Category Archives: Intent Data

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:

Sokea piste vai B2B-ostopolun datapiste?

Posted in AI, B2B, Inbound, Intent Data, Liidit, Ostoaietieto by

Useimmat yritykset mittaavat B2B-markkinoinnin onnistumista pelkästään “kovilla konversioilla”: yhteydenottolomakkeilla, demo-pyynnöillä, tarjouspyynnöillä ja kaupoilla. Nämä ovat macrokonversioita, ostopolun loppupään tapahtumia. Ne ovat tärkeitä, mutta näyttävät vasta sen, mitä tapahtui lopussa.

Kuitenkin suurin osa ostajan matkasta tapahtuu ennen makrokonversiota. Monet kävijät selaavat sivuja, lukevat blogeja, tutkivat hinnastoa, lataavat oppaita tai seuraavat sisältöä, ja jättävät yhteydenottolomakkeen täyttämättä juuri tuolloin. Jos markkinointi ja myynti nojaavat vain makroihin, jäljellä on pimeä osa funnelia. Sokea piste, jossa ei tiedetä, ketkä ovat matkalla ostoon.

Ratkaisuna on siirtyä kohti mallia, jossa microkonversiot ovat keskiössä. Microkonversioita ovat esimerkiksi: palvelusivun katselu, hinnaston tarkastelu, white paperin lataus, videon katselu 50 % asti, toistuva sivustokäynti tai uutiskirjeen avaaminen.

Kun nämä microkonversiot tunnistetaan ja kerätään talteen, markkinointi voi rakentaa ostopolun näkyväksi ja kohdentaa viestintää tehokkaammin. Mainosyleisöt rakentuvat oikeista signaaleista, remarketing kohdentuu kiinnostuksen asteelle ja myynti saa tiedon siitä, milloin potentiaalinen asiakas on etenemässä.

Microkonversio tekee markkinoinnista ennakoivaa, ei reaktiivista

  • Parempi kohdentaminen: Microkonversioihin perustuvat yleisöt ovat 3–6x tarkempia kuin pelkkään demografiaan perustuvat.
  • Myyntifunnelin optimointi: Kun tiedät missä kohtaa ostopolku katkeaa, voit korjata sen.
  • Myynnin priorisointi: Microkonversiot paljastavat, kuka on oikeasti lämpimänä, ennen lomaketäyttöä ja tunnistautumista
  • Ennakoiva markkinointi: Kampanjat eivät enää perustu “ehkä siellä on ostajia” -ajatteluun, vaan mitattaviin signaaleihin.

Microkonversioiden Do’s & Don’ts

✔️ Do’s

  • Määrittele 5–10 tärkeintä microkonversiota ostopolulle.
  • Seuraa micro- ja macrokonversioita erillisinä
  • Rakenna B2B-yleisöt käyttäytymisen perusteella (ei pelkän tittelin).
  • Hyödynnä microkonversioita remarketingissä ja personoinnissa.
  • Triggeröi myynnille hälytykset, kun microkonversioita alkaa kertymään.
  • Optimoi sivustoa microdataa hyödyntäen: missä ihmiset tippuvat pois.

❌ Don’ts

  • Älä keskity vain macrokonversioihin – se sokeuttaa analyysin.
  • Älä oleta, että yksi microkonversio = ostoaikeet. Tärkeää on kertymä.
  • Älä sekoita kylmiä ja lämpimiä yleisöjä samaan kampanjaan.
  • Älä tee Lookalike-yleisöjä pelkistä macrokonversioista, se liian pieni otos.
  • Älä jätä microkonversioita dokumentoimatta ja viemättä CRM:ään.

Teksti: Kimmo Luoma, MicroMedia Oy

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

Jälkihoitajat ja liidien elvytys

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

Vuoden viimeinen kvartaali on markkinoinnissa aina sama:
kiirettä, suunnitelmia ja uusien kampanjoiden hahmottelua. Mutta samalla, kun tiimi laatii 2026-suunnitelmia, CRM:ssä lepää hiljaa todellinen kasvupotentiaali: vuoden 2025 liidit. Ne kontaktit, jotka avasivat sähköpostin, osallistuivat webinaariin, pyysivät demo-linkkiä, tapasivat jne. Mutta eivät edenneet. Tutkimusten ja käytännön havaintojen mukaan jopa 60–80 % CRM:ssä olevista liideistä jää hyödyntämättä. Ei siksi, etteivät ne olisi relevantteja, vaan koska niiden käsittely rytmittyy väärin suhteessa ostajan käyttäytymiseen.

