Automatyzacja sprzedaży i ofertowania B2B: błyskawiczne oferty przed międzynarodowymi targami i personalizowana oferta
Firma z branży filmowej sprzedająca licencje na prawa do filmów kupcom B2B na międzynarodowych targach branżowych.

Przegląd
KlientKlient to firma z branży filmowej, która sprzedaje licencje na prawa do filmów kupcom B2B, w dużej części podczas międzynarodowych targów branżowych.
Cel: radykalne skrócenie czasu od zapytania do wysłania oferty oraz maksymalizacja konwersji leadów pozyskanych na kluczowych rynkach branżowych. Zamiast dni oczekiwania na wycenę klient otrzymuje precyzyjną propozycję w kilka godzin.
Wyzwanie
Proces sprzedaży praw w branży filmowej opierał się na rozproszonej wiedzy, co generowało wąskie gardła:
- Powolne ofertowanieZłożoność licencji sprawiała, że wycena i dobór katalogu trwały dniami, przez co tracono „gorące” leady z targów.
- Ryzyko kolizji prawRęczne weryfikowanie terytoriów, licencji i polityk handlowych groziło zaoferowaniem praw, które zostały już sprzedane.
- Brak personalizacji na masową skalęRozsyłanie generycznych ofert nie trafiało w specyficzne preferencje konkretnych kupców.
Strategia
Podeszliśmy do problemu jak do wyzwania architektonicznego.
Zamiast upraszczać sam produkt, zbudowaliśmy spójny ekosystem danych podaży i popytu wspierany sztuczną inteligencją:
- Centralizacja wiedzyPołączenie dedykowanego systemu praw z CRM.
- Hiper-personalizacjaZmiana perspektywy z „oferta dla firmy” na „oferta dla konkretnej osoby”.
- Nadzór Human-in-the-LoopDelegowanie ciężkiej pracy (dopasowanie, wycena, treść) do AI, z zachowaniem ostatecznej walidacji po stronie człowieka.
Złożoność licencji jest cechą produktu, a nie błędem procesu. Terytoria, licencje i polityki handlowe zostały, a ich obsługę przejęła warstwa danych i reguł. Dzięki temu ten sam system skraca ofertowanie do godzin. Uproszczenie produktu skróciłoby proces, ale zawęziłoby to, co można sprzedać.
Rozwiązanie
Zbudowaliśmy zintegrowane środowisko biznesowe opierające się na trzech kluczowych filarach:
- 1
Złożony model danych podaży i popytu
Zbudowaliśmy kompletną bazę łączącą wiedzę o ponad 2500 kontaktach kupców (wzbogaconych o dodatkowe dane rynkowe) ze skomplikowaną strukturą sprzedaży: licencjami, terytoriami i politykami handlowymi.
- 2
Ekstremalne dopasowanie (Oferta 1:1)
Zastosowaliśmy precyzyjny scoring i reguły biznesowe, które dopasowują katalog dokładnie do profilu zakupowego konkretnej osoby (kupca), a nie tylko organizacji, w której pracuje.
- 3
Agent AI ds. ofertowania i negocjacji
Zaawansowany system autonomicznie przygotowuje wycenę, warunki handlowe oraz szkic treści oferty. Agent wykonuje najcięższą pracę analityczną, a sprzedawca otrzymuje gotowy dokument do weryfikacji i wysyłki.
Handlowiec nie składa oferty od zera. Dostaje od agenta wycenę, warunki handlowe i szkic treści, przygotowane z praw, które przeszły kontrolę dostępności. Jego praca to weryfikacja, korekta i decyzja o wysyłce. Tak działa Human-in-the-Loop w tym wdrożeniu: AI wykonuje dopasowanie, wycenę i treść, a ostatnie słowo przed wysłaniem oferty zawsze należy do człowieka.
Wpływ
Wdrażając zautomatyzowane ofertowanie i modele AI do dedykowanego systemu praw, osiągnęliśmy błyskawiczny czas reakcji bez kompromisów na jakości.
Oferta w godzinach
Czas przygotowania ofertyDo 24h
Gwarantowany czas domknięcia follow-up po targachPrzetwarzanie setek zapytań z rynków filmowych jednocześnie bez przeciążania zespołu handlowego
Pełna skalowalnośćZaoszczędzono pół etatu (FTE)
Odciążenie zespołuDo 300 klientów
Wysyłka mailiPodniesienie do 80%
Responsywność i follow-upDla zespołu sprzedaży te liczby oznaczają inny rytm pracy po targach. Oferta w godzinach i follow-up najpóźniej 24h po targach pozwalają odpowiedzieć kupcowi, zanim kontakt ze spotkania ostygnie. Zaoszczędzone pół etatu, wysyłka do 300 klientów i responsywność oraz follow-up podniesione do 80% pokazują, że skala rośnie bez przeciążania zespołu handlowego.
Jak wdrożyć i na co zwrócić uwagę
Stack i granice systemu
- BackendPython.
- BazaPostgreSQL w Google Cloud SQL dla wdrożenia produkcyjnego.
- UruchomienieGoogle Cloud Run dla API i zadań przetwarzania; Cloud Storage na dokumenty źródłowe i wygenerowane oferty.
- AIWywołanie modelu przez API z backendu do napisania uzasadnienia i szkicu wiadomości. ChatGPT może być interfejsem dla sprzedawcy, lecz nie jest bazą praw ani silnikiem wyceny.
Kolejność wykonania jednego zapytania
- 1
Backend przyjmuje: kupca, terytorium, platformę, rodzaj prawa, oczekiwany okres i ewentualny budżet. Brakujące parametry oznacza jako do uzupełnienia, zamiast zgadywać.
- 2
Silnik praw wybiera tylko filmy, dla których klient posiada prawo wejściowe obejmujące cały żądany okres, a żadna aktywna sprzedaż, opcja lub rezerwacja nie blokuje tego samego zakresu.
- 3
Deterministyczny scoring szereguje dopuszczone filmy według profilu tej osoby: gatunki, wcześniejsze zakupy, terytoria, budżet i udokumentowane zainteresowanie. Wynik zapisuje razem z powodami wyboru.
- 4
Silnik cenowy stosuje wersjonowane reguły i zwraca cenę, walutę oraz podstawę kalkulacji. Wyjątki od polityki trafiają do zatwierdzenia przez człowieka.
- 5
AI dostaje wyłącznie zatwierdzoną listę pozycji, policzone warunki i dozwolone fakty o kupcu. Zwraca ustrukturyzowany szkic oferty. Backend odrzuca odpowiedź, jeśli pojawia się tytuł, cena lub prawo spoza danych wejściowych.
- 6
Sprzedawca ogląda ofertę wraz ze źródłami praw i reguł cenowych. Przy kliknięciu „Zatwierdź” system ponownie sprawdza prawa w transakcji. Dopiero wtedy zapisuje finalną wersję i udostępnia ją do wysyłki.