Cara AI boleh meningkatkan jualan diterajui produk

Oleh Alan Brennan, Pengarah, Penyelesaian Teknikal Dropbox – Antarabangsa

Berhenti membuang masa kepada pelanggan awal yang tidak layak! Menurut tinjauan pada tahun 2022 daripada pemasar, 61% daripada responden melaporkan penjanaan pelanggan awal sebagai cabaran utama dalam kerja mereka. Dan apabila pelanggan awal ditemui, 50% daripada masa wakil jualan digunakan untuk mengejar pelanggan awal yang tidak layak, dengan hanya 25% daripada pelanggan awal dianggap cukup sah untuk disalurkan kepada jualan!. Pelanggan awal yang tidak layak bukan sahaja membuang masa dan sumber, tetapi mereka boleh mengurangkan keuntungan anda jika tidak ditangani dengan segera.

Dengan kemajuan terkini dalam AI (AI perbualan, pembantu bot sembang, personalisasi), kini adalah masa untuk mengkaji cara AI boleh mempengaruhi proses jualan anda secara sistematik dengan memperkaya kelayakan pelanggan awal untuk meningkatkan kadar penukaran.

Walaupun saya tidak akan membesarkan kelayakan saya dalam ruang ini, sebagai Pengarah Penyelesaian Teknikal di Dropbox, saya sudah banyak menyelidik dan menggodek-godek untuk mendapatkan pengetahuan tentang peluang sebenar yang saya dapat lihat untuk pasukan jualan. Perkara berikut ialah usaha saya untuk meneroka peranan AI dalam jualan diterajui produk dan cara perniagaan patut memanfaatkan teknologi ini untuk mengembangkan pasukan dan memacu jualan baru bersih.

Tetapi pertama sekali, beberapa terma…

Apakah itu jualan diterajui produk?

Jualan diterajui produk (PLS) ialah model pemerolehan pelanggan yang mana perniagaan mengutamakan pengalaman produk dan nilai yang diberikan kepada pengguna, berbanding pendekatan jualan tradisional yang fokus pada penjualan ciri atau manfaat produk.

• Cara lama: Jualan, kemudian produk
• Cara baru: Produk, kemudian jualan

Dengan jualan diterajui produk, pengguna sering kali bermula dengan produk versi percuma atau percubaan dan kemudian dinaik taraf kepada versi berbayar untuk membuka ciri-ciri setelah mereka mengenali nilai yang ditawarkan. Banyak syarikat B2B menggunakan strategi tersebut pada hari ini (contohnya: Dropbox, Slack, Hubspot dan Zoom). Pendekatan ini berkesan kerana ia membenarkan pengguna merasai nilai produk sebelum membuat komitmen kepada langganan berbayar.

Apakah AI?

Kecerdasan Buatan Tradisional (AI) ialah simulasi proses kecerdasan manusia oleh sistem komputer dan secara umum bergantung pada peraturan yang telah ditetapkan dan pengaturcaraan eksplisit (cth. bot sembang berasaskan peraturan). AI generatif ialah pendekatan moden yang lebih canggih serta direka untuk menjana kandungan baru atau melaksanakan tugas tanpa bergantung pada pengaturcaraan eksplisit. Baru-baru ini, AI generatif telah menjadi arus perdana di belakang kejayaan dalam model bahasa besar (LLM) seperti DALL-E atau GPT-XX untuk menjana respons seperti manusia kepada pertanyaan berasaskan teks. 

Dalam konteks blog ini, AI merujuk kepada membuat kesimpulan gelagat, pilihan dan keperluan pelanggan untuk pelanggan awal jualan pembahagian terunggul dan menyampaikan pengalaman yang diperibadikan dengan kandungan yang betul pada masa yang sesuai untuk meningkatkan peluang penukaran.

Strategi PLS AI yang pertama

Berapa kali anda mengalami kesukaran kerana cuba untuk memahami pelanggan awal anda? Kami pernah mendengar tentang MQL (Pelanggan Awal Berkelayakan Pemasaran), SQL (Pelanggan Awal Berkelayakan Jualan), malah DQL (Pelanggan Awal Berkelayakan Demo), tetapi bagaimana pula dengan AQL (Pelanggan Awal Berkelayakan AI)… satu perkara yang mengatasi semua perkara di atas?! Bayangkan seorang pembantu bersama membuat model Pelanggan awal jualan berkelayakan AI berdasarkan skor penglibatan mengikut data sejarah dan masa nyata . Kemas kini untuk skor penglibatan dalam masa nyata berdasarkan interaksi klien secara langsung. 

