Category Archives: ABM

ABM-algoritmi ei lomaile

Posted in ABM, B2Bmarkkinointi, Complex Sales, Liidit, Ostoaietieto by

Suomalainen B2B-myynti pysähtyy kesäkuun puolivälissä ja kytkeytyy uudelleen päälle elokuun toisella viikolla. Mutta sama logiikka ei päde Programmatic ABM-markkinointiin, jos se on rakennettu oikein.

Programmatic ABM on B2B-markkinointimalli, jossa ennalta valittuja kohdeyrityksiä ja niiden ostokomiteoita tavoitetaan ohjelmallisen mainonnan, LinkedInin ja CRM-datan yhdistelmällä. Kesällä liidihankinta hiljenee — coverage ei. Ja juuri coverage — kuinka monta kohdeyrityksen ostokomitean jäsentä on tavoitettu, kuinka monta kertaa, kuinka monessa kanavassa — on se mittari, jolla ostoikkunan auetessa elo-syyskuussa määräytyy, kuka pääsee short-listalle ja kuka ei.

Kesäkuukausien kysymys ei ole ”kuka klikkaa nyt”, vaan ”kenelle olemme jääneet mieleen”, kun potentiaalisten asiakkaiden ostotoiminta taas käynnistyy elokuussa. Ja monesti kilpailijoidesi aktiivisuus tippuu kesäksi rajusti. Tämä on tilaisuus, jonka monet hukkaavat.

Miksi ABM toimii kesällä paremmin?

Neljä rakenteellista tekijää nostavat Programmatic ABM:n kesäarvon kohti maksimia.

Mediakohinan lasku

IAB Finlandin markkinaluvuissa näkyy ennustettava kausivaihtelu — kesäkuukausien display- ja LinkedIn-CPM:t laskevat, kun monet B2B-yritykset pysäyttävät kampanjat. Sama kohdeyritysten lista saa kesällä paremman näkyvyysosuuden ja korkeamman frequencyn samalla budjetilla.

B2B-päättäjät kuluttavat mediaa myös kesällä

Suomalainen B2B-päättäjä ei sulje mediakulutustaan kesäkuun puolivälissä. Päinvastoin: päivittäis-, ammatti- ja talousmedioiden kulutus jatkuu — ja muuttaa muotoaan. Helsingin Sanomat, Kauppalehti, Talouselämä, Tekniikka&Talous, Tivi ja Arvopaperi luetaan aamukahvilla terassilla, viikonloppuna mökillä tai matkalla kesälomakohteeseen. Audio-formaatit — Kauppalehden Studio, Talouselämän podcastit, kansainväliset FT- ja Economist-jaksot — kuuluvat autossa ja lenkillä. CTV ja suoratoistopalvelut kasvattavat osuuttaan, kun television prime time siirtyy iltapäivästä myöhäiseen iltaan.

Sitoutuminen on moninkertaista, ja juuri sitoutunut yleisö on ohjelmallisen mainonnan tehokkain konteksti. Suomalaiset ammatti- ja talousmediat ovat premium-medioita, jotka kesäkuukausina jakavat huomiota harvemmille brand-viesteille — mikä on sinun etusi, jos olet niissä näkyvillä.

Algoritmi oppii kesällä nopeammin

LinkedIn, Meta, Google ja Adform tarvitsevat aikaa oppia, ketkä kohdeyrityksistäsi todella käyttäytyvät kuin ostajat. Kesä on koneen koulutusaikaa: lukukausi, jonka aikana mainosalustojen koneoppimismallit eivät kilpaile sadan rinnakkaisen kampanjamuutoksen kanssa. Mitä johdonmukaisempi syöttö — sama yleisö, sama tavoite, sama konversiotapahtuma — sitä nopeammin algoritmi oppii erottamaan oikean ostajaprofiilin satunnaisesta kohinasta.

Closed Win Loop — kesän strategisin tehtävä

Kesä on täydellinen ajankohta sulkea silmukka. Q1–Q2:n closed won -kaupat ovat tuoreessa muistissa, niiden ostokomiteoiden rakenne on dokumentoitu, ja CRM-datan laatu on hyvä ennen syksyn uusasiakashankinnan hyörrystä. Kun nämä kaupat viedään LinkedIn Conversions API:n, Meta Conversions API:n ja Google Enhanced Conversions -syötteiden kautta takaisin alustojen koulutusdatoiksi, syksyn Look-alike-yleisöt ja Predictive Audience -mallit lähtevät eri tasolta. Tämä on kesä-investointi, joka maksaa itsensä takaisin Q4:n hitratessa.

7 vinkkiä kesän coverage-pelin pelaamiseen

  1. Lukitse kohdeyritysten lista kesäkuun alussa. Heinäkuussa ei ehditä rakentaa listaa — sen täytyy olla valmiina ennen lomakautta. 100–200 yritystä segmentoituna toimialan, koon ja kypsyysvaiheen mukaan. Tämä on kesän operatiivinen perusta.
  2. Vaihda mittari MQL:stä Engagement Scoreen. Kesän tärkein mittari ei ole liidi vaan yritystason engagement: kuinka moni saman yrityksen sisäinen päättäjä on osoittanut kiinnostuksen merkkejä viimeisten 30 päivän aikana. Tämä mittari on relevantti, vaikka lomakausi laskee lomaketäyttöjen määrää.
  3. Osta näkyvyys premium-medioissa, joita päättäjä oikeasti lukee myös kesällä. Kauppalehti, Talouselämä, Tekniikka&Talous, Tivi, Marmai, HS Visio, Arvopaperi — ohjelmallisen oston kautta tai suorina premium-paketteina. Kesällä lukuhetki on pidempi ja sitoutuminen syvempää kuin minä muuna kvartaalina. Lisää CTV ja audio (podcast-mainonta) mukaan.
  4. Ohjelmallinen display + LinkedIn ABM rinnakkain. Display hoitaa frequencyn ja muistijäljen ammatti- ja talousmedioissa, LinkedIn-ABM tavoittaa nimetyt roolit tai henkilöt. Älä jätä jompaakumpaa pois — kesän ROI tulee siitä, että sama ostokomitea näkee saman viestin useammassa kanavassa.
  5. Opeta algoritmit kesän aikana — älä tee muutoksia, anna oppia. Suurin virhe on säätää kampanjaa joka viikko. Kesäkuukausien tavoite on antaa LinkedIn-, Meta- ja Google-algoritmien oppia johdonmukaisesta syötöstä: vakaa yleisö, vakaat tavoitteet, vakaa konversiotapahtuma. Tämä on tylsin kesätehtävä markkinointitiimille — ja kaikkein tuottoisin.
  6. Sulje Closed Win Loop ennen kesäkautta. Vie Q1–Q2:n voitetut kaupat takaisin mainosalustoille. Se määrittää syksyn Look-alike-yleisöjen ja Predictive-mallien laadun. Vie myös closed lost -datat, jotta algoritmi oppii erottamaan voittavan ja häviävän profiilin.
  7. Ota agentti operoimaan kesän kampanjaa. Adformin FLOW MCP -avaus toukokuussa 2026 mahdollistaa kampanjoiden operoinnin luonnollisella kielellä. Tämä on käytännössä kesäsijaisen unelmatyökalu — yhden hengen markkinointitiimi voi pyytää agenttia raportoimaan, optimoimaan budjetin uudelleen ja säätämään frequency-cappia ilman, että täytyy itse istua Adform-konsolissa kesken loman.

