Elke binnenkomende lead moet iemand een keer lezen. Past het bedrijf bij uw doelgroep, staat er een concrete vraag in het formulier, en wie pakt het op? Bij een handvol aanvragen per week is dat geen probleem. Bij honderden wel. AI-leadkwalificatie in Salesforce laat een taalmodel die eerste beoordeling doen, zodat uw sales- of recruitmentteam begint bij de leads die ertoe doen. De vraag die daarbij meestal te laat komt: welk model gebruikt u daarvoor, en waarom dat model?

Wat een taalmodel bij leadkwalificatie wel en niet doet

Een klassieke leadscore telt punten op: functietitel, bedrijfsgrootte, aantal bezochte pagina’s. Een taalmodel kan iets anders. Het leest de vrije tekst die een lead zelf schrijft, zoals de toelichting in een contactformulier, en vat samen wat iemand eigenlijk vraagt. Daaruit maakt het een indeling die u vooraf bepaalt, bijvoorbeeld “past bij ons aanbod”, “twijfelgeval” of “geen match”, met een korte motivering erbij.

Wat het niet doet, is uw verkoopbeslissing nemen. Het model weet alleen wat u het meegeeft. Ontbreekt informatie in het record, dan vult het die niet betrouwbaar aan. Behandel de uitkomst daarom als voorsortering die een medewerker sneller laat werken, niet als vervanging van die medewerker.

Zo bouwt u het op in Salesforce

De logische plek is een Record-Triggered Flow die start zodra een lead wordt aangemaakt. Die Flow haalt de relevante velden op, stuurt ze met een vaste instructie naar het taalmodel en schrijft de uitkomst terug naar velden op de lead. Daarna kan de Flow de lead toewijzen aan een wachtrij of een eigenaar. Hoe zo’n aanroep vanuit een Flow technisch in elkaar zit, leest u in ons artikel over ChatGPT in Salesforce Flows zonder code.

Twee aandachtspunten zijn hier specifiek:

  • Tekst uit een webformulier is onbetrouwbare invoer. Iemand kan in een toelichting instructies zetten die uw prompt proberen te overrulen. Geef die tekst mee als gegevens, laat het model alleen een indeling teruggeven en laat het geen acties uitvoeren.
  • Leg de motivering vast. Een veld met de korte toelichting van het model maakt achteraf zichtbaar waarom een lead in een bepaalde categorie belandde.

Welk taalmodel kiest u?

Er is geen model dat voor elke org het beste is. Kies op basis van drie vragen:

  1. Welk privacy- en dataretentiebeleid accepteert u? Leads bevatten persoonsgegevens. Het model dat u kiest bepaalt welk beleid van de aanbieder op die gegevens van toepassing is. Leg dat vast voordat er een echte lead doorheen gaat.
  2. Wat kost het bij uw volume? Leadkwalificatie draait op elke nieuwe lead. Reken uit hoeveel aanroepen dat per maand oplevert, inclusief pieken na een campagne.
  3. Hoe goed werkt het op uw eigen leads? Test meerdere modellen op een steekproef van leads die u al eerder handmatig beoordeelde. Vergelijk de uitkomst met wat uw team destijds besloot. Dat zegt meer dan een algemene ranglijst.

Omdat de keuze kan veranderen, is het verstandig om niet vast te zitten aan één aanbieder.

Hoe de AI Prompt Builder hierbij helpt

Onze AI Prompt Builder is een Managed Package dat een taalmodel beschikbaar maakt als invocable action in elk type Flow. U kiest tussen OpenAI, Anthropic, Google Gemini en Azure Co-Pilot, of koppelt uw eigen LLM. Wisselen van model betekent dus niet dat u de Flow opnieuw bouwt. De kosten zijn een vaste fee van €150 per maand inclusief 1.500 callouts, daarna vanaf €0,10 per aanroep. Met een eigen LLM betaalt u geen kosten per callout.

Wilt u weten hoe leadkwalificatie met een taalmodel er in uw org uit zou zien? Neem contact met ons op, dan kijken we samen naar uw leadstroom en een eerste opzet.