Как искусственный интеллект может увеличить продажи за счет продуктов

Алан Бреннан (Alan Brennan), директор отдела технических решений Dropbox — International

Перестаньте тратить время на неквалифицированных потенциальных клиентов! Согласно опросу, проведенному в 2022 году среди маркетологов, 61% респондентов назвали генерацию потенциальных клиентов главной проблемой в своей работе. А когда потенциальные клиенты найдены, то 50% своего времени специалист по продажам тратит на неквалифицированных потенциальных клиентов, и только 25% от их общего числа считаются достаточно перспективными для передачи в отдел продаж! Неподходящие потенциальные клиенты не только тратят ваше время и ресурсы, но могут и отрицательно сказаться на ваших финансовых результатах, если вовремя не будут приняты соответствующие меры.

Сейчас, когда в области ИИ появилось достаточно много новых возможностей (виртуальный собеседник ИИ, ассистирующие чат-боты, персонализация), пришло самое время изучить, как ИИ может систематически помогать вашему процессу продаж, способствуя квалификации потенциальных клиентов для повышения коэффициента конверсии.

Я не буду преувеличивать свой опыт в этой области, но будучи директором по техническим решениям в Dropbox, я достаточно много уделял времени исследованиям и пытался разобраться во всех нюансах, и поэтому могу сейчас рассказать вам, где вижу я реальные возможности для отделов продаж. Далее я изложу свои изыскания, которые я провел, исследуя роль искусственного интеллекта в модели «продажи за счет продуктов» (Product-Led Sales, PLS) и то, как компании должны использовать эту технологию для масштабирования торговых отделов и увеличения чистых новых продаж.

Но сначала несколько терминов.

Что такое «продажи за счет продуктов»?

Продажи за счет продуктов (Product-led sales, PLS) — это модель привлечения клиентов , в которой компании отдают приоритет опыту использования продукта и ценности, которую он предоставляет пользователю, а не традиционному подходу к продажам, который фокусируется на продаже за счет характеристик или преимуществ продукта.

• Старая модель: продажи, затем продукт
• Новая модель: продукт, затем продажи

При продажах за счет продукта пользователи часто начинают с его бесплатной или пробной версии, а затем, осознавая ценность предлагаемого продукта, они переходят на платную версию, чтобы использовать новые функции. Сегодня эту стратегию используют многие компании B2B (например, Dropbox, Slack, Hubspot и Zoom). Такой подход эффективен, поскольку позволяет пользователям понять ценность продукта до того, как они оформят платную подписку.

Что такое искусственный интеллект (ИИ)?

Традиционный искусственный интеллект (ИИ) — это имитация процессов человеческого интеллекта компьютерными системами, которая обычно происходит по заранее определенным правилам с использованием явного программирования (например, чат-боты на основе правил). Генеративный ИИ — это более современный подход, который предназначен для создания нового контента или выполнения задач без использования явного программирования. В последнее время эта технология стала наиболее популярной на фоне прорыва в области больших языковых моделей (LLM), таких как DALL-E или GPT-XX, для генерации ответов на текстовые запросы, которые мог бы дать человек. 

В контексте данного блога искусственный интеллект означает реконструкцию поведения, предпочтений и потребностей клиентов с целью гиперсегментации лидов и наработки персонализированного опыта с нужным контентом в нужное время для повышения шансов на конверсию.

Стратегия PLS, ориентированная на искусственный интеллект

Сколько раз вам хотелось буквально биться головой о стену, когда вы пытались понять, как завоевать ваших потенциальных клиентов? Мы слышали о MQL (квалифицированные потенциальные клиенты для маркетинга), SQL (квалифицированные потенциальные клиенты для прямых продаж), даже DQL (квалифицированные потенциальные клиенты для демонстраций), но как насчет AQL (потенциальные клиенты, квалифицированные ИИ), которые превосходят всех вышеперечисленных?! Представьте себе своего помощника, который моделирует потенциального клиента, квалифицированного ИИ, на основе оценки вовлеченности в соответствии с историческими данными и данными в реальном времени. Оценка вовлеченности обновляется в режиме реального времени на основе непосредственного взаимодействия с клиентом. 

