ענבים פנימה, שמפניה יוצאת: כיצד AI משנה את משפך המכירות

Rev: כיצד AI משנה את משפך המכירות

ראה את המצוקה של נציג פיתוח המכירות (SDR). צעירים בקריירה שלהם ולעתים קרובות חסרי ניסיון, ה-SDR שואף להתקדם בארגון המכירות. האחריות האחת שלהם: גיוס לקוחות פוטנציאליים למילוי הצינור.  

אז הם צדים וצדים, אבל הם לא תמיד יכולים למצוא את שטחי הציד הטובים ביותר. הם יוצרים רשימות של לקוחות פוטנציאליים שלדעתם מעולים ושולחים אותם למשפך המכירות. אבל רבים מהלקוחות הפוטנציאליים שלהם אינם מתאימים ובמקום זאת, סותם את המשפך. התוצאה העצובה של החיפוש המתיש הזה אחר לידים מעולים? בסביבות 60% מהמקרים, ה-SDR אפילו לא עושה את המכסה שלהם.

אם התרחיש שלמעלה גורם לפיתוח שוק אסטרטגי להישמע לא סלחן כמו הסרנגטי לגור אריות יתום, אולי הלכתי רחוק מדי עם האנלוגיה שלי. אבל הנקודה עומדת בעינה: למרות ש-SDR מחזיקים ב"מייל הראשון" של משפך המכירות, רובם נאבקים כי יש להם את אחת התפקידים הקשים ביותר בחברה ומעט כלים לעזור.

למה? הכלים שהם צריכים לא היו קיימים עד עכשיו.

מה יידרש כדי להציל את המייל הראשון של מכירות ושיווק? SDRs זקוקים לטכנולוגיה שיכולה לזהות לקוחות פוטנציאליים שנראים כמו הלקוחות האידיאליים שלהם, להעריך במהירות את התאמתם של לקוחות פוטנציאליים אלה וללמוד את מוכנותם לרכוש.

מהפכה מעל המשפך 

קיימים שפע של כלים שיעזרו לצוותי מכירות ושיווק לנהל לידים לאורך כל משפך המכירות. פלטפורמות לניהול קשרי לקוחות (CRMs) טובים מתמיד במעקב אחר עסקאות במשפך התחתון. שיווק מבוסס חשבון (ABM) כלים כגון HubSpot ו-Marketo פשטו את התקשורת עם לקוחות פוטנציאליים באמצע המשפך. במעלה המשפך, פלטפורמות מעורבות במכירות כמו SalesLoft ו-Outreach עוזרות למשוך לידים חדשים. 

אבל, יותר מ-20 שנה אחרי ש-Salesforce עלתה למקום, הטכנולוגיות הזמינות מעל המשפך - בדיוק האזור לפני שחברה יודעת עם מי היא בכלל צריכה לשקול לדבר (והאזור שבו SDR מבצעים את הציד שלהם) - נותרות עומדות. אף אחד לא עבר את המייל הראשון, עדיין.

פתרון "בעיית המייל הראשון" במכירות B2B

למרבה המזל, זה עומד להשתנות. אנחנו בפתחו של גל ענק של חדשנות בתוכנה עסקית. הגל הזה הוא בינה מלאכותית (AI). בינה מלאכותית היא הגל הגדול הרביעי של חדשנות בזירה זו ב-50 השנים האחרונות (אחרי גל המיינפריים של שנות השישים; מהפכת המחשבים האישיים של שנות השמונים והתשעים; והגל האחרון של תוכנה כשירות אופקי (SaaS) המאפשר לחברות להפעיל תהליך עסקי טוב ויעיל יותר בכל מכשיר - ללא צורך בכישורי קידוד).

אחת התכונות הטובות ביותר של בינה מלאכותית היא היכולת שלה למצוא דפוסים בנפחים גלקטיים של מידע דיגיטלי שאנו צוברים, ולחמש אותנו בנתונים ותובנות חדשות מהדפוסים הללו. אנחנו כבר נהנים מבינה מלאכותית במרחב הצרכני - בין אם בפיתוח חיסוני COVID-19; התוכן שאנו רואים מאפליקציות חדשות וחברתיות בטלפונים שלנו; או כיצד כלי הרכב שלנו עוזרים לנו למצוא את המסלול הטוב ביותר, להימנע מתנועה, ובמקרה של הטסלה, להאציל משימות נהיגה בפועל למכונית. 

כמוכרים ומשווקים B2B, אנחנו רק מתחילים לחוות את הכוח של AI בחיינו המקצועיים. בדיוק כפי שמסלול של נהג חייב לקחת בחשבון תנועה, מזג אוויר, מסלולים ועוד, ה-SDR שלנו זקוקים למפה המציעה את הדרך הקצרה ביותר למציאת הלקוח הפוטנציאלי הבא. 

