Category Archives: Intent Data

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

Et tarvitse budjettia, vain päätöksen

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

Ketteryydestä puhutaan paljon – ja aivan syystä. Agile-ajattelu on jo pitkään ollut tuotekehityksen ja ohjelmistokehityksen ytimessä. Se tuo jatkuvuutta, oppimista ja reagointinopeutta. Mutta entä kaupallinen tekeminen? Miksi myynnin ja markkinoinnin arki tuntuu edelleen nojaavan raskaisiin kampanjoihin ja vuosikelloihin? Miten agilen ydinajatus – pienet, toistuvat toimenpiteet – voidaan viedä B2B-myyntiin ja -markkinointiin?

Monessa B2B-organisaatiossa kaupallinen tekeminen pyörii kampanjoiden ympärillä. Ensin suunnitellaan, sitten rakennetaan, lopulta lanseerataan. Tuloksia mitataan jälkikäteen. Tämä malli ei ole väärä – mutta se on hidas.

Kampanjoiden väliin jää usein viikkoja – joskus kuukausia – jolloin pipeline ei kasva eikä liidien laatu parane. Silti yrityksellä on jo käytössään kaikki välineet: CRM, sisältöpankki, verkkoanalytiikan työkalut, markkinointiautomaatio, somekanavat. Kyse ei ole puutteesta – vaan puuttuvasta tekemisestä.

Ketterä kaupallinen tekeminen – mitä se tarkoittaa?

B2B-myynnin ja -markkinoinnin agile-malli ei tarkoita organisaatiomuutosta tai sprinttitaulujen perustamista myyntitiimille. Se tarkoittaa päivittäisiä, fokusoituja toimenpiteitä, jotka ovat linjassa kaupallisen strategian kanssa – mutta toteutettavissa heti.

Mikä on pienin mahdollinen teko, joka vie meitä kohti konversiota?

Esimerkiksi:

  • CRM:stä löytyvä reagoimaton liidi → aktivointiviesti
  • Verkkosivulla >60 sek viettänyt yritys → soitto
  • LinkedInissä reagoinut ostajapersoona → DM

Nämä ovat pieniä, mutta vaikuttavia tekoja – ja ne voi toteuttaa ilman budjettia, heti. Vaikka yksittäisen myyjän toimesta. Kun yksittäinen toimenpide toistuu systemaattisesti, siitä syntyy malli. Kun se dokumentoidaan, siitä syntyy playbook. Kun siihen lisätään dataa, siitä syntyy opetettu prosessi.

10 ASKELTA KETTERÄÄN TOIMINTATAPAAN

Ketterä toimintatapa ei tarkoita kiirettä, vaan fokusta. Tässä 10 askelta, joiden avulla myynnin ja markkinoinnin johto (tai yksittäinen myyjä/markkinoija) voi toteuttaa agile-tyyppisen, to-do-vetoisen sprinttimallin.

1. Valitse yksi teema viikolle

Esimerkkejä: “Verkkokävijöiden aktivointi”, “CRM Cleanup”, “Sisältö + CTA”, “LinkedIn-reagointien hyödyntäminen”. Viikko saa fokuksen ja tiimi tietää, mitä kohti työskennellään.

2. Määritä yksi tavoite

“Saada 3 tapaamista verkkosivudatasta” tai “Aktivoida 10 unohtunutta liidiä CRM:stä”. Tämä tuo suunnan – ilman että tarvitsee rakentaa kokonaista kampanjaa.

3. Rytmitä arki: 1 to-do / päivä

Maanantaista perjantaihin jokaiselle päivälle yksi konkreettinen toimenpide. Esimerkiksi:

  • Ma: LinkedIn-DM reagoinneille
  • Ti: CTA-päivitys blogiin
  • Ke: Soitto CRM-liidille
  • To: Sekvenssisarjan tarkistus
  • Pe: Dashboard-päivitys

4. Käytä vain jo olemassa olevia työkaluja

CRM, automaatio, sisältöpankki, ostoaietiedot, LinkedIn, sähköposti. Ei uusia järjestelmiä. Ei lisenssikuluja. Ketteryyden idea on tehdä käytettävissä olevilla resursseilla enemmän – ei ostaa lisää ohjelmistoja.

