← Wszystkie case studies · 💼 Sprzedaż
SaaS B2B (retail-tech) · 40–80 osóbLead scoring AI w polskim SaaS B2B — 67% mniej czasu zespołu SDR na nieświadome konta
Firma sprzedająca platformę do obsługi reklamacji w handlu detalicznym przestała marnować rozmowy na konta, które i tak nie kupią.
Okres pomiaru: pierwsze 4 miesiące
Sytuacja przed wdrożeniem
Polski SaaS sprzedający platformę reklamacyjną do retail (~ 850 klientów). Zespół 4 SDR-ów dzwonił do 100% leadów z formularza demo — średnio 60 połączeń dziennie na osobę. Konwersja MQL→SQL: 11%. Średni czas pierwszego kontaktu: 38 godzin. Sales manager nie widział różnicy między leadem z e-commerce o 300 sklepach a jednoosobową działalnością na bazarze.
Co zrobiliśmy
RedAI ssie dane z HubSpot CRM, GUS, Aleo, BIK, Bisnode i wewnętrznych logów aplikacji. Wytrenowaliśmy model na 2 latach historii (close-won vs close-lost) — wytypował 18 cech predykcyjnych: liczba lokalizacji, kategoria PKD, sygnał "demo > 3 min", obecność strony WWW w EN, kod pocztowy. Co rano o 7:50 każdy SDR dostaje na Slacku posortowaną listę 25 leadów z prawdopodobieństwem konwersji i powodem rankingu.
Rezultat
Po 4 miesiącach: konwersja MQL→SQL wzrosła z 11% do 31%, średni czas pierwszego kontaktu spadł z 38h do 6h, kwota nowych kontraktów wzrosła o 42% przy tym samym zespole. Sales manager: "SDR-zy przestali dzwonić jak roboty, zaczęli prowadzić dobre rozmowy."
„Wcześniej zgadywaliśmy. Teraz wiemy, do kogo dzwonić jako pierwsze — i kto już nigdy nie kupi."
Inne case studies z działu sprzedaż.
Chcesz, żeby Wasza firma była następna na tej liście?
30-min rozmowa — pokazujemy 2–3 case'y najbliższe Waszej sytuacji (pod NDA) i mówimy, ile zaoszczędzicie w pierwszym roku.