Hoe AI product-led sales een boost kan geven

Door Alan Brennan, Director, Dropbox Technical Solutions – International

Verspil geen tijd meer aan ongekwalificeerde leads! Volgens een enquête onder marketeers uit 2022, gaf 61% van de respondenten aan dat het genereren van leads de grootste uitdaging vormt in hun werk. En wanneer er leads worden gevonden, wordt 50% van de tijd van een vertegenwoordiger besteed aan het najagen van ongekwalificeerde leads, waarbij slechts 25% van de leads goed genoeg wordt geacht om aan verkoopmedewerkers door te geven! Slechte leads verspillen niet alleen tijd en middelen, maar ze kunnen ook je bedrijfsresultaten ondermijnen als ze niet snel worden aangepakt.

Met de recente vooruitgang op het gebied van AI (conversationele AI, chatbotassistenten, personalisatie) is dit het moment om te onderzoeken hoe AI systematisch je verkoopproces kan beïnvloeden door de kwalificatie van leads te verrijken om de conversie te verhogen.

Hoewel ik mijn kwalificaties op dit gebied niet zal overdrijven, ben ik als Director of Technical Solutions bij Dropbox ver genoeg met onderzoeken en sleutelen om een licht te schijnen op waar ik echte kansen voor verkoopteams zie. Wat volgt, is mijn poging om de rol van AI in PLS (product-led sales) te onderzoeken en hoe bedrijven deze technologie zouden moeten inzetten om teams op te schalen en netto nieuwe verkopen te stimuleren.

Maar eerst enkele begrippen…

Wat is product-led sales?

Product-led sales (PLS) is een model voor klantwerving, waarbij bedrijven prioriteit geven aan de productervaring en de waarde die het de gebruiker biedt, boven de traditionele verkoopaanpak die zich op het verkopen van de productkenmerken of -voordelen richt.

• Oude manier: eerst verkoop, dan product
• Nieuwe manier: eerst product, dan verkoop

Bij product-led sales beginnen gebruikers vaak met een gratis versie of proefperiode van het product, waarna ze naar een betaalde versie upgraden om functies te ontgrendelen wanneer ze de waarde ervan inzien. Veel B2B-bedrijven maken tegenwoordig van deze strategie gebruik (waaronder Dropbox, Slack, Hubspot en Zoom). Deze aanpak is effectief omdat het gebruikers de waarde van het product laat ervaren, voordat ze zich op een betaald abonnement vastleggen.

Wat is AI?

Traditionele Artificial Intelligence (AI) is de simulatie van menselijke intelligentieprocessen door computersystemen en is over het algemeen gebaseerd op vooraf gedefinieerde regels en expliciete programmering (bijv. op regels gebaseerde chatbots). Generatieve AI is een handigere, moderne benadering die is ontworpen om nieuw materiaal te genereren of taken uit te voeren, zonder daarbij afhankelijk te zijn van expliciete programmering. Dit is recentelijk mainstream geworden, dankzij doorbraken in grote taalmodellen (large language models, LLM's), zoals DALL-E of GPT-XX om mensachtige antwoorden te genereren op tekstgebaseerde vragen. 

In de context van deze blog verwijst AI naar het afleiden van gedrag, voorkeuren en behoeften van klanten om zeer nauwkeurig verkoopleads te segmenteren en een gepersonaliseerde ervaring te bieden met het juiste materiaal op het juiste moment om de kans op conversie te vergroten.

Een AI-gerichte PLS-strategie

Hoe vaak heb jij niet met je handen in het haar gezeten terwijl je jouw leads probeerde te begrijpen? We hebben gehoord van MQL's (marketinggekwalificeerde leads), SQL's (salesgekwalificeerde leads) en zelfs DQL's (demogekwalificeerde leads). Maar hoe zit het met AQL's (AI-gekwalificeerde leads), een begrip dat al het bovenstaande overstijgt?! Stel je een copiloot voor die een AI-gekwalificeerde verkooplead modelleert op basis van een betrokkenheidsscore volgens historische en realtimegegevens. De betrokkenheidsscore wordt in real time bijgewerkt op basis van live interacties met klanten. 

