انگور داخل، شامپاین بیرون: چگونه هوش مصنوعی قیف فروش را متحول می کند

Rev: چگونه هوش مصنوعی قیف فروش را متحول می کند

به وضعیت اسفناک نماینده توسعه فروش نگاه کنید (SDR). SDR که در حرفه خود جوان هستند و اغلب تجربه کمی دارند، تلاش می کند تا در سازمان فروش جلوتر باشد. یک مسئولیت آنها: جذب افراد بالقوه برای پر کردن خط لوله.  

بنابراین آنها شکار و شکار می کنند، اما همیشه نمی توانند بهترین شکارگاه ها را پیدا کنند. آنها لیستی از مشتریان بالقوه که فکر می کنند عالی هستند ایجاد می کنند و آنها را به قیف فروش می فرستند. اما بسیاری از مشتریان بالقوه آنها مناسب نیستند و در عوض، قیف را مسدود می کنند. نتیجه غم انگیز این جستجوی طاقت فرسا برای سرنخ های بزرگ؟ در حدود 60 درصد مواقع، SDR حتی سهمیه خود را نمی‌سازد.

اگر سناریوی بالا باعث می‌شود که توسعه استراتژیک بازار برای یک توله شیر یتیم مانند سرنگتی غیرقابل بخشش به نظر برسد، شاید من در این قیاس زیاده‌روی کردم. اما نکته پابرجاست: اگرچه SDR ها صاحب "فرست مایل" قیف فروش هستند، اما بیشتر آنها با مشکل مواجه هستند زیرا یکی از سخت ترین مشاغل در یک شرکت را دارند و ابزار کمی برای کمک دارند.

چرا؟ ابزار مورد نیاز آنها تا کنون وجود نداشت.

برای نجات اولین مایل فروش و بازاریابی چه چیزی لازم است؟ SDR ها به فناوری نیاز دارند که بتواند مشتریان بالقوه ای را که شبیه مشتریان ایده آل آنها هستند شناسایی کند، به سرعت تناسب آن مشتریان بالقوه را ارزیابی کند و آمادگی آنها را برای خرید بیاموزد.

انقلابی در بالای قیف 

ابزارهای فراوانی برای کمک به تیم های فروش و بازاریابی برای مدیریت سرنخ ها در سراسر قیف فروش وجود دارد. پلتفرم های مدیریت ارتباط با مشتری (CRM) در ردیابی معاملات پایین قیف بهتر از همیشه هستند. بازاریابی مبتنی بر حساب (ABM) ابزارهایی مانند HubSpot و Marketo ارتباط با مشتریان احتمالی را در وسط قیف ساده کرده اند. بالاتر از قیف، پلتفرم‌های تعامل فروش مانند SalesLoft و Outreach به جذب سرنخ‌های جدید کمک می‌کنند. 

اما، بیش از 20 سال پس از روی صحنه آمدن Salesforce، فناوری‌های موجود در بالای قیف - همان منطقه‌ای که یک شرکت می‌داند حتی باید با چه کسی صحبت کند (و منطقه‌ای که SDRها شکار خود را انجام می‌دهند) - راکد باقی می‌ماند. هیچ کس هنوز مایل اول را تکل نکرده است.

حل "مشکل اول مایل" در فروش B2B

خوشبختانه، این در حال تغییر است. ما در آستانه موج عظیمی از نوآوری نرم افزارهای تجاری هستیم. آن موج هوش مصنوعی است (AI). هوش مصنوعی چهارمین موج بزرگ نوآوری در این عرصه در 50 سال گذشته است (بعد از موج مین فریم در دهه 1960؛ انقلاب رایانه های شخصی در دهه های 1980 و 90؛ و جدیدترین موج افقی نرم افزار به عنوان یک سرویس)SAAS) که شرکت‌ها را قادر می‌سازد تا فرآیند کسب‌وکار بهتر و کارآمدتری را روی هر دستگاهی اجرا کنند—بدون نیاز به مهارت کدنویسی).

یکی از بهترین ویژگی‌های هوش مصنوعی توانایی آن در یافتن الگوها در حجم کهکشانی اطلاعات دیجیتالی است که ما جمع‌آوری می‌کنیم و ما را با داده‌ها و بینش‌های جدید از آن الگوها مسلح می‌کند. ما در حال حاضر از هوش مصنوعی در فضای مصرف کننده سود می بریم - چه در توسعه واکسن های COVID-19. محتوایی که از اخبار و برنامه های اجتماعی در تلفن هایمان می بینیم. یا اینکه چگونه وسایل نقلیه ما به ما کمک می کنند بهترین مسیر را پیدا کنیم، از ترافیک جلوگیری کنیم و در مورد تسلا، وظایف واقعی رانندگی را به ماشین محول کنیم. 

به عنوان فروشنده و بازاریاب B2B، ما تازه شروع به تجربه قدرت هوش مصنوعی در زندگی حرفه ای خود کرده ایم. همانطور که مسیر یک راننده باید ترافیک، آب و هوا، مسیرها و موارد دیگر را در نظر بگیرد، SDR های ما به نقشه ای نیاز دارند که کوتاه ترین مسیر را برای یافتن مشتری عالی بعدی ارائه دهد. 

