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

Rev: Hur AI förändrar försäljningstratten

Se situationen för säljutvecklingsrepresentanten (SDR). Unga i karriären och ofta brist på erfarenhet, strävar SDR efter att ta sig fram i försäljningsorganisationen. Deras enda ansvar: rekrytera prospekt för att fylla pipelinen.  

Så de jagar och jagar, men de kan inte alltid hitta de bästa jaktmarkerna. De skapar listor över potentiella kunder som de tycker är bra och skickar in dem i försäljningstratten. Men många av deras framtidsutsikter passar inte och i stället täpper till tratten. Det sorgliga resultatet av detta ansträngande sökande efter bra leads? Cirka 60 % av tiden gör SDR inte ens sin kvot.

Om scenariot ovan gör att strategisk marknadsutveckling låter lika oförlåtande som Serengeti för en föräldralös lejonunge, kanske jag gick för långt med min analogi. Men poängen kvarstår: även om SDR äger den "första milen" av försäljningstratten, kämpar de flesta av dem eftersom de har ett av de svåraste jobben i ett företag och få verktyg att hjälpa till.

Varför? De verktyg de behöver fanns inte förrän nu.

Vad krävs för att rädda den första milen av försäljning och marknadsföring? SDR behöver teknik som kan identifiera potentiella kunder som ser ut som deras idealkunder, snabbt bedöma dessa potentiella kunders passform och lära sig hur de är redo att köpa.

Revolutionera ovanför tratten 

Det finns ett överflöd av verktyg för att hjälpa försäljnings- och marknadsföringsteam att hantera potentiella kunder genom hela försäljningstratten. plattformar för kundrelationshantering (CRM) är bättre än någonsin på att spåra erbjudanden i bottentratten. Kontobaserad marknadsföring (ABM) verktyg som t.ex HubSpot och Marketo har förenklat kommunikationen med potentiella kunder i mitten av tratten. Högre upp i tratten hjälper plattformar för försäljningsengagemang som SalesLoft och Outreach att engagera nya potentiella kunder. 

Men mer än 20 år efter att Salesforce kom till platsen, förblir den tillgängliga tekniken ovanför tratten – själva området innan ett företag vet vem det ens bör överväga att prata med (och området där SDR söker) – stillastående. Ingen har tagit sig an den första milen än.

Lösning av "The First Mile Problem" i B2B-försäljning

Lyckligtvis är det på väg att ändras. Vi står på randen av en enorm våg av innovation inom affärsprogramvara. Den vågen är artificiell intelligens (AI). AI är den fjärde stora vågen av innovation på den här arenan under de senaste 50 åren (efter stordatorvågen på 1960-talet; PC-revolutionen på 1980- och 90-talen; och den senaste vågen av horisontella Software as a Service (SaaS) som gör det möjligt för företag att köra en bättre och mer effektiv affärsprocess på varje enhet – inga kodningskunskaper krävs).

En av AI:s många bästa egenskaper är dess förmåga att hitta mönster i de galaktiska volymer av digital information vi samlar på oss, och beväpna oss med ny data och insikter från dessa mönster. Vi drar redan nytta av AI i konsumentutrymmet – oavsett om det är i utvecklingen av covid-19-vacciner; innehållet vi ser från nyheter och sociala appar på våra telefoner; eller hur våra fordon hjälper oss att hitta den bästa rutten, undvika trafik och, i fallet Tesla, delegera faktiska köruppgifter till bilen. 

Som B2B-säljare och marknadsförare har vi precis börjat uppleva kraften i AI i våra professionella liv. Precis som en förares rutt måste ta hänsyn till trafik, väder, rutter och mer, behöver våra SDR en karta som ger den kortaste vägen till att hitta nästa fantastiska prospekt. 

Bortom Firmografi

Varje bra SDR och marknadsförare vet att för att generera omvandling och försäljning riktar du dig mot potentiella kunder som ser ut som dina bästa kunder. Om dina bästa kunder är tillverkare av industriell utrustning, hittar du fler tillverkare av industriutrustning. I strävan efter att få ut det mesta av sina utgående ansträngningar gräver företagsteam djupt ner i firmografin – saker som industri, företagsstorlek och antalet anställda.

De bästa SDR vet att om de kan få fram de djupare signalerna om hur ett företag gör affärer, kommer de att kunna hitta potentiella kunder som är mer benägna att komma in i försäljningstratten. Men vilka signaler, utöver firmografi, ska de leta efter?

Den saknade pusselbiten för SDR är vad som kallas exegrafiska data – enorma mängder data som beskriver ett företags försäljningstaktik, strategi, anställningsmönster och mer. Exegrafiska data finns tillgängliga i brödsmulor över hela internet. När du släpper AI på alla dessa brödsmulor, identifierar det intressanta mönster som kan hjälpa en SDR att snabbt förstå hur väl en prospekt matchar dina bästa kunder.

Ta till exempel John Deere och Caterpillar. Båda är stora Fortune 100 maskin- och utrustningsföretag som sysselsätter nästan 100,000 2 individer. Faktum är att de är vad vi skulle kalla "firmografiska tvillingar" eftersom deras bransch, storlek och antal anställda är nästan identiska! Ändå fungerar Deere och Caterpillar väldigt olika. Deere är en medel-sen teknikanvändare och lågmolnadapterare med B2C-fokus. Caterpillar, däremot, säljer huvudsakligen BXNUMXB, är en tidig användare av ny teknik och har hög molnanvändning. Dessa exegrafiska skillnader erbjuda ett nytt sätt att förstå vem som kan vara en bra prospekt och vem inte – och därför ett mycket snabbare sätt för SDR att hitta sina nästa bästa prospekt.

Lösa First-Mile-problemet

Precis som Tesla använder AI för att lösa uppströmsproblemet för förare, kan AI hjälpa säljutvecklingsteam att identifiera stora framtidsutsikter, revolutionera det som händer ovanför tratten och lösa det första milsproblemet som säljutveckling kämpar mot varje dag. 

Istället för en livlös idealisk kundprofil (ICP), föreställ dig ett verktyg som tar in exegrafisk data och använder AI för att upptäcka mönster bland ett företags bästa kunder. Föreställ dig sedan att använda dessa data för att skapa en matematisk modell som representerar dina bästa kunder – kalla det en Artificiell Intelligens-kundprofil (aiCP)—och utnyttja den modellen för att hitta andra prospekt som ser ut precis som dessa bästa kunder. En kraftfull aiCP kan mata in firmografisk och teknisk information och även privata datakällor. Till exempel kan data från LinkedIn och avsiktsdata stärka en aiCP. Som en levande modell, aiCP lär över tid. 

Så när vi frågar, Vem blir vår nästa bästa kund?, behöver vi inte längre lämna SDR åt sig själva. Vi kan äntligen erbjuda dem de verktyg de behöver för att svara på den här frågan och lösa problemet ovanför tratten. Vi pratar om verktyg som automatiskt levererar nya prospekt och rangordnar dem så att SDR vet vem de ska rikta in sig på härnäst och säljutvecklingsteam bättre kan prioritera sina ansträngningar. I slutändan kan AI användas för att hjälpa våra SDR att göra kvoter – och med prospekt som faktiskt passar den typ av prospekt vi vill hitta – och leva för att prospektera en annan dag.

Varv Säljutvecklingsplattform

Revs försäljningsutvecklingsplattform (SDP) påskyndar upptäckten av prospekt med hjälp av AI.

Skaffa en Rev Demo