B2B-ostaminen ei ole lineaarinen prosessi. Päätöksiä siirretään, projekti jää pöydälle, budjetti kiertää kierroksen, mutta kiinnostus säilyy.  Lead reactivation, liidien elvytys, on prosessi, jossa aiemmin kiinnostuneet mutta passiiviseksi jääneet liidit tunnistetaan, analysoidaan ja elvytetään uudelleen osaksi myyntiprosessia. Tutkimukset ja käytännön data osoittavat, että reactivation-vaiheessa konversio on jopa 2–5 kertaa korkeampi kuin täysin uusissa liideissä. Syy on yksinkertainen: ostaja on jo ylittänyt ensimmäisen kynnyksen – huomion ja luottamuksen. Hän tietää, kuka olet ja mitä tarjoat. Psykologisesti se on familiarity effect: ihminen reagoi helpommin tuttuun ärsykkeeseen kuin uuteen.

Useat kansainväliset benchmarkit (mm. HubSpot, McKinsey, DemandGen) osoittavat, että:

LiidityyppiKeskimääräinen konversioHankintakustannus
Uusi liidi (cold lead)1–3 %100 %
Nurturoitu liidi (MQL → SQL)8–12 %60–70 %
Reactivated lead (dormant → active)15–25 %25–30 %

reaktivoitu liidi konvertoituu jopa 5–10 kertaa todennäköisemmin – murto-osalla hinnasta.

Liidien elvytys jää usein tekemättä, koska organisaatiot on rakennettu katsomaan eteenpäin – ei taaksepäin. Markkinointi mittaa uusia liidejä, ei olemassa olevan potentiaalin uudelleenaktivointia, ja järjestelmät on suunniteltu “flow forward” -logiikalla, ei vanhojen kontaktien löytämiseen. Liidien elvytys rakennetaan selkeän prosessin ja omistajuuden varaan. Se ei voi nojata automaatioon tai yksittäisten myyjien satunnaiseen aktiivisuuteen, vaan vaatii nimettyä vastuuhenkilöä tai tiimiä.

5 vinkkiä elvytyksen käynnistämiseen

1.Aloita inventaariosta
Kaiva ensin näkyviin, mitä sinulla jo on. Tee CRM:stä ja automaatiosta haku kaikista kontakteista, joilla ei ole ollut aktiviteettia 90–180 päivään. Tämä “hiljainen varasto” on todennäköisesti suurin käyttämätön kasvulähteesi.

2. Nimeä omistaja heti
Jälkihoito ei toimi, jos se on jonkun ”oto-projekti”. Tarvitaan henkilö tai tiimi, joka vastaa liidien elvytysrytmin johtamisesta, seurannasta ja raportoinnista. Omistajuus tekee rytmistä jatkuvan, ei satunnaisen.

3. Yhdistä data ja signaalit
Rikasta CRM-data ostoaietiedolla, uutisvirroilla ja web-analytiikalla. Näin näet, missä yrityksissä on liikettä ja voit ajoittaa yhteydenoton hetkeen, jolloin kiinnostus on palaamassa.

4.Luo toistuva elvytysrytmi
Suunnittele 2–3 monikanavaista kosketusta, jotka viittaavat aiempaan kiinnostukseen ja tuovat siihen uuden näkökulman. “Keväällä keskustelimme aiheesta X – tässä, miten tilanne on kehittynyt.” Tämä jatkaa tarinaa, ei aloita uutta

5. Mittaa ja kehitä, älä vain käynnistä
Seuraa konversiota. Kuinka moni elvytetty liidi reagoi, palaa sivuillesi tai etenee myynnin vaiheisiin. Tee elvytyksestä säännöllinen rutiini. Toistuva mittaus tekee jälkihoidosta markkinoinnin tehokkaimman sykkeen.

