人工智慧如何強力推動產品導向式銷售

作者：Dropbox 國際技術解決方案總監 Alan Brennan

別再浪費時間接洽不適合的潛在客戶了！根據 2022 年的行銷人員調查，61% 的答題者認為開發潛在客戶是職場上最棘手的難題。就算找到潛在客戶，行銷代表仍須花 50% 的時間與不適合的潛在客戶洽談，最後只有 25% 的客戶得以完成整個銷售流程！糟糕的潛在客戶不只會浪費您的時間和資源，若未及時處理，甚至可能造成虧損。

隨著近期人工智慧的突發猛進 (例如：對話式人工智慧、聊天機器人助理、個人化功能等)，您可以趁此機會瞭解人工智慧如何協助您開發適合的潛在客戶並提升轉換率，以便透過系統化的方式為銷售流程帶來不同。

我不敢自詡為人工智慧領域的專家，但身為 Dropbox 的技術解決方案總監，我在研究和處理相關事務上竭盡心力，應該有資格就自身的觀察，談談銷售團隊能真正掌握的商機。接下來，我想聊聊我的研究成果，說明人工智慧在產品導向式銷售 (PLS) 中扮演何種角色，以及企業如何運用這項技術，擴展團隊規模並推動新客戶的淨銷售額。

首先，我想為大家解釋術語。

何謂產品導向式銷售？

產品導向式銷售 (PLS) 是一種獲客模式，企業首重提供給使用者的產品體驗和價值，而非採用著重於銷售產品功能或優勢的傳統銷售手法。

• 老方法：先銷售，後產品
• 新方法：先產品，後銷售

產品導向式銷售通常會先讓使用者免費體驗或試用產品，待使用者認同產品提供的價值之後，才升級為付費版本來解鎖其他功能。目前許多 B2B 公司皆採用這項策略 (例如 Dropbox、Slack、Hubspot 和 Zoom)。此作法之所以有效，是因為使用者能先體驗產品的價值，再決定是否購買付費的訂閱方案。

何謂人工智慧？

傳統的人工智慧 (AI) 是指電腦系統模擬的人類智慧流程，通常仰賴預先定義的規則和明確的程式設計 (例如：規則型聊天機器人)。生成式人工智慧則是更靈活的現代化做法，專為產生全新內容或執行工作而設計，無須仰賴明確的程式。由於 DALL-E 或 GPT-XX 等大型語言模型 (LLM) 的重大突破，這項技術近來已成為主流趨勢，能針對文字型查詢產生類似真人的回覆。

就本篇部落格文章而言，人工智慧是指針對客戶行為、偏好和需求進行的推論，以便細分銷售潛在客戶，進而在正確的時間點提供正確的內容，用個人化體驗提升轉換的機會。

人工智慧優先的產品導向式銷售策略

您是否常因無法瞭解潛在客戶而感到苦惱？大家都聽過 MQL (行銷有效潛在客戶)、SQL (銷售有效潛在客戶) 甚至是 DQL (教學有效潛在客戶)，但您聽過 AQL (人工智慧有效潛在客戶) 嗎？後者能取代所有前述作法！試想某項共同作業採用人工智慧有效銷售潛在客戶模式，並根據過往和即時資料預測互動分數。互動分數會根據當下的客戶互動狀態即時更新。

舉例來說：

AQL 劃分機制

之後系統會依據互動分數為 AQL 分類，並將這項資料定期匯入企業的銷售人員手冊以利後續追蹤。潛在客戶的分類方式由您全權決定。我個人喜歡參考 Aaron Ross 在他的著作《Predictable Revenue》中提到的 The Larger Market Formula，這個理論將各種市場中所有的買家群體劃分為四個關鍵類別：

• 立即購買型：潛在客戶正在尋找解決方案，消費意願極高。熱度：高
• 資訊收集型：潛在客戶正在積極尋找且願意消費。熱度：偏高
• 有所知覺型：潛在客戶並未積極尋找，但願意消費。熱度：中
• 不知不覺型：潛在客戶並未積極尋找，也未表達需求。熱度：低

大多數公司把所有潛在客戶均視為隨時準備消費的那 3% 顧客。這些公司的體系無法掌握並培養剩下 97% 的客戶，反而使得客戶白白流失。建制體系的重點在於吸引、教育、培養並說服潛在客戶採取行動。想把轉換率提升到極致，就要瞭解潛在客戶位於消費週期的哪個階段，並用特定的介入措施迎合客戶的需求熱度。為了進一步說明，我要再次引用上一篇文章也提過的絕佳良方，也就是銷售方法。

