پرش به محتوای اصلی
پرش به محتوای مقاله

درون استراتژی Hallo Zetta برای اصلاح تجربه CRM در واتس‌اپ

·۱۵ تیر ۱۴۰۵۵ دقیقه مطالعه
ساختن هالو زتا چون خسته بودیم از تماشای تیم‌ها در حال پاسخ به واتساپ در نیمه‌شب با گوشی شخصی
ساختن هالو زتا چون خسته بودیم از تماشای تیم‌ها در حال پاسخ به واتساپ در نیمه‌شب با گوشی شخصی
اشتراک‌گذاری
واقعاً چه چیز جدید است؟

پیاده‌سازی مکانیسم «پاسخ فقط با تگ» در گروه‌های واتس‌اپ برای جلوگیری از اسپم شدن ربات‌ها، متمایزترین ویژگی این راهکار در برابر بات‌های پاسخگوی سنتی است.

تصور کنید صاحب یک فروشگاه آنلاین هستید که نیمه‌های شب، سه گوشی مختلف روی میز شما مدام زنگ می‌زنند و هر کدام مربوط به بخش متفاوتی از کسب‌وکارتان است. این صحنه که برای بسیاری از مدیران فروشگاه‌ها یک واقعیت روزمره است، از دیدگاه تیم Hallo Zetta در واقع یک شکست اجتناب‌پذیر در طراحی سیستم‌های فعلی مدیریت مشتریان (CRM) است. برای پایان دادن به وابستگی کسب‌وکارها به دستگاه‌های شخصی برای ارتباطات تجاری، این تیم در ۶ جولای ۲۰۲۶ از CRM جدید خود برای واتس‌اپ پرده‌برداری کرد.

زمینه پیدایش «گوشی‌های نیمه‌شب»

ایده و الهام این ابزار از یک مورد واقعی در دنیای واقعی گرفته شده است: دوستی که یک فروشگاه آنلاین را اداره می‌کرد و سه گوشی مجزا روی میز داشت. یکی از این گوشی‌ها به خدمات مشتریان، یکی به امور اداری و دیگری به‌طور خاص به نمایندگان فروش اختصاص یافته بود. هر سه گوشی بدون توقف زنگ می‌زدند و لرزش داشتند؛ وضعیتی که مالک فروشگاه را مجبور می‌کرد تا ساعت ۱۱ شب به‌صورت دستی به سوالات تکراری پاسخ دهد تا مشتریان از شدت انتظار، خرید خود را رها کرده و به سراغ رقیب نروند.

این سناریو شکاف بزرگی را در نرم‌افزارهای سنتی CRM نشان می‌دهد. در حالی که بسیاری از کسب‌وکارها تلاش می‌کنند کاربران خود را به سمت ایمیل سوق دهند، مشتریان ترجیح می‌دهند در محیط واتس‌اپ بمانند. آن‌ها از این اپلیکیشن برای پرسیدن قیمت‌ها، ثبت شکایات، نهایی کردن معاملات و درخواست پشتیبانی گارانتی استفاده می‌کنند. وقتی تیم‌ها به گوشی‌های شخصی تکیه می‌کنند، سوابق گفتگوها گم می‌شود، بافت مشترک اطلاعاتی (Shared Context) وجود ندارد و هیچ راهی برای حمایت از همکاری که زیر فشار انبوه پیام‌ها دفن شده است، وجود ندارد.

شکست ابزارهای موجود

اکثر کسب‌وکارها دقیقاً جایی فعالیت می‌کنند که مشتریانشان حضور دارند — یعنی واتس‌اپ — اما با این حال اغلب از ابزارهای تکه‌تکه و پراکنده استفاده می‌کنند. راهکارهای موجود معمولاً در دو دسته کلی قرار می‌گیرند. طبق اعلام تیم Hallo Zetta در پلتفرم dev.to، هیچ‌کدام از این دو رویکرد با واتس‌اپ به‌عنوان میدان نبرد اصلی کسب‌وکار برخورد نمی‌کنند:

  • اردوگاه اول (ربات‌های احمق): این ابزارها از قالب‌های (Templates) خشک و صلب استفاده می‌کنند. این ربات‌ها به محض اینکه مشتری سوالی خارج از متن یا کمی متفاوت بپرسد، کاملاً یخ می‌زنند. این موضوع باعث می‌شود کاربر احساس کند دارد با یک دیوار صحبت می‌کند و تجربه کاربری بسیار ناخوشایندی ایجاد می‌شود. این چالش‌ها مشابه موانعی است که بسیاری از استارتاپ‌ها در مسیر رشد با آن‌ها مواجه می‌شوند، درست مانند تجربه‌ی تغییر مسیر ShenDesk از یک پروژه شخصی به یک ابزار سازمانی AI برای پاسخ به نیازهای پیچیده‌تر کسب‌وکارها.
  • اردوگاه دوم (CRMهای حجیم سازمانی): این سیستم‌ها بیش از حد با نمودارها، گزارشات و داشبوردهای پیچیده بارگذاری شده‌اند. آن‌ها با واتس‌اپ همچون یک فکر ثانویه برخورد می‌کنند که صرفاً به عنوان یک تب جانبی به سیستم پیچانده شده است، نه اینکه رابط کاربری اصلی و نقطه تمرکز باشد.