Например:

Сегментация AQL

Затем AQL классифицируются по категориям на основе оценки вовлеченности и регулярно заносятся в клиентскую база продавца для последующего контроля. Как вы будете классифицировать своих потенциальных клиентов, зависит только от вас. Мне, например, нравится Формула большого рынка (Larger Market Formula, LMF), которая стала популярной после выхода книги Аарона Росса (Aaron Ross) Predictable Revenue («Предсказуемый доход»). В этом случае все покупатели на рынке делятся на четыре основные категории.

• Покупает сейчас:  потенциальный клиент «охотится» за решением. Высокая вероятность покупки. ГОРЯЧИЙ ПОТЕНЦИАЛЬНЫЙ КЛИЕНТ  
• Сбор информации: потенциальный клиент активно изучает информацию и готов к покупке. ТЕПЛЫЙ ПОТЕНЦИАЛЬНЫЙ КЛИЕНТ  
• Проблема осознана: потенциальный клиент активно не ищет продукт, но готов к покупке. ЧУТЬ ТЕПЛЫЙ ПОТЕНЦИАЛЬНЫЙ КЛИЕНТ  
• Проблема не осознана:  потенциальный клиент активно не интересуется продуктом и нет выраженных проблем.  ХОЛОДНЫЙ ПОТЕНЦИАЛЬНЫЙ КЛИЕНТ  

Большинство компаний относятся к каждому потенциальному клиенту, как к входящему в те 3%, которые готовы купить прямо сейчас. У них нет систем, позволяющих отбирать и развивать остальные 97%. Именно в этом проблему. Ее решение — во внедрении системы, которая помогает привлекать, обучать, развивать потенциальных клиентов и побуждать их к действию. Понимание того, на каком этапе цикла покупки находится ваш потенциальный клиент, и насколько «температура» вашего потенциального клиента соответствует целевому вмешательству, имеет решающее значение для получения максимальной конверсии. Чтобы нам было проще в этом разобраться, давайте обратимся к нашему надежному и проверенному способу — методологии продаж  — из моей предыдущей статьи.

Представление ИИ в PLS в виде штурвала

Итак, если сложить все вместе, то что же получается?

1. Моделирование клиентов: первый компонент на штурвале —моделирование данных о клиентах, которые могут быть собраны из разных точек исторических данных и данных в реальном времени, как описано выше. 
2. ИИ-помощник: инструментарий на базе ИИ создаст граф знаний для генерации AQL для сегментации. Привлекайте тех высококачественных потенциальных клиентов, которые сразу видны, и отсеивайте бесперспективных.
3. Сегментация AQL: сегментация потенциальных клиентов по оценке вовлеченности помогает отделам продаж более эффективно распределять ресурсы и разрабатывать целевые стратегии для каждой группы клиентов.
4. Персонализация: используя данные, полученные с помощью ИИ, для составления профилей пользователей, отделы продаж могут персонализировать свой подход к каждому клиенту, предоставляя индивидуальные рекомендации и решения в виде привлекательного предложения, от которого потенциальному покупателю трудно будет отказаться.
5. Методология продаж: это то, что склеивает друг с другом все взаимосвязанные компоненты. Эта методология обеспечивает структурированную основу, которая помогает согласовывать масштабные инициативы между командами GTM и создавать сценарий, чтобы максимизировать шансы на конверсию высококачественных потенциальных клиентов.
6. Измерение успеха: определение действий, приводящих к желаемым результатам. Постоянный цикл обратной связи для дальнейшей оптимизации оценки вовлеченности AQL.

Преимущества ИИ в PLS

В целом, ИИ в продажах за счет продуктов (PLS), может потенциально влиять на широкий спектр метрик, основанных на результатах, включая нижеследующие.