Contohnya:

Pembahagian AQL

AQL kemudian dikategorikan berdasarkan skor penglibatan dan dimasukkan secara rutin ke dalam buku perniagaan penjual untuk tindakan susulan. Cara anda mengkategorikan pelanggan awal anda adalah terpulang kepada anda. Sebagai rujukan, Saya suka membaca The Larger Market Formula, yang dipopularkan oleh Aaron Ross dalam buku "Predictable Revenue.” Ia membahagikan keseluruhan khalayak pembeli dalam mana-mana pasaran kepada empat kategori utama:

• Beli Sekarang:  Prospek dalam mod 'memburu' untuk penyelesaian. Kecenderungan tinggi untuk membeli. PELANGGAN AWAL YANG AKTIF  
• Pengumpulan Maklumat: Prospek sedang menyelidik secara aktif dan sedia untuk membeli. PELANGGAN AWAL YANG SEDERHANA AKTIF  
• Kesedaran Tentang Masalah:  Prospek tidak mencari secara aktif tetapi sedia untuk membeli. PELANGGAN AWAL YANG KURANG AKTIF  
• Kesedaran Tentang Masalah:  Prospek tidak aktif mencari, tiada masalah dinyatakan.  PELANGGAN AWAL YANG TIDAK AKTIF

Kebanyakan syarikat menganggap setiap pelanggan awal adalah seperti 3% daripada prospek yang sedia untuk membeli sekarang. Mereka tidak mempunyai sistem untuk mendapatkan and memupuk daripada 97% prospek. Di situlah terdapat jurang. Kuncinya adalah dengan memasang sistem yang Menarik, Mendidik, Memupuk dan Mendorong prospek untuk bertindak. Memahami kedudukan pelanggan awal anda dalam kitaran pembelian dan memadankan suhu pelanggan awal anda dengan campur tangan yang disasarkan adalah penting untuk memaksimumkan penukaran. Saya kembali kepada rakan baik saya – metodologi jualan – dari artikel saya sebelum ini untuk membantu memudahkan perkara ini.

AI dalam konsep roda tenaga penskalaan PLS

Maka, jika digabungkan, apakah rupanya?

1. Pemodelan Pelanggan: Konsep roda tenaga bermula dengan memodelkan data pelanggan, yang boleh dikumpulkan melalui pelbagai titik data sejarah dan masa nyata seperti yang digariskan di atas. 
2. Pembantu bersama AI: Alat berkuasa AI akan mencipta graf pengetahuan untuk menjana AQL bagi pembahagian. Cari pelanggan awal berkualiti tinggi yang bersembunyi di hadapan mata dan singkirkan sebarang masalah.
3. Pembahagian AQL: Membahagikan pelanggan awal mengikut skor penglibatan dapat membantu pasukan jualan memperuntukkan sumber dengan lebih berkesan dan membangunkan strategi sasaran untuk setiap kumpulan pelanggan.
4. Pemperibadian: Menggunakan statistik dikuasakan AI untuk meringkaskan profil pengguna, pasukan jualan boleh memperibadikan pendekatan mereka kepada setiap pelanggan, memberikan pengesyoran dan penyelesaian yang disesuaikan serta dipakejkan dalam tawaran yang sukar ditolak dan mendorong prospek untuk membeli.
5. Metodologi jualan: Ini adalah pelekatan antara semua komponen yang saling berkaitan. Ia menyediakan rangka kerja berstruktur yang membantu menjajarkan inisiatif berskala merentas pasukan GTM dan dengan itu mencipta buku panduan yang memaksimumkan peluang untuk menukar pelanggan awal yang berkualiti tinggi.
6. Mengukur Kejayaan: Tentukan cara tindakan yang membawa kepada hasil yang diinginkan. Gelung maklum balas yang berterusan akan mengoptimumkan skor penglibatan AQL.

