Fallstudie | Claude Platform

Attention automatisiert mit Claude Vertriebsvorgänge und steigert den Umsatz

Branche:
Software
Unternehmensgröße:
Klein
Produkt:
Claude Platform
Standort:
Nordamerika

1,6 Millionen Stunden Verwaltungsarbeit automatisiert

sodass sich Vertriebsmitarbeitende auf den Abschluss von Geschäften konzentrieren können

Bis zu 40 % höhere Erfolgsquoten

melden Attention-Kunden, deren Vertriebsteams den von Claude generierten Ergebnissen für Coaching-Scores, CRM-Daten und Folge-E-Mails vertrauen

Cowork
Cowork

Geben Sie Claude Zugriff auf Ihre lokalen Dateien und lassen Sie Aufgaben autonom erledigen. Agentische Fähigkeiten für nicht-technische Wissensarbeit.

Weitere Informationen

Vertriebsmitarbeitende verbringen einen überraschend großen Teil ihres Tages nicht mit dem Verkaufen. Nach jedem Anruf gibt es CRM-Felder zu aktualisieren, Folge-E-Mails zu schreiben und Notizen zu protokollieren. Für Unternehmen, die Tausende von Anrufen durchführen, wird diese zunehmende Belastung zu einer erheblichen Bremse für den Umsatz. Attention hat sich zum Ziel gesetzt, dies zu ändern, indem eine Plattform mit KI-Agenten aufgebaut wird, die die gesamte Verwaltungsebene des Vertriebs automatisiert. Nicht nur die Transkription, sondern auch die Aktion.

Mit Claude konnte Attention Folgendes erreichen:

  • Über 10 Stunden pro Woche werden pro Mitarbeiter bei manuellen Aufgaben eingespart
  • 90 % der administrativen Arbeit nach dem Gespräch mit nahezu menschlicher Genauigkeit automatisiert
  • Um bis zu 40 % höhere Erfolgsquoten – dank KI-Ergebnissen, denen Teams genug vertrauen, um in Live-Deals danach zu handeln
  • Abridge, führendes Unternehmen im KI-Gesundheitswesen, hat die Coaching-Effizienz um das Fünffache verbessert
  • Integration der Core-Scoring-Pipeline in weniger als zwei Wochen
  • Engineering-Zeit verschiebt sich von der Ausgabebereinigung auf die Entwicklung neuer Funktionen

Die Herausforderung: Mehr als nur eine Transkription von Vertriebsgesprächen erstellen

Die technische Messlatte für eine KI-gestützte Vertriebsplattform ist höher als es auf den ersten Blick scheint. Transkription ist einfach. Zuverlässige, differenzierte Vertriebsinformationen sind das nicht.

Die Plattform von Attention bewertet Anrufe anhand strenger Qualifizierungsframeworks wie MEDDIC (Metrics, Economic Buyer, Decision Criteria, Decision Process, Identify Pain, Champion), ohne Details zu halluzinieren oder Ratschläge zu generieren, die zu allgemein sind, um daraus Maßnahmen abzuleiten. Sie analysiert Muster in Tausenden von Konversationen, um festzustellen, warum im letzten Quartal Geschäfte an einen bestimmten Mitbewerber verloren gegangen sind.  „Wir haben früh erkannt, dass Transkription allein nicht ausreicht", erklärt Stewart White, VP of Growth bei Attention. „Die Vertriebsteams brauchten nicht mehr Text – sie brauchten Taten.“

Und da Attention die Kommunikation mit Kunden wie etwa Folge-E-Mails automatisiert, muss jede Ausgabe der Qualität und dem Ton eines qualifizierten Vertriebsmitarbeiters entsprechen. Wenn dies nicht der Fall ist, werden sie von den Vertriebsmitarbeitern nicht genutzt, und keine der nachgelagerten Umsatzsteigerungen tritt ein.

