จัดลำดับลูกค้าที่ควรโทรกลับก่อน จากสิ่งที่เขาพิมพ์ในแชท

ทีมขายอสังหาริมทรัพย์รายหนึ่งที่ผมเคยช่วยดูระบบให้ เจอปัญหาคลาสสิกคือลูกค้าทักเข้ามาพร้อมกันหลายคนในช่วงเวลาเดียวกัน แต่เซลส์มีเวลาโทรกลับได้ทีละคนเท่านั้น คำถามที่เจ้าของทีมถามผมคือ 'จะรู้ได้ยังไงว่าควรโทรหาใครก่อน' เพราะถ้าเลือกผิด ลูกค้าที่พร้อมซื้อจริงอาจไปปิดกับเอเจนต์เจ้าอื่นก่อนที่จะได้รับสาย

คำตอบง่าย ๆ อย่าง 'โทรตามลำดับที่ทักเข้ามา' ฟังดูยุติธรรม แต่ไม่ได้แปลว่าได้ผลลัพธ์ที่ดีที่สุด เพราะลูกค้าคนที่ทักมาเป็นคนที่สามอาจให้รายละเอียดชัดเจนกว่ามาก ในขณะที่คนแรกอาจแค่ทักมาถามข้อมูลกว้าง ๆ โดยยังไม่มีความตั้งใจซื้อจริงจัง

สิ่งที่ทีมขายที่เก่งจริงทำคือการอ่านสัญญาณจากสิ่งที่ลูกค้าพิมพ์มา แล้วให้น้ำหนักความสำคัญตามนั้น บทความนี้จะพาไปดูว่า Lead Quality จากแชทหมายถึงอะไร มีองค์ประกอบอะไรบ้างที่ใช้ให้คะแนน และธุรกิจที่ยังไม่มี AI จะสร้างระบบให้คะแนนแบบง่าย ๆ เองยังไง

ทำไมลำดับการติดต่อกลับสำคัญพอ ๆ กับความเร็ว

หลายบทความพูดถึงความสำคัญของการตอบเร็ว แต่สิ่งที่มักถูกมองข้ามคือ 'ตอบเร็วแต่เลือกผิดคน' ก็ยังเสียโอกาสอยู่ดี ถ้าเซลส์รีบโทรหาคนที่ยังไม่พร้อมตัดสินใจก่อน แล้วปล่อยให้คนที่พร้อมจ่ายเงินจริงต้องรอคิว ผลลัพธ์อาจแย่กว่าการตอบช้าลงนิดหน่อยแต่เลือกคนถูก

ความเร็วกับลำดับความสำคัญจึงต้องทำงานคู่กัน ไม่ใช่เลือกอย่างใดอย่างหนึ่ง เป้าหมายที่แท้จริงคือ 'ตอบเร็วที่สุดเท่าที่ทำได้ กับคนที่มีโอกาสปิดสูงที่สุดก่อน' ซึ่งต้องอาศัยการประเมินคุณภาพ Lead ตั้งแต่วินาทีที่เขาทักเข้ามา ไม่ใช่รอจนคุยจบแล้วค่อยมาประเมิน

Lead Quality จากแชทหมายถึงอะไร ต่างจาก Lead Quality จากฟอร์มยังไง

Lead Quality จากฟอร์มมักประเมินจากข้อมูลที่กรอกไว้ล่วงหน้า เช่น งบประมาณ พื้นที่ที่สนใจ หรือระยะเวลาที่ต้องการ ซึ่งเป็นข้อมูลที่มีโครงสร้างชัดเจนอยู่แล้วตั้งแต่ต้น แต่ Lead Quality จากแชทต่างออกไป เพราะข้อมูลไม่ได้มาในรูปแบบฟิลด์ที่กรอกไว้ แต่ซ่อนอยู่ในถ้อยคำที่ลูกค้าพิมพ์เองแบบเป็นธรรมชาติ