Teksti: Kimmo Luoma, MicroMedia

Micro-Moment Marketing: Yhden hetken B2B-markkinointi

Posted in B2B, B2Bmarkkinointi, Go-To-Market, Intent Data, Liidit, Ostoaietieto, sisältömarkkinointi by

B2B-markkinointi on pitkään ollut kalenteripeliä. Kampanjat käynnistyvät suunnitellusti, viestit julkaistaan aikataulutetusti, ja tuloksia mitataan tyypillisesti jälkikäteen. Mutta B2B-ostajat eivät liiku kampanjoiden tahdissa. He liikkuvat hetkissä. Hetkissä, joissa he etsivät vastauksia, vertailevat ratkaisuja tai testaavat ajatusta mielessään. Nämä hetket eivät kestä viikkoja, ne kestävät sekunteja.

Näitä hetkiä kutsutaan micro-hetkiksi. Juuri ne ovat B2B-markkinoinnin uusi taistelukenttä. Googlen lanseeraama käsite micro-moment kuvaa hetkeä, jolloin ihminen – kuluttaja tai B2B-päättäjä – tarttuu laitteeseensa etsiäkseen jotain nyt:

“I want to know.” “I want to do.” “I want to buy.

B2B-markkinoinnille micro-momentit ovat ostosignaaleja, ostoaietietoa ja intentioita. Ne ovat myös parhaita hetkiä vaikuttaa:

  1. Tunnista microhetki (esim. CRM-signaali, verkkokäynti, haku, DM-reaktio)
  2. Reagoi reaaliajassa – oikealla sisällöllä, oikeassa kanavassa
  3. Kytke toimenpiteet myyntiin – jatka keskustelua, auta eteenpäin

Google jatkaa: “Ole läsnä, ole hyödyllinen ja ole nopea.”

Askelmerkit micro-moment-markkinoinnin rakentamiseen:

  1. Tunnista hetket, joissa asiakkaasi pysähtyvät. Ensimmäinen askel on micro-hetkien tunnistaminen: missä vaiheissa asiakkaasi hakee tietoa, vertailee tai validoi ratkaisua. Tämä tapahtuu analysoimalla käyttäytymisdataa (hakutermit, verkkosivukäynnit, sähköpostien avaukset, LinkedIn-reaktiot). Kun tunnistat, milloin asiakkaan liike tapahtuu, pystyt rakentamaan markkinoinnista reaktiivista sen sijaan, että odotat seuraavaa kampanjaikkunaa.
  2. Kytke intentiodata CRM:ään. Ostoaietieto on micro-moment-markkinoinnin moottori. Yhdistä hakukäyttäytymisen, sivustovierailujen ja sosiaalisen median signaalit suoraan CRM:ään, jotta myynti näkee reaaliaikaisesti, kuka on liikkeessä. Kun intentiodata päivittyy automaattisesti, markkinointi ja myynti voivat reagoida sekunneissa, ei viikkojen viiveellä.
  3. Rakenna reagointimalli: Määritä, kuka reagoi, miten ja millä aikataululla. Reaaliaikainen reagointi vaatii selkeän vastemallin ja työnkulun: mikä toimenpide käynnistyy mistäkin signaalista tai liidipisteytyksen täyttyessä. Jos kontakti palaa hinnastosivulle, käynnistyy automaattisesti sähköposti tai remarketing-mainos; jos hän avaa uudelleen viestin, lähtee henkilökohtainen DM. Mallin ansiosta markkinointi ei toimi arvauksella, vaan rytmitetysti ja mitattavasti.
  4. Valitse mediat hetken mukaan. Micro-moment-markkinoinnissa media ei ole kanavavalinta, vaan hetkeen kytketty valinta. Sähköposti toimii parhaiten, kun kontakti palaa aiheeseen; LinkedIn tavoittaa vaikuttajat validointivaiheessa; IP-targeting ja ohjelmallinen mainonta mahdollistavat viestin näkymisen ilman yhteystietoja juuri niille yrityksille, joiden intentiodata aktivoituu. Yhdistä useampi media samaan rytmiin – yksi herättää, toinen vahvistaa ja kolmas antaa mahdollisuuden vastata.
  5. Johda rytmiä ja työnkulkua. Micro-moment-markkinoinnissa tärkeintä ei ole sisältöjen määrä, vaan ajoitus ja rytmi. Siirry “lähetyslogiikasta” jatkuvaan seurantaan: kuka liikkuu nyt, missä kanavassa ja millä signaalilla. Kun myynti ja markkinointi jakavat saman rytmin, organisaatio pystyy reagoimaan hetkiin ennen kuin ne katoavat – ja muuttaa ajantasaisen liikkeen keskusteluksi.

