Category Archives: ABM

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

Näe ostoprosessin tuolle puolen – Ostoaietieto B2B-markkinoinnissa

Posted in ABM, B2B, B2Bmarkkinointi, Complex Sales, Go-To-Market, Intent Data, Ostoaietieto, sisältömarkkinointi by

Myynnin kohtaamispisteistä (keskustelut, tapaamiset, haastattelut) kerätty kvalitatiivinen ostoaietieto täydentää oivallisesti markkinoinnin keräämää, yleensä kvantitatiivista dataa. Oikein kerätty ja CRM-dokumentoitu ostoaietieto tarjoaa markkinoinnille laajemman ja syvemmän kuvan Ideal Customer Profile -yrityksistä. Se mahdollistaa entistä tarkemmin sisällöllisesti ja ajallisesti kohdennetut ABM-viestit ja CTA:t. Kerätty ostoaietieto antaa mahdollisuuden nähdä kohderyhmän yritysten ostoprosessien alkupäähän, vaiheisiin ennen tiedonkeräämiseen ja vaihtoehtojen vertailuun siirtymistä. Vaiheisiin ennen digitaalisten jalanjälkien syntyä.

Kerätyn ostoaietiedon hyödyntäminen B2B-markkinoinnissa:

1. Go-To-Market-suunnittelu

Hankintojen valinta- ja päätöskriteerit, toivotut materiaalit ja niiden formaatit, tiedonkeruun kanavat, tarjooman fit markkinan toiveiden kanssa.

2. Ostajapersoonien tai ICP-kriteerien täydentäminen

Myyntihankkeissa tunnistetut uudet roolit: vaikuttajat, asiantuntijat ja päättäjät. Näiden mittarit ja ostamisen ajurit.

3. Segmentoinnin tarkentaminen

Kenellä viestit ovat resonoineet parhaiten? Mitkä ovat demografiset ym. kriteerit parhaan myyntiprosessin konversion tarjonneilla yrityksillä?

4. Sisältömarkkinoinnin materiaalien tuotanto

Hyvällä n-määrällä suoritetut keskustelut mahdollistavat vastausten analysoinnin ja löydösten tarjoilun esimerkiksi oppaina ja infograafeina sisältömarkkinoinnin käyttöön.

5. Account-Based marketing

ABM-markkinoinnin kohdentaminen kerätyn ostoaietiedon perusteella, kohdentamisen kriteerinä esimerkiksi tunnistettu hanketieto ja sen päätösaikataulu.

6. Liidipisteytys

Myynnin kohtaamispisteistä kerättu ostoaietieto, asiakas-insight, voi tuoda esille sellaista informaatiota, joka nostaa tai laskee myynnin todennäköisyyttä. Tämä tieto voi olla syötteenä markkinointiautomaation liidipisteytyksen muutoksille.

7. Kilpailijatieto ja teknologiapreferenssit

Tyypillistä ostoaietietoa, jota myynti kerää käymissään keskusteluissa. Tämän tiedon CRM-kirjaaminen on suhteellisen yleistä, joten tietoa on tarjolla.

8. Ennakoiva analytiikka

Kerätty ostoaietieto ristiinajettuna esimerkiksi haastateltujen yritysten taustatietojen (toimiala, koko, sijainti jne) kanssa tarjoaa jo useissa CRM-työkaluissa automaattisia, prediktiivisen analytiikan tuloksia ja ennusteita.

9. Bränditunnettuuden mittaaminen

Yksinkertainen asia, joka on helppo kysyä ja todentaa kaikissa myynnin kohtaamispisteissä. Miten yritys tunnetaan? Yksi kenttä lisää CRM-työkaluun ja tutkimus on valmiina jatkuvaan käyttöön.

10. AI-analysointi: trendien, murtokohtien tunnistaminen kerätystä ostoaietiedosta

Kvalitatiivisen haastatteluaineiston AI-analysointi auttaa tunnistamaan uusia segmenttejä, ostajapersoonia ja ostoprosessien vaiheita. Isojenkin CRM-aineistojen analysointi tuo näkyville trendejä ja murtokohtia, joita voidaan hyödyntää entistä kohdennetumman B2B-markkinoinnin suunnittelussa.

Teksti: Kimmo Luoma, MicroMedia

Outbound-paradoksi ja sen purkaminen

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

Tarkasteltaessa outbound-kanavien käytäntöjä ja mittareita törmätään mielenkiintoiseen konventioon. Volyymipohjaisessa outbound-markkinoinnissa ja -myynnissä arvostetaan suoraviivaista lähestymistä esimerkiksi siten, että ainoa CTA ja konversiopiste on sovittu asiakastapaaminen. Muut tuotokset tai kerätty data ovat monille outboundisteille toissijaisia. Ero inbound-markkinoinnin käytäntöihin ja mittareihin on ilmeinen.