5. Aloita yhdestä kontaktista

Jos koko segmentti tuntuu liian isolta, aloita yhdestä kontaktista. Avaa yksi kontaktikortti, tee yksi DM, tee yksi CTA-päivitys. Yksi toimenpide voi avata koko kanavan uudelleen.

6. Dokumentoi mitä tapahtui

Kirjaa CRM:ään: mitä tehtiin, mikä oli reaktio, syntyikö liike. Näin rakennat tiedolla johdettavaa mallia – ilman raskaita raportteja.

7. Tuo malli tiimille – ilman byrokratiaa

Sprinttirakenne toimii parhaiten, kun sitä ei kehystetä liian monimutkaiseksi. Slack-kanava, Teams-välilehti tai Trello-laput voivat riittää. Yksi kysymys riittää: “Mikä to-do tehtiin tänään?”

8. Pidä perjantaina kevyt purku

20 min yhteenveto: mitä tehtiin, syntyikö liidejä, tuliko tapaamisia? Mikä toimi, mikä ei? Tämä antaa oppia ja mahdollistaa skaalauksen.

9. Skaalaa toimiva to-do malliksi

Jos yksi CTA-päivitys toi tapaamisen → tee siitä pohja muille sisällöille. Jos yksi LinkedIn-DM avasi keskustelun → kirjoita se talteen ja jaa tiimille.

10. Toista ja kehitä – joka viikko

Parhaat tiimit toistavat tätä viikosta toiseen. Fokusteema muuttuu, mutta rytmi pysyy. Näin syntyy liikkuva, responsiivinen ja konversiovetoinen kaupallinen koneisto, jota ei tarvitse käynnistää aina uudelleen.

Yhteenveto: Päätöksiä, ei projekteja

Ketteryys kaupallisessa kontekstissa ei ole organisaatiomalli – se on ajattelutapa:

Mitä voimme tehdä tänään, mikä vaikuttaa ensi viikolla?

Näillä 10 toimenpiteellä voit aloittaa heti – yksin, tiiminä tai koko kaupallisen johdon voimin.

Ei budjettia. Vain päätös. Ja teko.

Teksti: Kimmo Luoma, MicroMedia

Poimintoja MicroMedian ICT-markkinabarometrista

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

ICT-markkinat ovat jatkuvassa muutoksessa, ja asiakkaiden odotukset sekä teknologiset trendit asettavat uusia haasteita markkinoinnille. MicroMedian ICT-markkinabarometri 2025 tarjoaa näkemyksiä näihin muutoksiin ja esittelee teknologiamarkkinoinnin tiekartan, joka auttaa yrityksiä navigoimaan tässä ympäristössä.

Keskeiset löydökset barometrista:

  • Päätöksenteon monimutkaisuus: Yli 80 % ICT-ostajista tekee päätöksiä ryhmissä, mikä korostaa tarvetta monitasoiselle ja kohdennetulle viestinnälle.
  • Tekoälyn alihyödyntäminen: Vaikka 61 % ICT-yrityksistä käyttää tekoälyä analytiikassa, vain 47 % hyödyntää sitä päätöksenteon automaatiossa, mikä osoittaa merkittävää kasvupotentiaalia.
  • Asiakaskokemuksen personointi: 74 % ICT-ostajista odottaa räätälöityä ja relevanttia viestintää, mikä tekee personoinnista kriittisen menestystekijän.