Kesän paras lomalahja markkinointijohtajalle: elokuun ensimmäinen viikko, jolloin myynti palaa lomilta ja saa eteensä listan kohdeyrityksistä, joiden engagement on noussut kesän aikana.

Tiivistys

  • Coverage ei lomaile. Kohdeyritysten ostokomitea näkee viestisi useammin ja halvemmalla, kun kilpailijat ovat hiljaa.
  • Premium-mediat ovat kesällä syvemmin kulutettuja. Sitoutunut yleisö on ohjelmallisen mainonnan tehokkain konteksti.
  • Algoritmi tarvitsee rauhan oppia. Vakaa syöttö kesäkuukausina = parempi syksyn lähtötaso.
  • Closed Win Loop on tärkein kesätehtävä. Voitetut ja hävityt kaupat takaisin LinkedIniin, Metaan ja Googleen.
  • Vaihda mittari. Yritystason Engagement Score > yksittäinen MQL-lomaketäyttö.

Teksti: Kimmo Luoma, MicroMedia

Lue myös

B2B-ostokomitean hiljainen enemmistö

Posted in ABM, B2B, B2Bmarkkinointi, Complex Sales, Intent Data, Liidit, Myynti by

CRM:ssä on yksi nimi. Päätöksen takana on seitsemän.

Gartnerin laajasti siteerattu havainto on, että keskikokoisessa B2B-ostopäätöksessä on keskimäärin 6–10 osallistujaa. Complex sales-myyntihankkeessa luku on vielä suurempi. CRM:ään päätyy yleensä yksi tai kaksi. Se, jonka kanssa myyjä on jutellut, ja ehkä hänen esihenkilönsä.

Loput 4–8 päättäjää ovat ostokomitean hiljainen enemmistö. He vaikuttavat päätökseen, jotkut jopa veto-oikeuden verran, mutta myyjä ei tapaa heitä. Markkinointi ei tunne heitä nimeltä. CRM ei tiedä heistä mitään. Ja silti he ratkaisevat, tuleeko kauppa vai ei.

“Primary contact” -malli on myyntiorganisaation kätevä yksinkertaistus, ei ostajan todellisuus. Myyjä haluaa yhden kontaktin jonka kautta edetä, koska se helpottaa hänen omaa työtään. Mutta yhden hengen kontaktointi ei tarkoita, että päätös tehtäisiin yhden hengen voimin. Se tarkoittaa, että loput 4–8 päättäjää kuulevat ratkaisusta välikäden kautta — tai kilpailijan versiona.

Kun myyjä on tehnyt kaiken oikein yhden kontaktin kanssa, kauppa silti jumittaa, koska kuusi muuta henkilöä ei ole saanut riittävästi tietoa muodostaakseen mielipidettä.

Kolme hiljaisen enemmistön arkkityyppiä

Ostokomitean näkymättömät jäsenet jakaantuvat karkeasti kolmeen ryhmään, ja kullakin on oma vaikutusmekanisminsa.

Vaikuttajat ovat henkilöitä, joiden mielipidettä päättäjä kysyy ennen päätöstä. Tekniset asiantuntijat, aiemmat kollegat, ulkoiset konsultit, luotetut vertaiset. He eivät allekirjoita sopimusta, mutta heidän “näyttää hyvältä” tai “en ostaisi sitä” painaa enemmän kuin yksikään myyntipreesi.

Veto-oikeuden haltijat ovat henkilöitä, joiden nimenomainen tehtävä on estää huonoja päätöksiä. CFO kysyy liiketoimintacasea, Legal katsoo sopimusehtoja, IT-arkkitehtuurista vastaava tarkistaa integroituvuuden, turvallisuuspäällikkö auditointilokit. He harvoin ovat lopullisen kyllän sanojia, mutta yksi ei heiltä riittää pysäyttämään hankkeen.

Käyttäjät ja vaikutuspiiri ovat ne, jotka joutuvat elämään valinnan kanssa. Heidän vastustuksensa ei näy ostovaiheessa, mutta implementaation riski on heidän varassaan. Ostokomitea kysyy heiltä vähintään kerran: “miten tämä vaikuttaisi teihin?” Ja jos vastaus on nihkeä, kauppa hyytyy lopussa.

Näistä kolmesta ryhmästä yksikään ei todennäköisesti koskaan täytä lomaketta verkkosivullasi.

Miten tavoittaa heidät kun et tunne heitä

Tässä on se uuden ajan kaupallisen työn paradoksi. Perinteinen markkinointi ja myynti vaativat, että tunnet vastaanottajan. Hiljainen enemmistö määritellään sillä, että et tunne heitä. Jos haluat vaikuttaa heihin, joudut tekemään sen ilman nimeä, ilman sähköpostia, ilman CRM-kontaktia.

Onneksi tämä ei ole enää mahdotonta. Se on itse asiassa juuri sitä, mihin modernit kohdentamismallit on rakennettu. Ja kun ajatellaan liidiä kontaktin sijaan kontekstina, hiljainen enemmistö ei ole ongelma — se on laajennettu vaikutuspiiri.

5 vinkkiä hiljaisen enemmistön tavoittamiseen

1) Kohdenna yritykseen, älä henkilöön. IP-kohdennettu display, ABM-bannerit ja ohjelmallinen mainonta tavoittavat koko yrityksen verkossa, eivät vain niitä jotka täyttivät lomakkeen. Kun kohteena on asiakkaan toimipiste, sama viesti tavoittaa CFO:n, IT-arkkitehdin ja loppukäyttäjän — ilman että kukaan heistä on tunnistautunut. Tämä on se hetki, jolloin 3rd party dataton aika pakottaa meidät ajattelemaan ABM:ää uudelleen — ei vähemmän, vaan enemmän.

2) Tuota sisältöä jokaiselle roolille. Useimmat B2B-sisällöt kirjoitetaan “päättäjälle”. Hiljainen enemmistö ei ole päättäjä — he ovat veto-oikeuden käyttäjiä, vaikuttajia ja käyttäjiä. Rakenna kolme rinnakkaista sisältöraidetta: liiketoimintacase (CFO, CEO, business owner), tekninen riskianalyysi (IT, security, arkkitehti), käyttökokemus (loppukäyttäjät, esihenkilöt). Sama hanke, kolme eri näkökulmaa. Ilman tätä vaikuttamisen pohjaa myyjä joutuu väittelemään komitean kanssa, jolle ei ole koskaan puhuttu.

3) Yritä tunnistaa ostokomitea kokonaisuudessaan. BANT-kartoituksessa on yksi kysymys on ylitse muiden: “ketkä muut osallistuvat päätökseen?” Dokumentoi nimet, roolit ja näkemys. CRM:n pitäisi pystyä tallentamaan koko komitea, ei vain “primary contact”.