ข้อดีของการอ่านจากแชทคือได้ข้อมูลที่จริงใจกว่า เพราะลูกค้าไม่ได้กรอกฟอร์มโดยรู้ตัวว่ากำลังถูกให้คะแนน เขาแค่พิมพ์คำถามตามที่คิดจริง แต่ข้อเสียคือข้อมูลไม่เป็นระเบียบ ต้องอาศัยการตีความ ซึ่งเป็นจุดที่ทั้ง AI และคนต้องช่วยกันแปลความหมายให้ถูกต้อง

หัวใจของการวิเคราะห์ Lead Quality จากแชทคือการมองหารายละเอียดที่ลูกค้าให้มาโดยไม่ได้ถูกถามตรง ๆ เช่น ถ้าลูกค้าบอกงบประมาณเองโดยไม่มีใครถาม หรือบอกไทม์ไลน์ที่ต้องการใช้สินค้าเอง นั่นคือสัญญาณของความตั้งใจที่แรงกว่าคนที่แค่ตอบคำถามที่แอดมินถามเท่านั้น

องค์ประกอบที่ใช้ให้คะแนนคุณภาพ Lead จากบทสนทนา

ลองแบ่งองค์ประกอบการให้คะแนนออกเป็นสี่มิติหลักตามตารางนี้ ซึ่งเป็นกรอบที่ปรับใช้ได้กับหลายธุรกิจ แม้จะไม่มีสูตรคณิตศาสตร์ตายตัวก็ตาม:

สร้างระบบให้คะแนน Lead แบบง่ายด้วยมือ ก่อนมี AI

ไม่จำเป็นต้องมีเครื่องมือซับซ้อนถึงจะเริ่มให้คะแนน Lead ได้ ทีมขนาดเล็กสามารถเริ่มจากขั้นตอนต่อไปนี้:

1. กำหนดคะแนนสามระดับง่าย ๆ คือ ร้อน อุ่น เย็น แทนตัวเลขซับซ้อน เพื่อให้แอดมินตัดสินใจได้เร็วโดยไม่ต้องคิดนาน
2. ตั้งเกณฑ์ว่าอะไรทำให้เป็น 'ร้อน' เช่น บอกงบเอง ถามวิธีชำระเงิน หรือขอนัดดูสินค้า ให้ชัดเจนพอที่แอดมินทุกคนเข้าใจตรงกัน
3. ให้แอดมินติดระดับคะแนนทันทีหลังคุยจบแต่ละรอบ ไม่ต้องรอให้จบบทสนทนาทั้งหมด เพราะบางทีลูกค้าหายไปกลางทางก็ยังต้องรู้ว่าควรตามต่อระดับไหน
4. เรียงลำดับการติดตามจากคะแนน 'ร้อน' ไปหา 'เย็น' เสมอ แม้ว่าคนที่คะแนนเย็นจะทักมาก่อนก็ตาม เพราะเป้าหมายคือปิดการขายให้ได้มากที่สุด ไม่ใช่ตอบตามลำดับเวลาที่ทักเข้ามา
5. ทุกสิ้นเดือนให้เทียบว่าคะแนนที่ให้ไว้สัมพันธ์กับอัตราปิดการขายจริงแค่ไหน แล้วปรับเกณฑ์การให้คะแนนให้แม่นขึ้นเรื่อย ๆ

เมื่อไหร่ที่ระบบให้คะแนนด้วยมือเริ่มไม่พอ และควรมองหาเครื่องมือช่วย

ระบบให้คะแนนแบบร้อน อุ่น เย็น ทำงานได้ดีตอนที่ปริมาณ Lead ยังอยู่ในหลักสิบถึงหลักร้อยต่อเดือน แต่พอธุรกิจโตขึ้นจนมี Lead หลักพันต่อเดือน หรือมีแอดมินหลายสิบคนกระจายกันตอบ การให้คะแนนด้วยมือเริ่มมีความคลาดเคลื่อนสูงขึ้น เพราะแอดมินแต่ละคนตีความเกณฑ์เดียวกันไม่เหมือนกันเป๊ะ

