ფასის სპეციალისტები ხშირად წინაშე დგებიან რთული დილემის: უნდა განაგრძონ შესაფერისი კლიენტის მუშაობა, ან გააწყვეტინონ საუბარი და მიიღონ ახალი წყაროს ძიებაში. ეს გადაწყვეტილება წარმოუდგენელია, განსაკუთრებით მაშინ, როდესაც გაყიდვების პროფესიონალები მართავენ მრავლისმომცველ ლიდებს, მაგრამ არიან შეზღუდული დროით და ხშირად დათმობის გამო. მიუხედავად მისი მნიშვნელობისა, კვლევა იმის შესახებ, თუ როგორ ხდება ეს გადაწყვეტილებები, რა არის მათი ოპტიმალური ფორმა და როგორ შეიძლება გააუმჯობესოს პროცესი, ნაკლებად ჩატარებულა. ახლანდელი კვლევა აღნიშნულ ხარვეზს ეხმიანება, იყენებს მაღალი მოცულობის გარე გაყიდვების განჭვრეტას, სადაც უამრავი ლიდია, მკაცრი დროის ზღვარებით და მაღალი ფეილირების ალბათობით. კვლევა მიმართავს ოპტიმალურ დამთავრების სქემას — მათემატიკურ სტრატეგიას, რომელიც განსაზღვრავს საუკეთესო დროს, როდესაც მოჭრათ საქმიანობა იმისათვის, რათა მაქსიმალურად გაიზარდოს პრემია. მკვლევრებმა შექმნეს გენერაციული ენის მოდელზე დაფუძნებული სეკვვენციური გადაწყვეტილების აგენტი, უწოდებენ “დამთავრების აგენტს”, რომელიც არის მიზნადი სწავლა, როდის უნდა შეჩერდეს გაყიდვების ზარები, იმიმიტირებს ოპტიმალური დამთავრების პოლიტიკას, რომელიც მიღებულია საბაზესა და გაყიდვების მონაცემებზე. ეს ხელოვნური ინტელექტის ინსტრუმენტი ანალიზს ახორციელებს კომფლექსული ტექსტური მონაცემებისგან ზარებიდან, ბუნებრივი ენის მონაცემებს იყენებს იმის მისახვედრად, როდის უნდა შეჩერდეს. ის მხარს უჭერს ინტეგრაციას ღია წყაროსა და პატენტირებულ დიდ ენის მოდელებს, რაც აჩვენებს მისი მოქნილობას. ჩატარებულმა ტესტირებამ ევროპული ტელეკომუნიკაციების დიდ კომპანიის ზარებზე, დააჩერეს დროის 54%- დააყენებს გაურთულებელ ზარებზე, რაც მნიშვნელოვანი ეფექტურობის გაუმჯობესებაა, ხოლო თითქმის ყველა წარმატებული გაყიდვა შეინარჩუნა, მიუხედავად შემცირებული ზარებისა.

დაზოგილი დრო შესაძლოა იყოს გადამისამართებული ახალი ზარებისთვის, რაც საშუალო გაყიდვების მოცულობას ზრდის ძალზედ 37%-მდე. დამატებითი ანალიზი აჩვენებს, რომ გაყიდვების სპეციალისტები ხშირ შემთხვევაში ყურადღებას აკ Landesტან ძიების გარკვეულ ლინგვისტურ ნიშნებზე, ყურადღებას არ მიაქცევენ სუსტი ნიშნებს, რაც იწვევს ცუდ პროგნოზებს ზარის ფეილირების რისკებსა და გამოხატავს კოგნიტური შეზღუდვებს ოპტიმალური რეალურ დროში გადაწყვეტილების მიღებაში. ეს იწვევს შედეგის მნიშვნელობის შემცირებას ადამიანური შეზღუდვები გადალახვაში, ავითარებს დროის მართვას და გაყიდვების ეფექტიანობას. დღეს სიტუაციის მასშტაბის გათვალისწინებით, გაყიდვების კონტაქტების ოპტიმიზაცია და აგენტის დრო არის კრიტიკული, და ხელოვნური ინტელექტის სისტემები უზრუნველყოფენ პერსპექტიული გადაწყვეტებს. გაყიდვებთან მოძველებულად, ეს კვლევა ხაზს უსვამს AI-ს ფართო შესაძლებლობას სწრაფი გადაწყვეტილებების გაუმჯობესებაში, მათემატიკის დახმარებით მყარ სიტუაციაში. მომავალი კვლევები შეიძლება გამოიყენოს ეს მეთოდი სხვა კავშირის კონტექსტებში, მაგალითად, მომხმარებელთა მხარდაჭერა, ტელემარკეტინგი და მოლაპარაკებები, რაც შეიძლება გაზარდოს ოპერაციული ეფექტიანობა ინდუსტრიებში. საერთო ჯამში, ეს კვლევა წარმოადგენს მნიშვნელოვან წინსვლას AI-ის გამოყენებაში ადამიანური გადაწყვეტილებების ოპტიმიზაციისთვის გაყიდვებში, რაც საშუალებას აძლევს კომპანიებს შემცირდეს დროის ბლაგვი მოცულობის ფუჭად და შეუდარებლად გაზარდოს ეფექტიანობა სარგებლობით და მიზანმიმართულად მიუთითებს უკავშირდება შეზღუდვების დროს, როდესაც უქმნით უყურადღებოდ გრძელვადიან ურთიერთობებსა და მაღალ პროდუქტიულობას. ადამიანის დაკვირვებისა და AI გადაწყვეტილებების მხარდაჭერის კომბინაცია გპირდებათ გარდამტეხ ზეგავლენას გაყიდვების მართვაში და სტრატეგიებში.