PLS 擴張循環圖的人工智慧

整體的運作方式究竟如何？

1. 客戶建模：這張循環圖從客戶資料建模開始，您可以透過各種過往和即時的資料點來收集資料，如上圖所示。
2. 人工智慧共同作業：採用人工智慧的工具會產生知識圖表，並生成 AQL 以供分類。從龐大的資料中找出優質的潛在客戶，並排除成交率較低的客戶。
3. AQL 分類：用互動分數為潛在客戶分類，有助銷售團隊更有效地分配資源，並為每個客戶族群制定特有的策略。
4. 個人化設計：採用以人工智慧為基礎的深入見解來推論使用者資料，有助銷售團隊為每位客戶量身打造互動方式，將符合個人需求的建議與解決方案包裝成令人垂涎的套裝服務，促使潛在客戶完成交易。
5. 銷售方法：這是將所有相互連動的元素融合在一起的關鍵，所提供的完整架構有助統一 GTM 團隊間的擴張計畫，進而制定能大幅提升優質潛在客戶轉換率的戰術。
6. 衡量成效：判斷哪些行動帶來了預期成果，並持續透過意見交流進一步提升 AQL 的互動分數。

在 PLS 中運用人工智慧的好處

整體而言，人工智慧可影響產品導向式銷售中許多以成果為基礎的指標，包括：

• 獲客成本
  • 人工智慧能透過許多方式協助企業降低獲客成本，包括：1) 聊天機器人和虛擬助理能為客戶提供個人化建議，並即時回答問題；2) 根據轉換的成功率自動為潛在客戶評分 (AQL)；3) 根據潛在客戶分數，用自動化行動呼籲觸發功能提供個人化行銷資訊

• 向上銷售與交叉銷售的機會
  • 人工智慧傾向建模能分析客戶資料、行為和產品使用模式，協助企業找出向上銷售與交叉銷售的機會。

• 轉換率：
  • 運用上述 AQL 分類概念，人工智慧工具能即時推薦最可能符合個別客戶需求的產品或服務，進而提升銷售成功率。

• 銷售團隊的工作效率
  • 人工智慧能將繁瑣的工作內容自動化，為企業帶來新一波效率增長。人工智慧共同作業能處理資料密集的工作項目，例如自動為潛在客戶評分、分類並進行個人化分析，讓工作流程化繁為簡。系統分析完上千個資料點後，便可在正確的時機執行正確的客戶互動，藉此推動成效，協助企業輕鬆擴大產品導向式銷售作業，並轉換不斷增長的使用者群體。

人工智慧的控管

若要討論人工智慧及其效能，就不得不提到人工智慧的控管。已經有人呼籲在瞭解這項技術真正的影響範圍之前，應先暫緩發展，但猛虎已然出閘且大展神威，我們又豈能無動於衷！這個領域的利益如此龐大，連免費開放原始碼等另類選項，也在默默地分食 Google 和 OpenAI 畫下的大餅。這個現象同時帶來危機和轉機：雖詐騙事件頻傳，並伴隨著內部執行之私人模型的控管危機，但也帶來轉機，包括加速創新和解決大型公司認為無法獲利的利基使用案例。

人工智慧所創造的價值大多並非來自模型本身，也與直接將 Bard 或 ChatGPT 等聊天機器人助理搭配使用無關，而是來自這些模型在現有或全新產品中的使用或整合方式。我能預見未來人們將以採用人工智慧的工具作為產品導向式銷售的主要助力，徹底顛覆企業行銷與銷售產品的方式。我也相信人工智慧的普及能提升透明度和可靠性，協助人們瞭解人工智慧的應用方式及對社會的影響力。

在 PLS 中納入人工智慧

如今，人工智慧領域已發生翻天覆地的變革，但多數人卻對這些改變卻恍若未覺。人工智慧幾乎顛覆了每一個產業和領域，它讓 B2B 銷售流程提高的成效更是前所未見。產品導向式成長 (PLG) 公司建立了產品使用資料寶庫，但大部分資料仍不完整且零散，甚至完全無人使用。人工智慧共同作業能自動處理繁瑣的工作，並在大量的資料集中找出彼此相關的內容，這是銷售人員難以企及的。銷售方法能讓銷售流程的整體作業更為嚴謹。有系統地結合上述兩者，即可在採用產品導向式銷售方法時，盡可能提升大規模偵測、培養及轉換 AQL 的機率。

機器不會取代人類，反之，它能幫助我們更上層樓。機器會傾注每個機械零件的處理能力，協助我們徹底發揮人為處理能力和個人所長。事實上，假如您不在銷售流程中採用人工智慧，那就只能等著被淘汰，就是這麼簡單。