Padoksaalisesti voisi jopa sanoa, että mitä enemmän korkeapaineella toimivat outbound organisaatiot ovat dialogissa potentiaalisten asiakkaiden kanssa, sitä vähemmän ne keräävät tietoa. Asiakasymmärrys ja ostoaietieto jää volyymin alle, on epäformaalia tai kärsii inflaatiosta. Primääri CTA on liian vahva mittari, eli asiakastapaaminen on valitettavasti ainoa joka merkitsee.  Kontaktoidaan kunnes saadaan tapaaminen.  Siinä on asiakaskokemus ja brändimielikuva jo kovilla.

Ja kuitenkin tämä konventio vallitsee laajasti B2B-yrityksissä! Esimerkkinä vaikkapa ns. buukkipäivät. Koko organisaatio kokoontuu kontaktoimaan prospekteja tavoitteenaan mahdollisimman monta asiakastapaamista.  Miksei samalla intensiteetillä kilpailla tunnistetuilla hanketiedoilla, sopimuskausilla, hankintakriteereillä tai oikeilla päättäjillä? Tunnistetuilla ostopolun vaiheilla? Opittaisiin enemmän tulevista asiakkaista?

Pitkien ostosyklien ja kompleksisen B2B-myynnin maailmassa harva prospekti on juuri nyt ostamassa, eli on ns. myyntivalmis liidi. Toki kyvykkäimmät outboundistit lupaavat luoda tarpeen B2B-päättäjän tavatessaan, mutta monesti tapaaminen on kuitenkin turha tai jopa väärä CTA prospektin ollessa ostopolkunsa varhaisemmissa vaiheissa. Muutama nykytilaa ja tulevaisuutta kartoittava ostoaiekysymys hyvin CRM-dokumentoituna vastauksina puolustaisi paikkaansa paremmin.  Ja näiden tietojen pohjalta liidien pisteytys ja siirto nurturointimarkkinoinnin kohteeksi. Kytkös inbound-markkinoinnin hyviin käytäntöihin on syntynyt!

Ja koska päättäjien tavoittaminen eri kanavissa on todella vaikeaa, on tärkeää maksimoida tavoitetun päättäjän kanssa saadun dialogin ja ajan arvo. Silloin CTA tai konversiopiste ei voi olla vain sovittu tapaaminen.

4 siirtoa outbound-paradoksin purkamiseksi:

1. Lisää liidipisteytys

Hyödynnä inbound-markkinoinnin hyviä käytäntöjä ja luo kontaktoiduille ja haastatelluille oma liidipisteytys. Hyödynnä pisteytyksen pohjana vaikkapa BANT-kriteeristöä tuleviin hankkeisiin ja niiden päätösaikatauluihin pohjautuen. Bonus: käytä samaa pisteytyskriteeristöä kuin inbound-markkinointisi. Näin yhteismitallistat molemmista kanavista tulleet liidit ja niiden hoitomallit.

2. Laajenna myynnin mittarit, ”datan suojeluohjelma”

Lisää myynnin mittareihin muitakin määreitä kuin eurot ja aktiviteetit.

Ainoa tapa vähentää korkeapainemyynnin data- ja ostoaietietohukkaa on lisätä kyseiset asiat myynnin mittareihin ja jopa palkitsemismalleihin. Tunnistetut hankkeet, sopimuskaudet, uudet päättäjät, jne.  Varmista, että CRM-työkalusi tukee tällaista datan suojeluohjelmaa, eli ostoaietiedon keräämistä.

3. Uudista myynnin roolitus

Ryhmitä myynti uudelleen tai perusta uusi Presales/SDR/BDR/Sales Operations-toiminto ostoaietiedon keräämiseen ja liidien tuotantoon. Tällainen inside sales-tyyppinen myynnin tukitoiminto on varustettu asianmukaisin työkaluin ja sen mittarit eivät liity myynnin clousaamiseen vaan tiedon keräämiseen myyntiprosessin alkupäässä. #salesprocessengineering

4. Ryhmity prospektikohtaisen ostoaietiedon ympärille

Integroi sekä myynti että markkinointi eri kanavista kerätyn ostoaietiedon ympärille. Oikea-aikainen myynnin kontaktointi, jota edeltävät markkinoinnin pohjustavat ABM-toimenpiteet digitaalisissa kanavissa on tyypillinen käyttötapaus ostoaietiedon hyödyntämisessä.

Teksti: Kimmo Luoma, MicroMedia

Lisää ostoaietiedosta, sen keräämisestä ja hyödyntämisestä täältä!