Klient nie odpowiada na ofertę. Jak przygotować follow-up z pomocą AI

Klient dostał ofertę. Mija kilka dni, później tydzień i nie ma odpowiedzi. Handlowiec wkleja ostatnią wiadomość do ChatGPT i po chwili dostaje poprawny e-mail: krótkie przypomnienie, pytanie o decyzję i zapewnienie, że chętnie odpowie na dodatkowe pytania.

Problem prawie nigdy nie polega jednak na napisaniu trzech zdań. Dobry follow-up wymaga wiedzy o tym, co wydarzyło się wcześniej: kto uczestniczy w decyzji, co było ważne, jakie padły obiekcje, którą wersję oferty dostał klient i co obiecała każda ze stron.

Te informacje są zwykle rozrzucone po CRM-ie, poczcie, notatkach, kalendarzu i dokumentach. Tutaj AI naprawdę się przydaje: czyta historię relacji, proponuje następne działanie i przygotowuje wiadomość do zatwierdzenia.

Przy dwóch klientach da się to zrobić ręcznie. Przy kilkunastu lub kilkudziesięciu sprawach dziennie potrzebny jest proces połączony z CRM-em. Sam czat nie wystarczy.

Problem z follow-upem zaczyna się przed wysłaniem oferty

Najłatwiej wrócić do klienta, gdy podczas rozmowy ustalono kolejny krok. Klient miał skonsultować ofertę z dyrektorem finansowym i wrócić do środy. Handlowiec miał dosłać harmonogram. Obie strony umówiły rozmowę po zapoznaniu się z kosztorysem. Każda z tych sytuacji daje prawdziwy powód kontaktu.

Jeśli rozmowa kończy się zdaniem: „Wyślę ofertę i pozostaniemy w kontakcie”, w CRM-ie nie ma terminu, zobowiązania ani następnego kroku. Po kilku dniach zostaje cisza. AI może ją opakować w ładniejszą wiadomość, ale nie odzyska ustalenia, którego nigdy nie było.

Moim zdaniem dwa największe błędy powstają właśnie tutaj: nie uzgadniamy następnego kroku i nie zapisujemy w CRM-ie informacji potrzebnych do dalszej pracy.

Przed wysłaniem oferty warto mieć zapisane przynajmniej:

• kto i do kiedy wykonuje następny krok;
• kto bierze udział w decyzji;
• jakie kryteria wyboru podał klient;
• jakie ma potrzeby i obiekcje;
• co obiecały obie strony;
• która wersja oferty została wysłana i kiedy.

AI może po spotkaniu przygotować notatkę, wyciągnąć zobowiązania, terminy, obiekcje i uczestników decyzji, a później zaproponować uzupełnienie właściwych pól CRM-u. Handlowiec kontroluje zapis, ale nie przepisuje całej rozmowy.

Cisza klienta może mieć wiele przyczyn. Być może czeka na decyzję zarządu, porównuje oferty, nie ma budżetu, nie widzi wystarczającej wartości albo zajmuje się innym problemem. Przyczyny nie znamy, ale możemy wykorzystać fakty. Jeżeli klient obawiał się zaangażowania zespołu, można wrócić ze sposobem ograniczenia tej pracy. Jeżeli miał przedstawić ofertę zarządowi, można przygotować krótkie podsumowanie. Jeśli minął uzgodniony termin, można się do niego odwołać.

Dobry follow-up zaczyna się więc przed wysłaniem oferty.

Dlaczego osobne okno czatu nie wystarczy

Model językowy napisze sensowną wiadomość, jeśli dostanie kontekst. W zwykłym czacie najczęściej widzi tylko ostatniego e-maila i polecenie: „Napisz follow-up”. Nie zna wcześniejszych rozmów, oferty, obiekcji ani tego, co wydarzyło się później.

Handlowiec musi więc znaleźć klienta, skopiować korespondencję, opisać sytuację, przeczytać odpowiedź AI i przenieść ją do poczty albo CRM-u. Oszczędza chwilę na pisaniu, ale przy każdym kliencie powtarza ten sam ręczny proces.