Teksti: Kimmo Luoma, MicroMedia Oy

10 AI-agenttia B2B-markkinoinnille

Posted in AI, Complex Sales, Intent Data, Liidit, Myynti, Ostoaietieto by

CRM on pitkään nähty myynnin työkaluna, paikkana, jonne kirjataan kontaktit, puhelut ja diilit. Markkinointi on elänyt rinnakkaisessa todellisuudessa: omissa automaatiojärjestelmissään, kampanjadata erillään CRM:stä.

Tekoälyn aikakaudella tämä asetelma on vanhentunut ja vaarallinen. Kaikki signaalit, jotka AI-agentit analysoivat, päätyvät CRM:ään:

  • ostoroolit ja sentimentti,
  • aikaviitteet ja duubiot,
  • kilpailijamaininnat ja tutkimusdata,
  • markkinoinnin kosketuspisteet (webinaarit, ladatut sisällöt, some-reaktiot).

CRM ei siis enää ole pelkkä myynnin muistikirja. Se on tekoälyllä rikastettu kaupallisen prosessin ohjaamo. Jos markkinointi ei ole tässä mukana täysillä oikeuksilla, se jää ulkopuolelle juuri niistä datapisteistä, joiden varaan personointi, sisältöstrategia ja kohdennetut nurturointiviestit rakentuvat.

10 AI-agenttia, joilla markkinointi ottaa CRM-datan haltuun

1. Segmentointi-agentti

Rakentaa dynaamisia kohderyhmiä CRM:n kenttien, käyttäytymisen, sentimentin ja ostoaietiedon pohjalta.

2. Sentimentti-agentti

Analysoi viestien ja muistiinpanojen sävyn. Paljastaa piilevät esteet ja ostosignaalit.

3. Sisältö-agentti

Poimii CRM:stä sitaatit, referenssit ja asiakkaiden kommentit, ja ehdottaa sisältöjä niiden pohjalta.

4. Tunnettuus-agentti

Tuo näkyväksi, miten paljon markkinoinnin sisältöihin on reagoitu – webinaarit, lataukset, some.

5. Lead Recovery Agent

Kaivaa vanhat, unohdetut liidit CRM:stä ja ehdottaa uudelleenaktivointia.

6. ABM-agentti

Suunnittelee account-tason viestit CRM-datan ja ostajapersoonien mukaan.

7. Churn & Retentio-agentti

Tunnistaa poistumisriskissä olevat asiakkaat ja käynnistää retentiokampanjoita.

8. Sisältökalenteri-agentti

Rakentaa CRM:n signaaleista sisältökalenterin: mitä sisältöjä kannattaa julkaista ja milloin.

9. Nurturointi-agentti

Ohjaa liidit automaattisiin nurture-poluille, jotka vastaavat heidän rooliaan, duubioitaan ja vaihettaan.

10. Insight Agent

Tuottaa raportit: mikä sisältö, segmentti tai kampanja todella edisti myyntiä – pipeline-vaikutuksella mitattuna.

Yhteenveto

Tekoälyagentit tekevät CRM:stä markkinoinnin tärkeimmän työkalun. Ne rikastavat datan, paljastavat piilevät ostosignaalit ja tuottavat pohjan sisältöjen kohdentamiseen. Kun markkinoinnilla on täysi pääsy CRM:ään, se ei enää “toimita liidejä myynnille” – vaan ohjaa yhtä ja samaa kaupallista prosessia yhdessä myynnin kanssa.

Teksti: Kimmo Luoma, MicroMedia Oy

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

Minä, SDR

Posted in AI, B2Bmarkkinointi, Intent Data, Ostoaietieto, Sales Enablement by

Klo 8:30, CRM auki, kahvimuki käteen.