Das Modell musste auch skalierbar sein: „Wir brauchten ein Modell mit einem riesigen Kontextfenster, das mit steigendem Datenvolumen nicht an Leistung verliert", sagte White. „Wir wollten ein System entwickeln, das nicht nur Gespräche hören kann, sondern auch die Feinheiten von Vertriebsmethoden versteht, Abwanderungsrisiken identifiziert, bevor sie auftreten, und CRMs wie ein Top-Vertriebsmitarbeiter autonom aktualisiert.“

Warum Attention sich für Claude entschieden hat

Attention testete mehrere führende Modelle, bevor es sich für Claude als Reasoning-Engine für das Produkt entschied. Der entscheidende Faktor war der Ton. Vertriebskommunikation steht und fällt mit Vertrauen, und KI-generierte Ergebnisse, die roboterhaft klingen, werden einfach nicht verwendet. „Im Vertrieb ist der Ton alles“, sagte White. „Claude war das einzige Modell, das direkt von Anfang an warme, einfühlsame und menschlich klingende Ergebnisse lieferte. Ob beim Entwerfen einer E-Mail oder bei der Rückmeldung an einen Mitarbeiter – Claude vermeidet die roboterhafte Syntax, die andere LLMs plagt. Diese menschliche Qualität war nicht verhandelbar, um das Vertrauen unserer Nutzer zu gewinnen.“

Vertriebsinteraktionen sind voller Subtext: Ein Interessent, der sagt „Wir bewerten Optionen“ bedeutet etwas anderes als einer, der sagt „Wir sind in diesem Quartal nicht in der Lage, etwas anderes zu tun“. Claude hat beim Verstehen von Absichten konsequent besser als die Alternativen abgeschnitten und die Anrufe mit dem Fingerspitzengefühl eines erfahrenen Managers statt mit einem Mustererkennungsalgorithmus bewertet. Und da Claude komplexen Systemprompts präzise folgt, konnte das Engineering-Team von Attention ein breites Spektrum an Vertriebsaufgaben unterstützen, ohne für jede Aufgabe separate Pipelines erstellen zu müssen.

Die Implementierung bestätigte die Eignung. Das Team integrierte alle drei Claude-Modelle (Haiku, Sonnet und Opus) und wählte für jede Aufgabe das richtige aus, basierend auf den Komplexitäts- und Latenzanforderungen. Attention integrierte Claude in weniger als zwei Wochen in die zentrale Scoring-Pipeline, und die Steuerbarkeit des Modells bedeutete, dass die Entwickler weniger Zeit mit dem Bereinigen von Ausgaben und mehr Zeit mit dem Bereitstellen von Funktionen verbrachten.

Wie die Plattform von Attention Claude als Reasoning-Engine verwendet

Attention hat die Agentenarchitektur, die Orchestrierungslogik, die CRM-Integrationen und das Routingsystem entwickelt, das über 200 Integrationen hinweg verbindet. Claude dient als Reasoning-Engine innerhalb dieser Architektur. „Attention hat eine leistungsstarke KI-Vertriebsplattform entwickelt“, so White, „und die Reasoning-Fähigkeiten von Claude sind es, die die Intelligenzebene außergewöhnlich machen.“

Die KI-Agenten der Plattform können praktisch jede Anfrage eines Vertriebsteams bearbeiten. Vertriebsleiter verwenden Attention, um komplexe Fragen zu stellen wie „Erstelle einen Bericht dazu, warum wir im letzten Quartal Geschäfte an Konkurrent X verloren haben“ oder um automatisierte Auslöser zu konfigurieren, die das Abwanderungsrisiko aufzeigen, bevor der Kunde verloren geht. Einzelne Mitarbeitende verwenden es, um die repetitive Arbeit aus ihrem Arbeitsalltag zu entfernen: Claude analysiert Anruftranskripte, um CRM-Felder in Salesforce oder HubSpot auszufüllen, und entwirft dann Folge-E-Mails, die auf bestimmte Probleme aus dem Gespräch verweisen.

