Vinberoj eniras, Champagne Out: Kiel AI Transformas la Vendofunelon

Rev: Kiel AI Transformas La Vendan Funelon

Rigardu la malfacilaĵojn de la reprezentanto pri vendevoluo (SDR). Junaj en sia kariero kaj ofte mallongaj de sperto, la SDR strebas antaŭeniri en la venda organizo. Ilia unu respondeco: varbi perspektivojn por plenigi la dukton.  

Do ili ĉasas kaj ĉasas, sed ili ne ĉiam povas trovi la plej bonajn ĉasejojn. Ili kreas listojn de perspektivoj, kiujn ili opinias bonegaj, kaj sendas ilin en la vendan funelon. Sed multaj el iliaj perspektivoj ne taŭgas kaj, anstataŭe, finas ŝtopi la funelon. La malĝoja rezulto de ĉi tiu streĉa serĉo por grandaj kondukoj? Ĉirkaŭ 60% de la tempo, la SDR eĉ ne faras sian kvoton.

Se la ĉi-supra scenaro igas strategian merkatan disvolviĝon soni tiel nepardonema kiel la Serengeti al orfa leonido, eble mi iris tro malproksimen kun mia analogio. Sed la punkto staras: kvankam SDR-oj posedas la "unuan mejlon" de la venda funelo, la plej multaj el ili luktas ĉar ili havas unu el la plej malfacilaj laboroj en kompanio kaj malmultajn ilojn por helpi.

Kial? La iloj, kiujn ili bezonas, ne ekzistis ĝis nun.

Kio necesos por savi la unuan mejlon da vendo kaj merkatado? SDR-oj bezonas teknologion, kiu povas identigi perspektivojn, kiuj aspektas kiel iliaj idealaj klientoj, rapide taksi tiujn perspektivojn, kaj lerni ilian pretecon aĉeti.

Revoluciu Super la Funelo 

Abundo da iloj ekzistas por helpi vendajn kaj merkatigajn teamojn administri kondukojn tra la venda funelo. Klientrilatadministrado-platformoj (CRM-anoj) pli bonas ol iam ajn ĉe spurado de fund-funelaj interkonsentoj. Konto-bazita merkatado (ABM) iloj kiel ekz HubSpot kaj Marketo simpligis komunikadon kun perspektivoj en la meza funelo. Pli alte en la funelo, vendaj engaĝiĝplatformoj kiel SalesLoft kaj Outreach helpas engaĝi novajn kondukojn. 

Sed, pli ol 20 jarojn post kiam Salesforce venis sur la scenon, la teknologioj disponeblaj super la funelo - la areo mem antaŭ ol firmao scias, al kiu ĝi eĉ devus konsideri paroli (kaj la areo kie SDRs ĉasas) - restas stagna. Neniu ankoraŭ traktis la unuan mejlon.

Solvante "La Unua Mejlo-Problemo" en B2B Vendoj

Feliĉe, tio estas ŝanĝonta. Ni estas sur la rando de grandega ondo de komerca programaro novigado. Tiu ondo estas artefarita inteligenteco (AI). AI estas la kvara granda ondo de novigado en ĉi tiu areno en la lastaj 50 jaroj (post la komputila ondo de la 1960-aj jaroj; la komputila revolucio de la 1980-aj kaj 90-aj jaroj; kaj la plej lastatempa ondo de horizontala Programaro kiel Servo (SaaS) kiu ebligas al kompanioj funkciigi pli bonan, pli efikan komercan procezon sur ĉiu aparato—neniaj kodaj kapabloj necesas).

Unu el la multaj plej bonaj kvalitoj de AI estas ĝia kapablo trovi ŝablonojn en la galaksiaj volumoj de ciferecaj informoj, kiujn ni amasigas, kaj armi nin per novaj datumoj kaj komprenoj de tiuj ŝablonoj. Ni jam profitas de AI en la konsumanta spaco—ĉu en la disvolviĝo de vakcinoj COVID-19; la enhavo, kiun ni vidas de novaĵoj kaj sociaj programoj en niaj telefonoj; aŭ kiel niaj veturiloj helpas nin trovi la plej bonan itineron, eviti trafikon kaj, en la kazo de Tesla, delegi realajn veturajn taskojn al la aŭto. 

Kiel B2B vendistoj kaj merkatistoj, ni ĵus komencas sperti la potencon de AI en niaj profesiaj vivoj. Same kiel la itinero de ŝoforo devas konsideri trafikon, veteron, itinerojn kaj pli, niaj SDR-oj bezonas mapon, kiu proponas la plej mallongan vojon por trovi la sekvan bonegan perspektivon. 

