Σταφύλια μέσα, σαμπάνια έξω: Πώς η τεχνητή νοημοσύνη μεταμορφώνει τη χοάνη πωλήσεων

Rev: Πώς η τεχνητή νοημοσύνη μεταμορφώνει τη διοχέτευση πωλήσεων

Δείτε τα δεινά του αντιπροσώπου ανάπτυξης πωλήσεων (SDR). Νέοι στην καριέρα τους και συχνά με έλλειψη εμπειρίας, το SDR προσπαθεί να προχωρήσει στον οργανισμό πωλήσεων. Η μοναδική τους ευθύνη: στρατολόγηση προοπτικών για την πλήρωση του αγωγού.  

Έτσι κυνηγούν και κυνηγούν, αλλά δεν μπορούν πάντα να βρουν τους καλύτερους κυνηγότοπους. Δημιουργούν λίστες με υποψήφιους πελάτες που πιστεύουν ότι είναι εξαιρετικοί και τους στέλνουν στο χωνί πωλήσεων. Αλλά πολλές από τις προοπτικές τους δεν ταιριάζουν και, αντ' αυτού, καταλήγουν να φράζουν τη χοάνη. Το θλιβερό αποτέλεσμα αυτής της εξαντλητικής αναζήτησης για σπουδαίους πελάτες; Περίπου στο 60% των περιπτώσεων, το SDR δεν κάνει καν την ποσόστωσή του.

Αν το παραπάνω σενάριο κάνει τη στρατηγική ανάπτυξη της αγοράς να ακούγεται τόσο αδυσώπητη όσο το Serengeti για ένα ορφανό λιοντάρι, ίσως το παράκανα με την αναλογία μου. Αλλά το θέμα παραμένει: αν και τα SDR κατέχουν το «πρώτο μίλι» της διοχέτευσης πωλήσεων, οι περισσότεροι από αυτούς δυσκολεύονται επειδή έχουν μια από τις πιο δύσκολες δουλειές σε μια εταιρεία και λίγα εργαλεία για να βοηθήσουν.

Γιατί; Τα εργαλεία που χρειάζονται δεν υπήρχαν μέχρι τώρα.

Τι θα χρειαστεί για να σωθεί το πρώτο μίλι πωλήσεων και μάρκετινγκ; Τα SDR χρειάζονται τεχνολογία που μπορεί να εντοπίσει πιθανούς πελάτες που μοιάζουν με τους ιδανικούς πελάτες τους, να αξιολογήσει γρήγορα την προσαρμογή αυτών των υποψήφιων πελατών και να μάθει την ετοιμότητά τους να αγοράσουν.

Επανάσταση πάνω από τη χοάνη 

Υπάρχει πληθώρα εργαλείων που βοηθούν τις ομάδες πωλήσεων και μάρκετινγκ να διαχειρίζονται δυνητικούς πελάτες σε όλη τη διοχέτευση πωλήσεων. Πλατφόρμες Διαχείρισης Σχέσεων Πελατών (CRM) είναι καλύτεροι από ποτέ στην παρακολούθηση προσφορών κάτω από τη διοχέτευση. Μάρκετινγκ βάσει λογαριασμού (ABM) εργαλεία όπως HubSpot και η Marketo έχουν απλοποιήσει την επικοινωνία με τους υποψήφιους πελάτες στη μέση της διοχέτευσης. Πιο ψηλά στη διοχέτευση, οι πλατφόρμες αφοσίωσης στις πωλήσεις, όπως το SalesLoft και το Outreach, βοηθούν στην προσέλκυση νέων δυνητικών πελατών. 

Όμως, 20 και πλέον χρόνια μετά την εμφάνιση του Salesforce, οι τεχνολογίες που είναι διαθέσιμες πάνω από τη χοάνη—η ίδια η περιοχή πριν μια εταιρεία γνωρίζει με ποιον θα έπρεπε καν να εξετάσει το ενδεχόμενο να μιλήσει (και η περιοχή όπου τα SDR κυνηγούν)—παραμένει στάσιμη. Κανείς δεν έχει αντιμετωπίσει το πρώτο μίλι ακόμα.