Bijvoorbeeld:

AQL-segmentatie

AQL's worden vervolgens gecategoriseerd op basis van de betrokkenheidsscore en routinematig opgenomen in het klantenboek van verkopers voor opvolging. Jij bepaalt hoe je jouw leads indeelt. Ik gebruik bijvoorbeeld graag The Larger Market Formula (LMF), die door Aaron Ross is gepopulariseerd in zijn boek 'Predictable Revenue'. Deze formule segmenteert de hele populatie van kopers in een markt in vier hoofdcategorieën:

• Nu kopen:  potentiële klant is in de 'jacht'-modus, op zoek naar een oplossing. Hoge koopbereidheid. HETE LEAD  
• Informatie verzamelen: potentiële klant doet actief onderzoek en staat open om te kopen. WARME LEAD  
• Probleembewust:  potentiële klant is niet actief op zoek, maar staat open om te kopen. LAUWWARME LEAD  
• Niet probleembewust:  potentiële klant is niet actief op zoek en er zijn geen uitgesproken problemen.  KOUDE LEAD

De meeste bedrijven behandelen elke lead als de 3% die klaar is om nu te kopen. Ze hebben geen systemen om de overige 97% te strikken en te koesteren. Dat is waar de witruimte zit. De sleutel is het installeren van een systeem dat potentiële klanten aantrekt, informeert, koestert en aanzet om actie te ondernemen. Begrijpen waar je lead zich in de koopcyclus bevindt en de 'temperatuur' van je lead afstemmen op een gerichte interventie, is cruciaal voor het maximaliseren van conversies. Daarbij kom ik terug op mijn goede vriend - de verkoopmethodologie  uit mijn vorige artikel om dit te vergemakkelijken.

AI in het PLS-vliegwiel voor schaling

Als je dit alles bij elkaar optelt, hoe ziet dat er dan uit?

1. Klantmodellering: het vliegwiel begint met het modelleren van klantgegevens, die kunnen worden verzameld via een verscheidenheid aan historische en realtime gegevenspunten, zoals hierboven beschreven. 
2. AI-copiloot: op AI gebaseerde tools maken een kennisgrafiek om AQL's voor verdere segmentatie te genereren. Vind de hoogwaardige leads die zich in het volle zicht verbergen en verwijder de losse flodders.
3. AQL-segmentatie: het segmenteren van leads op basis van de betrokkenheidsscore helpt verkoopteams om middelen effectiever toe te wijzen en voor elke klantgroep gerichte strategieën te ontwikkelen.
4. Personalisatie: met behulp van AI-gebaseerde inzichten voor het afleiden van gebruikersprofielen, kunnen verkoopteams hun benadering van elke klant personaliseren en op maat gemaakte aanbevelingen en oplossingen bieden, die zijn verpakt in een onweerstaanbaar aanbod dat potentiële klanten tot kopen aanzet.
5. Verkoopmethodologie: dit is de lijm tussen alle onderling verbonden onderdelen. De verkoopmethodologie biedt een gestructureerd raamwerk dat helpt bij het afstemmen van geschaalde initiatieven binnen GTM-teams, waardoor een draaiboek ontstaat dat de kans op het converteren van hoogwaardige leads maximaliseert.
6. Succes meten: bepaal welke acties tot de gewenste resultaten leiden. Voortdurende feedbacklus om de AQL-betrokkenheidsscore verder te optimaliseren.

