Cloud Computing AI
Avaa valikko
← Kurssikatalogi
Kurssi 3 · Saatavilla

Tekoäly myyntityössä

Liidien etsintä, viestien personointi, jälkihoito ja CRM:n tehostaminen.

Trainer-ohjaaja

Miten sovellan tätä omassa työssäni?

Kysy kurssin sisällöstä tai pyydä apua pienen, turvallisen työkokeilun rajaamiseen. Älä lähetä henkilötietoja tai luottamuksellista aineistoa.

Videot ja tekstit
~180 min
Oppitunteja
35
Moduuleja
7
Arvioitu kokonaistyö
1 op (27 h)
Vaativuustavoite
Eurooppalainen taso 6

Kokonaistyö sisältää videot, tekstit, harjoitukset ja oman soveltavan työn. Kyse ei ole korkeakoulun myöntämästä opintosuorituksesta tai sertifikaatista.

Osaamistavoitteet

Kurssin suoritettuaan opiskelija:

  • osaa etsiä ja kvalifioida liidejä julkisista lähteistä määrittelemällä oman ideaaliasiakasprofiilinsa ja lukemalla ostosignaaleja, sekä arvioi tekoälyn tuottamat ehdotukset lähdekriittisesti
  • osaa kirjoittaa tekoälyn avustamana henkilökohtaisia mutta toistettavia myyntiviestejä pohja-muuttuja-rakenteella laadun kärsimättä
  • osaa suunnitella jälkihoidon ja seurannan kadenssin sekä määrittää, mitkä tehtävät tekoäly hoitaa ja missä tarvitaan ihmisen päätöstä
  • osaa tehostaa asiakkuudenhallintaa tekoälyllä (datan rikastaminen, keskustelujen tiivistäminen) ja tunnistaa automatisoinnin vastuulliset rajat sekä henkilötietojen käsittelyn velvoitteet
  • soveltaa oppimaansa rakentamalla omalle myyntiprosessilleen yhden konkreettisen tekoälyavusteisen työvaiheen, mittaa sen vaikutuksen ja perustelee jatkopäätöksen
Kohderyhmä
Myynnin ja asiakastyön ammattilaiset sekä myyntijohto, jotka haluavat hyödyntää tekoälyä liidien etsinnässä, viestien personoinnissa, jälkihoidossa ja asiakkuudenhallinnassa. Ei edellytä teknistä taustaa.
Esitiedot
Suositellaan kurssien K1 (Tekoälyn perusteet) ja K2 suorittamista, jotta tekoälyn peruskäsitteet ja käytön perustaidot ovat hallussa. Lisäksi riittää oman myyntityön tuntemus ja tietokoneen peruskäyttö.