Επίλυση του «The First Mile Problem» στις πωλήσεις B2B

Ευτυχώς, αυτό πρόκειται να αλλάξει. Βρισκόμαστε στο κατώφλι ενός τεράστιου κύματος καινοτομίας επιχειρηματικού λογισμικού. Αυτό το κύμα είναι τεχνητή νοημοσύνη (AI). Η τεχνητή νοημοσύνη είναι το τέταρτο μεγάλο κύμα καινοτομίας σε αυτόν τον τομέα τα τελευταία 50 χρόνια (μετά το κύμα mainframe της δεκαετίας του 1960, την επανάσταση των υπολογιστών της δεκαετίας του 1980 και του '90 και το πιο πρόσφατο κύμα οριζόντιου λογισμικού ως υπηρεσία (SaaS) που επιτρέπει στις εταιρείες να εκτελούν μια καλύτερη, πιο αποτελεσματική επιχειρηματική διαδικασία σε κάθε συσκευή—δεν απαιτούνται δεξιότητες κωδικοποίησης).

Μία από τις πολλές καλύτερες ιδιότητες της τεχνητής νοημοσύνης είναι η ικανότητά της να βρίσκει μοτίβα στους γαλαξιακούς όγκους ψηφιακών πληροφοριών που συγκεντρώνουμε και να μας οπλίζει με νέα δεδομένα και ιδέες από αυτά τα μοτίβα. Επωφελούμαστε ήδη από την τεχνητή νοημοσύνη στον καταναλωτικό χώρο—είτε στην ανάπτυξη εμβολίων για τον COVID-19. το περιεχόμενο που βλέπουμε από ειδήσεις και κοινωνικές εφαρμογές στα τηλέφωνά μας· ή πώς τα οχήματά μας μας βοηθούν να βρούμε την καλύτερη διαδρομή, να αποφύγουμε την κυκλοφορία και, στην περίπτωση του Tesla, να αναθέσουμε πραγματικές εργασίες οδήγησης στο αυτοκίνητο. 

Ως πωλητές και έμποροι B2B, μόλις αρχίζουμε να βιώνουμε τη δύναμη της τεχνητής νοημοσύνης στην επαγγελματική μας ζωή. Ακριβώς όπως η διαδρομή ενός οδηγού πρέπει να λαμβάνει υπόψη την κίνηση, τον καιρό, τις διαδρομές και πολλά άλλα, τα SDR μας χρειάζονται έναν χάρτη που προσφέρει τη συντομότερη διαδρομή για την εύρεση της επόμενης μεγάλης προοπτικής. 

Beyond Firmographics

Κάθε σπουδαίος SDR και έμπορος γνωρίζει ότι για να δημιουργήσετε μετατροπές και πωλήσεις, στοχεύετε σε υποψήφιους πελάτες που μοιάζουν με τους καλύτερους πελάτες σας. Εάν οι καλύτεροι πελάτες σας είναι κατασκευαστές βιομηχανικού εξοπλισμού, πηγαίνετε να βρείτε περισσότερους κατασκευαστές βιομηχανικού εξοπλισμού. Στην προσπάθειά τους να αξιοποιήσουν στο έπακρο τις εξερχόμενες προσπάθειές τους, οι ομάδες επιχειρήσεων βυθίζονται βαθιά σε υλικολογικά στοιχεία—πράγματα όπως η βιομηχανία, το μέγεθος της εταιρείας και ο αριθμός των εργαζομένων.

Οι καλύτεροι SDR γνωρίζουν ότι, εάν μπορέσουν να εμφανίσουν τα βαθύτερα σήματα σχετικά με τον τρόπο λειτουργίας μιας εταιρείας, θα μπορέσουν να εντοπίσουν υποψήφιους πελάτες που είναι πιο πιθανό να εισέλθουν στη διοχέτευση πωλήσεων. Ποια σήματα όμως, πέρα ​​από τα φιορογραφικά, πρέπει να αναζητήσουν;

Το κομμάτι του παζλ που λείπει για τα SDR είναι αυτό που λέγεται παραγραφικά δεδομένα – τεράστιες ποσότητες δεδομένων που περιγράφουν τις τακτικές πωλήσεων, τη στρατηγική, τα πρότυπα προσλήψεων και πολλά άλλα μιας εταιρείας. Εξηγηματικά δεδομένα είναι διαθέσιμα σε ψίχουλα σε όλο το διαδίκτυο. Όταν χαλαρώνετε το AI σε όλα αυτά τα ψίχουλα, προσδιορίζει ενδιαφέροντα μοτίβα που μπορούν να βοηθήσουν ένα SDR να καταλάβει γρήγορα πόσο καλά ένας υποψήφιος πελάτης ταιριάζει με τους καλύτερους πελάτες σας.