Dlatego idealnie działa to wtedy, gdy AI jest połączone z CRM-em. Proces powinien pobierać:

1. Dane szansy: właściciela relacji, etap, wartość, ostatnią aktywność i termin następnego kroku.
2. Dane oferty: datę wysłania, wersję, wariant, cenę, okres obowiązywania i załączone materiały.
3. Historię rozmów: notatki ze spotkań, wiadomości i zadania związane z konkretną sprzedażą.
4. Kontekst decyzji: potrzeby, obiekcje, kryteria wyboru i osoby uczestniczące w decyzji.
5. Zobowiązania: co miał zrobić klient, co miała zrobić firma i w jakim terminie.
6. Stan komunikacji: odpowiedź, odmowę, prośbę o kontakt później, preferowany kanał i sprzeciw wobec dalszej komunikacji.

Modelowi wystarczy historia konkretnej szansy lub procesu zakupowego. Cała baza utrudni analizę, a dawna rozmowa o innym produkcie może bardziej zaszkodzić, niż pomóc.

Treści pobrane z e-maili, załączników i CRM-u należy traktować jako dane, a nie instrukcje dla agenta. Uprawnienia narzędzi powinny być ograniczone, a działanie takie jak wysłanie wiadomości powinno wymagać jawnego zatwierdzenia.

Trzeba też oddzielać fakty od interpretacji. „Klient obawia się, że wdrożenie zajmie zespołowi dwa miesiące” to fakt zapisany po rozmowie. „Klient milczy, ponieważ nadal boi się wdrożenia” jest przypuszczeniem. AI może je zaproponować, ale musi je oznaczyć. Handlowiec powinien widzieć, co wynika z danych, a co jest próbą zrozumienia sytuacji.

Kiedy ponowić kontakt i ile razy to robić

Nie ma jednej liczby follow-upów dla każdej branży. Inaczej sprzedaje się prosty produkt, kilkumiesięczny projekt doradczy i rozwiązanie wymagające zatwierdzenia budżetu przez kilka osób.

Termin ustalałbym według prostej kolejności: data uzgodniona z klientem, później rzeczywisty proces zakupu, na przykład posiedzenie zarządu, zamknięcie budżetu lub porównanie ofert, a dopiero na końcu wewnętrzna reguła firmy.

Handlowcom często wydaje się, że próbują złapać kontakt zbyt wiele razy. W praktyce częściej próbują za mało.

Jeśli klient nie chce kupić i nie życzy sobie kontaktu, trzeba uszanować odmowę. Jeżeli zapomniał, jest zajęty lub odkłada decyzję, a oferta rozwiązuje ważny problem, follow-upy są potrzebne.

Nie oznacza to wysyłania w nieskończoność wiadomości „czy udało się zapoznać z ofertą?”. Każdy kolejny kontakt powinien mieć powód i cel.

CRM wybiera sprawy, AI pomaga je zrozumieć

W procesie rozdzieliłbym dwa zadania: wybór klientów wymagających działania oraz zrozumienie ich historii i przygotowanie dalszego kroku.

CRM albo zwykła automatyzacja dobrze radzą sobie z datami, statusami i wykluczeniami. Do kolejki mogą trafiać sprawy, w których:

• oferta została wysłana i jest nadal aktualna;
• minął uzgodniony termin;
• klient później nie odpowiedział;
• szansa pozostaje na odpowiednim etapie;
• nikt inny z zespołu nie prowadzi równoległego kontaktu;
• nie pojawiła się odmowa ani prośba o zakończenie komunikacji.

Tak wybrane rekordy trafiają do modelu. AI czyta notatki, wiadomości i dokumenty, po czym przygotowuje kartę sytuacji zawierającą:

• dlaczego sprawa pojawiła się w kolejce;
• jaki był ostatni uzgodniony krok;
• co wiemy na pewno;
• czego brakuje albo co jest sprzeczne;
• jakie działanie ma sens;
• jaki jest jego cel;
• jak może wyglądać wiadomość.

Model musi mieć prawo zaproponować, żeby niczego nie wysyłać. Czasem lepszy będzie telefon, dosłanie dokumentu, przełożenie kontaktu albo zamknięcie sprawy.

Każda wiadomość powinna prowadzić do konkretnego rezultatu: decyzji o spotkaniu, dostarczenia argumentu potrzebnego zarządowi, sprawdzenia aktualności konkretnej obiekcji albo ustalenia, że projekt nie będzie kontynuowany.