Ensimmäisenä katson AI-agenttini yön aikana päivittämän prioriteettilistan. Se on analysoinut CRM-dataa, ostoaietietoa, verkkokäyttäytymistä ja LinkedIn-päivityksiä, ja ehdottaa päivän top 10 kontaktia: “Nämä b2b-liidit näyttävät lämpimiltä, syynä mm. maininta Q4-budjeteista ja hiljattainen someaktiviteetti.”

Pisteytys perustuu BANT-malliin, mutta AI täydentää sitä dynaamisesti: yksi kontakti on nostettu listalle, koska hänen kollegansa mainittiin alan mediassa uudesta projektista.

Klo 9:00, outreach alkakoon.

Käytän viestien luonnissa omaa AI-assistenttiani. Syötän kontaktin tittelin, toimialan ja yhden kiinnostuksen kohteen CRM:stä: “IT-johtaja, energiatoimiala, kiinnostunut käyttöasteen optimoinnista.”

AI ehdottaa kolmea viestiversiota: analyyttinen, konsultoiva ja suora. Valitsen suoran, muokkaan loppuun ja ajan sen lähetykseen HubSpotin kautta.

Seuraava kontakti: puheluskriptiin AI on koostanut minulle avauskysymykset, vastalauseiden käsittelyn ja konkreettisen lupauksen juuri kyseiselle yritykselle. AI ehdottaa myös, mihin suuntaan voisin viedä keskustelua, jos asiakas mainitsee esimerkiksi resurssipulan tai budjettivuoden loppumisen.

SQL-tapaamisten buukkaukseni perustuu useimmiten juuri näihin puheluihin: se on se hetki, jolloin tarve kirkastuu ja kontakti tunnistaa seuraavan askeleen relevantiksi.

Klo 10:30, liidien rikastus ja markkinointisekvensseihin siirto.

Uudet kontaktit, joita AI ei vielä tunne hyvin, rikastetaan automaattisesti LinkedIn- ja verkkodatan sekä muiden julkisten lähteiden tavulla. Samalla AI ehdottaa minulle minkä liidistatuksen kyseiset kontaktit saavat ja mille “nurturointiputkelle” kontaktit sopivat parhaiten: kiinnostuneiden toimitusjohtajien ABM-sarja, markkinointijohdon trendiviestit vai teknologiapäättäjien case-pohjainen nurturointi.

SQL-statuksen saaneet kontaktit siirtyvät samalla IP-kohdennetun display-kampanjan piiriin. Tämä tukee myyntiprosessia jatkuvalla näkyvyydellä: kontaktit näkevät brändimme ja heille räätälöidyt viestit verkkoselailunsa yhteydessä, mikä parantaa todennäköisyyttä jatkoyhteydenottoon ja tapaamisten konvertoitumiseen.

Klo 11:15, follow-upien aika.

Kontakti oli eilen webinaarissamme mutta ei jättänyt yhteydenottopyyntöä. AI ehdottaa: “Hei Laura, olit mukana tilaisuudessa – jäikö jokin kysymys askarruttamaan? Tässä 2 min video siitä, miten asiakkaamme X ratkaisi saman haasteen.”

Toinen follow-up lähtee liidille, joka avasi viestin kolme kertaa mutta ei reagoinut. AI ehdottaa koukkua: “Huomasin muuten että yrityksessänne on juuri avautunut uusi positio – voisiko se olla signaali siitä, että…”

Kolmas follow-up on puhelinkeskustelu: “Hei [etunimi], [oma nimi] täältä. Meillä oli lyhyt kontaktiviestinvaihto aiemmin, ja jäi sellainen fiilis, että voisitte olla liikkeellä [aihe] ympärillä. Ajattelin soittaa ja kysyä suoraan – onko tämä jotain, johon haluaisitte lisää konkretiaa tai esimerkkiratkaisuja? Voin järjestää lyhyen sparrikäynnin asiantuntijamme kanssa.”

Klo 13:00, lounaan jälkeen: nurturointi

AI tuottaa minulle valmiin nurturointisarjan kolmen eri liidiprofiilin perusteella: teknologiajohtaja, markkinointijohtaja ja toimitusjohtaja. Viestit rakentuvat edellisen puhelinkeskustelun pohjalta: yksi mainitsi kiinnostuksen AI:ta kohtaan mutta vasta myöhemmin tänä vuonna.