จุดนี้เองที่ธุรกิจจำนวนหนึ่งเริ่มมองหาเครื่องมือที่ช่วยให้คะแนนแบบกึ่งอัตโนมัติ เช่น ระบบที่ดักคำสำคัญบางคำในข้อความแล้วขึ้นสถานะเตือนให้แอดมินโดยอัตโนมัติ อย่างไรก็ตาม ต้องเข้าใจให้ชัดว่าเครื่องมือเหล่านี้ส่วนใหญ่ยังทำงานบนกฎที่มนุษย์กำหนดไว้ล่วงหน้า ไม่ใช่การเข้าใจภาษาแบบลึกซึ้งเทียบเท่าคนอ่านเอง จึงยังต้องมีคนตรวจทานผลลัพธ์อยู่เสมอ โดยเฉพาะกรณีที่ลูกค้าใช้คำแสลงหรือพิมพ์ผิดบ่อย

สิ่งที่ควรทำก่อนตัดสินใจลงทุนกับเครื่องมือคือทดลองระบบให้คะแนนด้วยมือให้นิ่งก่อน แล้วดูว่าเกณฑ์ที่ใช้ได้ผลจริงคืออะไร เพราะเกณฑ์เหล่านั้นจะกลายเป็นพื้นฐานของกฎที่ป้อนให้เครื่องมืออัตโนมัติทำงานต่อ ถ้ายังไม่มีเกณฑ์ที่ชัดเจนจากการทำมือ การไปเริ่มด้วยเครื่องมือเลยมักจบด้วยผลลัพธ์ที่ปรับแต่งยากและไม่ตรงกับธุรกิจจริง

เทียบสองลูกค้า ใครควรได้รับโทรกลับก่อนกัน

ลองดูตัวอย่างสมมติเพื่อให้เห็นภาพชัดขึ้น ลูกค้า A ทักมาก่อนพร้อมข้อความว่า 'มีคอนโดแถวนี้ขายไหมคะ' ส่วนลูกค้า B ทักมาทีหลังสิบนาทีพร้อมข้อความว่า 'สนใจคอนโด 2 ห้องนอนแถวนี้ค่ะ งบประมาณ 3-4 ล้าน อยากได้ที่ใกล้รถไฟฟ้า พร้อมโอนภายในเดือนนี้'

แม้ลูกค้า A จะทักมาก่อน แต่ข้อความของเขากว้างเกินไปจนบอกอะไรไม่ได้มาก ในขณะที่ลูกค้า B ให้รายละเอียดครบทั้งประเภทสินค้า งบประมาณ ทำเลที่ต้องการ และไทม์ไลน์ โดยไม่มีใครถามเลยสักคำ นี่คือสัญญาณที่ชัดเจนว่าลูกค้า B ควรได้รับการโทรกลับก่อน แม้จะทักมาทีหลังก็ตาม

กรณีแบบนี้เกิดขึ้นทุกวันในธุรกิจที่ขายผ่านแชท และเป็นเหตุผลว่าทำไมการเรียงลำดับตามเวลาที่ทักเข้ามาอย่างเดียวจึงไม่เพียงพอ ต้องมีการประเมินคุณภาพของข้อความควบคู่ไปด้วยเสมอ

ตัวอย่างสมมติ คะแนน Lead กับอัตราปิดการขายจริง

ตัวเลขต่อไปนี้เป็นตัวอย่างสมมติที่สร้างขึ้นเพื่ออธิบายแนวคิด ไม่ใช่ข้อมูลลูกค้าจริงจากธุรกิจใด สมมติทีมขายอสังหาฯ ทดลองเก็บข้อมูลย้อนหลังหนึ่งเดือนหลังเริ่มติดคะแนน Lead:

กับดักที่ทำให้ให้คะแนน Lead ผิดพลาด

กับดักแรกคือให้คะแนนตามความยาวของข้อความ ลูกค้าที่พิมพ์ยาวไม่ได้แปลว่าคุณภาพสูงกว่าคนที่พิมพ์สั้น บางครั้งคนที่พิมพ์สั้นแต่ตรงประเด็นกลับพร้อมซื้อมากกว่าคนที่พิมพ์เล่าเรื่องยาวโดยไม่มีเป้าหมายชัดเจน