Sisältö

Moduuli 1 · ~30 min
Liidien etsintä ja kvalifiointi
Mistä liidejä löytyy julkisesti, miten määrität oman ideaaliasiakasprofiilisi ja luet ostosignaaleja.
  1. 1. Mikä on liidi tekoälyaikana
    Osaat erottaa liidin, kvalifioidun liidin ja asiakkaan toisistaan, ja ymmärrät miksi tekoäly muuttaa työnjakoa myyntiprosessin alkupäässä mutta ei loppupäässä.
    5 min
  2. 2. Mistä liidejä löytyy julkisesti
    Tunnet keskeiset julkiset lähteet, joista liidejä etsitään, ja tiedät mihin tekoäly sopii niiden käsittelyssä ja mihin ei.
    7 min
  3. 3. Ideaaliasiakkaan profiili eli ICP
    Osaat määritellä oman ideaaliasiakkaasi profiilin ja ymmärrät, miksi se on tehokkaan tekoälyhakuohjeen perusta.
    6 min
  4. 4. Ostosignaalit ja niiden lukeminen
    Tunnistat keskeiset ostosignaalit ja osaat ohjata tekoälyä etsimään niitä julkisista lähteistä.
    6 min
  5. 5. Käytännön harjoitus: oma ICP ja ehdokaslista
    Olet kirjoittanut oman ideaaliasiakasprofiilisi ja löytänyt sen pohjalta ensimmäisen ehdokaslistan, jonka voit kvalifioida seuraavissa moduuleissa.
    6 min
Moduuli päättyy omaan työhön sovellettavaan oppimistehtävään. Tehtävänanto avautuu moduulin oppitunneilla.
Moduuli 2 · ~40 min
Henkilökohtaisen viestin kirjoittaminen
Yleinen mutta personoitu — kuinka kirjoitat satoja erilaisia viestejä laadun kärsimättä.
  1. 1. Henkilökohtainen vs. persoonaton: mistä ero syntyy
    Tunnistat mikä erottaa henkilökohtaisen viestin persoonattomasta massaviestistä, ja ymmärrät että ero ei ole pituudessa tai sanavalinnoissa vaan relevanssissa.
    7 min
  2. 2. Yhden viestin anatomia
    Tunnet kylmän yhteydenottoviestin viisi osaa ja niiden tehtävät, ja osaat arvioida oman viestin täydellisyyttä.
    9 min
  3. 3. Tutkimuksesta yksi ankkurilause
    Osaat ohjata tekoälyä tuottamaan julkisesta materiaalista yhden käyttökelpoisen ankkurilauseen, ja tarkistat sen ennen käyttöä.
    7 min
  4. 4. Pohja + muuttujat: sata viestiä laadun kärsimättä
    Osaat erottaa viestin pohjan ja muuttujat toisistaan ja osaat rakentaa pohjan, jota voit täyttää tekoälyn avulla sadalle vastaanottajalle ilman että laatu kärsii.
    9 min
  5. 5. Käytännön harjoitus ja viestin tarkistuspiste
    Olet kirjoittanut yhden viestin moduuli 1:n ehdokkaalle täydellä viiden osan rakenteella, ankkurilla ja tarkistuksella.
    8 min
Moduuli päättyy omaan työhön sovellettavaan oppimistehtävään. Tehtävänanto avautuu moduulin oppitunneilla.
Moduuli 3 · ~31 min
Jälkihoito ja seuranta
Milloin tekoäly hoitaa muistuttamisen ja yhteenvedot, milloin tarvitaan ihminen.
  1. 1. Miksi jälkihoito on myynnin tärkein osa
    Ymmärrät miksi suurin osa myyjistä menettää kauppoja jälkihoidossa, ja tunnet ne kolme syytä, jotka tekevät jälkihoidosta keskimäärin huonoa.
    6 min
  2. 2. Vastauksen lukeminen: kova ei, pehmeä ei, todellinen kiinnostus
    Tunnistat kolme vastaustyyppiä ja osaat lukea pehmeän ei-vastauksen oikein, niin ettet käytä aikaasi tunnistettavasti hylkääviin ehdokkaisiin.
    7 min
  3. 3. Muistutusviestit: kadenssi, sisältö, raja
    Tiedät tyypillisen muistutuskadenssin, osaat tehdä jokaisesta muistutuksesta sisällöltään erilaisen, ja tunnistat hetken jolloin muistuttaminen on lopetettava.
    6 min
  4. 4. Tekoälyn ja ihmisen työnjako jälkihoidossa
    Tunnet tarkkaan mitä jälkihoidon työtä tekoäly voi tehdä ilman ihmisen tarkistusta, mitä se voi luonnostella, ja missä kohdissa sitä ei pidä päästää lainkaan.
    6 min
  5. 5. Käytännön harjoitus: 30 päivän seurantakäytäntö
    Olet kirjoittanut oman 30 päivän seurantakäytäntösi, joka sisältää muistutuskadenssin, vastausten luokittelusäännöt ja tekoälyn roolin.
    6 min
Moduuli päättyy omaan työhön sovellettavaan oppimistehtävään. Tehtävänanto avautuu moduulin oppitunneilla.
Moduuli 4 · ~30 min
Asiakkuudenhallinnan tehostaminen
Asiakkuudenhallintajärjestelmän automatisointi yleisellä tasolla — datan rikastaminen, tiivistäminen, vastuullinen käyttö.
  1. 1. Mikä asiakkuudenhallinta on ja miksi se on enemmän kuin järjestelmä
    Erotat asiakkuudenhallinnan käsitteenä ja sen järjestelmänä, ja ymmärrät miksi kumpikin tarvitsee toimiakseen sekä rakennetta että käytäntöä.
    6 min
  2. 2. Asiakasdatan rikastaminen tekoälyn avulla
    Tunnet mitä asiakasdatan rikastaminen tarkoittaa, ymmärrät tekoälyn vahvuudet ja rajoitukset siinä, ja osaat tehdä rikastetusta datasta käyttökelpoista.
