Agent Bricksで実現するスマートセールス：効率的なオファーターゲティング手法

セールスのジレンマからデータ駆動型アクションへ

どれほど優れた商用オファーでも、効果的に配信されなければその価値を発揮できません。Databricksでは、顧客が始めるのを助けたり、採用を加速させるために無料のクレジットオファーを提供していますが、セールス担当者は一見単純な質問に直面します：担当する顧客アカウントの中で、どれがオファー対象となり、どの顧客に優先的にアプローチすべきか？

一見シンプルなタスクでも、アカウントが予期せずオファー対象外となった場合、複数チームが関与する時間のかかる作業に発展することがあります。セールスチームは、ドキュメントを探したり、Slackのスレッドを参照したり、運用チームと手動でアカウントを調査する必要があります。これにより、不必要なやり取りが生じ、勢いが鈍化し、顧客に高価値のオファーを提供することが妨げられます。アカウントが対象であることがわかっていても、どのアカウントを優先すべきかは必ずしも明らかではありません。

Agent Bricksを用いたスマートシステムの構築

この問題に取り組むため、私たちのチームはAgent Bricks（Databricksのエンタープライズデータ上で高品質なAIエージェントを構築するプラットフォーム）を利用し、セールスチームに直接明確で実行可能なガイダンスを提供するマルチエージェントシステムを構築しました。2日未満で、私は営業担当者が以下のことを可能にするツールを作成しました：

• 顧客アカウントがクレジットオファーの対象かどうかを迅速に特定
• アカウントが適格でない具体的な理由を理解する
• 最も影響度の高い見込み客を優先的にターゲットするため、対象アカウントの優先順位を決定

この夏、ビジネス戦略と運用のインターンとして、私は短期間で成果を出す必要がありましたので、スピードとシンプルさが重要でした。Agent Bricksを使用すると、高品質なソリューションを素早く構築し、セールスチームが必要とする機能を提供できます。

マルチエージェントソリューションの設計

Agent Bricksのマルチエージェントスーパーバイザーを使用して、3つの特定目的のエージェントを一つのスーパーバイザーの下で連鎖させるシステムを設計しました。航空交通管制官のように、スーパーバイザーは各質問の各部分をどのエージェントに委任するかを決定し、それらの回答を一つの明確な答えにまとめます。

一つのスーパーバイザー、三つの専門エージェント

私の解決策は、3つのエージェントを使用します：2つのAI/BI Genieエージェントと、タスクと情報の流れを調整するスーパーバイザーによって管理されるナレッジアシスタントエージェントです。

スーパーバイザーエージェントアーキテクチャの調査や技術チームとの連携を必要とせず、私は直接私たちの顧客データとオファーのプログラムドキュメントに基づいて機能的なAIエージェントシステムを構築することができました。

手動リクエストから自己サービスの洞察へ

マルチエージェントソリューションは推測を排除し、シームレスで説明可能な体験を作り出します。構造化された顧客データと非構造化のオファープログラム情報を組み合わせることで、システムは以下を可能にします：

• セルフサービスの適格性トラブルシューティング：複数のチームやSlackスレッドを経由する代わりに、営業チームは組み込まれた説明のおかげで、オファーの適格性問題を素早く理解し、情報に基づいた行動を直接取ることができます
• よりインテリジェントなターゲティング：セールスチームは、直感ではなく、実際の成長シグナルとオファーの関連性に基づいて高価値のアカウントに焦点を当てることができ、高影響力の機会を特定する方法を効率化します
• より迅速なアウトリーチ：オファーの理解度を高め、手動の摩擦を減らすことで、レスポンスSLAは48時間から5秒未満に短縮され、セールスチームはより迅速かつ自信を持って進めることができます

最も重要なことは、アカウントが追加され、より多くのオファーが作成されるにつれて、システムがスケールすることです。Unity Catalogの参照データが変更されると、顧客アカウントとGTMの洞察が自動的に更新され、新しいオファーのプログラムは知識ベースのドキュメントを更新することでサポートできます - 新しいコードは必要ありません。

制限事項

現在のシステムは強力ですが、いくつかの制限事項に注意が必要です：

• エージェント間の情報重複：エージェントが直接コンテキストを共有できないため、スーパーバイザーが「全てを知っている」にもかかわらず、特定の情報をそれらの間で複製する必要がありました。例えば、アカウント優先度エージェントのデータテーブルには、各アカウントが適格である（もしあれば）オファーを示す列が含まれています（これは既に適格性エージェントが知っています）。また、各オファーのタイプに対する使用適格性バンドについてのコンテキストも含まれています（これは既にオファー詳細エージェントが知っています）。この重複により、優先順位付けエージェントはターゲティングとアカウントのランク付けについて正しく推論することができます。
• 既存ワークフローの統合：ほとんどの営業チームはDatabricksではなく、主にSlackやSalesforceで作業を行っています。このシステムをSlackbotやSalesforceに統合することで、適格性の詳細とガイダンスを彼らの日常のワークフローに直接導入することができます。

まとめ

商業オファーは、セールスチームが誰をターゲットにし、なぜターゲットにするべきかを知っている場合にのみ機能します。Agent Bricksを導入する前は、これは手動で、複数のチームが関与する課題であり、アウトリーチを遅らせ、プログラムに曖昧さをもたらしました。Agent Bricksにより、既存のデータと明確な目標設定のみで、マルチエージェントAIシステムの構築、テスト、改良を実現できました。

現在の形式ではシステムにいくつかの制限があり、セールスチームが日常的に使用するツールに組み込まれていないものの、すでに意義深い成果が得られています。オファーの対象者選定がより迅速、透明、スケーラブルになりました。本当の魔法は、アカウントの優先順位付けにあります：システムは自動的に顧客データとオファー情報を集約し、最も影響力のある機会を最初に知的に浮かび上がらせます。そして、私はエージェントにそれをどのように行うかを具体的に指示する必要はありませんでした。それこそがデータインテリジェンスです。
 

Agent Bricksでの構築で構築を開始し、今すぐ最初のソリューションを作成してみましょう。