Καθώς τρέχουμε όλο και περισσότερο την εργασία και την προσωπική μας ζωή στο διαδίκτυο, οι σχέσεις και οι συνδέσεις B2B έχουν εισέλθει σε μια νέα υβριδική διάσταση. Μάρκετινγκ βάσει λογαριασμού (ABM) μπορεί να βοηθήσει στην παροχή σχετικών μηνυμάτων εν μέσω μεταβαλλόμενων συνθηκών και τοποθεσιών — αλλά μόνο εάν οι εταιρείες συνδυάσουν νέες πολυπλοκότητες στο χώρο εργασίας με νέες διαστάσεις τεχνολογίας που αξιοποιούν ποιοτικά δεδομένα, έξυπνες πληροφορίες και συνέργειες σε πραγματικό χρόνο.
Καταλυόμενες από την πανδημία COVID-19, εταιρείες σε όλο τον κόσμο έχουν επανεξετάσει τις ρυθμίσεις απομακρυσμένης εργασίας.
Σχεδόν οι μισές εταιρείες που συμμετείχαν στην έρευνα του CNBC δηλώνουν ότι θα υιοθετήσουν υβριδικά μοντέλα γραφείου, με τους υπαλλήλους να εργάζονται με μερική απασχόληση από το σπίτι, ενώ ένα άλλο τρίτο λέει ότι θα επιστρέψει στο αυτοπροσώπως συνθήκες.
εν τω μεταξύ
Περισσότεροι από τους μισούς εργαζομένους στις ΗΠΑ που προτιμούν την εξ αποστάσεως εργασία επιλέγουν να παραιτηθούν αντί να επιστρέψουν στο γραφείο, με αποτέλεσμα οι οργανισμοί πωλήσεων να ανακατεύουν τις λίστες επαφών τους ως επιχείρηση σε επιχείρηση (B2B) οι αγοραστές αποχωρούν από παλιές εταιρείες και ξεκινούν από νέες.
Καθ' όλη τη διάρκεια της πανδημίας, το ψηφιακό μάρκετινγκ έχει αποδειχθεί σωτήρια για τη σύνδεση με τον στοχευόμενο λογαριασμό και τις προοπτικές εν μέσω ακυρωμένων προσωπικών εκδηλώσεων και συναντήσεων. Σχεδόν Οι μισές επιχειρήσεις λένε ότι το μάρκετινγκ τους έχει υποστεί μια «δραματική» αλλαγή κατά τη διάρκεια της πανδημίας, με το ABM να ανεβαίνει στο προσκήνιο. Τέσσερις στους πέντε ηγέτες μάρκετινγκ επιχειρήσεων λένε ότι θα αυξήσουν τις επενδύσεις σε ABM το επόμενο έτος. Οι εξατομικευμένες συνδέσεις ένας προς έναν που ενεργοποιούνται από την ABM μπορούν να παράγουν αύξηση εσόδων έως και 30% σε σύγκριση με τις παραδοσιακές καμπάνιες ένας προς πολλούς.
Ωστόσο, για να επιτύχουν αυτό το δυναμικό, οι επιχειρήσεις B2B πρέπει να υιοθετήσουν μια ενοποιημένη προσέγγιση. Τεχνητή νοημοσύνη (AI) και μηχανική μάθηση (ML) μπορεί να βοηθήσει τις εταιρείες να συνειδητοποιήσουν το πολυπόθητο ενιαία άποψη του πελάτη— αλλά μόνο εάν δεσμευτούν σε μια τρισδιάστατη στρατηγική δεδομένων.
Οι Τρεις Διαστάσεις των Δεδομένων ABM
- Ποσότητα δεδομένων και Ποιότητα
Τα δεδομένα από τον ερευνητή τεχνολογίας Forrester δείχνουν ότι λιγότερο από τρεις ποσοστιαίες μονάδες χωρίζουν τα 10 κορυφαία κανάλια σε μια κατάταξη πηγών που συμβουλεύονται οι αγοραστές B2B όταν ερευνούν πιθανούς προμηθευτές — υποδεικνύοντας ότι οι εταιρείες πρέπει να μιλούν άπταιστα σε πολλούς τρόπους και να χρησιμοποιούν όλα τα σημεία επαφής που έχουν στη διάθεσή τους για να συνδεθούν με προοπτικές και να τους παρέχετε το σχετικό περιεχόμενο που οδηγεί τις αποφάσεις αγοράς.