Użyteczny follow-up zawiera cztery elementy:

1. prawdziwy powód kontaktu;
2. odniesienie do potwierdzonego kontekstu;
3. konkretny cel wiadomości;
4. prosty następny krok, na który łatwo odpowiedzieć.

Handlowiec zatwierdza wiadomość, poprawia ją, odkłada albo zamyka sprawę bez kontaktu. Przed wysłaniem system ponownie odczytuje CRM, bo klient mógł odpowiedzieć pięć minut wcześniej. Jeśli stan się zmienił, wiadomość nie wychodzi.

Na końcu wynik wraca do CRM-u: ostateczna treść, data, osoba zatwierdzająca i nowy następny krok.

Handlowiec musi wiedzieć, dlaczego wiadomość ma zostać wysłana

Ładna wiadomość łatwo usypia czujność. Może brzmieć płynnie i uprzejmie, a jednocześnie opierać się na błędnym fakcie albo bezsensownym założeniu.

Dlatego handlowiec powinien dostać kartę decyzji: powód wybrania klienta, źródła informacji, braki, proponowane działanie i jego cel.

Proste wiadomości da się wysyłać automatycznie, ale tutaj zostawiłbym akceptację handlowcowi. AI ma zdjąć z niego czytanie całej historii i pisanie od zera, a nie odpowiedzialność za relację.

Przejrzenie 20 dobrze przygotowanych kart zajmuje mniej więcej 15 minut. Nie widzę sensu oszczędzania tego czasu kosztem ryzyka, że firma wyśle wiadomość nieaktualną, niepotrzebną albo zwyczajnie głupią.

Hipotetyczny przykład

Załóżmy, że CRM zawiera taki rekord:

AI powinno przygotować nie tylko e-mail, lecz także krótkie uzasadnienie:

Powód umieszczenia w kolejce: minął uzgodniony termin, a w CRM-ie nie ma późniejszej aktywności.

Potwierdzone fakty: klient miał omówić ofertę z dyrektorem finansowym; główną obawą było zaangażowanie zespołu; druga wersja oferty zawiera opis pracy po stronie klienta.

Czego nie wiemy: czy dyrektor finansowy otrzymał i przeczytał ofertę. Nie wolno pisać, że ją odrzucił albo zgłosił zastrzeżenia.

Proponowane działanie: krótka wiadomość odwołująca się do uzgodnionego terminu i wcześniejszej obiekcji.

Dzień dobry, pani Anno,

umawialiśmy się, że po rozmowie z dyrektorem finansowym wróci Pani do oferty do 16 września. W drugiej wersji dopisałem zakres pracy po stronie Państwa zespołu, ponieważ podczas rozmowy był to ważny temat.

Czy do podjęcia decyzji potrzebują Państwo jeszcze dodatkowych informacji? Jeśli łatwiej będzie omówić je wspólnie, mogę zaproponować krótką rozmowę.

Wiadomość odwołuje się do prawdziwego ustalenia i pozwala wskazać brakującą informację bez odgadywania przyczyny ciszy.

Poprawki handlowca też warto zapisywać i oznaczać, czy problem dotyczył danych, wyboru rekordu, interpretacji, działania czy tekstu. Wtedy firma nie poprawia tonu promptem, gdy w rzeczywistości zawodzi CRM.

Dwie drogi wdrożenia

Pierwsza droga wykorzystuje automatyzację działającą już w firmie. CRM, narzędzie do sekwencji albo platforma automatyzacyjna wybiera rekordy, przekazuje historię do modelu i tworzy zadanie do akceptacji. Zespół pracuje w znanym środowisku, a wynik wraca do tego samego systemu.

Druga droga to Codex lub Claude Code. Agent pobiera dane przez API, serwer MCP albo kontrolowany eksport, analizuje wiele spraw, tworzy karty i zbiera decyzje człowieka. To daje większą elastyczność, gdy proces łączy CRM, pocztę, oferty i materiały z różnych miejsc.

Codex i Claude Code potrzebują integracji, odpowiednich uprawnień, formatu danych i sposobu zapisu wyników. Zacząłbym od kontrolowanego eksportu kilku rekordów, a po sprawdzeniu logiki podłączył system na bieżąco.

