כשאוטומציה ב-CRM נכשלת, הכלי הוא בדרך כלל לא האשם. ברוב המקרים האוטומציה פשוט נבנתה על מודל נתונים שבור. ריכזנו כאן את שמונה הטעויות שחוזרות הכי הרבה בארגוני SaaS, וכולן נמנעות בתכנון נכון, עוד לפני שמפעילים את ה-workflow הראשון.
נקודות מפתח
- כשאוטומציית CRM נכשלת, הכלי הוא בדרך כלל לא האשם, כי ברוב המקרים היא פשוט נבנתה על מודל נתונים שבור.
- קודם מתכננים את מודל הנתונים ומגדירים לכל שדה מקור אמת אחד, ורק אחר כך מוסיפים workflows שמכבדים את ההחלטה הזאת.
- כל workflow צריך תנאי כניסה ויציאה מדויקים, בדיקה על קבוצה קטנה לפני הפעלה על כולם, והתראות שיתפסו כשלים לפני שהם מזהמים נתונים.
- כדאי לנקות את הנתונים ולאחד כפילויות לפני שבונים עליהם אוטומציה, ולתעד את כל ה-workflows במקום אחד כדי לזהות חפיפות.
- מישהו צריך להיות אחראי על מערך האוטומציות, וכל אוטומציה צריכה להיות קשורה לתוצאה מדידה, כמו זמן תגובה, דיוק נתונים או המרה.
1. מפעילים אוטומציה לפני שתכננו את הנתונים
זו הטעות הבסיסית ביותר: קופצים ישר ל-workflows עוד לפני שהוחלט איזה נתון יושב איפה. כל אוטומציה רצה מעל מודל הנתונים, ולכן כשהמודל לא תוכנן, היא פשוט משכפלת את הבלגן. הפתרון הוא לעבוד לפי הסדר: קודם מתכננים את מודל הנתונים, ורק אחר כך מוסיפים אוטומציה.
2. אין מקור אמת אחד
כשאותו שדה מתעדכן מכמה מקומות ואף אחד לא קבע איזו מערכת ״אחראית״ עליו, האוטומציות מתחילות לדרוס זו את זו. הפתרון: להחליט לכל שדה מהו מקור האמת שלו, ולבנות את האוטומציות כך שיכבדו את ההחלטה הזאת.
3. אוטומציות בלי בלמים
כש-workflow מעדכן רשומות בלי תנאים ברורים, הוא יכול לדרוס נתון נכון בנתון ישן, או לשלוח בטעות מייל לאלפי אנשי קשר. הפתרון: תנאי כניסה ויציאה מדויקים, ובדיקה על קבוצה קטנה לפני שמפעילים אותו על כולם.
4. ריבוי workflows חופפים
כשמוסיפים אוטומציות לאורך זמן בלי סדר, מתחילות התנגשויות: שני workflows שעושים פעולות סותרות על אותה רשומה. הפתרון: לתעד את כל האוטומציות במקום אחד, ולבדוק חפיפות לפני שמוסיפים workflow חדש.
5. אין ניטור והתראות
אוטומציה שבורה לא מודיעה לאף אחד שהיא שבורה. היא ממשיכה ״לעבוד״ בשקט ומזהמת נתונים במשך שבועות, עד שמישהו שם לב. הפתרון: התראות על כשלים, ובדיקה תקופתית שכל אוטומציה עושה את מה שהיא אמורה.
6. בונים אוטומציה על נתונים מלוכלכים
אוטומציה שרצה על נתונים מלוכלכים מפיצה כפילויות ושגיאות מהר יותר, ואת התיקון היא משאירה לכם. הפתרון: לנקות את הנתונים ולאחד כפילויות לפני שבונים עליהם אוטומציה, ולא אחרי.
7. אין אחראי ואין משילות
כשאף אחד לא אחראי על מערך האוטומציות, כל אחד מוסיף workflows משלו, והמערכת הופכת ל״קופסה שחורה״ שאף אחד כבר לא מבין. הפתרון: להגדיר בבירור מי מאשר, מתעד ומתחזק את האוטומציות.
8. מודדים כמות במקום תוצאה
״בנינו 200 workflows״ נשמע כמו הישג, אבל ברוב המקרים זה בעיקר סיכון. מה שחשוב הוא אילו תהליכים עסקיים האוטומציה שיפרה. הפתרון: לקשור כל אוטומציה לתוצאה מדידה, כמו זמן תגובה, דיוק נתונים או המרה, ולכבות את מה שלא תורם לה.
מה משותף לכל הטעויות?
לכל הטעויות האלה יש אותו שורש: אוטומציה שעלתה לאוויר לפני שהארכיטקטורה הייתה מוכנה. כשמודל הנתונים נקי, מקור האמת מוגדר והמערכות מחוברות כמו שצריך, רובן פשוט לא קורות. בגלל זה אנחנו ב-IV-Lead מתחילים כל פרויקט מהארכיטקטורה, והאוטומציה מגיעה רק אחריה.
השורה התחתונה: מה עושים מחר בבוקר?
אוטומציית CRM נכשלת כמעט תמיד בגלל תכנון חסר, והכלי הוא רק המקום שבו זה מתגלה. תגדירו מודל נתונים ומקור אמת, תוסיפו בלמים וניטור, ותקבעו מי אחראי. ככה כל workflow שתבנו יעבוד בשבילכם ולא נגדכם.
שאלות נפוצות
למה אוטומציות CRM נכשלות בארגוני SaaS?
כי הן נבנות על מודל נתונים שאף אחד לא תכנן. אוטומציה רצה מעל הנתונים, וכשאין מקור אמת, בלמים או ניטור, היא מעצימה את הבלגן הקיים במקום לפתור אותו.
מה הטעות הכי נפוצה באוטומציית CRM?
להפעיל אוטומציה לפני שתכננו את מודל הנתונים. מהטעות הזאת נגזרות רוב האחרות: נתונים שנדרסים, workflows שמתנגשים זה בזה ונתונים מלוכלכים שמתפשטים במערכת.
איך בונים אוטומציית CRM ששורדת?
מתחילים מארכיטקטורת נתונים נקייה וממקור אמת מוגדר, מוסיפים תנאים ובלמים לכל workflow, מנטרים כשלים וקובעים מי אחראי על מה. האוטומציה באה אחרי הארכיטקטורה, אף פעם לא לפניה.
עוד מדריכים שכדאי לקרוא
יש לכם עשרות workflows ואתם כבר לא בטוחים מה כל אחד מהם עושה? ב-IV-Lead נשמח לעבור איתכם על מערך האוטומציות, לזהות חפיפות ונקודות כשל ולבדוק את מודל הנתונים שמתחתיו. בקשו שיחת אבחון קצרה עוד לפני שה-workflow הבא עולה לאוויר.