Επιπλέον, οι εταιρικές εταιρείες που βασίζονται στην πώληση αναβαθμίσεων, βελτιώσεων και νέων προϊόντων ή υπηρεσιών σε υπάρχοντες πελάτες πιθανότατα έχουν ήδη προφίλ χρηστών με βάση τη δραστηριότητα στον ιστότοπο της εταιρείας, στα φόρουμ υποστήριξής της και σε άλλες πλατφόρμες που ανήκουν εξ ολοκλήρου.
Αυτά τα δεδομένα αποτελούν τη ραχοκοκαλιά της αποτελεσματικής ABM. Όμως, ενώ η ποσότητα των δεδομένων είναι σημαντική, το πλαίσιο και η ποιότητα είναι εξίσου κρίσιμα, αν και πιο δύσκολο να αποτυπωθούν. Οι επιχειρήσεις αξιολογούν τη χρηστικότητα και την ενοποίηση των δεδομένων ως μεταξύ των κορυφαίων προκλήσεων ABM τους, διαπίστωσε η Forrester. Για παράδειγμα, σε διαφορετικούς τοπικούς κόμβους μιας μεμονωμένης εταιρείας, οι τοπικές καμπάνιες ενδέχεται να συγκεντρώνουν διαφορετικά σημεία δεδομένων που αποδεικνύεται δύσκολο να συγχρονιστούν. Μια ολοκληρωμένη λύση ABM μπορεί να δεχθεί διαφορετικές μεμονωμένες εισόδους ενώ εφαρμόζει αλγοριθμική νοημοσύνη για τη σωστή ερμηνεία και ενοποίηση των πληροφοριών.
- Προγνωστική Ισχύς Δεδομένων
Πολλοί έμποροι βασίζονται πλέον στην τεχνητή νοημοσύνη για να αξιολογήσουν τη δυνατότητα οι υποψήφιοι να γίνουν πελάτες, χρησιμοποιώντας εξελιγμένους αλγόριθμους που συνδυάζουν προηγούμενες αλληλεπιδράσεις με πιθανά αποτελέσματα που βασίζονται σε παρόμοια προφίλ συμπεριφοράς. Αυτά τα μοντέλα πρόβλεψης είναι ζωτικής σημασίας για τις εταιρείες να μπορούν να προσφέρουν εξατομικευμένο μάρκετινγκ σε κλίμακα.
Οι αλγοριθμικές προβλέψεις και συστάσεις βελτιώνονται με την πάροδο του χρόνου καθώς συμβαίνουν περισσότερες αλληλεπιδράσεις — αλλά βασίζονται επίσης σε επιχειρηματικούς κανόνες που διαμορφώνονται από τα πρότυπα του κλάδου, τα τοπικά έθιμα ή ημερολόγια και άλλους παράγοντες ξεχωριστούς για κάθε οργανισμό B2B. Οι εσωτερικές ομάδες θα πρέπει να είναι σε θέση να επηρεάζουν μοντέλα πρόβλεψης, ενισχύοντας την ισχύ επεξεργασίας τεχνητής νοημοσύνης με ανθρώπινη διορατικότητα, για να δημιουργούν καμπάνιες με τη μέγιστη συνάφεια.
- Δυνατότητες δεδομένων σε πραγματικό χρόνο και η βούληση για την ανάπτυξή τους
Το έγκαιρο πλαίσιο είναι ζωτικής σημασίας για τις καμπάνιες ABM για την ανάπτυξη των σωστών μηνυμάτων στα σωστά κανάλια για το στάδιο ενός δεδομένου υποψήφιου πελάτη στη διαδρομή εξέτασης αγοράς. Επειδή οι υποψήφιοι που ασχολούνται με διαδικτυακό περιεχόμενο είναι δεκτικοί σε περαιτέρω μηνύματα για 20 λεπτά το πολύ, οι αυτοματοποιημένες ειδοποιήσεις για ομάδες πωλήσεων και οι εξατομικευμένες δυνατότητες ανταλλαγής μηνυμάτων είναι ζωτικής σημασίας για τη διασφάλιση της άμεσης επαφής σε κρίσιμα σημεία λήψης αποφάσεων.