4) Kohtele myyjän yhteyshenkilöä oppaana, älä päättäjänä. Tämä on oleellinen roolimuutos. Yksi kontakti on hyvin harvoin koko päätös, mutta hän on aina portti muihin päättäjiin. Sen sijaan että myyjä yrittää “klousata” häntä, myyjän pitäisi varustaa häntä: antaa materiaaleja, joita hän voi jakaa kollegoilleen, valmistaa vastauksia, joita hän voi käyttää sisäisessä keskustelussa. Päätöstä ei tehdä myyntitapaamisessa vaan asiakkaan sisäisissä palavereissa joihin myyjä ei ole kutsuttu.

5) Mittaa hiljaista vaikuttamista eri mittareilla kuin aktiivista myyntiä. Jos ainoa mittari on lomaketäyttö tai tapaaminen, hiljainen enemmistö näyttää analytiikassa tyhjältä, vaikka heitä olisi ollut bannereiden äärellä viisisataa kertaa tässä kvartaalissa. Ota käyttöön yritystason näkyvyysmittarit: kuinka monta kertaa kohdeyritys on osunut mainoksiin, kuinka usein sieltä on vierailtu sivustolla, kuinka moneen eri IP-osoitteeseen kiinnostus jakautuu.

Teksti: Kimmo Luoma, MicroMedia Oy

Lue myös:

Deal-Based Marketing (DBM) 2026

Posted in ABM, B2B, B2Bmarkkinointi, Complex Sales, Liidit, Ostoaietieto by

Moni B2B-yritys tekee markkinointia myyntiprosessin ohi. Kampanjat tuottavat liidejä. Liidit siirtyvät myynnille. Myynti hoitaa loput. Markkinointi siirtyy seuraavaan kampanjaan.

Deal-Based Marketing (DBM) -prosessi korjaa tämän rakenteellisen virheen. Se kytkee markkinoinnin toimenpiteet suoraan myyntiprosessin vaiheisiin – CRM-kirjauksen laukaisemana, AI:n orkestroimana, IP-kohdennuksella vahvistettuna ja knowledge vaultin sisältöpilareista rakennetuilla, personoiduilla materiaaleilla.

Ennen DBM-ohjelmaa: knowledge vault

Ennen kuin yksikään opportunity avataan CRM:ään, pitää olla olemassa se raaka-aine, josta AI ammentaa. Ilman sitä personointi on sanahelinää.

Knowledge vault on DBM:n tietoinfrastruktuuri: jäsennelty, semanttisesti haettava tietovaranto, johon on koottuna kaikki se organisaation ydintieto, jonka varaan roolikohtaiset viestit, mainokset, sähköpostit ja landing paget rakennetaan. Se ei ole SharePoint-kansio eikä satunnainen promptikirjasto. Se on yrityksen oma “single source of truth” – rakenteeltaan sellainen, että ihmiset ja AI-järjestelmät voivat hakea sieltä saman kontekstin luotettavasti, samaan diiliin.

Vaihe 1: myyntimahdollisuus avataan – DBM ja IP-kohdennus käynnistyvät heti

Käsite “live opportunity” kuvaa tilannetta osuvasti: myyntimahdollisuus on nimetty, se on reaaliajassa kilpailutilanteessa ja jokainen viikko ilman toimenpiteitä on viikko, jonka kilpailija käyttää hyväkseen.

Myyjä avaa opportunityn CRM:ään. Tämä on DBM-ohjelman käynnistyshetki. AI hakee kohdetilin tiedot, knowledge vault tarjoaa relevanteimman referenssin, win-teema-kehyksen ja toimialakohtaisen benchmarkdatan.

IP-kohdennus käynnistyy tässä vaiheessa. Kohdetilin toimiston IP-osoite syötetään display-kampanjaan. Tilikohdistettu mainonta alkaa näkyä kohdeorganisaation koko toimipisteessä – kaikille, jotka käyttävät organisaation verkkoa. Ei vain nimetyille päättäjille, vaan myös vaikuttajille, asiantuntijoille ja loppukäyttäjille, jotka eivät vielä ole myynnin tutkalla mutta jotka vaikuttavat päätökseen.

LinkedIn Sponsored Content käynnistyy samanaikaisesti roolikohdistettuna. CIO saa eri viestin kuin hankintapäällikkö.

Vaihe 2: Ensitapaaminen pidetty

Myyjä kirjaa tapaamismuistion CRM:ään. AI lukee sen, tunnistaa mainitut kipupisteet, duubiot ja kilpailijat. Knowledge vaultista se hakee täsmäargumentit: jos budjetti nousi esteeksi, CFO:n sekvenssissä painottuu TCO-vertailu. Jos kilpailija mainittiin nimeltä, IT-päällikön materiaaliin nousee tekninen erottautuminen juuri siitä kohdasta.

AI generoi vaultin sisältöpilareista roolikohtaiset sisältövariantit: sähköpostisekvenssit myyjän nimissä, LinkedIn Message Ads niille ostokomitean jäsenille joita ei ole vielä tavattu, webinaarikutsun vaikuttajatasolle. Markkinoija tarkistaa ja hyväksyy.

IP-kohdennuksen sisältö vaihtuu evaluointivaiheeseen sopivaksi. Awareness-mainokset väistyvät – tilalle tulevat toimialakohtaiset referenssit, vertailua tukeva sisältö ja asiantuntijuutta rakentavat materiaalit. Mainossetti pyörii toimiston verkossa kaikille läpi organisaatiorakenteen. Kun IT-tiimin jäsen mainitsee kahvipöydässä “olen nähnyt näiden mainoksia viime aikoina”, se on enemmän kuin mikään yksittäinen myyntipuhe saa aikaan.

Vaihe 3: Tarjous lähetetty – intensiteetti nousee

CRM-kirjaus tarjouksen lähettämisestä käynnistää toimenpiteiden tiivistymisen automaattisesti.

AI koostaa knowledge vaultista päätöksenteon tueksi räätälöidyt materiaalit kullekin roolille. C-tasolle lyhyt executive brief: win-teemat heidän kielellään, strateginen arvo, riskin hallinta – enintään yksi sivu. CFO:lle interaktiivinen ROI-laskuri ja TCO-vertailu. IT-päällikölle tekninen case study lähimmältä toimialakohtaiselta referenssiltä.

IP-kohdennus tiivistyy tarjousvaiheen viesteihin. Laskurit, vertailut, testimonialit ja referenssinostot pyörivät kohdetilin IP-avaruudessa. Viesti ei ole enää “meistä kannattaa tietää” – se on “juuri tämänlaisessa tilanteessa olevat yritykset ovat valinneet näin, ja tässä on miksi”.

Vaihe 4: Kauppa jäässä – stall detection aktivoituu

AI tunnistaa ennen myyjää, kun live opportunity menettää momentuminsa. Engagement-pisteet laskevat, verkkosivuvierailut loppuvat, sähköpostit jäävät avaamatta.