Lisäksi tarkistan HubSpotin liidipisteytyksen perusteella listalle nousseet uudet kontaktit, jotka ovat esim. vierailleet toistuvasti tuotesivuillamme tai ladanneet sisältöjä. Nämä henkilöt siirrän myös kontaktointilistalleni. sen teen joko puhelimitse, sähköpostilla tai LinkedInin kautta, riippuen aiemmasta sitoutumisesta.

AI luo viestit, joissa hyödynnetään toimialatrendejä, asiakkaan aikaisempia huomioita ja personoituja CTA-ehdotuksia (esim. “Haluatko että lähetän tiivistetyn toimialaraportin viimeisimmistä AI-käyttötavoista teidän sektorilla?”)

Klo 15:30, dashboard, työkalupakki ja KPI-katsaus.

Avaan päivän mittariston. AI-agentti on koostanut yhteen näkymään:

  • Viestien avausprosentit kanavittain (email, LinkedIn, puhelut)
  • Konversioasteet kampanjoittain ja liidiprofiileittain
  • Tavoitettavuus suhteessa viikkotavoitteisiin
  • A/B-testien tulokset

Työkalupakkini on integroitu: käytössäni on CRM (HubSpot), AI-assistentti (ChatGPT + liitetyt integraatiot), liidien rikastustyökalu (Leadfeeder ja Vainu), sähköpostisekvenssit, sekä sisältökirjasto, jonka AI pitää ajan tasalla.

Klo 16:00, A/B-testauksen ja oppimisen hetki.

AI analysoi viikon aikana lähetetyt viestit ja raportoi:

  • “Viestiotsikoista paras avausprosentti tuli rivillä: ‘Tiedän että etsit skaalautuvaa mallia – tässä ehdotus’.”
  • “LinkedIn DM:t konvertoivat 1.6x paremmin kuin sähköpostit toimitusjohtajille.”

Lisään parhaat viestit omaan “toimivimmat templatet” -kirjastooni, jonka ylläpitoa AI hoitaa puolestani.

Klo 16:15, päivä pulkassa, mutta data työskentelee edelleen.

Laitan AI:n skannaamaan seuraavan päivän kontakteja: uusi data LinkedInistä, mahdolliset uutisnostot, CRM-päivitykset. Huomenna minua odottaa taas tuore lista liidejä, joilla on aidosti merkkejä kiinnostuksesta tai ostoaikeista.

Teksti: Kimmo Luoma, MicroMedia

Arkidata ja GTM-suunnittelu

Posted in B2Bmarkkinointi, Complex Sales, Go-To-Market, Intent Data, Liidit, Myynti, Ostoaietieto by

GTM ei ala nollasta. Se alkaa CRM:stä.

Usein Go-to-Market-suunnittelu alkaa ylhäältä: liiketoiminnan tavoitteet, kohdemarkkinat, uudet ICP:t ja avainasiakassegmentit. Mutta monessa organisaatiossa jää hyödyntämättä se käytännönläheisin ja usein ajantasaisin tietopohja: arkidata. Usein tuo data on rikasta mutta rakenteetonta: vapaamuotoista kirjauksia, kommentteja ja vastauksia, jotka jäävät CRM:n rivien väliin tai kampanjaraporttien alaviitteisiin.

  • CRM-muistiot asiakastapaamisista ja puheluista
  • Soittohistoriat ja kirjaukset: “kiinnostaa, mutta ei nyt”, “palataan Q3”
  • “Hävitty tarjous” -syyt CRM:ssä
  • Webinaariosallistumiset ja niihin liittyvät kysymykset
  • Oppaiden ja sisältöjen lataukset + sivustokäyttäytyminen
  • Kampanjapalautteet, tyyliin: “kiinnostaa mutta ei meillä ajankohtainen”
  • Chatbot- ja lomakevastaukset
  • Asiakastyytyväisyyskyselyn vastaukset
  • Käytetyt hakusanat

Jos CRM- ja kampanjadataa osataan tulkita oikein, GTM-suunnittelu nojaa jo testattuun kenttähavaintoon. Se kertoo enemmän ostokyvystä, aikomuksesta ja esteistä kuin mikään CTA- tai avausprosentti. Silti sitä hyödynnetään harvoin systemaattisesti Go-to-Market- (GTM) tai kampanjasuunnittelun pohjana.