กับดักที่สองคือให้คะแนนแค่ครั้งแรกที่ทักเข้ามา แล้วไม่ปรับคะแนนตามบทสนทนาที่ตามมา ลูกค้าที่เริ่มด้วยคำถามกว้าง ๆ อาจกลายเป็น Lead คุณภาพสูงได้หลังจากคุยไปสักพัก ถ้าไม่ปรับคะแนนตามพัฒนาการของบทสนทนา ทีมอาจพลาดโอกาสตามลูกค้าที่ดีไป

กับดักที่สามคือปล่อยให้อคติส่วนตัวของแอดมินแต่ละคนเข้ามาปนกับการให้คะแนน เช่น รู้สึกว่าลูกค้าคนนี้ 'พูดจาดี' แล้วให้คะแนนสูงทั้งที่ไม่มีสัญญาณความตั้งใจซื้อจริง การมีเกณฑ์ที่เขียนไว้ชัดเจนช่วยลดปัญหานี้ได้มาก

เชื่อมคะแนน Lead เข้ากับกระบวนการติดตามจริงยังไง

การให้คะแนนจะไม่มีประโยชน์เลยถ้าไม่ถูกเชื่อมเข้ากับขั้นตอนติดตามจริง ธุรกิจควรกำหนดว่า Lead ระดับ 'ร้อน' ต้องได้รับการติดต่อกลับภายในกี่นาที ระดับ 'อุ่น' ภายในกี่ชั่วโมง และระดับ 'เย็น' อาจใช้การส่งข้อมูลอัตโนมัติแทนการโทรทันที เพื่อประหยัดเวลาของทีมขาย

ถ้าธุรกิจใช้ระบบติดตามยอดขายอย่าง linli อยู่แล้ว การผูกคะแนน Lead เข้ากับสถานะที่มีอยู่ เช่น Qualified Lead จะช่วยให้เห็นภาพรวมว่าคะแนนที่ให้ไว้สัมพันธ์กับยอดขายจริงแค่ไหนในระยะยาว โดยไม่ต้องแยกเก็บข้อมูลสองที่ให้ซับซ้อนเกินจำเป็น

อีกจุดที่ควรกำหนดให้ชัดคือใครเป็นเจ้าของ Lead แต่ละคนหลังให้คะแนนแล้ว เพราะถ้าไม่มีเจ้าของชัดเจน Lead ระดับร้อนก็อาจตกหล่นได้เหมือนกันแม้จะให้คะแนนไว้ถูกต้อง การกำหนดผู้รับผิดชอบพร้อมเวลาที่ต้องติดต่อกลับจึงเป็นขั้นตอนที่ขาดไม่ได้ควบคู่ไปกับการให้คะแนน

สรุป

การรู้ว่าลูกค้าคนไหนควรได้รับการโทรกลับก่อนไม่ใช่เรื่องของโชคหรือความรู้สึก แต่เป็นเรื่องของการอ่านสัญญาณจากสิ่งที่ลูกค้าพิมพ์มาอย่างเป็นระบบ ไม่ว่าจะทำเองด้วยมือหรือมีเครื่องมือช่วย หลักการพื้นฐานยังเหมือนกันคือมองหารายละเอียดที่ลูกค้าให้มาเอง

ทีมที่เริ่มต้นด้วยระบบให้คะแนนง่าย ๆ อย่าง ร้อน อุ่น เย็น มักเห็นความเปลี่ยนแปลงของอัตราปิดการขายได้เร็ว เพราะเวลาของทีมขายถูกใช้ไปกับคนที่มีโอกาสปิดสูงที่สุดก่อนเสมอ

• ลำดับการติดต่อกลับสำคัญพอ ๆ กับความเร็ว ไม่ควรเรียงตามเวลาที่ทักเข้ามาอย่างเดียว
• ให้คะแนนจากความเจาะจงของคำถามและข้อมูลที่ลูกค้าให้เอง ไม่ใช่ความยาวของข้อความ
• เริ่มด้วยสามระดับง่าย ๆ แล้วเทียบกับอัตราปิดการขายจริงเพื่อปรับเกณฑ์ให้แม่นขึ้นเรื่อย ๆ

คำถามที่พบบ่อย