    6 min
  3. 3. Keskustelujen tiivistäminen järjestelmään
    Osaat antaa tekoälylle keskustelumateriaalin (sähköposti, palaverin muistiinpanot, puhelun tallenne) ja saada siitä asiakkuudenhallintajärjestelmään kirjattavissa olevan tiivistelmän.
    6 min
  4. 4. Automatisoinnin rajat: mihin tekoälylle annetaan vastuu
    Osaat erottaa myyntiprosessin osat, jotka voi automatisoida ilman valvontaa, niistä joiden täytyy pysyä ihmisen vastuulla, ja perustelet päätöksen riskillä eikä mukavuudella.
    6 min
  5. 5. Käytännön harjoitus: yhden työvaiheen automatisointi
    Olet valinnut omasta työstäsi yhden työvaiheen ja rakentanut sille tekoälyavusteisen toistettavan rakenteen, jonka voit ottaa käyttöön huomenna.
    6 min
Moduuli päättyy omaan työhön sovellettavaan oppimistehtävään. Tehtävänanto avautuu moduulin oppitunneilla.
Moduuli 5 · ~30 min
Mittarit ja raportointi
Mitä myynnissä kannattaa mitata tekoälyaikana ja mitä ei — ihmismittarit ja toimintamittarit.
  1. 1. Mitä myynnissä kannattaa mitata
    Tunnet kolmen tason mittariston (toiminta, prosessi, tulos), ja ymmärrät miksi pelkän tulosmittarin seuraaminen on usein riittämätöntä.
    6 min
  2. 2. Hyvä mittari, huono mittari, vaarallinen mittari
    Tunnistat mittarin ominaisuudet, jotka tekevät siitä hyödyllisen tai vahingollisen, ja tunnet Goodhartin lain merkityksen myyntimittarille.
    6 min
  3. 3. Tekoälyn rooli mittauksessa ja raportoinnissa
    Tunnet missä mittauksen ja raportoinnin vaiheissa tekoäly oikeasti auttaa, ja missä se vain piilottaa ongelmat.
    6 min
  4. 4. Ihmismittarit: mitä numerot eivät kerro
    Tunnistat myyntityön ulottuvuudet, joita numero ei tavoita, ja ymmärrät miten ihminen-ihminen-suhde mitataan tai jätetään mittaamatta.
    6 min
  5. 5. Käytännön harjoitus: oma mittaristo
    Olet rakentanut oman mittaristosi, joka sisältää toiminta-, prosessi- ja tulosmittarin sekä tarkistuskysymyksen niiden vääristymisen varalta.
    6 min
Moduuli päättyy omaan työhön sovellettavaan oppimistehtävään. Tehtävänanto avautuu moduulin oppitunneilla.
Moduuli 6 · ~20 min
Käytännön harjoitus: oma myyntiprosessin tekoälytyökalu
Yhdistät kurssin opit ja rakennat omalle työllesi yhden konkreettisen tekoälyavusteisen työvaiheen.
  1. 1. Valitse käyttötapaus omasta työstäsi
    Olet valinnut omasta työstäsi yhden myyntiprosessin osan, jota lähdet rakentamaan tekoälyavusteiseksi.
    4 min
  2. 2. Ketjuta tekoälyvaiheet yhteen
    Olet jakanut valitsemasi työvaiheen alivaiheisiin, ja päättänyt jokaiselle alivaiheelle joko tekoälyn tai ihmisen rooli.
    4 min
  3. 3. Pohja, muuttujat ja tarkistuspisteet
    Olet rakentanut pohjan tekoälyn ohjeille ja muuttujille, ja sijoittanut tarkistuspisteet sinne, missä virhe voi syntyä.
    4 min
  4. 4. Testi, mittaus ja iterointi
    Olet ajanut capstone-prosessin kerran ja mitannut sen ajan, oikeellisuuden ja sen tuottaman lopputuotteen laadun.
    4 min
  5. 5. Kurssin yhteenveto ja jatkopolku
    Olet kerrannut kurssin pääperiaatteet ja tiedät mistä jatkat opiskelua tekoälyn käytöstä myyntityössä.
    4 min
Moduuli päättyy omaan työhön sovellettavaan oppimistehtävään. Tehtävänanto avautuu moduulin oppitunneilla.
Moduuli 7 · ~24 min
Autonominen myyntiagentti: liidistä yhteydenottoon
Miten autonominen myyntiagentti etsii, kvalifioi ja luonnostelee ihmisen valvonnassa; kytkennät, hyväksyntäportit ja EU AI Act.
  1. 1. Avustajasta myyntiagenttiin
    Erottaa tiivistävä avustaja autonomisesta agentista ja nimetä agentin viisi työvaihetta.
    5 min
  2. 2. Agentin kytkennät (tool use ja MCP)
    Selittää, miten agentti hakee tietoa suoraan rajapinnoista työkalukutsuilla ilman manuaalista kopiointia.
    5 min
  3. 3. Ihmisvalvonnan arkkitehtuuri: hyväksyntäportit
    Suunnitella hyväksyntäportti, joka jättää alkupään agentille mutta pitää lähetyspäätöksen ihmisellä.
    5 min
  4. 4. Vastuu, läpinäkyvyys ja EU AI Act myynnissä
    Tunnistaa automatisoidun outreachin merkitsemisen, profiloinnin rajat ja vastuun jakautumisen agenttia käytettäessä.
    5 min
  5. 5. Milloin agentti EI kannata + yhteenveto
    Tunnistaa tilanteet, joissa autonominen agentti ei tuota hyötyä tai on jopa haitaksi, ja koota moduulin opit.
    4 min
Moduuli päättyy omaan työhön sovellettavaan oppimistehtävään. Tehtävänanto avautuu moduulin oppitunneilla.