 Arkidatan käyttö GTM-suunnittelussa

 1. Kokoa vapaamuotoinen, anonymisoitu aineisto yhdelle alustalle

Lähteet: CRM-muistiot, asiakaspalautteet, soittokirjaukset, kampanjapalautteet, webinaarikysymykset, tarjousmuistiot, chattien avoimet vastaukset. Yhdistä CSV-/TXT-muotoon tai vie AI-käsittelyä tukevaan ympäristöön (esim. SegmenttiPulse, ChatGPT, Make, Google Sheets + OpenAI).

 2. Puhdista aineisto kevyesti – älä ylisiloita

Tavoite ei ole puhdas kielioppi vaan merkitys. Poista vain virheelliset merkit, tuplarivit, asiakastunnisteet ja turhat kentät. Luota siihen, että AI ymmärtää epätäydellistä tekstiä – kunhan se on luettavissa rivitasolla.

3. Rakenna luokittelukehikko: 4–6 ydinkategoriaa

Yleisin ja toimivin jaottelu:

  • Aihe (AI, integraatio, vastuullisuus…)
  • Este (budjetti, resurssit, prioriteetti…)
  • Ajallinen vihje (“ensi Q2”, “syksyllä”, “joskus myöhemmin”)
  • Rooli (CMO, CTO, ostaja, käyttäjä…)
  • Emotionaalinen sävy (valinnainen): kiinnostunut, epäilevä, kiireinen

Nämä kategoriat antavat riittävän tarkan mutta skaalautuvan tulkintarungon AI:lle.

4. Käytä generatiivista AI:ta luokitteluun

Prompt-esimerkki (ChatGPT, GPT-4, Copilot tms.):

“Analysoi seuraava teksti ja palauta luokitukset aiheen, esteen, ajankohdan ja roolin mukaan. Käytä vain esimerkkikategorioita. Esitä tulos taulukkona.”

5. Tarkista ja normalisoi tulos

Poista synonyymivaihtelut: “tekoäly” = “AI”, “ei budjettia” = “budjetti”, “ensi syksynä” = “Q3”.

Luo selkeä, toistettava sanasto, jota käytät myöhemmin listojen ja raporttien suodatuksessa.

6. Vie rikastettu aineisto takaisin CRM:ään, Sheetseihin tai BI-ympäristöön

Tee jokaisesta kontaktista uusi “luokiteltu versio”. Voit käyttää kenttinä esim. “Signaled Topic”, “Primary Obstacle”, “Time Hint”, “Persona”, joista voidaan tehdä segmenttejä, kampanjoita ja automaatioita.

7. Käytä aineistoa GTM-suunnittelun perustana

Mihin segmenttiin liittyy eniten esteitä? Mikä aihe kiinnostaa eniten? Missä kvartaalissa on eniten “palaa asiaan” -mainintoja? Näistä syntyvät viestit, ajoitukset ja kohderyhmät seuraaviin lanseerauksiin.

8. Muuta löydökset hyötytietoa tarjoaviksi sisällöiksi

Esimerkiksi:

  • Whitepaper: “5 yleisintä estettä AI-hankkeiden aloittamiselle”
  • Infograafi: “CRM:n mukaan kiinnostavimmat aiheet keväällä 2024”
  • Blogisarja: “Mitä päättäjät kysyvät – ja miten vastasimme”
  • FAQ: toistuvimmat kysymykset CRM:n mukaan
  •  

9. Hyödynnä luokiteltua aineistoa hakusana-analyysin korvaajana tai rikastajana

Toistuvista CRM-sanamuodoista löytyy:

  • käyttäjien käyttämä terminologia
  • ei-tekninen kieli (esim. “haluaisin yksinkertaisen tavan aloittaa” → longtail)
  • yllättävät hakuintentiot (“voiko tätä käyttää ilman IT:tä?”)

Näistä saa aitoa sisältöstrategian polttoainetta ilman erillistä SEO-analyysiä.