Αυτή η τεχνική ικανότητα μπορεί να είναι δύσκολο να επιτευχθεί, αλλά για ορισμένες εταιρείες, η οικοδόμηση της εμπιστοσύνης στα δεδομένα μάρκετινγκ που είναι απαραίτητα για να αξιοποιήσουν στο έπακρο τον αυτοματισμό είναι εξίσου μεγάλη πρόκληση. Η Forrester βρήκε ότι περισσότερες μεγάλες επιχειρήσεις παρά μικρές εταιρείες λένε ότι η «έλλειψη αγοράς εισοδήματος από τις πωλήσεις» αποτελεί εμπόδιο για την επιτυχία της ABM. Η αυτοματοποιημένη ABM με γνώμονα τα δεδομένα απαιτεί μάρκετινγκ και πωλήσεις για συνεργασία, υποστηριζόμενες από νοημοσύνη μηχανών που επιτρέπει την απόκριση σε πραγματικό χρόνο σε κλίμακα.
Οι αλληλοεξαρτώμενες διαστάσεις απαιτούν ισχυρή τεχνολογία
Ενώ καθεμία από αυτές τις τρεις διαστάσεις δεδομένων είναι κρίσιμης σημασίας, καμία δεν είναι αυτόνομη λύση. Οι περισσότερες εταιρείες έχουν ήδη άφθονα δεδομένα, αλλά δεν διαθέτουν τα εργαλεία για να ενοποιήσουν και να δράσουν σε αποσιωπημένες πληροφορίες. Τα προγνωστικά αναλυτικά στοιχεία μπορούν να παρέχουν μελλοντικές πληροφορίες, αλλά χρειάζονται ποιοτικά ιστορικά δεδομένα για την παραγωγή σχετικών προτάσεων. Και μόνο με την αξιοποίηση πληροφοριών ML και δεδομένων για την προώθηση της δράσης πωλήσεων και μάρκετινγκ, οι εταιρείες μπορούν να δημιουργήσουν τις έγκαιρες συνδέσεις που κλείνουν συμφωνίες σε μια συνεχώς εξελισσόμενη αγορά.
Για να ενοποιήσουν και τα τρία στοιχεία και να οδηγήσουν στην επιτυχία της ABM, οι εταιρείες θα πρέπει να αναζητήσουν μια πλατφόρμα ABM από άκρο σε άκρο που να επιτρέπει την ενότητα δεδομένων, την ευφυΐα με τεχνητή νοημοσύνη και την επεξεργασία σε πραγματικό χρόνο. Η αποδεδειγμένη απόδοση στις περιοχές που έχουν σημασία και η ικανότητα προσαρμογής των αναφορών και της λειτουργικότητας για μεμονωμένα τμήματα και ομάδες μπορούν επίσης να βοηθήσουν τις εταιρείες να προσαρμόσουν τις στρατηγικές ABM τους για να επιτύχουν σε μια δυναμική αγορά.
Με την παγκόσμια οικονομία σε μετάβαση, οι νέοι υβριδικοί χώροι εργασίας και οι διαδικασίες αγορών B2B μεταμορφώνουν τις πωλήσεις και το μάρκετινγκ των επιχειρήσεων. Οπλισμένες με ισχυρές πλατφόρμες ABM που τροφοδοτούνται με AI, οι εταιρείες B2B μπορούν να χρησιμοποιούν δεδομένα σε τρεις διαστάσεις για να παρέχουν μηνύματα σχετικά με τις πιο πρόσφατες επιχειρηματικές συνθήκες, δημιουργώντας σχέσεις που διαρκούν.