Arviointi

Hyväksytty / hylätty. Hyväksytty suoritus edellyttää, että opiskelija on palauttanut kaikkien moduulien soveltavat oppimistehtävät ja saavuttanut loppukokeessa vähintään 60 % oikeita vastauksia. Oppimistehtävät arvioidaan suhteessa osaamistavoitteisiin: hyväksytyssä suorituksessa vastaus osoittaa myynnin käsitteiden ymmärrystä ja perusteltua soveltamista opiskelijan omaan työkontekstiin, ei pelkkää toistoa.

Kurssin lähteet (4)

Saavutettavuus: Tavoitetaso WCAG 2.1 AA. Jokaisesta video-oppitunnista on tekstivastine (litteraatti tallennettuna oppimisalustalle), ja slide-pisteet toimivat visuaalisen sisällön tekstivaihtoehtoina. Värikontrastit noudattavat AA-tasoa. Materiaali on käytettävissä myös pelkkänä tekstinä ilman ääntä.

Sisältö tarkistettu: 2026-06-04

Ilmoita vanhentuneesta tai virheellisestä tiedosta

Suositeltu seuraava kurssi

Tekoälyagentit ja automaatio

Rakenna toistuvista myyntitehtävistä hallittuja työnkulkuja.

Tutustu seuraavaan kurssiin →

Aloita opiskelu

Aloita ilmaiseksi