10. Tee löydöksistä yksi yhteinen näkymä: markkinointi, myynti ja johto

Koosta taulukko tai dashboard:

  • Top 10 kiinnostuksen aihetta
  • Top 5 estettä etenemiselle
  • Top 3 ajankohtaa palata
  • Viestien emotionaalinen sävy / epävarmuuden signaalit
  • Roolijakaumat

Teksti: Kimmo Luoma, MicroMedia

Liidi ei ole kontakti – vaan konteksti

Posted in B2B, B2Bmarkkinointi, Complex Sales, Intent Data, Ostoaietieto, sisältömarkkinointi by

Liidin arvo ei määräydy sen olemassaolosta, vaan kontekstista, jonka se tuo mukanaan.

Liidilista on käytännössä nimilista – kokoelma henkilöitä, jotka ovat tunnistautuneet kiinnostuneina tai olleet kontaktoinnin kohteena. Liidejä tarkastellaan usein seuraavien kysymysten kautta:

  • Varasiko kontakti tapaamisen?
  • Onko kyseessä oikea päättäjä?
  • Voiko kontaktin siirtää myyntiputkeen?

Tämä binäärinen malli (liidi vs. ei-liidi) toimii suoraviivaisessa transactional-myynnissä, mutta kompleksisessa B2B-ratkaisumyynnissä se jättää huomiotta suurimman osan arvokkaasta ostoaietiedosta. Näiden tietojen huomiotta jättäminen johtaa tilanteeseen, jossa suurin osa kontaktoinnin potentiaalista jää hyödyntämättä.

Konteksti kontaktin sijaan

Konteksti viittaa niihin taustatietoihin, aietietoihin ja palautteisiin, jotka kertovat missä vaiheessa organisaatio tai yksittäinen päättäjä on suhteessa ostopäätökseen. Tyypillisiä kontekstityyppejä ovat esimerkiksi

  • Ajoitussignaali: “Palaa Q3, kun budjetti selviää”
  • Este: “Tällä hetkellä ei resursseja viedä asiaa eteenpäin”
  • Roolikohtainen näkymä: “Markkinointi ei ehdi, mutta IT on jo tutkinut aihetta”
  • Kilpailutusstatus: “Kilpailutus avautuu ensi keväänä”

Nämä eivät ole “liidejä” siinä merkityksessä kuin termiä usein käytetään, mutta ne ovat kaupalliseen prosessiin kuuluvia datapisteitä, jotka mahdollistavat:

  • uudelleenkohdennetun markkinointiviestinnän
  • ajoitetun myynnin aktivoinnin
  • segmentointitarkkuuden parantamisen
  • sisältöstrategian kehittämisen ostajakeskeiseksi

6 käyttötapaa kontekstidatalle

Kun kontekstuaalista ostoaietietoa kerätään systemaattisesti, siitä voi syntyä kilpailuetua. Alla kuusi tapaa, joilla B2B-yritys voi maksimoida sen arvon:

  1. Myynnin ja markkinoinnin ajoitus
    – Toimenpiteiden synkronointi ostoprosessin vaiheiden mukaisesti
  2. ICP-profiilin optimointi (Ideal Customer Profile)
    – Tunnista, millaiset organisaatiot ja roolit aktivoituvat toistuvasti – ja missä vaiheessa
  3. Hakusana-analyysi ja SEO
    – Asiakkaan käyttämä kieli ja termit antavat todellisen, ei oletetun, hakusanalähtökohdan
  4. Sisältömarkkinoinnin ohjaus
    – Toistuvat esteet ja kysymykset muodostavat sisältösuunnittelun ytimen
  5. ABM-toimenpiteiden aikataulutus
    – Palaa oikeaan aikaan niihin kontakteihin, jotka eivät olleet vielä valmiita
  6. Asiakastutkimus
    – Saadut vastaukset muodostavat pohjan kvantitatiivisesti analysoitavalle asiakasymmärrykselle

Liidi ilman kontekstia on irrallinen havainto. Konteksti tekee siitä hyödynnettävän, uudelleenkohdennettavan ja arvokkaan. Lue lisää: Liidin anatomia 2025

Teksti: Kimmo Luoma, MicroMedia