AI triggeröi pelastuskampanjan: lähestymiskulma vaihtuu, eri rooli ostokomiteassa aktivoidaan, knowledge vaultista nousee uusi sisältö riskin pienentämiseen ja muutoksenhallinnan helpottamiseen. IP-kohdennuksen viestiteema vaihtuu – tarjousvaiheen vertailu syrjäytyy “päätöksen yksinkertaistamis”-teemalla.

Vaihe 5: Closed Won tai Closed Lost

Closed Won: DBM ei lopu allekirjoitukseen. Onboarding käynnistyy CRM-kirjauksesta. Knowledge vault saa uuden voitetun diilin opit: mikä teema kantoi, mikä rooli oli kriittisin, mikä sisältö sai eniten reaktioita. Kuuden kuukauden päästä upsell-kampanja aktivoituu – IP-kohdennus siirtyy laajempaan organisaatioon, loppukäyttäjien tasolle.

Closed Lost: AI analysoi, missä vaiheessa momentum katosi ja mikä rooli jäi tavoittamatta. Löydökset päivitetään knowledge vaultiin: uusi duubio, uusi vastaväite, uusi win-teeman täsmennys. Tämä on vaultin oppiva kerros käytännössä – organisaatio ei menetä häviötä, se käyttää sen seuraavan vastaavan live opportunityn lähtöpisteenä.

Teksti: Kimmo Luoma, MicroMedia

Lue myös

Dark Funnel Data Loop

Posted in ABM, B2Bmarkkinointi, Intent Data, Liidit, Myynti, Ostoaietieto by

Suurin osa B2B-ostoprosessista tapahtuu siellä, minne myyjä ei näe. Dark funnel on täynnä tapahtumia, joita analytiikka ei tavoita: asiantuntijakeskusteluja Slack-yhteisöissä, suosituksia WhatsApp-ryhmissä, hiljaista benchmarkkausta LinkedInissä, kollegan vinkkejä Teams-viesteissä, podcast-kuunteluja ja verkkosivujen anonyymejä vierailuja. Ostajat seuraavat, vertailevat ja muodostavat näkemyksiä ilman yhtään suoraa kontaktia toimittajiin.

Miten tuohon dark funneliin voisi tuoda valoa, miten siellä voisi vaikuttaa potentiaalisiin ostajiin?

B2B-markkinointi on siirtymässä ajanjaksoon, jossa koneet oppivat nopeammin kuin markkinoijat muuttuvat. Siksi tärkein taito ei ole enää “kohdentaminen”, vaan opettaminen. LinkedIn, Meta, Google ja HubSpot eivät enää perustu tittelihakuun tai avainsanoihin. Ne perustuvat koneoppimiseen ja käyttäytymismalleihin. Niiden algoritmit osaavat tänä päivänä päätellä, kuka näyttää siltä kuin olisi ostamassa, ei vain kuka täyttää lomakkeen.

Dark Funnel Data Loop on malli, jossa markkinointi ja myynti eivät enää mittaa mennyttä, vaan opettavat järjestelmiään tunnistamaan tulevaa. Kyse ei ole kampanjasta, vaan oppimisesta:
kerää, mallinna, palauta, opeta.

  1. Kerää piilosignaaleja (mikrokonversiot, pricing-sivut, toistuvat vierailut)
  2. Muodosta Custom Audience käyttäytymisen perusteella
  3. Rakenna Look-alike yleisöjä, jotka käyttäytyvät kuin ostajat ennen ostopäätöstä
  4. Sulje looppi: palauta CRM:stä tieto kaupoista, jotta kone oppii, mikä käyttäytyminen ennustaa myyntiä

Näin algoritmit alkavat nähdä sen, mitä et aiemmin voinut mitata.

Nyt voit opettaa mainosalustoja tunnistamaan ostosignaalit ja tavoittamaan asiakkaat ennen kuin he edes tietävät tarvitsevansa sinua.

  • LinkedIn oppii, kun sille syötetään CRM:n “Closed Won” -dataa ja engagement-signaaleja.
  • Meta oppii look-alike-logiikalla, kun viet sinne todellisia ostajia, ei satunnaisia liidejä.
  • Google optimoi intentin perusteella, jos sille palautetaan offline-konversiot ja kaupan arvo.
  • HubSpot toimii silmukkana, joka yhdistää nämä kaikki — ja kertoo, mikä data oikeasti johti kauppaan.

Alustat eivät enää tarvitse liidiä nähdäkseen ostokiinnostuksen.

10 vinkkiä kohdentamiseen dark funnelissa:

  1. Aloita datasta, älä kohderyhmästä. Tunnista mikrokonversiot ja käyttäytymismallit, jotka toistuvat ennen ostoa. Tämä on uuden kohdentamisen perusta.
  2. Rakenna käyttäytymisperusteinen yleisö, ei titteli- tai toimialapohjainen. Hyödynnä CRM-dataa ja verkkosivujen käyttäytymistä yleisöjen muodostamisessa.
  3. Opeta algoritmit tunnistamaan ostosignaaleja. Käytä painotettuja konversioita (weighted events), jotta koneet oppivat erottamaan todellisen kiinnostuksen.
  4. Vie data takaisin mainosalustoille. Sulje oppimissilmukka palauttamalla CRM:n kauppadata (Closed Won) mainosalustoihin.
  5. Hyödynnä pre-intent -vaiheen yleisöjä. Kohdista sisältö niille, jotka osoittavat kiinnostusta, mutta eivät vielä ole valmiita ostamaan.
  6. Kokeile multi-platform-signaaleja. Synkronoi eri kanavien data – LinkedIn, Meta, Google – ja opeta niitä toimimaan yhdessä.
  7. Optimoi kampanjat laadun, ei määrän mukaan. Aseta kampanjoille tavoitteeksi ostosignaali, ei pelkkä liidi.
  8. Yhdistä intent-data ja ABM. Käytä intent-tietoa tunnistamaan yrityksiä, joissa ostokiinnostus kasvaa, ja vie nämä tiedot ABM-kampanjoihin.
  9. Rakenna jatkuva oppimissykli. Päivitä yleisöt, signaalit ja konversiomallit säännöllisesti – älä kampanjoi, kehitä.
  10. Anna koneen oppia, mutta ihmisen johtaa. Koneoppiminen tunnistaa kaavat, mutta vain sinä osaat tulkita, mikä on oikeasti merkityksellistä liiketoiminnallesi.

Teksti: Kimmo Luoma, MicroMedia

CRM & AI-label: lopulta tärkein on konteksti

Posted in ABM, AI, B2B, B2Bmarkkinointi, Complex Sales, Intent Data, Liidit, Ostoaietieto by

CRM järjestelmät tallentavat rakenteellista ja statuspohjaista tietoa: roolit, toimialat, kontaktit, konversiot, tapaamiset. Mutta niistä puuttuu se, mikä lopulta ratkaisee: konteksti.

Tekoälyn aikakaudella markkinointi ja myynti tarvitsevat syvempiä signaaleja kuin pelkkä liidistatus. CRM kertoo kuka liidi on, mutta ei miksi hän ei vastaa, mitä hän ajattelee, tai milloin kannattaisi palata asiaan. Tähän tarvitaan uusi kerros: AI-labelit.

