Sådan kan AI booste produktledet salg

Af Alan Brennan, direktør, Dropbox Technical Solutions – International

Stop med at spilde tid på ukvalificerede kundeemner! Ifølge en undersøgelse fra 2022 af marketingfolk, rapporterede 61 % af respondenterne, at generering af kundeemner var den største udfordring i deres arbejde. Og når kundeemner er fundet, bruges 50 % af en repræsentants tid på at jagte ukvalificerede kundeemner, hvor kun 25 % af kundeemner anses for legitime nok til at gå videre til salg! Dårlige kundeemner spilder ikke kun tid og ressourcer, men de kan også ødelægge din bundlinje, hvis de ikke behandles hurtigt.

Med de seneste fremskridt inden for AI (samtale-AI, chatbot-assistenter, personlig tilpasning) er det nu tid til at undersøge, hvordan AI systematisk kan påvirke din salgsproces ved at berige kvalificeringen af kundeemner for at øge konverteringsraten.

Jeg vil ikke overdrive mine kvalifikationer på dette område, men som direktør for tekniske løsninger hos Dropbox er jeg langt nok fremme med at forske og pusle til at kaste lys over, hvor jeg ser reelle muligheder for salgsteams. Det følgende er mit forsøg på at udforske AI's rolle i produktledet salg, og hvordan virksomheder bør udnytte denne teknologi til at skalere teams og øge nettosalget.

Men først nogle begreber ...

Hvad er produktledet salg?

Produktledet salg (PLS) er en model til kundeanskaffelse, hvor virksomheder prioriterer produktoplevelsen og den værdi, den giver brugeren, frem for den traditionelle salgstilgang, der fokuserer på at sælge produktets funktioner eller fordele.

• Den gamle måde: Salg, derefter produkt
• Den nye måde: Produkt, derefter salg

Ved produktledet salg starter brugerne ofte med en gratis version eller en prøveversion af produktet og opgraderer derefter til en betalingsversion for at låse op for funktioner, efterhånden som de erkender den værdi, det giver. Mange B2B-virksomheder anvender denne strategi i dag (f.eks. Dropbox, Slack, Hubspot og Zoom). Denne tilgang er effektiv, fordi den giver brugerne mulighed for at opleve værdien af produktet, før de forpligter sig til et betalt abonnement.

Hvad er AI?

Traditionel kunstig intelligens (AI) er simulering af menneskelige intelligensprocesser ved hjælp af computersystemer og er generelt afhængig af foruddefinerede regler og eksplicit programmering (f.eks. regelbaserede chatbots). Generativ AI er en mere smart, moderne tilgang, som er designet til at generere nyt indhold eller udføre opgaver uden at være afhængig af eksplicit programmering. Det er for nylig blevet mainstream på baggrund af gennembrud i store sprogmodeller (LLM'er) som DALL-E eller GPT-XX til at generere menneskelignende svar på tekstbaserede forespørgsler. 

I forbindelse med denne blog henviser AI til udledning af kundeadfærd, præferencer og behov for at hyper-segmentere salgskundeemner og levere en personlig oplevelse med det rigtige indhold på det rigtige tidspunkt for at forbedre chancerne for konvertering.

En PLS-strategi med AI forrest

Hvor mange gange har du ikke slået hovedet i bordet i forsøget på at forstå dine kundeemner? Vi har hørt om MQL'er (Marketing Qualified Leads), SQL'er (Sales Qualified Leads), endda DQL'er (Demo Qualified Leads), men hvad med AQL'er (AI Qualified Leads) … en, der erstatter alle de ovenstående?! Forestil dig en andenpilot, der modellerer et AI-kvalificeret salgskundeemne baseret på en engagementsscore i henhold til historiske data og realtidsdata. Engagementsscoren opdateres i realtid baseret på live kundeinteraktioner. 

For eksempel:

AQL-segmentering

AQL'er kategoriseres derefter baseret på engagementsscore og føres rutinemæssigt ind i en sælgers forretningsbog til opfølgning. Hvordan du kategoriserer dine kundeemner, er op til dig. Som reference kan jeg godt lide The Larger Market Formula, som er gjort populær af Aaron Ross i hans bog "Predictable Revenue." Den segmenterer alle købere på et marked i fire nøglekategorier:

• Køber nu:  Potentiel kunde i "jagt"-tilstand efter en løsning. Høj tilbøjelighed til at købe. BRANDVARMT KUNDEEMNE  
• Informationsindsamling: Den potentielle kunde er aktivt undersøgende og åben for at købe. VARMT KUNDEEMNE  
• Problembevidst:  Den potentielle kunde søger ikke aktivt, men er åben for at købe. LUNKENT KUNDEEMNE  
• Ikke problembevidst:  Den potentielle kunde er ikke aktivt søgende og har ingen udtrykte problemer.  KOLDT KUNDEEMNE

De fleste virksomheder behandler alle kundeemner som de 3 %, der er klar til at købe nu. De har ingen systemer på plads til at fange og pleje de 97 %. Det er der, tomrummet er. Nøglen er at installere et system, der tiltrækker, uddanner, plejer og tvinger potentielle kunder til at handle. At forstå, hvor dit kundeemne er i købscyklussen, og matche temperaturen på dit kundeemne med en målrettet intervention er afgørende for at maksimere konverteringer. Jeg vender tilbage til min gode ven – salgsmetoden – fra min tidligere artikel for at hjælpe med dette.

AI i svinghjul for PLS-skalering

Så hvis vi sætter det hele sammen, hvordan ser det så ud?