• Затраты на привлечение клиентов
  • ИИ может помочь бизнесу снизить затраты на привлечение клиентов несколькими способами: 1) чат-боты и виртуальные помощники, которые предоставляют клиентам персонализированные рекомендации и ответы на вопросы в режиме реального времени, 2) автоматизированная оценка потенциальных клиентов (AQL) на основе вероятности конверсии, 3) персонализированный маркетинг с автоматизированными триггерами призывов к действию на основе оценки потенциальных клиентов

• Возможности дополнительных и перекрестных продаж
  • Моделирование вероятности с помощью ИИ может помочь компаниям определить возможности дополнительных и перекрестных продаж за счет анализа данных о клиентах, их поведения и моделей использования продуктов.

• Коэффициенты конверсии
  • Используя концепцию сегментации AQL, описанную выше, инструменты ИИ могут в режиме реального времени рекомендовать продукты или услуги, которые с наибольшей вероятностью удовлетворят потребности каждого отдельного клиента, что в конечном итоге повышает вероятность успешной продажи.

• Производительность отдела продаж
  • ИИ может помочь предприятиям выйти на новый уровень роста производительности за счет автоматизации тяжелой работы. ИИ-помощник позволяет вам выделиться из общей массы, выполняя за вас такие интенсивные задачи по обработке данных, как автоматическая оценка потенциальных клиентов, их сегментация и персонализация. Благодаря этому, чтобы добиться успешного результата, вы сможете взаимодействовать с нужными клиентами в нужное время (на основе тысяч точек данных), соответственно вам будет проще масштабировать свои действия по продажам за счет продуктов и конвертированию растущей базы пользователей.

Управление с помощью ИИ

Любой разговор об ИИ и его возможностях был бы неполным без обсуждения управления с помощью ИИ. Мы уже слышим призывы приостановить разработку до тех пор, пока мы не поймем, какой результат дает эта технология на в реальном мире, но джин уже выпущен из бутылки и его не остановить! Дело зашло так далеко, что бесплатные альтернативы с открытым исходным кодом могут спокойно удовлетвориться Google и OpenAI. Это создает как проблемы, так и возможности: проблемы связаны с мошенничеством и регулированием частных моделей, работающих внутри компании, а возможности — с ускорением инноваций и созданием решений для нишевых вариантов использования, которые более крупные игроки считают невыгодными.

Большая часть создания стоимости будет связана не с самими моделями или их задействованием совместно с ассистирующими чат-ботами, такими как Bard или ChatGPT, а с тем, как эти модели будут использоваться и интегрироваться в существующие или новые продукты. Я представляю себе мир, в котором инструменты на основе ИИ станут основной движущей силой продаж за счет продуктов, меняя методологии продаж и продвижения продуктов компаниями. Я также надеюсь, что демократизация ИИ позволит повысить прозрачность и отчетность в использовании ИИ и его влиянии на общество.

Внедрение ИИ в PLS

Сегодня в мире ИИ происходят поистине легендарные и исторические перемены, но большинство из нас не осознает их масштабов. ИИ революционным образом меняет практически все отрасли и секторы, а его способность усовершенствовать процесс продаж в B2B секторе может стать фактором для значительных трансформаций. Компании, работающие по модели «рост за счет продуктов» (Product-Led Growth, PLG) создают кладезь информации об использовании продуктов, однако большинство из этих данных являются неполными, разрозненными или вообще не используются. ИИ-помощник автоматизирует тяжелую работу и устанавливает связи между огромными наборами данных, которые не могут установить продавцы.Методология продаж позволяет структурировать общий процесс продаж с операционной точки зрения. Систематическое сочетание этих двух методов повышает шансы на выявление, развитие и конверсию AQL на должном уровне в продажах за счет продукта.

Вместо того чтобы заменить нас, машины будут нам помогать. Всю свою вычислительную мощность они выделят на то, чтобы помочь нам максимально повысить нашу производительность и использовать наши личные качества. На самом деле все очень просто: если вы не используете искусственный интеллект в процессе продаж, вы остаетесь позади конкурентов .