En account manager hos en konkurrent ringer tillbaka inom en timme, skickar samma eftermiddag en skräddarsydd offert och har vid nästa kontakt alla tidigare överenskommelser klart för sig. Det beteendet är en datakälla. Inte för att personen säger det, utan för att mönstret avslöjar något om vad som händer bakom den personen.
Reaktionshastighet, offertkvalitet och ärendekunskap var länge en funktion av erfarenhet och bemanning: en bra säljare hade mer av det, ett underbemannat team hade mindre av det. Det antagandet gäller inte längre överallt. Där AI sätter ihop den första versionen av en offert, sammanfattar kundhistoriken innan samtalet börjar, eller föreslår uppföljningsåtgärder baserat på tidigare beteende, förskjuts källan till snabbhet och precision från personen till systemet bakom personen. Det innebär att två säljare med lika mycket erfarenhet och lika många affärer på sitt bord kan prestera fundamentalt olika, rent baserat på vad som körs som stöd i bakgrunden.
För jämförelsen med en konkurrent är det relevant, eftersom det förändrar frågan. Tidigare frågade ni: har denna konkurrent bra säljare. Nu är frågan: vilken del av det säljaren gör, gör han fortfarande själv, vilken del sker med mänskligt toezicht på vad ett system tar fram, och vilken del är rent mänskligt arbete som inte blir snabbare. Dessa tre kategorier löper genom varje signal ni observerar hos säljare.
Några konkreta signaler, och vad de antyder:
Ingen av dessa signaler bevisar något i sig. De blir bara meningsfulla som mönster, upprepade över flera kundkontakter och flera säljare hos samma konkurrent.
Det vanligaste felet är att tillskriva snabbhet till bemanning: antagandet att en konkurrent som reagerar snabbare helt enkelt har satt fler personer på saken. Det var logiken från före skiftet och är inte längre den enda förklaringen.
Det andra felet är det omvända: att tillskriva allt som går bra till AI. En säljare som lyssnar och minns väl är inte automatiskt understödd av ett system. Ärendekunskap kan också vara resultatet av ett litet, stabilt team som betjänat samma kunder i flera år.
Det tredje felet är att behandla signalen isolerat. Säljbeteende säger något om den dimension på vilken en konkurrent vinner, men det blir bara ett underbyggt påstående i kombination med andra källor. Vad förlorade offerter visar om var en konkurrent prissätter skarpare eller levererar snabbare, vad jobbannonser avslöjar om vilka roller en konkurrent fortfarande reserverar för människor, och vad konkurrentens egen webbplats lovar om leveranstid eller svarstid, ger tillsammans en mer konsekvent bild än en enda säljares beteende.
Denna signal lönar sig när den återkommer och när den ansluter till en dimension på vilken ni själva tror er konkurrera. En snabb offert från en säljare är en anekdot. Ett mönster över flera affärer, flera säljare och en period av månader är en indikation som är värd att undersöka vidare vid att poängsätta en konkurrent utan att göra antaganden.
Det omvända gäller också: om reaktionshastighet inte spelar någon roll på er marknad är denna signal brus, hur övertygande den än känns i ett enskilt samtal.
Vad säljbeteende hos en konkurrent visar är en pusselbit i en bredare fråga: hur ert företag och er peer group poängsätter på de dimensioner som faktiskt avgör affärer på er marknad. Den frågan besvarar ni bara fullständigt när ni benchmarkar det egna företaget mot konkurrenter baserat på bevis i stället för intryck från enskilda samtal.
Den underliggande frågan om vilket arbete i ert eget företag faktiskt kan tas över av AI, med mänskligt toezicht eller helt, besvaras per uppgift av arbetsskanningen från FTE TO AI.
Definiera de dimensioner på vilka ni tror er vinna över era konkurrenter, och testa dem i den kostnadsfria dimensiecheck: ni anger var ni tror er ha övertaget, och ser vilka av dessa påståenden som kan försvaras med bevis och vilka som bygger på antaganden. Den fullständiga benchmarken, med peer-group-poäng och bevismatris per dimension, är under uppbyggnad.