ساختن زتا چون خسته بودیم از تماس واتس‌اپ نیمه‌شب با گوشی شخصی تیم‌ها

حل مشکل «گروه‌های چت»

تیم توسعه‌دهنده دریافتند که سخت‌ترین چالش فنی در این مسیر، ادغام هوش مصنوعی نبود — که آن‌ها آن را صرفاً سیم‌کشی GPT به یک وب‌هوک (Webhook) توصیف می‌کنند — بلکه مدیریت پیچیده‌ی گروه‌های چت بود. از آنجا که حجم عظیمی از تجارت در گروه‌های نمایندگان فروش، مشتریان VIP و هماهنگی‌های تیمی اتفاق می‌افتد، رباتی که به هر پیامی واکنش نشان دهد و در هر گفتگو دخالت کند، به عنوان اسپم شناخته شده و در نهایت منجر به اخراج ربات از گروه توسط کاربران می‌شود.

برای حل این مشکل، آن‌ها یک قانون تعاملی خاص را پیاده کردند: هوش مصنوعی در گروه‌ها کاملاً ساکت می‌ماند و هیچ پیامی نمی‌فرستد. مدل تنها در دو حالت پاسخ می‌دهد: زمانی که به‌طور صریح از طریق تگ '@' ذکر شود یا زمانی که کسی پیام خاصی از آن را نقل‌قول (Quote) کند. این مکانیسم تضمین می‌کند که ربات مانند هم‌تیمی‌ای عمل کند که جایگاه خود را می‌شناسند و بدون ایجاد نویز غیرضروری، به‌طور دقیق در رشته (Thread) صحیح پاسخ دهد.

جزئیات فنی و مکانیسم‌ها

مشخصات فنی کلیدی این پلتفرم برای حل مشکلات عملیاتی طراحی شده است و شامل موارد زیر است:

  • مبنی‌سازی پایگاه دانش (Knowledge Base Grounding): هوش مصنوعی تنها بر اساس اسنادی که توسط کاربر منتشر شده است پاسخ می‌دهد. مدل پاسخ‌ها را ابداع نمی‌کند یا از خود چیزی نمی‌بافد؛ اگر اطلاعات در پایگاه دانش نباشد، ربات هرگز پاسخ ساختگی یا تخیلی ارائه نخواهد داد. این رویکرد دقیق در مدیریت اطلاعات، یادآور نوآوری‌های پلتفرم Clarify در ترکیب گراف دانش و NLP برای متحول کردن اتوماسیون پشتیبانی است.
  • حضور انسان در چرخه (Human-in-the-Loop): تیم‌ها می‌توانند با یک ضربه ساده (One Tap)، هوش مصنوعی را برای چت‌های خاص غیرفعال کنند. این کار به یک اپراتور انسانی اجازه می‌دهد تا همان رشته گفتگو را با تمام بستر اطلاعاتی، تاریخچه و رسانه‌های موجود به‌طور کامل در اختیار بگیرد. این ویژگی نیاز به جابجایی بین اپلیکیشن‌ها یا درخواست از مشتری برای تکرار سوالات را کاملاً از بین می‌برد.
  • مدیریت هویت و رسانه: سیستم واقعیت‌های آشفته واتس‌اپ را مدیریت می‌کند؛ از جمله چالش‌های دشوار تطبیق شماره تلفن‌ها در مقابل شناسه‌های LID و همچنین ذخیره‌سازی امن و سازمان‌یافته عکس‌ها، فایل‌ها و یادداشت‌های صوتی.
  • می‌دان تست (Testing Playground): یک محیط Sandbox یا محیط آزمایشگاهی وجود دارد تا ماموران بتوانند پاسخ‌های AI را در برابر پایگاه دانش تست کنند و هرگونه مورد عجیب یا اشتباه را پیش از انتشار نهایی اصلاح نمایند. هدف این است که از غافلگیری‌های شرم‌آور در مقابل مشتریان جلوگیری شود.

