De uitdaging
Priority One Wash Club verkoopt onbeperkte carwash memberships in Australie. Het aanbod is simpel: Sedan voor $59 per maand, SUV voor $69 per maand, 4WD voor $79 per maand. Onbeperkt wassen, vaste prijs. Het bedrijf gebruikt SMS marketing om bestaande klanten te converteren naar een membership.
Het probleem: er waren meer dan 3.000 leads gecontacteerd via SMS, met een reply rate van 6%. Dat is op zich een gezond percentage voor SMS outreach. Maar het aantal conversies was nul. Letterlijk nul.
De SMS agent die in gebruik was, had meerdere structurele problemen. Ten eerste: de agent vergat eerdere antwoorden. Een klant die in bericht drie vroeg om een betaallink, kreeg in bericht vier opnieuw een verkooppitch. De context window was te klein, waardoor de agent na een paar berichten het gesprek kwijtraakte.
Ten tweede: als klanten expliciet vroegen hoe ze konden betalen, stuurde de agent geen betaallink. In plaats daarvan ging hij door met verkopen. Dat is het equivalent van een winkelbediende die een klant met zijn portemonnee in de hand negeert om nog een productbrochure te geven.
Ten derde: de agent kon niet omgaan met "nee". Klanten die aangaven geen interesse te hebben, bleven berichten ontvangen. Dat leidde tot frustratie en unsubscribes.
Ten vierde: de agent crashte regelmatig op Twilio errors. Berichten die niet konden worden afgeleverd (verkeerd nummer, geblokkeerd, timeout) veroorzaakten fatale fouten in de pipeline.
De aanpak
We hebben de SMS agent volledig herschreven met een gestructureerde architectuur die elk van deze problemen adresseert.
State machine. De conversatie volgt nu vier fases: WARMUP (begroeting, context ophalen), DIAGNOSE (behoeftebepaling, voertuigtype), PRESENT (juiste membership presenteren met prijs) en CLOSE (betaallink sturen, bezwaren afhandelen). De agent weet altijd in welke fase hij zit en wat de volgende stap is.
Geheugenfix. De context window is uitgebreid van 20 naar 30 berichten. Dat klinkt als een klein verschil, maar bij SMS-conversaties die over meerdere dagen lopen is het cruciaal. De agent onthoudt nu wat de klant eerder heeft gezegd, welk voertuigtype ze hebben en of ze al een prijs hebben ontvangen.
Pre-agent router. Voordat een inkomend bericht bij de sales agent terechtkomt, loopt het door een router die twee situaties afvangt: unsubscribe-verzoeken en verkeerde nummers. Een klant die "stop" stuurt, wordt direct uitgeschreven zonder dat de sales agent het bericht ooit ziet. Een bericht van een onbekend nummer wordt apart afgehandeld.
Post-agent classifier. Na elk gesprek classificeert een apart model de lead als warm, koud of niet-gekwalificeerd. Warme leads die niet direct converteren, komen automatisch in een follow-up workflow.
Geautomatiseerde follow-up. Leads die interesse tonen maar niet direct kopen, ontvangen na 24 uur een herinnering. Als er dan nog geen reactie is, volgt na 48 uur een tweede bericht. Geen agressieve push, maar een vriendelijke check-in.
Twilio error handling. Alle Twilio-gerelateerde errors worden nu afgevangen en gelogd zonder de pipeline te crashen. Berichten die niet kunnen worden afgeleverd, worden gemarkeerd en overgeslagen.
De resultaten
De conversie ging van effectief nul naar meetbaar resultaat. Dat klinkt misschien bescheiden, maar de context is belangrijk: dit zijn dezelfde 3.000+ leads die eerder al waren benaderd met een kapotte agent. Veel van deze contacten hadden al een negatieve ervaring. Het feit dat de nieuwe agent daar alsnog conversies uit haalt, zegt iets over de kwaliteit van de conversatieflow.
Warme leads worden automatisch herbenaderd via de follow-up workflow. Geen handmatig werk, geen vergeten leads, geen spreadsheets met "moet ik nog opvolgen".
De Twilio crashes zijn volledig opgelost. De pipeline draait stabiel, ook bij hoge volumes en bij berichten die niet kunnen worden afgeleverd.
Wat dit betekent
Priority One had geen leadprobleem. Ze hadden 3.000+ leads en een reply rate van 6%. Dat zijn 180+ mensen die reageerden. Het probleem zat in de conversatie zelf. Een agent die context vergeet, betaallinks niet stuurt en niet kan stoppen met verkopen, converteert niemand.
Dit is een patroon dat we vaker zien bij bedrijven die snel een SMS of chat agent hebben opgezet zonder de conversatielogica goed te doordenken. De technologie werkt, maar de conversatie niet. Door de agent te herschrijven met een duidelijke state machine, geheugen en follow-up, wordt van dezelfde leads alsnog omzet gemaakt.