Użyłbym też osobnego konta lub tokenu integracji, ograniczył dostęp do potrzebnych rekordów i prowadził rejestr działań. W pilotażu agent nie potrzebuje prawa do samodzielnej wysyłki.

Na potrzeby artykułu przygotowałem demonstrację na pięciu fikcyjnych rekordach. Pierwszy wymagał follow-upu po terminie. Drugi należało odłożyć, bo klient podał późniejszą datę. Trzeci zawierał prośbę o brak kontaktu. W czwartym dane były sprzeczne i ktoś już prowadził rozmowę. Piąty pasował do nowego case study.

Wiadomości powstały dla dwóch spraw z potwierdzonym powodem kontaktu. Dwa rekordy zatrzymały reguły, a jeden trafił do wyjaśnienia. Była to demonstracja logiki na przygotowanych danych, nie test skuteczności sprzedażowej ani działającej integracji.

Przykładowa instrukcja dla agenta może wyglądać tak:

Cel: przygotuj dzienną kolejkę działań dla ofert oczekujących na odpowiedź.

1. Odczytaj reguły wyboru i zatrzymania.
2. Sprawdź listę szans przekazaną przez CRM. Pomiń rekordy,
   które nie spełniają reguł wyboru albo spełniają regułę zatrzymania.
3. Dla pozostałych szans przeczytaj historię rozmów, notatki,
   bieżącą ofertę i wcześniejsze materiały.
4. Przygotuj kartę zawierającą:
   - powód wyboru rekordu,
   - ostatni uzgodniony krok,
   - potwierdzone fakty i ich źródła,
   - interpretacje oznaczone jako interpretacje,
   - braki lub sprzeczności,
   - proponowane działanie i jego cel,
   - projekt wiadomości, jeśli kontakt ma sens.
5. Nie dopisuj terminów, zobowiązań, obiekcji, cen ani przyczyn ciszy,
   których nie ma w danych.
6. Dopuszczalne decyzje to: wiadomość, telefon, dosłanie materiału,
   odłożenie, zamknięcie bez kontaktu albo przekazanie do wyjaśnienia.
7. Niczego nie wysyłaj. Zapisz karty do kolejki akceptacji człowieka.
8. Przed wykonaniem zatwierdzonego działania ponownie sprawdź CRM
   i zastosuj reguły zatrzymania.
9. Po wykonaniu działania zapisz ostateczną treść, datę,
   osobę zatwierdzającą i następny krok.

To już instrukcja całego procesu, a nie prompt do napisania e-maila.

Follow-up nieoczywisty: wróć wtedy, gdy masz coś przydatnego

Podstawowy proces uruchamia termin działania przy konkretnej ofercie. Follow-up nieoczywisty zaczyna się od nowej informacji, którą dopasowujemy do klienta.

Najprostszy przykład to nowe case study opisujące wdrożenie podobne do projektu klienta. Właśnie opublikowaliśmy materiał pokazujący, jak pracujemy w takiej sytuacji. To dobry powód kontaktu.

Inny przykład to nowa regulacja albo ważna informacja z rynku. Możemy zwrócić na nią uwagę klienta i pokazać, jak produkt lub usługa pomaga odpowiedzieć na zmianę.

Powodem kontaktu może być też nowa funkcja, sposób wdrożenia, raport, badanie, finansowanie klienta, inwestycja albo zmiana osoby decyzyjnej. Sam alert jeszcze niczego nie załatwia.

Proces powinien:

1. zebrać aktualne i zatwierdzone materiały;
2. opisać, jakiego problemu, rodzaju firmy i sytuacji dotyczą;
3. znaleźć w CRM-ie klientów, którzy wcześniej opisali powiązaną potrzebę lub obiekcję;
4. pokazać dowód dopasowania: fragment historii klienta i konkretny fragment nowego materiału;
5. odrzucić powierzchowne podobieństwa;
6. przygotować wiadomość do akceptacji.

Załóżmy, że klient wstrzymał projekt z obawy przed dwumiesięcznym zaangażowaniem zespołu. Trzy miesiące później publikujemy podobne wdrożenie, w którym dostawca wykonał większość pracy, a pracownicy klienta uczestniczyli tylko w dwóch warsztatach i akceptacji.