Faedah AI dalam PLS

Secara keseluruhan, AI mempunyai potensi untuk mempengaruhi pelbagai metrik berasaskan hasil dalam jualan diterajui produk, termasuk:

• Kos pemerolehan pelanggan
  • AI boleh membantu perniagaan mengurangkan kos pemerolehan pelanggan dalam beberapa cara: 1) bot sembang dan pembantu maya menyediakan pelanggan dengan pengesyoran diperibadikan dan jawapan kepada soalan dalam masa nyata, 2) pemarkahan pelanggan awal secara automatik (AQL) berdasarkan kemungkinan untuk menukar 3) pemasaran diperibadikan dengan pencetus seruan tindakan secara automatik berdasarkan skor petunjuk

• Peluang kenaikan penjualan dan jualan silang
  • Pemodelan kecenderungan AI boleh membantu perniagaan mengenal pasti peluang kenaikan penjualan dan jualan silang dengan menganalisis data pelanggan, tingkah laku dan corak penggunaan produk.

• Kadar penukaran:
  • Menggunakan konsep pembahagian AQL seperti yang diterangkan di atas, alat AI boleh mengesyorkan produk atau perkhidmatan dalam masa nyata yang berkemungkinan besar memenuhi keperluan setiap pelanggan individu, akhirnya meningkatkan kemungkinan jualan yang berjaya.

• Produktiviti pasukan jualan
  • AI boleh membantu perniagaan membuka gelombang baru dalam pertumbuhan produktiviti dengan mengautomasikan kerja sibuk mereka. Pembantu bersama AI membantu dalam mengurangkan kekusutan dengan mengendalikan tugas intensif data seperti pemarkahan pelanggan awal secara automatik, pembahagian dan pemperibadian. Ia membenarkan interaksi pelanggan yang betul, pada masa yang sesuai (berdasarkan ribuan titik data) untuk membantu memacu hasil yang berjaya, sekali gus memudahkan usaha jualan diterajui produk dan menukar pangkalan pengguna yang semakin meningkat.

Tadbir urus AI

Sebarang perbualan tentang AI dan keupayaannya tidak akan lengkap tanpa membincangkan tadbir urus AI. Kami telah melihat panggilan untuk jeda pembangunan sehingga kami memahami impak sebenar teknologi ini, tetapi kucing Schrödinger sudah berada di luar kotak dan sihat serta benar-benar hidup! Sehinggakan alternatif sumber terbuka percuma mengatasi pencapaian serta keupayaan Google dan OpenAI secara senyap-senyap. Ini memberikan kedua-dua cabaran dan peluang: cabaran berkenaan dengan penipuan dan peraturan model persendirian yang dijalankan secara dalaman tetapi juga peluang dalam mempercepatkan inovasi dan menyelesaikan kes penggunaan khusus yang dianggap tidak menguntungkan oleh pemain besar.

Kebanyakan penciptaan nilai tidak akan datang daripada model itu sendiri atau penggunaan secara langsung dengan pembantu bot sembang seperti Bard atau ChatGPT, tetapi daripada cara model ini akan digunakan dan disepadukan ke dalam produk sedia ada atau baru. Saya boleh membayangkan keadaan dunia apabila alat berkuasa AI menjadi pemacu utama jualan diterajui produk, yang akan mengubah cara untuk syarikat memasarkan dan menjual produk mereka. Saya juga berharap pendemokrasian AI akan membenarkan ketelusan dan kebertanggungjawapan yang lebih tinggi dalam cara AI digunakan dan impak kepada masyarakat.

Penerimaan AI dalam PLS

Terdapat sesuatu yang luar biasa dan bersejarah berlaku dalam dunia AI hari ini tetapi kebanyakan daripada kita tidak menyedari betapa besarnya perkara itu. AI merevolusikan hampir setiap industri dan sektor dan keupayaan AI untuk memperkaya proses jualan B2B benar-benar boleh menjadi transformasi. Syarikat PLG (pertumbuhan diterajui produk) mencipta lombong emas data penggunaan produk, namun kebanyakannya tidak lengkap, silo atau tidak digunakan langsung. Pembantu bersama AI mengautomasikan kerja yang membosankan dan mencipta hubungan antara set data besar yang tidak dapat dilakukan oleh jurujual. Metodologi jualan membawa ketegasan operasi kepada keseluruhan proses jualan. Menggabungkan kedua-duanya secara sistematik dapat memaksimumkan peluang untuk mengesan, memupuk dan menukar AQL pada skala dalam jualan diterajui produk.

Daripada menggantikan kami, mesin akan menambah baik keupayaan kami. Mesin akan menumpukan semua kuasa pemprosesan mesin untuk membantu kami memanfaatkan sepenuhnya kuasa pemprosesan dan peribadi kami. Sebenarnya…jika anda tidak menerima AI dalam proses jualan anda, maka anda akan ketinggalan.