מעבר לפירמוגרפיה

כל SDR ומשווק גדול יודעים שכדי לייצר המרה ומכירות, אתה מכוון ללקוחות פוטנציאליים שנראים כמו הלקוחות הטובים ביותר שלך. אם הלקוחות הטובים ביותר שלך הם יצרני ציוד תעשייתי, אתה הולך למצוא יצרני ציוד תעשייתי נוספים. בשאיפה להפיק את המרב מהמאמצים היוצאים שלהם, צוותים ארגוניים מתחפרים עמוק לתוך הפירמוגרפיה - דברים כמו תעשייה, גודל החברה ומספר העובדים.

ה-SDRs הטובים ביותר יודעים שאם הם יכולים להציף את האותות העמוקים יותר לגבי האופן שבו חברה עושה עסקים, הם יוכלו לאתר לקוחות פוטנציאליים שיש להם סיכוי גבוה יותר להיכנס למשפך המכירות. אבל אילו אותות, מעבר לפירמוגרפיה, עליהם לחפש?

החלק החסר בפאזל עבור SDRs הוא מה שנקרא נתונים אקסגרפיים – כמויות אדירות של נתונים המתארות את טקטיקות המכירה של החברה, האסטרטגיה, דפוסי הגיוס ועוד. נתונים אקסגרפיים זמינים בפירורי לחם ברחבי האינטרנט. כשאתה משחרר את הבינה המלאכותית על כל פירורי הלחם האלה, זה מזהה דפוסים מעניינים שיכולים לעזור ל-SDR להבין במהירות עד כמה לקוח פוטנציאלי תואם את הלקוחות הטובים ביותר שלך.

לדוגמה, קח את ג'ון דיר וקטרפילר. שתיהן חברות גדולות של מכונות וציוד Fortune 100 המעסיקות כמעט 100,000 אנשים. למעשה, הם מה שהיינו מכנים "תאומים פירמוגרפיים" מכיוון שהענף, הגודל ומספר העובדים שלהם כמעט זהים! עם זאת דיר וקטרפילר פועלות בצורה שונה מאוד. Deere היא מאמצת טכנולוגיה באמצע סוף ומאמץ ענן נמוך עם מיקוד B2C. קטרפילר, לעומת זאת, מוכרת בעיקר B2B, היא מאמצת מוקדם של טכנולוגיה חדשה, ויש לה אימוץ ענן גבוה. אלה הבדלים אקסגרפיים מציעים דרך חדשה להבין מי יכול להיות פוטנציאל טוב ומי לא - ולכן דרך מהירה הרבה יותר עבור SDRs למצוא את הפוטנציאל הבא הטוב ביותר שלהם.

פתרון בעיית המייל הראשון

בדיוק כפי שטסלה משתמשת בבינה מלאכותית כדי לפתור את הבעיה במעלה הזרם עבור נהגים, בינה מלאכותית יכולה לעזור לצוותי פיתוח מכירות לזהות לקוחות פוטנציאליים גדולים, לחולל מהפכה במה שקורה מעל המשפך ולפתור את בעיית המייל הראשון שפיתוח המכירות נלחם בה מדי יום. 

במקום פרופיל לקוח אידיאלי חסר חיים (ICP), דמיינו לעצמכם כלי שבולע נתונים אקסגרפיים ומשתמש בבינה מלאכותית כדי לחשוף דפוסים בקרב הלקוחות הטובים ביותר של החברה. לאחר מכן דמיינו את השימוש בנתונים האלה כדי ליצור מודל מתמטי המייצג את הלקוחות הטובים ביותר שלכם - תקראו לזה פרופיל לקוחות בינה מלאכותית (aiCP)—ומנף את המודל הזה כדי למצוא לקוחות פוטנציאליים אחרים שנראים בדיוק כמו הלקוחות הטובים ביותר האלה. aiCP רב עוצמה יכול להכיל מידע פירמוגרפי וטכנוגרפי וגם מקורות נתונים פרטיים. לדוגמה, נתונים מ-LinkedIn ונתוני כוונות יכולים לחזק את ה-aiCP. כמודל חי, ה-aiCP לומד לאורך זמן. 

אז כשאנחנו שואלים, מי יהיה הלקוח הטוב הבא שלנו?, אנחנו כבר לא צריכים להשאיר SDR לדאוג לעצמם. סוף סוף נוכל להציע להם את הכלים שהם צריכים כדי לענות על השאלה הזו ולפתור את הבעיה שמעל למשפך. אנחנו מדברים על כלים שמספקים אוטומטית לקוחות פוטנציאליים טריים ומדרגים אותם כך ש-SDRs ידעו למי לכוון הבא וצוותי פיתוח מכירות יוכלו לתעדף טוב יותר את המאמצים שלהם. בסופו של דבר, בינה מלאכותית יכולה לשמש כדי לעזור ל-SDR שלנו לעשות מכסה - ועם לקוחות פוטנציאליים שמתאימים למעשה לסוג הפוטנציאל שאנו רוצים למצוא - ולחיות כדי לצפות ביום אחר.

לְהַאִיץ פלטפורמת פיתוח מכירות

פלטפורמת פיתוח המכירות של Rev (SDP) מאיץ גילוי פרוספקטים באמצעות AI.

קבל הדגמה של Rev