Die Plattform leitet auch Erkenntnisse auf der Grundlage dessen, was Claude in Gesprächen findet, zwischen den Teams weiter. Wenn Claude eine Stimmung oder ein Schlüsselwort erkennt, das ein Abwanderungsrisiko signalisiert, löst es eine Warnung an das Customer-Success-Team aus. Wenn ein Kunde eine Funktionslücke erwähnt, extrahiert das System dieses Snippet und leitet es an das Tracking-System des Produktteams weiter. Anstatt sich auf feste Keyword-Regeln zu verlassen, interpretiert Claude die Konversation, und die Plattform von Attention leitet das Ergebnis weiter.

„Attention ist nicht nur ein Tool, sondern eine grundlegende Betriebsebene“, erklärte ein VP of Sales dem Team. „Die gewonnenen Erkenntnisse sind so gut, dass ich mir nicht einmal die Anrufaufzeichnungen anhören muss, um den Status unserer Pipeline genau zu verstehen.“

Von Zeitersparnis bis hin zu abgeschlossenen Deals

Attention schätzt, dass es jetzt mehr als 1,6 Millionen Stunden Verwaltungsarbeit automatisiert hat – etwa 20 Minuten Verwaltungsaufwand für jede Kundeninteraktion. Neunzig Prozent der Verwaltungsaufgaben nach dem Gespräch werden jetzt automatisch erledigt, mit einer Genauigkeit, die Kunden als nahezu menschlich beschreiben.

Aussagekräftiger ist, was diese Genauigkeit nachgelagert ermöglicht. Wenn ein Coaching-Score zuverlässig ist, verwenden Manager ihn, die Mitarbeitenden verbessern sich und die Erfolgsquoten steigen. Wenn eine Folge-E-Mail gut kalibriert ist, versenden die Mitarbeitenden diese und die Deals kommen voran. Kunden von Attention berichten von bis zu 40 % Verbesserungen bei den Abschlussquoten – Ergebnisse, die direkt von der Qualität der Antworten von Claude abhängen. Abridge, führender Anbieter von KI-Lösungen im Gesundheitswesen, konnte die Coaching-Effizienz um das Fünffache verbessern. Das Go-to-Market-Team von Engine spart gemeinsam über 250 Stunden pro Woche. Diese Ergebnisse hängen davon ab, ob die Reasoning-Ebene gut genug ist, dass Vertriebsteams ihr in Live-Deals vertrauen.

Die Steuerbarkeit von Claude hatte auch direkten Einfluss auf die eigene Entwicklungsgeschwindigkeit von Attention. Da das Modell komplexe Anweisungen gut verarbeitet, geben die Entwickler an, dass sie deutlich weniger Zeit mit dem Schreiben von Code zur Korrektur von KI-Ergebnissen und mehr Zeit mit der Entwicklung neuer Funktionen verbringen.

Aufbau autonomer Sales-Ops-Workflows

Attention expandiert in eine neue Generation autonomer Agenten – solche, die über die Analyse hinausgehen und aktiv an Workflows teilnehmen. Das bedeutet, proaktiv Meetings zu planen, Interessenten vor Anrufen zu recherchieren und Mitarbeitenden zu helfen, den Umgang mit Einwänden durch KI-gestützte Rollenspiele zu üben.

„Während Anthropic Fortschritte bei der Inferenzgeschwindigkeit und der Größe des Kontextfensters macht, wird Attention diese technischen Fortschritte in Erfolge für unsere Kunden umsetzen“, so White. „Wir betrachten Anthropic als zentralen Infrastrukturpartner für unsere Mission, den Sales-Stack zu automatisieren.“

‍

„Claudes Denkfähigkeiten sind es, die die Intelligenzebene außergewöhnlich machen.“
Stewart WhiteVP of Growth, Attention