Ne nostavat esiin ostamisen esteitä, tunnetiloja ja ajoitussignaaleja, joita ei voida kirjata checkboxilla tai dropdownilla. Ne auttavat valitsemaan oikean hetken, viestin ja kanavan. CRM kertoo, kuka liidi on.
AI-labelit kertovat, miksi hän ei vastannut ja miten hänelle kannattaa puhua seuraavaksi.

Mitä ovat AI-labelit?

AI-labelit ovat kielimallin avulla luotuja luokitteluja, jotka kuvaavat kontaktin ostomaturiteettia, motiiveja, esteitä, mielikuvia ja tunnetiloja.

Ne perustuvat ei-rakenteelliseen dataan, kuten:

  • CRM-muistiot ja soittohistoria
  • Sähköpostit ja lomakevastaukset
  • Webinaaripalautteet ja keskustelumuistiot

Tekoäly jäsentelee tämän datan ostoaietiedoksi ja tuottaa selkeitä luokitteluja, kuten:

“Ei resurssia juuri nyt”
“Etsii referenssejä ennen etenemistä”
“Reagoi pehmeisiin viesteihin, ei CTA-painotteisiin”
“Kokee ratkaisun liian laajaksi organisaatiolleen”

Tämä on nimenomaan se syvyys, jonka päälle AI rakentaa yksilölliset viestit. Tekoäly auttaa valitsemaan oikean sävyn, kanavan ja ajoituksen liidin aktivoimiseksi.

Kontekstuaalisuus

Perinteiset CRM-propertyt eivät paljasta käyttäytymisen taustalla olevia motiiveja tai esteitä.AI-labelit puolestaan muodostuvat tulkinnasta: mitä kontaktin sanoista, reaktioista tai hiljaisuudesta voidaan päätellä? Missä tunnelmassa hän vastaanottaa viestin? Mikä häntä pidättelee tai kiinnostaa?

Siinä missä CRM kertoo, että liidi on markkinointijohtaja teknologia-alalta, AI-labelit paljastavat että:

  • hän odottaa esimerkkejä oman toimialansa käytännöistä,
  • ei luota geneerisisiin ratkaisuihin,
  • ja haluaa ensin validointia ennen etenemistä.

Yhdessä nämä kaksi näkökulmaa täydentävät toisiaan: CRM tarjoaa rakenteen, AI kontekstin. Vasta silloin viestintä voi olla aidosti ajoitettua, merkityksellistä ja vaikuttavaa.

Missä CRM:n AI-labelit tuovat lisäarvoa?

KäyttökohdeHyöty
SegmentointiKohdenna nurturointia esim. “Kaikki, joilla esteenä resurssipula”
Viestien personointiSäädä sävy, CTA ja ajoitus kontaktikohtaisesti
Myynnin priorisointiTunnista ketkä palaavat aiheeseen tiettynä kuukautena
MarkkinointiautomaatioOhjaa liidi oikeaan nurturointipolkuun labelin perusteella
SisältöstrategiaPaljastaa ostoesteet ja tuottaa sisältöideat niihin vastaamiseksi
RaportointiNäet mitkä esteet tai mielikuvat dominoivat eri segmenteissä

Kysy lisää: Kimmo Luoma, MicroMedia Oy

PS. Sinulle, ICT-myyjä. Reality check.

Posted in ABM, B2B, Complex Sales, Myynti, Ostoaietieto by

Hei sinä, ICT-myyjä.

Olen se asiakas, jolle yrität myydä. Se, jonka kalenteriin olet sopinut tapaamisen otsikolla “Tehosta liiketoimintaasi innovatiivisella ICT-ratkaisulla!” Se, joka on jo istunut tusinoittain myyntipalavereissa ja kuullut kaikki samat myyntimantrat.

Ja nyt, minä aion kertoa sinulle suoraan, miten voisit tehdä työsi paremmin. Ei hienostelua, ei kierrellen ja kaarrellen.

1. Älä tule kertomaan, että teknologia myy itse itsensä – se ei myy

Sinä sanot: “Teknologian innovatiivisuus vakuuttaa asiakkaat parhaiten.”
Minä sanon: “Tärkeintä on nähdä, miten ratkaisu parantaa liiketoimintaamme ja maksaa itsensä takaisin.”

Minulle on aivan sama, kuinka “älykäs” ratkaisusi on, jos en ymmärrä, miten se auttaa minun yritystäni säästämään rahaa, vähentämään manuaalista työtä tai nopeuttamaan prosesseja.

Tee näin: Kysy ensin, mikä minun suurin haasteeni on. Sitten näytä, miten ratkaisusi säästää aikaa, rahaa tai resursseja. Jos vastauksesi on “se on innovatiivinen”, häviät tämän kaupan heti.

2. Älä oleta, että halvin voittaa – haluan ennustettavat kustannukset

Sinä sanot: “Asiakkaat valitsevat usein halvimman vaihtoehdon, joten keskitymme hintakilpailuun.”
Minä sanon: “Selkeä ja ennustettava kustannusrakenne on meille tärkeämpää kuin kaikkein halvin vaihtoehto.”

Minä en etsi halvinta. Etsin ratkaisua, jonka budjetoinnista en joudu tappelemaan joka kvartaalissa.

Tee näin: Näytä minulle selkeä hinnoittelumalli, joka skaalautuu tarpeideni mukaan. Älä piilota kustannuksia “keskustellaan myöhemmin” -laatikkoon. Jos en tiedä hintaa, en vie tätä keskustelua eteenpäin.

3. Tuki ja palvelut eivät ole “toissijaisia” – ne ovat koko syy, miksi ostan

Sinä sanot: “Tuotteen ominaisuudet puhuvat puolestaan, tuki on toissijaista.”
Minä sanon: “Kumppanin tarjoama tuki ja heidän kykynsä ratkaista ongelmia on meille kriittistä.”

Minä en osta vain teknologiaa. Ostan kumppanin, joka auttaa minua silloin, kun kaikki menee pieleen.

Tee näin: Kerro heti, mitä tukipalveluita saatavilla, paljonko ne maksavat ja miten nopeasti saan apua ongelmatilanteessa. Jos tuen saatavuudesta pitää kaivaa tietoa kuin salaliittoteoreetikko, asiakassuhteemme ei tule alkamaan.

4. Päätöksentekoprosessi ei ole yksinkertainen – älä myy minulle, myy koko organisaatiolle

Se, että minä istun tässä Teams-palaverissa, ei tarkoita, että päätän yksin. Minun pitää vakuuttaa CIO, IT-arkkitehdit, talousjohto ja loppukäyttäjät. Jos puhut vain minulle, joudun tekemään kaiken myyntityön organisaation sisällä – ja arvaa mitä? En tee sitä puolestasi.