De voordelen van AI in PLS

Over het algemeen heeft AI de potentie om een groot aantal op resultaten gebaseerde meetwaarden in product-led sales te beïnvloeden, waaronder:

• De kosten van klantenwerving
  • AI kan bedrijven op verschillende manieren helpen om de kosten van klantenwerving te verlagen: 1) chatbots en virtuele assistenten bieden klanten gepersonaliseerde aanbevelingen en beantwoorden vragen in real time, 2) geautomatiseerde leadscores (AQL's) op basis van de waarschijnlijkheid op conversie 3) gepersonaliseerde marketing met geautomatiseerde call-to-action-triggers op basis van de leadscore

• Mogelijkheden voor upselling en crossselling
  • AI propensity modeling kan bedrijven helpen bij het identificeren van mogelijkheden voor upselling en crossselling door gegevens, gedrag en patronen in het productgebruik te analyseren.

• Conversiepercentages:
  • Met behulp van het hierboven beschreven concept van AQL-segmentatie, kunnen AI-tools in real time producten of services aanbevelen die hoogstwaarschijnlijk aan de behoeften van elke individuele klant voldoen, waardoor uiteindelijk de kans op een succesvolle verkoop toeneemt.

• De productiviteit van het verkoopteam
  • AI kan bedrijven helpen een grotere productiviteit te realiseren door werkzaamheden te automatiseren. Een AI-copiloot maakt korte metten met gegevensintensieve taken door onder meer de score, segmentatie en personalisatie van leads te automatiseren. Zo wordt de juiste klantinteractie op het juiste moment mogelijk gemaakt (op basis van duizenden gegevenspunten) om een succesvol resultaat te bereiken, waardoor het eenvoudiger wordt om product-led sales op te schalen en een groeiend gebruikersbestand te converteren.

AI-beheer

Als we het over AI en de mogelijkheden ervan hebben, moeten we het ook over AI-beheer hebben. We zien nu al pleidooien om de ontwikkeling op te schorten, totdat we de werkelijke impact van deze technologie begrijpen, maar de kat van Schrödinger is al uit de doos en springlevend! Zozeer zelfs dat gratis opensourcealternatieven stilletjes de lunch van Google en OpenAI aan het opeten zijn. Dit brengt zowel uitdagingen als kansen met zich mee: uitdagingen met betrekking tot fraude en de regulering van privémodellen die intern worden uitgevoerd, maar ook kansen, zoals het versnellen van innovatie en het oplossen van zeer specifieke gebruiksscenario's die door grotere spelers als onrendabel worden beschouwd.

Het grootste deel van de waardecreatie zal niet komen door de modellen zelf of het directe gebruik ervan met chatbotassistenten als Bard of ChatGPT, maar door hoe deze modellen in bestaande of nieuwe producten zullen worden gebruikt en geïntegreerd. Ik kan me een wereld voorstellen, waarin AI-tools de belangrijkste drijfveer voor product-led sales zijn en de manier veranderen waarop bedrijven hun producten op de markt brengen en verkopen. Ik hoop ook dat de democratisering van AI meer transparantie en verantwoording mogelijk zal maken in hoe AI wordt gebruikt en wat de impact ervan is op de samenleving.

AI omarmen in PLS

Er is momenteel iets groots en historisch in de wereld van AI gaande en toch beseffen de meesten van ons niet hoe enorm het werkelijk is. AI brengt in bijna elke bedrijfstak en sector een revolutie teweeg en het vermogen om het B2B-verkoopproces te verrijken, kan echt transformerend zijn. PLG-bedrijven (product-led growth) creëren een goudmijn aan productgebruiksgegevens, maar de meeste daarvan zijn onvolledig, geïsoleerd of worden helemaal niet gebruikt. Een AI-copiloot automatiseert het zware werk en legt verbanden tussen enorme datasets die verkopers niet kunnen maken. Een verkoopmethodiek zorgt voor operationele nauwkeurigheid in het algehele verkoopproces. Door beide op een systematische manier te combineren, vergroot je de kans om AQL's op schaal te detecteren, te koesteren en te converteren in product-led sales.

In plaats van ons te vervangen, zullen machines ons verrijken. Ze zullen al hun verwerkingskracht inzetten om ons te helpen het meeste uit onze verwerkings- en persoonlijke kracht te halen. De simpele waarheid is… als je AI niet omarmt in je verkoopproces, zul je achterblijven.