برای صاحب کسب‌وکار، این تغییر به معنای پایان چرخه طاقت‌فرسای «گوشی‌های نیمه‌شب» است. با جداسازی پرس‌وجوهای روتین — مانند ساعات کاری، نرخ‌های ارسال و روش‌های پرداخت — از گفتگوهای حساس، پیچیده و نیازمند توجه زیاد، این ابزار قصد دارد از فرسودگی شغلی (Burnout) اعضای تیم جلوگیری کند.

این رویکرد نشان‌دهنده گذار از اتوماسیون «فقط هوش مصنوعی» به یک مدل ترکیبی است: اولویت با هوش مصنوعی است (AI-first)، اما نه تنها هوش مصنوعی (not AI-only). ارزش واقعی در توانایی مدل زبانی (LLM) در تولید متن نیست، بلکه در «چسب عملیاتی» است که اجازه می‌دهد یک انسان به‌طور بی‌وقفه و روان وارد گفتگو شود. در اینجا با AI به عنوان هم‌تیمی‌ای برخورد می‌شود که جایگاه خود را می‌داند و مکمل است، نه جایگزینی برای کارکنان انسانی.

شروع به کار

پلتفرم Hallo Zetta حاصل تلاش مشترک دو مجموعه Incredible Zetta و Ciptadusa است. فرآیند پذیرش کاربر (Onboarding) در این سیستم برای سرعت و سهولت طراحی شده است: کاربران شماره واتس‌اپ خود را از طریق اسکن کد QR یا وارد کردن یک کد متصل می‌کنند، سپس مستندات و اطلاعات کسب‌وکار خود را برای آموزش هوش مصنوعی در پایگاه دانش آپلود می‌کنند و در نهایت مدیریت اینباکس را آغاز می‌کنند.

اگر تیم شما هنوز در حال کلنجار رفتن با چندین سیم‌کارت، گوشی‌های مختلف یا روش‌های دستی و خسته‌کننده برای مدیریت واتس‌اپ است، اکنون می‌توانید یک شماره را در سایت hallo.zettacrm.com متصل کرده و گردش کار جدید را تست کنید.

چرا این موضوع مهم است؟

این ابزار با تکیه بر تجربه عملی در مدیریت حجم بالای پیام‌ها، مدل CRM را از یک دیتابیس خشک به یک دستیار فعال تبدیل می‌کند. این تغییر باعث می‌شود نرخ تبدیل مشتری در پیام‌رسان‌هایی مثل واتس‌اپ به دلیل پاسخ‌های سریع و دقیق افزایش یابد.

تأثیر برای ایران

با توجه به حجم بالای تجارت اجتماعی در ایران از طریق واتس‌اپ، این مدل مدیریت متمرکز برای فروشگاه‌های آنلاین داخلی بسیار کاربردی است؛ هرچند دسترسی به پنل مدیریت ممکن است نیاز به ابزارهای تغییر آی‌پی داشته باشد.

·نگاه ما
تحریریه دات‌هوش

تمرکز Hallo Zetta بر «ساکت بودن» هوش مصنوعی در گروه‌ها، یک چرخش هوشمندانه از رویکرد تهاجمی اتوماسیون به رویکرد حمایتی است. این استراتژی نشان می‌دهد که در کاربردهای تجاری، ارزش یک مدل نه در میزان صحبت‌هایش، بلکه در تشخیص «زمان سکوت» نهفته است تا اصطکاک کاربر با رابط کاربری کاهش یابد.

منابع

این گزارش با خط‌لولهٔ خودکار دات‌هوش از منابع معتبر جهانی تدوین و زیر نظر تحریریه منتشر شده است. روش کار ما

گفتگو

پنج‌شنبه‌های هوش‌محور

بسته‌ی هفتگی دات‌هوش

۵ خبر، ۲ ابزار، ۱ پرامپت در هر شماره. به‌زودی راه‌اندازی می‌شود — هر پنج‌شنبه صبح.

خبر کلیدی
ابزار کاربردی
پرامپت حرفه‌ای
تحلیل پژوهش
به‌زودی
زاویه‌ی ایرانی
به‌زودی
تمرین این هفته
به‌زودی

راهنماهای دات‌هوش

راهنماهای کاربردیِ دات‌هوش برای کار با هوش مصنوعی — از همین‌جا شروع کنید:

دات‌هوش

راهنمای فارسی هوش مصنوعی — با نگاه به ایران

اخبار روزانه، معرفی ابزارها و مدل‌ها، و آموزشِ کار با هوش مصنوعی؛ همیشه با این پرسش که از ایران چه چیزی کار می‌کند و چه چیزی نه.