To jest konkretny związek. Wiadomość może wyglądać tak:

Dzień dobry, pani Anno,

podczas naszej rozmowy największą przeszkodą było zaangażowanie zespołu w trakcie sezonu. Opublikowaliśmy właśnie opis projektu, w którym rozwiązaliśmy podobny problem, przenosząc większość pracy na nasz zespół.

Przesyłam materiał, bo może pomóc ocenić, czy taki wariant zmieniłby sytuację również u Państwa.

Sama firma z tej samej branży to za mało. Follow-up nieoczywisty musi wnosić coś, co pomaga w problemie omawianym wcześniej, a nie tylko dodawać przypadkową personalizację.

Kiedy system powinien niczego nie wysyłać

Dobra automatyzacja przygotowuje wiadomości i zatrzymuje nietrafione kontakty. Oba wyniki są równie istotne.

Wiadomość nie powinna wyjść, gdy:

• klient odpowiedział po przygotowaniu projektu;
• odmówił albo poprosił o brak dalszego kontaktu;
• podał późniejszy termin, który jeszcze nie nadszedł;
• inny pracownik prowadzi już rozmowę;
• oferta wygasła albo zmieniły się warunki;
• dane o kanale komunikacji lub zgodzie są sprzeczne;
• ważny fakt użyty w wiadomości nie ma źródła;
• nowy materiał nie odpowiada na rzeczywistą potrzebę klienta.

Trzeba też odróżnić kontynuację rozmowy od nowej informacji handlowej. Wiadomość z artykułem, case study albo zmianą oferty może mieć inny charakter niż kontakt dotyczący zamówionej oferty. Firma powinna ustalić reguły celu kontaktu, zgód, udostępnionych adresów, kanałów i sprzeciwów.

Tej decyzji nie zostawiałbym modelowi. AI może zastosować regułę, ale firma musi ją wcześniej zdefiniować dla swojego procesu.

Jak sprawdzić, czy to działa

Najprościej policzyć wysłane follow-upy, ale to słaby miernik. Większa liczba wiadomości może oznaczać sprawniejszą pracę albo szybsze produkowanie niepotrzebnych kontaktów.

Podczas pierwszego pilotażu sprawdziłbym przede wszystkim:

• ile rekordów rzeczywiście wymagało działania;
• ile wiadomości zatrzymały reguły;
• jaki odsetek kart handlowcy zaakceptowali bez dużych zmian;
• jakie poprawki wprowadzali najczęściej;
• ile czasu zajęło przejrzenie kolejki;
• czy wynik i następny krok wróciły do CRM-u.

Wyniki sprzedażowe wymagają większej liczby spraw i czasu. Wtedy można sprawdzić, ile odpowiedzi doprowadziło do następnego kroku, ile rozmów wznowiono i jakie rezultaty przynoszą różne powody kontaktu.

Nie przypisywałbym całej sprzedaży jednemu e-mailowi. Liczą się też wcześniejsza rozmowa, oferta, cena, konkurencja i sytuacja klienta. Proces ma pomóc handlowcom szybciej podejmować trafne działania i nie gubić rozmów.

Od czego zacząć

Na początek wybrałbym jeden rodzaj oferty, jeden etap i małą grupę handlowców. To wystarczy, żeby sprawdzić proces bez podłączania AI do całego CRM-u.

Następnie:

1. ustal, które dane muszą znaleźć się w CRM-ie przed wysłaniem oferty;
2. zdefiniuj reguły wyboru rekordów oraz zatrzymania kontaktu;
3. przygotuj stały format danych przekazywanych do modelu;
4. uruchom karty propozycji bez automatycznej wysyłki;
5. zapisuj decyzje i poprawki handlowców;
6. sprawdzaj, czy błędy wynikają z danych, reguł, interpretacji czy treści;
7. rozszerzaj proces dopiero wtedy, gdy mały test działa.

AI potrafi przeczytać historię wielu relacji, znaleźć ważne ustalenia i przygotować propozycję działania. Oszczędza czas, ale nadal potrzebuje dobrego procesu, aktualnych danych i człowieka odpowiedzialnego za relację.

Dobry follow-up prowadzi rozmowę do kolejnego sensownego kroku.