Tee näin: Anna minulle eri sidosryhmille räätälöityä materiaalia:

  • CIO haluaa ROI-laskelman ja pitkän aikavälin säästöt.
  • IT-arkkitehti haluaa teknisen dokumentaation ja integraatiotiedot.
  • Loppukäyttäjä haluaa tietää, miten käyttöönotto tapahtuu.

Jos materiaalisi on yksi geneerinen PDF-esite, häviät kilpailijan myyjälle, joka on tehnyt tämän oikein.

5. Älä katoa kaupan jälkeen – tuki ja jatkokehitys ratkaisevat uusinnan

Asiakkaiden palaute:
“Kun sopimus oli tehty, heidän kiinnostuksensa meitä kohtaan lakkasi.”

Jos et ole mukana käyttöönotossa, jatkuvassa kehityksessä ja tuessa, en uusi sopimusta. En suosittele sinua. Ja mikä pahinta – en enää ikinä osta sinulta mitään.

Tee näin: Sovi jo ennen kauppaa, miten me pidämme yhteyttä. Tuo esille case-esimerkkejä siitä, miten asiakkaasi ovat kehittyneet ratkaisusi kanssa ajan mittaan. Ja ennen kaikkea – älä unohda minua heti, kun lasku on maksettu.

___________________________________________________________________________

Lisää asiakkaiden odotuksista ja myyjien oletuksista ICT-markkinabarometrissämme. Katso tallenne ja lue raportti

Teksti: Kimmo Luoma, MicroMedia

CRM-kirjauksesta markkinointisisällöksi: step-by-step

Posted in ABM, AI, B2Bmarkkinointi, Complex Sales, Intent Data, Liidit, Ostoaietieto by

CRM-järjestelmään tallennettu ostoaietieto on complex sales-yrityksen markkinointitiimille kullanarvoista dataa, joka mahdollistaa sisältöjen luomisen ja automaattisen jakelun. Markkinoinnin automatisointi ja AI:n hyödyntäminen (esimerkiksi agenttien käyttö) tehostavat viestinnän relevanssia ja ajoitusta, mikä parantaa asiakaskokemusta ja nostaa konversioita. Tässä blogauksessa keskitytään siihen, miten B2B-markkinointitiimi voi hyödyntää CRM-kirjattuja ostoaietietoja sisältömarkkinoinnissa.

1. Markkinoinnille olennainen ostoaietieto

CRM-kirjaukset sisältävät arvokasta tietoa asiakkaan tarpeista, mieltymyksistä ja ostoprosessin vaiheesta. Markkinointitiimi voi käyttää tätä tietoa räätälöidäkseen viestejä ja sisältöjä, jotka puhuttelevat asiakkaita henkilökohtaisella tasolla. Tieto, kuten asiakasprofiilit, ostajapersoonat, ostoprosessin vaiheet ja tunnistetut kipupisteet, voivat ohjata markkinointiviestintää ja tehdä siitä oikea-aikaista ja osuvaa.

Esimerkkejä hyödyllisistä CRM-kirjauksista markkinointitiimille:

  • Ostopersoonan määrittäminen: Kuka on asiakas? Onko se IT-päättäjä, talousjohtaja vai markkinointivastaava? Tämä määrittää, millaista kieltä ja sisältöä viesteissä käytetään.
  • Ostopolun vaihe: Onko asiakas vasta tiedonhankintavaiheessa, vai onko hän jo vertailemassa vaihtoehtoja? Tämän mukaan markkinointiviestit voidaan personoida esimerkiksi tarjoamalla alustavaa tietoa tai tarkempia tuotevertailuja.
  • Päätöksentekoprosessin aikaraja: Onko asiakkaan ostopäätös odotettavissa kolmannen neljänneksen aikana? Viestit voidaan aikatauluttaa automaattisesti niin, että ne tavoittavat asiakkaan juuri oikeaan aikaan ennen päätöksentekoa.
  • Haasteet ja kipupisteet: Tieto asiakasyrityksen liiketoimintahaasteista (esim. turvallisuus, skaalautuvuus) mahdollistaa sisältöjen räätälöinnin tarkasti asiakkaan huolia vastaaviksi.

2. AI-työkalujen käyttö personoitujen sisältöjen tuotannossa

Teknologiat ja LLM-työkalut: GPT-3/4 (OpenAI), Salesforce Einstein, HubSpot AI, Marketo, Zapier, AI-driven content generators (esim. Jasper).

Markkinointitiimi hyödyntää AI-pohjaisia työkaluja, jotka käyttävät CRM:ään tallennettua ostoaietietoa personoidun sisällön luomisessa. Tämä prosessi etenee seuraavasti:

  1. CRM-tiedon syöttö AI-järjestelmään: Kun asiakas on edennyt tiettyyn vaiheeseen ostoprosessissa (esim. tarjousvertailu, päätöksenteko), CRM-järjestelmä tai agentti lähettää tiedot automaattisesti AI-työkaluille. Tekoäly analysoi asiakastiedot, kuten ostopersoonan ja ostopolun vaiheen, ja luo sisällön sen mukaisesti.
  2. Sisällön luominen ja personointi:
    • Aiheen personointi: AI tunnistaa asiakkaan aiemmat vuorovaikutukset ja haasteet. Esimerkiksi, jos asiakas on maininnut IT-järjestelmän skaalautuvuusongelmia, AI voi luoda sisällön, joka keskittyy juuri tähän haasteeseen, kuten artikkeleita tai tapauksia, joissa vastaavat ongelmat on ratkaistu.
    • Sisällön tyylin personointi: Ostopersoonan rooli määrittää viestin sävyn ja sisältötyypin. Talousjohtajalle voi olla relevanttia tarjota ROI-laskelmia ja tuotto-odotuksia, kun taas IT-päättäjälle voidaan tarjota teknisiä syvällisyyksiä ja järjestelmän integraatiomahdollisuuksia.
  3. Aikataulutus ja automaatio: Markkinointitiimi voi ohjelmoida sisältöjen lähetykset automaattisesti ostoprosessin vaiheen ja asiakasprofiilin mukaan. Esimerkiksi, jos asiakas on ilmoittanut, että vertailuvaihe alkaa seuraavassa kvartaalissa, markkinointiviestit voidaan ajoittaa ennen tätä ajankohtaa tarjoamaan vertailevia sisältöjä. HubSpot ja Marketo voivat automaattisesti aikatauluttaa viestejä, ja AI voi säätää viestien lähetysaikoja vastaamaan tarkasti asiakkaan ostopolun vaihetta.
  4. Testaus ja optimointi: AI voi myös analysoida asiakaspalautetta ja viestien tehokkuutta reaaliajassa. Jos tietyn viestin tyyppi ei tuota toivottuja tuloksia, AI voi ehdottaa parannuksia viestin sisältöön ja aikataulutukseen.

3. Sisältöjen jakaminen ja viestinnän automatisointi

Teknologiat ja työkalut: Marketing Automation (HubSpot, Marketo, Pardot), Email Automation, SMS Automation.

