Як штучний інтелект може збільшити продажі на основі продукту

Алан Бреннан, директор міжнародної служби технічних рішень Dropbox

Припиніть витрачати час на некваліфікованих потенційних клієнтів! Згідно з опитуванням маркетологів у 2022 році, 61% респондентів повідомили, що головним завданням у їхній роботі є залучення потенційних клієнтів. І коли потенційні клієнти знайдені, 50% часу представника витрачається на пошук некваліфікованих потенційних клієнтів, до того ж лише 25% керівників вважаються достатньо гідними, щоб пройти до відділу продажів! Погані керівники не лише витрачають час і ресурси, але й можуть знизити прибутки, якщо з цим вчасно не впоратися.

Зважаючи на останні досягнення в області штучного інтелекту (розмовний штучний інтелект, помічники чат-ботів, персоналізація), настав час перевірити, як ШІ може систематично впливати на ваш процес продажів, збагачуючи кваліфікацію потенційних клієнтів для підвищення коефіцієнтів конверсії.

Хоча я не буду переоцінювати свою кваліфікацію в цій сфері, як директор із технічних рішень у Dropbox, я достатньо далеко в дослідженні та майструванні, щоб детально пояснити, де я бачу реальні можливості для команд продажів. Далі я намагаюся дослідити роль штучного інтелекту в ПНП (продажах на основі продукту) і те, як компаніям слід використовувати цю технологію для збільшення команди та стимулювання чистих продажів.

Але спочатку про деякі терміни…

Що таке продажі на основі продукту?

Продажі на основі продукту (ПНП) — це модель залучення клієнтів , за якої підприємства віддають перевагу досвіду використання продукту та цінності, яку він надає користувачеві, а не традиційному підходу до продажів, який зосереджується на продажу функцій або переваг продукту.

• Старий спосіб: продажі, потім продукт
• Новий спосіб: продукт, потім продажі

Під час продажів на основі продукту користувачі часто починають із безкоштовної або пробної версії продукту, а потім підвищують рівень обліковки до платної версії, щоб розблокувати функції, оскільки вони розуміють цінність, яку він пропонує. Сьогодні багато B2B-компаній використовують цю стратегію (наприклад, Dropbox, Slack, Hubspot і Zoom). Цей підхід є ефективним, оскільки дозволяє користувачам відчути цінність продукту, перш ніж оформити платну передплату.

Що таке ШІ?

Традиційний штучний інтелект (ШІ) — це симуляція процесів людського інтелекту за допомогою комп’ютерних систем яка, як правило, спирається на заздалегідь визначені правила та явне програмування (наприклад, чат-боти на основі правил). Генеративний ШІ — це більш витончений, сучасний підхід, який призначений для створення нового вмісту або виконання завдань, не покладаючись на явне програмування. Нещодавно це стало мейнстрімом завдяки проривам у великих мовних моделях (LLM), таких як DALL-E або GPT-XX, щоб генерувати подібні до людських відповіді на текстові запити. 

У контексті цього блогу штучний інтелект стосується визначення поведінки, уподобань і потреб клієнтів, щоб гіперсегментувати потенційних клієнтів для продажів і забезпечити персоналізований досвід із необхідним умістом у потрібний час, щоб підвищити шанси на конверсію.

Стратегія ПНП на основі ШІ

Скільки разів ви билися головою об стіл, просто намагаючись зрозуміти ваших керівників? Ми чули про MQL (маркетингові кваліфіковані потенційні клієнти), SQL (продажні кваліфіковані потенційні клієнти), навіть DQL (демонстраційні кваліфіковані потенційні клієнти), але як щодо AQL (кваліфіковані потенційні клієнти зі штучним інтелектом)… той, який замінює все вищезазначене?! Уявіть собі другого пілота, який моделює лідера продажів, кваліфікованого зі штучним інтелектом, на основі оцінки залученості відповідно до історичних даних і даних у реальному часі . Показник залученості оновлюється в режимі реального часу на основі взаємодії з клієнтом. 

Наприклад:

Сегментація AQL

Потім AQL класифікується на основі оцінки залученості та регулярно вноситься до торгової книги продавця для подальшої роботи. Ви самі вирішуєте, як класифікувати потенційних клієнтів. Наприклад, мені подобається формула більшого ринку, яку популяризував Аарон Росс у своїй книзі «Передбачуваний дохід». Він сегментує всю аудиторію покупців на будь-якому ринку на чотири ключові категорії:

• Купуйте зараз:  шукайте рішення в режимі «полювання». Висока схильність до покупки. ГАРЯЧИЙ ПОТЕНЦІЙНИЙ КЛІЄНТ  
• Збір інформації: потенційний клієнт активно досліджує та відкритий для покупки. ТЕПЛИЙ ПОТЕНЦІЙНИЙ КЛІЄНТ  
• Усвідомлення проблеми:  потенційний клієнт не активно шукає, але готовий купити. ПОМІРНО ТЕПЛИЙ ПОТЕНЦІЙНИЙ КЛІЄНТ  
• Проблема невідома:  потенційний клієнт не шукає активно, не висловлює проблем.  ХОЛОДНИЙ ПОТЕНЦІЙНИЙ КЛІЄНТ

Більшість компаній ставляться до кожного потенційного клієнта, як до тих 3%, які готові купити зараз. У них немає систем для захоплення та виховання 97%. Ось де недолік. Головне — установити систему, яка приваблює, навчає, виховує та змушує потенційних клієнтів діяти. Розуміння того, де знаходиться ваш потенційний клієнт у циклі купівлі, і відповідність температури вашого потенційного клієнта з цілеспрямованим утручанням має вирішальне значення для максимізації конверсій. Я повертаюся до свого гарного друга — методології продажів – із моєї попередньої статті, щоб допомогти полегшити це.

