葡萄进,香槟出:人工智能如何改变销售漏斗

Rev:人工智能如何改变销售漏斗

看看销售发展代表的困境(特别提款权)。 SDR 在他们的职业生涯中很年轻,而且经常缺乏经验,因此努力在销售组织中取得成功。 他们的一项职责是:招募潜在客户来填补管道。  

所以他们狩猎和狩猎,但他们不能总是找到最好的狩猎场。 他们创建他们认为很棒的潜在客户列表并将其发送到销售渠道。 但他们的许多前景并不适合,反而最终堵塞了漏斗。 这种艰苦的寻找伟大线索的悲惨结果? 大约 60% 的时间,特别提款权甚至没有达到配额。

如果上述情景让战略性市场发展听起来像塞伦盖蒂对孤儿幼狮一样无情,那我的比喻可能太过分了。 但重点是:尽管 SDR 拥有销售漏斗的“第一英里”,但他们中的大多数人都在苦苦挣扎,因为他们拥有公司中最艰巨的工作之一,而且很少有工具可以提供帮助。

为什么? 他们需要的工具直到现在才存在。

拯救第一英里的销售和营销需要什么? SDR 需要能够识别看起来像他们理想客户的潜在客户、快速评估这些潜在客户的适合度并了解他们的购买准备情况的技术。

在漏斗之上进行革命 

存在大量工具来帮助销售和营销团队管理整个销售漏斗中的潜在客户。 客户关系管理平台(有证标准物质) 在跟踪漏斗底部交易方面比以往任何时候都好。 基于帐户的营销(ABM) 工具,例如 HubSpot的 和 Marketo 简化了与漏斗中潜在客户的沟通。 在漏斗的更高层,SalesLoft 和 Outreach 等销售参与平台有助于吸引新的潜在客户。 

但是,在 Salesforce 出现 20 多年后,漏斗上方可用的技术——在公司知道它甚至应该考虑与谁交谈之前的那个区域(以及 SDR 进行狩猎的区域)——仍然停滞不前。 还没有人完成第一英里。

解决 B2B 销售中的“第一英里问题”

幸运的是,这种情况即将改变。 我们正处于巨大的商业软件创新浪潮的风口浪尖。 那波就是人工智能(AI)。 人工智能是过去 50 年来该领域的第四次大创新浪潮(继 1960 年代的大型机浪潮;1980 年代和 90 年代的 PC 革命;以及最近的横向软件即服务浪潮(SaaS的) 使公司能够在每台设备上运行更好、更高效的业务流程——无需编码技能)。

人工智能的众多最佳品质之一是它能够在我们积累的银河数字信息中找到模式,并从这些模式中获得新的数据和洞察力。 我们已经从消费领域的人工智能中受益——无论是在开发 COVID-19 疫苗方面; 我们从手机上的新闻和社交应用中看到的内容; 或者我们的车辆如何帮助我们找到最佳路线、避开交通,以及就特斯拉而言,将实际驾驶任务委派给汽车。 

作为 B2B 卖家和营销人员,我们才刚刚开始在我们的职业生活中体验人工智能的力量。 就像司机的路线必须考虑交通、天气、路线等一样,我们的 SDR 需要一张地图,以提供寻找下一个伟大前景的最短路径。 

超越Firmographics

每个伟大的 SDR 和营销人员都知道,要产生转化和销售,您的目标是看起来像您最好的客户的潜在客户。 如果你最好的客户是工业设备制造商,你去找更多的工业设备制造商。 为了从他们的对外工作中获得最大收益,企业团队深入研究了公司统计数据——比如行业、公司规模和员工数量。

最好的 SDR 知道,如果他们能够揭示有关公司如何开展业务的更深层次的信号,他们将能够找到更有可能进入销售漏斗的潜在客户。 但是,除了公司图,他们还应该寻找哪些信号呢?

SDR 拼图中缺失的部分是所谓的 文字数据 – 描述公司销售策略、战略、招聘模式等的大量数据。 注释数据可在互联网上的面包屑中找到。 当您在所有这些面包屑上放松 AI 时,它会识别出有趣的模式,这些模式可以帮助 SDR 快速了解潜在客户与您的最佳客户的匹配程度。

例如,以约翰迪尔和卡特彼勒为例。 两者都是财富 100 强的大型机械和设备公司,拥有近 100,000 名员工。 事实上,他们就是我们所说的“企业双胞胎”,因为他们的行业、规模和人数几乎相同! 然而,迪尔和卡特彼勒的运作方式却截然不同。 Deere 是中后期技术采用者和低云采用者,专注于 B2C。 相比之下,卡特彼勒主要销售 B2B,是新技术的早期采用者,并且云采用率很高。 这些 释义差异 提供了一种新的方法来了解谁可能是一个好前景,谁不是 - 因此,SDR 可以更快地找到下一个最佳前景。

解决第一英里问题

正如特斯拉使用 AI 解决司机的上游问题一样,AI 可以帮助销售开发团队发现巨大的前景,彻底改变漏斗上方发生的事情,并解决销售开发每天面临的第一英里问题。 

而不是死气沉沉的理想客户档案(ICP),想象一下一个工具,它可以提取图形数据并使用 AI 来发现公司最佳客户的模式。 然后想象使用这些数据来创建一个代表你最好的客户的数学模型——称之为人工智能客户档案(aiCP)——并利用该模型来寻找与这些最佳客户相似的其他潜在客户。 强大的 aiCP 可以获取公司和技术信息以及私有数据源。 例如,来自 LinkedIn 的数据和意图数据可以支持 aiCP。 作为一个活生生的模型,aiCP 可以学习 随着时间的推移。 

所以当我们问, 谁将成为我们的下一个最佳客户?,我们不再需要让特别提款权自生自灭。 我们最终可以为他们提供他们需要的工具来回答这个问题并解决漏斗上方的问题。 我们谈论的是自动提供新的潜在客户并对其进行排名的工具,以便 SDR 知道下一个目标是谁,并且销售开发团队可以更好地优先考虑他们的工作。 最终,人工智能可以用来帮助我们的 SDR 制定配额——以及实际上适合我们想要找到的潜在客户类型的潜在客户——并为未来的前景而活。

 销售发展平台

Rev的销售开发平台(SDP) 利用人工智能加速潜在客户发现。

获取 Rev 演示