Grapes in, Champagne Out: How AI is Transforming the Sales Funnel

Rev: Hvordan AI transformerer salgstrakten

Se situasjonen til salgsutviklingsrepresentanten (SDR). Unge i karrieren og ofte mangelfulle på erfaring, streber SDR etter å komme foran i salgsorganisasjonen. Deres ene ansvar: rekruttere prospekter for å fylle rørledningen.  

Så de jakter og jakter, men de finner ikke alltid de beste jaktområdene. De lager lister over potensielle kunder som de synes er flotte og sender dem inn i salgstrakten. Men mange av deres potensielle kunder passer ikke og ender i stedet opp med å tette trakten. Det triste resultatet av denne utmattende jakten på gode potensielle kunder? Rundt 60 % av tiden får SDR ikke engang sin kvote.

Hvis scenariet ovenfor får strategisk markedsutvikling til å høres like uforsonlig ut som Serengeti for en foreldreløs løveunge, kanskje jeg gikk for langt med min analogi. Men poenget står: selv om SDR eier den "første milen" av salgstrakten, sliter de fleste fordi de har en av de vanskeligste jobbene i et selskap og få verktøy til å hjelpe.

Hvorfor? Verktøyene de trenger fantes ikke før nå.

Hva skal til for å redde den første milen med salg og markedsføring? SDR-er trenger teknologi som kan identifisere prospekter som ser ut som deres ideelle kunder, raskt vurdere disse prospektenes passform og lære om de er klare til å kjøpe.

Revolusjoner over trakten 

Det finnes en overflod av verktøy for å hjelpe salgs- og markedsføringsteam med å administrere potensielle salg gjennom salgstrakten. Customer Relationship Management-plattformer (CRM) er bedre enn noen gang til å spore avtaler i bunntrakten. Kontobasert markedsføring (ABM) verktøy som f.eks HubSpot og Marketo har forenklet kommunikasjonen med prospekter i midten av trakten. Høyere opp i trakten hjelper salgsengasjementplattformer som SalesLoft og Outreach å engasjere nye potensielle kunder. 

Men 20 pluss år etter at Salesforce kom på banen, forblir teknologiene som er tilgjengelige over trakten – selve området før et selskap vet hvem det bør vurdere å snakke med (og området der SDR-er jakter) – stillestående. Ingen har taklet den første milen ennå.

Løse "The First Mile Problem" i B2B-salg

Heldigvis er det i ferd med å endre seg. Vi er på vei til en enorm bølge av innovasjon av forretningsprogramvare. Den bølgen er kunstig intelligens (AI). AI er den fjerde store bølgen av innovasjon på denne arenaen de siste 50 årene (etter stormaskinbølgen på 1960-tallet; PC-revolusjonen på 1980- og 90-tallet; og den siste bølgen av horisontal Software as a Service (SaaS) som gjør det mulig for bedrifter å kjøre en bedre og mer effektiv forretningsprosess på hver enhet – ingen kodeferdigheter kreves).

En av AIs mange beste kvaliteter er dens evne til å finne mønstre i de galaktiske volumene av digital informasjon vi samler inn, og ruste oss med nye data og innsikt fra disse mønstrene. Vi drar allerede nytte av kunstig intelligens i forbrukerområdet – enten det er i utviklingen av covid-19-vaksiner; innholdet vi ser fra nyheter og sosiale apper på telefonene våre; eller hvordan kjøretøyene våre hjelper oss med å finne den beste ruten, unngå trafikk og, i tilfelle av Teslaen, delegere faktiske kjøreoppgaver til bilen. 

Som B2B-selgere og markedsførere har vi bare så vidt begynt å oppleve kraften til AI i våre profesjonelle liv. Akkurat som en sjåførrute må ta hensyn til trafikk, vær, ruter og mer, trenger våre SDR et kart som gir den korteste veien til å finne det neste flotte prospektet. 

Utover Firmografi

Alle gode SDR og markedsførere vet at for å generere konvertering og salg, målretter du deg mot potensielle kunder som ser ut som dine beste kunder. Hvis de beste kundene dine er produsenter av industrielt utstyr, kan du finne flere produsenter av industrielt utstyr. I søken etter å få mest mulig ut av sin utgående innsats, graver bedriftsteam seg dypt inn i firmografi – ting som industri, bedriftsstørrelse og antall ansatte.

De beste SDR-ene vet at hvis de kan vise dypere signaler om hvordan et selskap driver forretninger, vil de kunne finne prospekter som er mer sannsynlig å gå inn i salgstrakten. Men hvilke signaler, utover firmografi, bør de se etter?

Den manglende brikken i puslespillet for SDR er det som kalles eksegrafiske data – enorme mengder data som beskriver en bedrifts salgstaktikk, strategi, ansettelsesmønstre og mer. Eksegrafiske data er tilgjengelige i brødsmuler på Internett. Når du slår AI løs på alle disse brødsmulene, identifiserer det interessante mønstre som kan hjelpe en SDR raskt å forstå hvor godt et prospekt matcher dine beste kunder.

Ta for eksempel John Deere og Caterpillar. Begge er store Fortune 100-maskiner og utstyrsselskaper som sysselsetter nesten 100,000 2 personer. Faktisk er de det vi vil kalle "firmografiske tvillinger" fordi deres bransje, størrelse og antall ansatte er nesten identiske! Likevel opererer Deere og Caterpillar svært forskjellig. Deere er en middels sen teknologiadopter og lav skyadopter med et B2C-fokus. Caterpillar, derimot, selger hovedsakelig BXNUMXB, er en tidlig bruker av ny teknologi og har høy skyadopsjon. Disse eksegrafiske forskjeller tilby en ny måte å forstå hvem som kan være et godt prospekt og hvem ikke – og derfor en mye raskere måte for SDRs å finne sine nest beste prospekter.

Løse First-Mile-problemet

Akkurat som Tesla bruker AI for å løse oppstrømsproblemet for sjåfører, kan AI hjelpe salgsutviklingsteam med å identifisere gode prospekter, revolusjonere det som skjer over trakten og løse det første mileproblemet som salgsutvikling kjemper hver dag. 

I stedet for en livløs ideell kundeprofil (ICP), forestill deg et verktøy som tar inn eksegrafiske data og bruker AI for å avdekke mønstre blant et selskaps beste kunder. Tenk deg så å bruke disse dataene til å lage en matematisk modell som representerer de beste kundene dine – kall det en kunstig intelligens-kundeprofil (aiCP)—og utnytte den modellen for å finne andre potensielle kunder som ser akkurat ut som disse beste kundene. En kraftig aiCP kan innta firmografisk og teknologisk informasjon og også private datakilder. For eksempel kan data fra LinkedIn og intensjonsdata styrke en aiCP. Som en levende modell, aiCP lærer over tid. 

Så når vi spør, Hvem blir vår neste beste kunde?, trenger vi ikke lenger å overlate SDR til seg selv. Vi kan endelig tilby dem verktøyene de trenger for å svare på dette spørsmålet og løse problemet over trakten. Vi snakker om verktøy som automatisk leverer nye prospekter og rangerer dem slik at SDR-er vet hvem de skal målrette seg mot neste gang, og salgsutviklingsteam kan prioritere innsatsen bedre. Til syvende og sist kan AI brukes til å hjelpe SDR-ene våre med å lage kvoter – og med prospekter som faktisk passer for den typen prospekt vi ønsker å finne – og leve for å prospektere en annen dag.

Rev Salgsutviklingsplattform

Revs salgsutviklingsplattform (SDP) akselererer prospektoppdagelse ved å bruke AI.

Få en Rev Demo