Sisältöjen jakelu tapahtuu automaattisesti markkinointiautomaation avulla, joka hyödyntää CRM-järjestelmässä olevaa ostoaietietoa ja AI:ta. Tämä mahdollistaa:

  • Viestien ajastaminen: Markkinointitiimi voi määrittää viestin lähetysaikataulut niin, että ne osuvat asiakaskohtaisiin ostoprosessin vaiheisiin. Esimerkiksi, jos asiakkaan päätösajankohta on määritelty seuraavaan neljännekseen, viestit lähetetään automaattisesti viikkoa ennen, jolloin asiakas saa tarvitsemansa tiedon oikeaan aikaan.
  • Viestien kanavoiminen: Markkinointi voi hyödyntää useita kanavia (sähköposti, some, webinaarit, blogit) ja jakaa personoidut sisällöt asiakaskohderyhmän mukaan, parantaen asiakaskohtaamista ja lisäämällä mahdollisuuksia konversion saamiseksi.

Yhteenveto: CRM-järjestelmään kirjattu ostoaietieto on avainasemassa, kun markkinointitiimi haluaa luoda hyperpersonoituja sisältöjä, jotka kohdistuvat tarkasti asiakkaan tarpeisiin ja ostoprosessin vaiheeseen. Tekoäly ja markkinointiautomaatio mahdollistavat sisällöntuotannon tehokkuuden ja relevanssin parantamisen, ja auttavat markkinointitiimiä pysymään oikeassa tahdissa asiakaskohtaamisessa.

Teksti: Kimmo Luoma, MicroMedia

Tekoäly on ABM-markkinoinnin tehoäly

Posted in ABM, AI, B2Bmarkkinointi, Complex Sales, Intent Data, Ostoaietieto by

Tekoälyn hyödyntäminen ABM-markkinoinnissa (Account-Based Marketing) avaa täysin uusia mahdollisuuksia. Perinteisesti ABM on ollut hyvin työvoimavaltaista ja vaatinut paljon manuaalista työtä, mikä on tehnyt siitä vaikeasti skaalautuvan. Nyt tekoäly mahdollistaa ABM-markkinoinnin skaalaamisen “massoille”, jolloin täysin räätälöidyt viestit voidaan kohdentaa one-to-one-kullekin päättäjälle – reaaliaikaisesti ja juuri oikeaan tarpeeseen. Tämä on erityisen merkityksellistä Complex Sales-yrityksille, joissa B2B-myyntiprosessit ovat pitkiä ja monimutkaisia, ja joissa mukana on useita ostajapersoonia ja päättäjiä. AI pystyy muuntelemaan asiakaslupausta ja ydinviestejä asiakkaittain, ostajapersoonittain ja ostoprosessin vaiheittain, mikä mahdollistaa huomattavasti tarkemman ja vaikuttavamman markkinoinnin.

Tekoäly, tai kuten tässä yhteydessä voidaan sanoa, tehoäly, mahdollistaa datan analysoinnin ja siihen pohjautuvat uudet viestit, sisällöt ja kehotteet (CTA) reaaliajassa ja tavalla, joka mahdollistaa muutokset välittömästi. Kaikki tämä on automatisoitavissa, mikä tarkoittaa, että vanhat manuaaliset analysoinnin ja sisällöntuotannon vaiheet voidaan korvata reaaliaikaisilla, automaattisilla prosesseilla. CRM:ään tallennettu tieto voidaan anonymisoituna siirtää tekoälytyökaluun (LLM-työkalut) analysoitavaksi API-rajapintojen ja integraatiotyökalujen, kuten Zapierin avulla. Analysoitu tieto ja uudet sisällöt voidaan samoin palauttaa markkinoinnin automaatioalustoille, kuten HubSpot, Salesforce tai Microsoft Customer Insights. Näin saadaan hyperpersonoituja ja ajoitettuja markkinointitoimia, jotka tukevat asiakkaan ostopolkua juuri oikealla hetkellä.

Tehoäly voi käyttää analysoinnin lähteenä myyjien ja ostajien dialogia, josta yleensä syntyy dokumentaatiota, CRM-kirjauksia, kvalitatiivista haastatteluaineistoa. Tämän vuorovaikutuksen aikana syntyy ostosignaaleja, ostoaietietoa ja päättäjätietoa kuin huomaamatta – sekä myyjän kirjaamisten että ostajan käyttäytymisen myötä. Tekoäly hyödyntää tätä dokumentoitua tietoa ABM-markkinoinnin sisältölähteinä ja auttaa kehittämään kaupallista prosessia tavalla, joka ei ole aiemmin ollut mahdollista.

Eri kohtaamispisteistä kerätyn kvalitatiivisen datan analysointi ABM-markkinointia varten

1. Analysoi asiakashaastattelut ja segmentoi

Aloita analysoimalla asiakashaastattelujen ja CRM-kirjausten kvalitatiivinen data tekoälyn avulla. Hyödynnä AI:ta tunnistamaan keskeiset kipupisteet ja tarpeet, jotka auttavat yleisön segmentoinnissa. Tämä luo pohjan tarkasti kohdennetuille ja vaikuttaville markkinointikampanjoille.

2. Tunnista uusia ostajapersoonia

AI voi analysoida CRM-tietoja ja asiakashaastatteluja tunnistaakseen eri roolihenkilöitä ja päätöksentekijöitä ostoprosessissa. Tämä tieto auttaa tunnistamaan mahdollisia uusia ostajapersoonia ja räätälöimään viestit heille oikein.

3. Hyödynnä ostoaietietoa liidien priorisoinnissa

Tekoäly analysoi CRM-kirjauksista löytyvää ostoaietietoa, mikä auttaa priorisoimaan liidejä ja ohjaamaan resurssit tehokkaammin niihin liideihin, joilla on suurin todennäköisyys edetä ostoprosessissa. Tämä parantaa markkinoinnin ROI:ta ja lisää myynnin tehokkuutta.

4. Muunna asiakaslupausta ostajapersoonittain ja ostoprosessin vaiheittain

AI:n avulla voit muuntaa asiakaslupauksen ja ydinviestit eri ostajapersoonien ja ostoprosessin vaiheiden mukaan. Tämä mahdollistaa sen, että jokainen viesti resonoi juuri kyseisen ostajapersoonan kanssa, mikä parantaa viestien osuvuutta ja kampanjoiden vaikuttavuutta.

5. Luo personoituja sisältöjä nurturointimarkkinointiin

Hyödynnä tekoälyä luomaan hyperpersonoituja nurturointikampanjoita, jotka mukautuvat reaaliaikaisesti liidien käyttäytymisen ja ostoaietiedon, esimerkiksi aikaikkunatiedon perusteella. Voit automatisoida kampanjat eri kanavissa, kuten sähköposti, IP-kohdennus ja ohjelmallinen ostaminen, jolloin viestit tavoittavat oikeat henkilöt oikealla hetkellä.

6. Automatisoi seurantaviestit ja optimoi ajoitus

AI voi automatisoida seurantaviestien lähettämisen asiakkaan käyttäytymisen ja vuorovaikutuksen perusteella. Tekoäly varmistaa, että seurantaviestit lähetetään oikeaan aikaan, jolloin ne ovat mahdollisimman vaikuttavia. Viestejä voidaan lähettää eri kanavissa, kuten sähköposti ja IP-kohdennus, ja niiden ajoitusta voidaan optimoida reaaliajassa.