Preter Firmografio

Ĉiu bonega SDR kaj merkatisto scias, ke por generi konvertiĝon kaj vendon, vi celas perspektivojn, kiuj aspektas kiel viaj plej bonaj klientoj. Se viaj plej bonaj klientoj estas fabrikantoj de industriaj ekipaĵoj, vi iru trovi pliajn fabrikantojn de industriaj ekipaĵoj. En la serĉo por akiri la plej grandan parton de siaj elirantaj klopodoj, entreprenaj teamoj profunde enfosas firmografion - aferojn kiel industrio, firmagrandeco kaj la nombro da dungitoj.

La plej bonaj SDR-oj scias, ke, se ili povas montri la pli profundajn signalojn pri kiel kompanio komercas, ili povos trovi perspektivojn, kiuj pli verŝajne eniros la vendan funelon. Sed kiujn signalojn, preter firmografio, ili devus serĉi?

La mankanta peco de la enigmo por SDR-oj nomiĝas ekzegrafiaj datumoj – amasaj kvantoj da datumoj, kiuj priskribas la vendajn taktikojn, strategion, dungitajn ŝablonojn de kompanio kaj pli. Ekzegrafaj datumoj haveblas en panetoj tra la interreto. Kiam vi malfiksas AI sur ĉiuj tiuj panpecetoj, ĝi identigas interesajn ŝablonojn, kiuj povas helpi SDR rapide kompreni kiom bone perspektivo kongruas kun viaj plej bonaj klientoj.

Ekzemple, prenu John Deere kaj Caterpillar. Ambaŭ estas grandaj kompanioj pri maŝinaro kaj ekipaĵo de Fortune 100, kiuj laborigas preskaŭ 100,000 individuojn. Fakte, ili estas tio, kion ni nomus "firmografiaj ĝemeloj" ĉar ilia industrio, grandeco kaj nombro estas preskaŭ identaj! Tamen Deere kaj Caterpillar funkcias tre malsame. Deere estas mez-malfrua adoptanto de teknologio kaj adoptanto de malalta nubo kun B2C-fokuso. Caterpillar, male, vendas ĉefe B2B, estas frua adoptanto de nova teknologio kaj havas altan nuban adopton. Tiuj ĉi ekzegrafiaj diferencoj proponi novan manieron kompreni, kiu povus esti bona perspektivo kaj kiu ne - kaj tial multe pli rapidan manieron por SDR-oj trovi siajn venontajn plej bonajn perspektivojn.

Solvante la Unu-Mejlan Problemon

Same kiel Tesla uzas AI por solvi la kontraŭfluan problemon por ŝoforoj, AI povas helpi vendisvolvajn teamojn identigi bonegajn perspektivojn, revolucii tion, kio okazas super la funelo, kaj solvi la unua-mejlan problemon, kiun venda disvolviĝo batalas ĉiutage. 

Anstataŭ senviva ideala klientprofilo (ICP), imagu ilon, kiu konsumas ekzegrafiajn datumojn kaj uzas AI por malkovri ŝablonojn inter la plej bonaj klientoj de kompanio. Tiam imagu uzi tiujn datumojn por krei matematikan modelon, kiu reprezentas viajn plej bonajn klientojn—nomu ĝin Profilo de Kliento de Artefarita Inteligenteco (aiCP)—kaj utiligante tiun modelon por trovi aliajn perspektivojn, kiuj aspektas ĝuste kiel ĉi tiuj plej bonaj klientoj. Potenca aiCP povas konsumi firmografiajn kaj teĥnografiajn informojn kaj ankaŭ privatajn datumfontojn. Ekzemple, datumoj de LinkedIn kaj intencaj datumoj povas plifortigi aiCP. Kiel vivanta modelo, la aiCP lernas kun la tempo. 

Do kiam ni demandas, Kiu estos nia sekva plej bona kliento?, ni ne plu bezonas forlasi SDR-ojn por memstare. Ni povas finfine proponi al ili la ilojn, kiujn ili bezonas por respondi ĉi tiun demandon kaj solvi la problemon super la funelo. Ni parolas pri iloj, kiuj aŭtomate liveras freŝajn perspektivojn kaj rangigas ilin, por ke SDR sciu kiun celi poste kaj vendaj evoluigaj teamoj povu pli bone prioritati siajn klopodojn. Finfine, AI povas esti uzata por helpi niajn SDR-ojn fari kvoton—kaj kun perspektivoj, kiuj fakte taŭgas por la speco de perspektivo, kiun ni volas trovi, kaj vivi por prospekti alian tagon.

Rev Platformo pri Venda Disvolviĝo

La Vendo-Evoluiga Platformo de Rev (RDS) akcelas perspektivan malkovron uzante AI.

Akiru Rev Demo