ШІ в маховику масштабування ПНП

Отже, який це все має вигляд?

1. Моделювання клієнтів: маховик починає роботу з моделювання даних клієнтів, які можна зібрати за допомогою різноманітних історичних даних і даних у реальному часі, як описано вище. 
2. Другий пілот зі штучним інтелектом: інструменти на основі штучного інтелекту створять графік знань для створення AQL для сегментації. Знайдіть тих високоякісних потенційних клієнтів, які на видноті, і відсійте дурниці.
3. Сегментація AQL: сегментація потенційних клієнтів за показником залученості допомагає командам продажів ефективніше розподіляти ресурси та розробляти цільові стратегії для кожної групи клієнтів.
4. Персоналізація: використовуючи аналітику на основі штучного інтелекту для визначення профілів користувачів, команди продажів можуть персоналізувати свій підхід до кожного клієнта, надаючи індивідуальні рекомендації та рішення, укладені в непереборну пропозицію, яка спонукає потенційного клієнта до покупки.
5. Методологія продажів: Це — сполучна ланка між усіма взаємопов’язаними компонентами. Вона надає структурований каркас, який допомагає узгодити масштабні ініціативи між командами GTM, створюючи в такий спосіб посібник, який максимізує шанси перетворення високоякісних потенційних клієнтів.
6. Вимірювання успіху: визначте, які дії призводять до бажаних результатів. Безперервний цикл відгуків для подальшої оптимізації оцінки залучення AQL.

Переваги ШІ в ПНП

Загалом штучний інтелект має потенціал для впливу на широкий спектр показників, сформованих за результатами в продажах на основі продукту, зокрема:

• Витрати на залучення клієнтів
  • Штучний інтелект може допомогти компаніям знизити вартість залучення клієнтів кількома способами: 1) чат-боти та віртуальні помічники надають клієнтам персоналізовані рекомендації та відповіді на запитання в режимі реального часу, 2) автоматизована оцінка потенційних клієнтів (AQL) на основі ймовірності конверсії 3) персоналізований маркетинг із автоматичними тригерами заклику до дії на основі оцінки потенційного клієнта

• Можливості дорожчих і перехресних продажів
  • Моделювання схильності ШІ може допомогти компаніям виявити можливості збільшення та перехресного продажу через аналіз даних клієнтів, поведінки та моделей використання продуктів.

• Коефіцієнти конверсії:
  • Використовуючи концепцію сегментації AQL, як описано вище, інструменти ШІ можуть рекомендувати продукти або послуги в режимі реального часу, які, швидше за все, задовольнять потреби кожного окремого клієнта, зрештою, збільшуючи ймовірність успішного продажу.

• Продуктивність команди продажів
  • ШІ може допомогти компаніям розблокувати нову хвилю зростання продуктивності, автоматизувавши їхню напружену роботу. Другий пілот зі штучним інтелектом може впоратися з безладом, виконуючи інтенсивні завдання, такі як автоматизований підрахунок потенційних клієнтів, сегментація та персоналізація. Це забезпечує правильну взаємодію з клієнтом у потрібний час (на основі тисяч точок даних), щоб допомогти досягти успішного результату, водночас спрощуючи масштабування зусиль із продажу продукту та перетворення щораз більшої бази користувачів.

Управління ШІ

Будь-яка розмова навколо ШІ та його можливостей була б неповною без обговорення управління ШІ. Ми вже бачимо заклики призупинити розробку , доки ми не зрозуміємо справжній вплив цієї технології, але кіт Шредінгера вже вийшов із коробки, він здоровий і справді живий! Настільки, що безкоштовні альтернативи з відкритим вихідним кодом тихо з’їли обід Google та OpenAI. Це створює як труднощі, так і можливості: проблеми з шахрайством та регулюванням приватних моделей, які працюють усередині компанії, а також можливості для прискорення інновацій та вирішення тих випадків використання ніші, які великі гравці вважають невигідними.

Здебільшого створення цінності буде відбуватися не від самих моделей чи їх використання безпосередньо з помічниками чат-ботів, таких як Bard або ChatGPT, а від того, як ці моделі будуть використовуватися та інтегруватися в наявні чи нові продукти. Я можу уявити собі світ, у якому інструменти на базі ШІ стануть основним рушієм продажів, орієнтованих на продукт, змінюючи те, як компанії розповсюджують та продають свою продукцію. Я також сподіваюся, що демократизація ШІ забезпечить більшу прозорість і підзвітність у тому, як використовується ШІ та його вплив на суспільство.

Використання ШІ в ПНП

Сьогодні у світі штучного інтелекту відбувається щось легендарне та історичне, але більшість із нас не усвідомлює, наскільки це великі події. Штучний інтелект революціонізує майже кожну галузь і сектор, і його здатність збагачувати процес продажів B2B може справді бути трансформаційною. Компанії ЗНП (зростання на основі продукту) створюють золоту жилу даних про використання продуктів, але більшість із них є неповними, відокремленими або не використовуються взагалі. Другий пілот із ШІ автоматизує важку роботу та встановлює зв’язки між величезними наборами даних, які не можуть установити продавці. Методологія продажу вносить оперативну суворість у загальний процес продажу. Систематичне поєднання обох максимізує шанси виявлення, виховання та перетворення AQL у масштабі продажів на основі продукту.

Замість замінити нас, машини доповнять нас. Вони спрямують всю свою обчислювальну потужність, щоб допомогти нам максимально використати нашу обчислювальну та особисту потужність. Проста правда полягає в тому, що якщо ви не використовуєте ШІ у своєму процесі продажів, ви залишитеся позаду конкурентів.