Teksti: Kimmo Luoma, MicroMedia Oy

Siitä tuli henkilökohtaista

Posted in ABM, AI, Complex Sales, Ostoaietieto, sisältömarkkinointi by

AI personoi skaalassa.

Se mahdollistaa ultrapersonoinnin, jossa asiakasdataa, CRM-tietoja ja myyntitiimin tekemiä kirjauksia analysoimalla mukautetaan viestit vastaamaan yksittäisen päättäjän ajankohtaisia haasteita ja ostoprosessin vaihetta. Se mikä aikaisemmin ei ollut mahdollista aikataulu- tai kustannussyistä, on nyt tekoälyn käytön arkipäivää.

Monimutkaisessa Complex Sales-myyntiprosessissa on useita kohtaamispisteitä eri päätöksentekijöiden kanssa, ja AI pystyy analysoimaan näistä tehdyt kirjaukset tuottaakseen arvokkaita oivalluksia, insightia ja ostoaietietoa sekä B2B-markkinoinnille että -myynnille. Tämä synkronointi takaa, että päättäjäkohtaisesti personoidut, eri kanavissa julkaistut markkinointiviestit tukevat myyntiprosessia ja ovat linjassa päättäjän kuvaamien ongelmien ja tarpeiden kanssa

Esimerkki: AI voi analysoida CRM-järjestelmään tallennettua haastatteludataa ja tunnistaa, mitkä argumentit ovat tehonneet tiettyihin asiakkaisiin. Markkinointitiimi voi sitten luoda sisältöjä, jotka vahvistavat näitä myyntiargumentteja, ja auttaa asiakasta siirtymään ostoprosessissa eteenpäin.

Anna tekoälyn tehdä seuraavat työt päättäjittäin:

  1. Dokumentaation analyysi: Päättäjään liittyvät CRM-kirjaukset ja haastattelutiedot asiakastarpeen ja ostoprosessin vaiheen tunnistamiseksi
  2. Myyntiargumenttien suunnittelu: AI luo personoituja viestejä päättäjittäin. Ne perustuvat hänen kanssaan käytyihin keskusteluihin ja niistä tehtyihin litterointeihin ja kirjauksiin
  3. Personoidut markkinoinnin nurturointiviestit: AI hyödyntää CRM:ään tallennettuja tietoja ja haastattelutuloksia rakentaakseen automaattisia nurturointi-kampanjoita, jotka pohjatuvat päättäjän tarpeisiin, ostomaturiteettiin ja ostoprosessin vaiheiseen.
  4. CTA-optimointi: Kehotteet (CTA) päättäjäkohtaisesti hyödyntäen CRM- ja haastatteludataa
  5. Dynaaminen segmentointi ja markkinointilistat: Teköaly arvioi liidin lämpötilan tai pisteytyksen ja pitää sen ostoprosessin vaiheiden mukaisella markkinointilistalla.
  6. Liidien priorisointi: AI analysoi CRM-kirjauksia ja asiakashaastatteluita tunnistaakseen mitkä liidit ovat valmiimpia etenemään ostopolulla.

Teksti: Kimmo Luoma, MicroMedia

Ota aloite! B2B-markkinoinnin interventio

Posted in ABM, B2B, B2Bmarkkinointi, Intent Data, Myynti, Ostoaietieto by

B2B-markkinan syyslukukausi on käynnistetty. Lomien jälkeinen aika ja H2-aloitus on otollinen epäjatkuvuuskohta myyntiorganisaation lisäksi myös markkinointiimille tehdä aloitteita ja aktivoitua ns. perustekemisen ohella.

Miksi? B2B-yritykset liikehtivät ja käynnistävät sekä H2-operaatioita että seuraavan vuoden suunnittelua. Tiedonkeruun vaiheesta edetään jo kohti kumppaneiden vertailua ja valintaa. Lisäksi liiketoiminnan vaatimukset ovat saattaneet muuttua jo syksylle esimerkiksi myynnin haasteiden takia, jolloin apua kaivataankin odotettua ja ilmoitettua nopeammin.

B2B-markkinoinnin kannattaakin aktivoida erityisesti jo tunnistettuja ja tunnistautuneita kontakteja; yrityksiä ja päättäjiä jotka ovat jo liikahtaneet ostoprosessillaan. Näitä on varmasti kertynyt ja kerätty eri asiakaskohtaamispisteistä H1-aikana. HUOM! Vaikka tunnistautunut kontakti olisikin ns. inbound-kontakti, niin aktiivinen hoito eri outbound-kanavissa on perusteltua. Potentiaalisen asiakkaan seuraavan siirron tai yhteydenoton odottelu on yleensä huono strategia. Markkinatilanne ja kilpailukenttä huomioon ottaen.

Ota aloite, aktivoi, älä odota inboundia – tee taktinen interventio eri kohtaamispisteistä kerätyn datan avulla. Auta potentiaalista asiakasta ostamaan!

Hyödynnä esimerkiksi seuraavia CRM- & datalähteitä ja medioita kampanjoinnissa tai muodostaessasi uusia yleisöjä:

  1. Uudet tunnistautuneet tai tunnistetut CRM-kontaktit (ei myynnin omistajaa)
  2. Liidipisteet täyttäneet kontaktit
  3. Yksittäisten kampanjoiden top engage-kontaktit
  4. Liidien hoito-ohjelmissa, nurturoinnissa ja  drip-kampanjoissa olevat kontaktit
  5. Uutiskirjetilaajat
  6. CRM-kontaktit ilman aktiviteetteja
  7. Hävityt tarjoukset (CRM: deal, opportunity)
  8. Eri kanavista kerätty ostoaietieto: sopimuskaudet, tulevat hankkeet ja niiden aikataulut
  9. Uudet someseuraajat: LinkedIn, Meta, jne.
  10. www-kävijäseuranta, esimerkiksi Leadfeeder tai Leadforensics
  11. Myynnin tai ulkopuolisen kumppanin tuottama B2B-päättäjien haastatteludata
  12. Webinaari/seminaari-osallistujat ja no-showt
  13. Gated content-materiaalia ladanneet
  14. Aluekohdennetut display-kampanjat  – Kytke alueilta löytyviin, asiakasprofiilin täyttäviin yrityksiin B2B-päättäjät outboud-kampanjointia varten
  15. ABM/IP-kohdennetut kampanjat – Kytke kohdeyrityksiin B2B-päättäjät outbound-kampanjointia varten
  16. Re-marketing tai re-targeting uusin voimakkaammin kehottein (CTA)
  17. Oman median aktivointi, henkilöstö mukaan jakamaan eri some-kanavissa
  18. Nykyasiakasdata ja sen laajentaminen uusilla päättäjäkontakteilla
  19. Nykyasiakasdatan analyysin osoittamat lookalike-yleisöt
  20. Toimialaan liittyvät LinkedIn-ryhmät

Teksti: Kimmo Luoma, MicroMedia