Για παράδειγμα, πάρτε τον John Deere και την Caterpillar. Και οι δύο είναι μεγάλες εταιρείες μηχανημάτων και εξοπλισμού του Fortune 100 που απασχολούν σχεδόν 100,000 άτομα. Στην πραγματικότητα, είναι αυτό που θα λέγαμε «φιρμογραφικά δίδυμα» επειδή η βιομηχανία, το μέγεθος και ο αριθμός των εργαζομένων τους είναι σχεδόν πανομοιότυπα! Ωστόσο, η Deere και η Caterpillar λειτουργούν πολύ διαφορετικά. Η Deere είναι ένας υιοθέτης τεχνολογίας μεσαίου επιπέδου και υιοθετητής χαμηλού cloud με εστίαση στο B2C. Η Caterpillar, αντίθετα, πουλά κυρίως B2B, είναι πρώιμος υιοθέτης της νέας τεχνολογίας και έχει υψηλή υιοθέτηση cloud. Αυτά τα παραγραφικές διαφορές προσφέρει έναν νέο τρόπο για να κατανοήσουμε ποιος μπορεί να είναι καλός υποψήφιος και ποιος όχι – και επομένως έναν πολύ πιο γρήγορο τρόπο για τα SDR να βρουν τις επόμενες καλύτερες προοπτικές τους.

Επίλυση του προβλήματος του πρώτου μιλίου

Ακριβώς όπως η Tesla χρησιμοποιεί την τεχνητή νοημοσύνη για να λύσει το πρόβλημα ανάντη για τους οδηγούς, η τεχνητή νοημοσύνη μπορεί να βοηθήσει τις ομάδες ανάπτυξης πωλήσεων να εντοπίσουν εξαιρετικές προοπτικές, να φέρει επανάσταση σε ό,τι συμβαίνει πάνω από τη διοχέτευση και να λύσει το πρόβλημα του πρώτου μιλίου που αντιμετωπίζει καθημερινά η ανάπτυξη πωλήσεων. 

Αντί για ένα άψυχο ιδανικό προφίλ πελάτη (ICP), φανταστείτε ένα εργαλείο που απορροφά εξαγραφικά δεδομένα και χρησιμοποιεί τεχνητή νοημοσύνη για να αποκαλύψει μοτίβα μεταξύ των καλύτερων πελατών μιας εταιρείας. Στη συνέχεια, φανταστείτε να χρησιμοποιείτε αυτά τα δεδομένα για να δημιουργήσετε ένα μαθηματικό μοντέλο που αντιπροσωπεύει τους καλύτερους πελάτες σας—ονομάστε το προφίλ πελάτη τεχνητής νοημοσύνης (aiCP)—και αξιοποιώντας αυτό το μοντέλο για να βρείτε άλλους υποψήφιους πελάτες που μοιάζουν με αυτούς τους καλύτερους πελάτες. Ένα ισχυρό aiCP μπορεί να απορροφήσει γραφογραφικές και τεχνολογικές πληροφορίες καθώς και ιδιωτικές πηγές δεδομένων. Για παράδειγμα, τα δεδομένα από το LinkedIn και τα δεδομένα πρόθεσης μπορούν να ενισχύσουν ένα aiCP. Ως ζωντανό μοντέλο, το aiCP μαθαίνει πάροδο του χρόνου. 

Όταν λοιπόν ρωτάμε, Ποιος θα είναι ο επόμενος καλύτερος πελάτης μας;, δεν χρειάζεται πλέον να αφήνουμε τα SDR να τα βγάλουν πέρα. Μπορούμε επιτέλους να τους προσφέρουμε τα εργαλεία που χρειάζονται για να απαντήσουν σε αυτήν την ερώτηση και να λύσουν το πρόβλημα πάνω από τη χοάνη. Μιλάμε για εργαλεία που προσφέρουν αυτόματα νέες προοπτικές και τις κατατάσσουν, ώστε οι SDR να γνωρίζουν ποιον να στοχεύσουν στη συνέχεια και οι ομάδες ανάπτυξης πωλήσεων να μπορούν να ιεραρχήσουν καλύτερα τις προσπάθειές τους. Σε τελική ανάλυση, η τεχνητή νοημοσύνη μπορεί να χρησιμοποιηθεί για να βοηθήσει τα SDR μας να δημιουργήσουν ποσόστωση —και με προοπτικές που ταιριάζουν στην πραγματικότητα με τον τύπο του υποψήφιου πελάτη που θέλουμε να βρούμε— και να ζήσουμε για μια άλλη μέρα.

Στροφή μηχανής Πλατφόρμα Ανάπτυξης Πωλήσεων

Πλατφόρμα ανάπτυξης πωλήσεων Rev's (SDP) επιταχύνει την ανακάλυψη προοπτικών χρησιμοποιώντας AI.

Αποκτήστε μια επίδειξη Rev