فراتر از فرموگرافی

هر SDR و بازاریاب بزرگ می‌داند که برای ایجاد تبدیل و فروش، مشتریان بالقوه‌ای را هدف قرار می‌دهید که شبیه بهترین مشتریان شما هستند. اگر بهترین مشتریان شما تولیدکنندگان تجهیزات صنعتی هستند، به سراغ تولیدکنندگان تجهیزات صنعتی بیشتری بروید. تیم‌های سازمانی در تلاش برای به دست آوردن بیشترین بهره از تلاش‌های برون‌گرای خود، عمیقاً در فیرموگرافیک - مواردی مانند صنعت، اندازه شرکت، و تعداد کارمندان - فرو می‌روند.

بهترین SDR ها می دانند که اگر بتوانند سیگنال های عمیق تری در مورد نحوه تجارت یک شرکت نشان دهند، می توانند مشتریان بالقوه ای را پیدا کنند که احتمال بیشتری برای ورود به قیف فروش دارند. اما فراتر از فیرموگرافیک باید به دنبال کدام سیگنال باشند؟

قطعه گم شده پازل برای SDR ها چیزی است که به آن گفته می شود داده های تشریحی – حجم عظیمی از داده ها که تاکتیک های فروش، استراتژی، الگوهای استخدام و موارد دیگر را توصیف می کند. داده های تشریحی به صورت خرده نان در سراسر اینترنت موجود است. هنگامی که هوش مصنوعی را روی تمام آن خرده‌های سوخاری از دست می‌دهید، الگوهای جالبی را شناسایی می‌کند که می‌تواند به SDR کمک کند تا بفهمد یک مشتری بالقوه چقدر با بهترین مشتریان شما مطابقت دارد.

به عنوان مثال، جان دیر و کاترپیلار را در نظر بگیرید. هر دو شرکت بزرگ ماشین آلات و تجهیزات Fortune 100 هستند که نزدیک به 100,000 نفر را استخدام می کنند. در واقع، آنها همان چیزی هستند که ما آن را "دوقلوهای فیرموگرافیک" می نامیم زیرا صنعت، اندازه و تعداد کار آنها تقریباً یکسان است! با این حال دیر و کاترپیلار بسیار متفاوت عمل می کنند. Deere یک پذیرنده فناوری متوسط ​​​​و پذیرنده کم ابر با تمرکز B2C است. در مقابل، کاترپیلار عمدتاً B2B می فروشد، اولین پذیرنده فناوری جدید است و از پذیرش ابری بالایی برخوردار است. اینها تفاوت های تشریحی یک راه جدید برای درک اینکه چه کسی ممکن است یک مشتری بالقوه باشد و چه کسی نه - و بنابراین یک راه بسیار سریعتر برای SDRها برای یافتن بهترین بالقوه بعدی خود ارائه دهید.

حل مسئله فرست مایل

همانطور که تسلا از هوش مصنوعی برای حل مشکل بالادستی رانندگان استفاده می‌کند، هوش مصنوعی می‌تواند به تیم‌های توسعه فروش کمک کند تا بالقوه‌های بزرگ را شناسایی کنند، آنچه را که بالای قیف اتفاق می‌افتد متحول کند و مشکل مایل اول را که هر روز با توسعه فروش مواجه می‌شود، حل کند. 

به جای یک پروفایل مشتری ایده آل بی جان (ICPابزاری را تصور کنید که داده های تشریحی را جذب می کند و از هوش مصنوعی برای کشف الگوها در بین بهترین مشتریان یک شرکت استفاده می کند. سپس تصور کنید که از آن داده‌ها برای ایجاد یک مدل ریاضی که بهترین مشتریان شما را نشان می‌دهد استفاده کنید - اسم آن را نمایه مشتری هوش مصنوعی بگذارید.aiCP)—و از آن مدل برای یافتن افراد بالقوه دیگری که دقیقاً شبیه این بهترین مشتریان هستند، استفاده کنید. یک AiCP قدرتمند می تواند اطلاعات فیرموگرافیک و فناوری و همچنین منابع داده خصوصی را دریافت کند. به عنوان مثال، داده های LinkedIn و داده های هدف می توانند AiCP را تقویت کنند. به عنوان یک مدل زنده، aiCP می آموزد اضافه کار. 

بنابراین وقتی می پرسیم، بهترین مشتری بعدی ما چه کسی خواهد بود؟، دیگر لازم نیست SDR ها را به حال خود رها کنیم. در نهایت می‌توانیم ابزارهایی را که برای پاسخ به این سؤال و حل مشکل بالای قیف نیاز دارند، به آنها پیشنهاد کنیم. ما در مورد ابزارهایی صحبت می کنیم که به طور خودکار مشتریان بالقوه جدید را ارائه می دهند و آنها را رتبه بندی می کنند تا SDR ها بدانند چه کسی بعدی را هدف قرار دهند و تیم های توسعه فروش بهتر می توانند تلاش های خود را اولویت بندی کنند. در نهایت، می‌توان از هوش مصنوعی برای کمک به SDR‌های ما در سهمیه‌بندی استفاده کرد – و با افراد بالقوه‌ای که در واقع برای نوع مشتری بالقوه‌ای که می‌خواهیم پیدا کنیم، مناسب هستند – و برای یک روز دیگر زنده بمانند.

برگرد بستر توسعه فروش

پلت فرم توسعه فروش Rev's (SDP) با استفاده از هوش مصنوعی، کشف احتمالی را تسریع می کند.

نسخه نمایشی Rev را دریافت کنید