1. Kundemodellering: Svinghjulet starter med modellering af kundedata, som kan indsamles gennem en række historiske datapunkter og realtidsdatapunkter som beskrevet ovenfor. 
2. AI-andenpilot: AI-drevet værktøj vil skabe en vidensgraf til at generere AQL'er til segmentering. Find de gode kundeemner, der gemmer sig i det åbne, og sorter de dårlige fra.
3. AQL-segmentering: Ved at segmentere leads efter engagementsscore kan salgsteams allokere ressourcer mere effektivt og udvikle målrettede strategier for hver kundegruppe.
4. Personlig tilpasning: Ved at bruge AI-drevet indsigt til at udlede brugerprofiler kan salgsteams tilpasse deres tilgang til hver enkelt kunde og give skræddersyede anbefalinger og løsninger pakket ind i et uimodståeligt tilbud, der tvinger den potentielle kunde til at købe.
5. Salgsmetode: Dette er limen mellem alle indbyrdes forbundne komponenter. Den giver en struktureret ramme, der hjælper med at tilpasse skalerede initiativer på tværs af GTM-teams og derved skabe en spilbog, der maksimerer chancerne for at konvertere kundeemner af høj kvalitet.
6. Måling af succes: Bestem, hvilke handlinger, der fører til de ønskede resultater. Løbende feedback til yderligere optimering af AQL-engagementsscoren.

Fordele ved AI i PLS

Samlet set har AI potentiale til at påvirke en lang række resultatbaserede målinger inden for produktledet salg, herunder:

• Omkostninger til kundeanskaffelse
  • AI kan hjælpe virksomheder med at sænke omkostningerne ved kundeanskaffelse på flere måder: 1) chatbots og virtuelle assistenter giver kunderne personlige anbefalinger og besvarer spørgsmål i realtid, 2) automatiseret scoring af kundeemner (AQL) baseret på sandsynligheden for konvertering, 3) personligt tilpasset marketing med automatiserede udløsere af opfordringer til handling baseret på kundeemnescore

• Muligheder for mersalg og krydssalg
  • AI-tilbøjelighedsmodellering kan hjælpe virksomheder med at identificere muligheder for mersalg og krydssalg ved at analysere kundedata, adfærd og produktbrugsmønstre.

• Konverteringsrater:
  • Ved hjælp af konceptet AQL-segmentering som beskrevet ovenfor kan AI-værktøjer anbefale produkter eller tjenester i realtid, der med størst sandsynlighed opfylder hver enkelt kundes behov, hvilket i sidste ende øger sandsynligheden for et vellykket salg.

• Salgsteamets produktivitet
  • AI kan hjælpe virksomheder med at frigøre en ny bølge af produktivitetsvækst ved at automatisere deres travle arbejde. En AI-andenpilot skærer igennem rodet ved at håndtere dataintensive opgaver som automatiseret scoring af kundeemner, segmentering og personlig tilpasning. Det giver mulighed for den rigtige kundeinteraktion på det rigtige tidspunkt (baseret på tusindvis af datapunkter) for at hjælpe med at skabe et vellykket resultat og dermed gøre det lettere at skalere produktledede salgsindsatser og konvertere en voksende brugerbase.

AI-styring

Enhver samtale om AI og dens muligheder ville være ufuldstændig uden at diskutere AI-styring. Vi ser allerede opfordringer til at sætte udviklingen på pause, indtil vi forstår den sande effekt af denne teknologi, men Schrödingers kat er allerede ude af kassen og godt og grundigt i live! Så meget, at gratis open source-alternativer stille og roligt har ædt Googles og OpenAI's frokost. Det giver både udfordringer og muligheder: udfordringer med hensyn til svindel og regulering af private modeller, der kører internt, men også muligheder for at fremskynde innovation og løse nicheopgaver, som større aktører anser for at være urentable.

Det meste af værdiskabelsen vil ikke komme fra selve modellerne eller fra at bruge dem direkte med chatbot-assistenter som Bard eller ChatGPT, men fra måden, hvorpå disse modeller vil blive brugt og integreret i eksisterende eller nye produkter. Jeg kan forestille mig en verden, hvor AI-drevne værktøjer bliver den primære drivkraft for produktledet salg, hvilket ændrer den måde, virksomheder markedsfører og sælger deres produkter på. Jeg håber også, at demokratiseringen af kunstig intelligens vil give mulighed for større gennemsigtighed og ansvarlighed i forhold til, hvordan kunstig intelligens bruges, og dens indvirkning på samfundet.

Omfavnelse af AI i PLS

Der sker noget legendarisk og historisk inden for AI-verdenen i dag, og alligevel er de fleste af os ikke klar over, hvor stort det er. AI er ved at revolutionere næsten alle brancher og sektorer, og dens evne til at berige B2B-salgsprocessen kan virkelig være transformerende. PLG-virksomheder (produktledet vækst) skaber en guldgrube af produktbrugsdata, men de fleste af dem er ufuldstændige, opdelt i siloer eller bruges slet ikke. En AI-anden automatiserer det tunge arbejde og skaber forbindelser mellem store datasæt, som sælgere ikke kan lave. En salgsmetodik bringer operationel stringens til den samlede salgsproces. Ved at kombinere begge dele på en systematisk måde maksimeres chancerne for at opdage, pleje og konvertere AQL'er i stor skala ved produktledet salg.

I stedet for at erstatte os, vil maskinerne forstærke os. De vil dedikere al deres processorkraft for at hjælpe os med at få mest muligt ud af vores forarbejdning og personlige styrke. Den enkle sandhed er ... at hvis du ikke omfavner AI i din salgsproces, vil du stå bagerst i køen.