret og henter allerede mere end 25 % af deres omsætning fra udenlandske kunder.  

De vil med støtte fra Innovationsfonden og i samarbejde med Alexandra Instituttet udvikle et recommender-AI, som kan foreslå deres kunder den optimale fordeling af emner til agenter. Teknisk er det især udfordret af, at algoritmen ikke må komme med forslag om optimale emner for enkelte agenter, hvis disse emner giver et forventet dårligere samlet afkast for hele virksomheden.

Yderligere information
Rasmus Clausen, CEO Adversus, +45 60 57 70 27/rcl@adversus.io

Jens Benner, leder af AI and Data Analytics Lab ved Alexandra Instituttet, +45 20 91 11 03/jens.benner@alexandra.dk