Poimintoja ICT-markkinoinnin tiekartasta 2025:

1. Ostajapersoonien syvällinen ymmärrys

Perinteinen ostajapersoonien määrittely ei enää riitä kompleksisissa myyntiprosesseissa. On tärkeää hyödyntää tekoälyä ja koneoppimista analysoimaan asiakasdataa syvällisemmin. Tämä mahdollistaa dynaamisten ostajapersoonien luomisen, jotka mukautuvat reaaliajassa asiakkaiden käyttäytymisen ja markkinatrendien mukaan. Näin markkinointistrategiat pysyvät relevantteina ja tehokkaina.

2. Ostoaietiedon hyödyntäminen

Pelkkä ostoaietiedon kerääminen ei riitä; sen analysointi ja hyödyntäminen on avainasemassa. Kehitä prediktiivisiä malleja AI-työkalun. Tämä mahdollistaa proaktiivisen lähestymistavan, jossa markkinointi voi tarjota ratkaisuja juuri oikeaan aikaan, lisäten konversiota ja asiakastyytyväisyyttä.

3. Ostoprosessien roolit

Ymmärrä syvällisesti eri sidosryhmien päätöksentekoprosessit ja -kriteerit. Hyödynnä data-analytiikkaa tunnistaaksesi roolit ja ja tarpeet ostoprosessin eri vaiheissa. Tämän tiedon avulla voit räätälöidä viestisi ja tarjouksesi vastaamaan kunkin päätöksentekijän odotuksia.

4. Markkinoinnin AI-automaatio

Automaatiojärjestelmien tulee olla älykkäitä ja mukautuvia. Integroi tekoälyä automaatioalustoihin, jotta ne voivat oppia ja mukautua asiakkaiden käyttäytymisen perusteella. Tämä mahdollistaa personoidut asiakaspolut, jotka reagoivat reaaliajassa asiakkaiden toimintaan, parantaen sitoutumista ja konversiota.

5. ESG-vaatimusten huomioiminen

ESG-vaatimusten integrointi markkinointistrategiaan on välttämätöntä. Kehitä läpinäkyviä mittareita ja raportointikäytäntöjä, jotka osoittavat yrityksesi sitoutumisen kestävyyteen. Viestitä aktiivisesti näistä toimista asiakkaille ja sidosryhmille, sillä vastuullisuus on yhä tärkeämpi tekijä ostopäätöksissä.

6. Erottuvan asiakaslupauksen rakentaminen

Asiakaslupauksen tulee perustua syvälliseen asiakasymmärrykseen ja arvolupauksen konkretisointiin. Hyödynnä asiakaspalautetta, data-analytiikkaa ja markkinatutkimusta luodaksesi lupauksen, joka resonoi asiakkaidesi tarpeiden ja toiveiden kanssa. Varmista, että tämä lupaus välittyy johdonmukaisesti kaikissa asiakaskohtaamisissa.

7. Revenue Operations (RevOps)

RevOps-ajattelussa on tärkeää yhdistää myynnin, markkinoinnin ja asiakaspalvelun toiminnot saumattomaksi kokonaisuudeksi. Käytä yhtenäisiä mittareita ja tavoitteita, jotka ohjaavat kaikkia tiimejä kohti yhteistä päämäärää. Tämä lisää läpinäkyvyyttä, parantaa asiakastyytyväisyyttä ja optimoi asiakkuuden elinkaarta.

8. Tekoälyn integrointi

Tekoäly ei ole vain työkalu, vaan strateginen kumppani. Integroi AI kaikkiin markkinoinnin ja myynnin prosesseihin, kuten asiakasdatan analysointiin, ennustavaan mallintamiseen ja personoitujen sisältöjen luomiseen.

Katso tallenne ICT-markkinabarometrin tuloksista ja lue raportti

Teksti: Kimmo Luoma, MicroMedia

B2B-asiakkaan iteratiivinen ostoprosessi – mitä se tarkoittaa 2025?

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

B2B-ostoprosessi on muuttunut iteratiiviseksi. B2B-yritykset palaavat edellisiin vaiheisiin, tarkentavat vaatimuksiaan ja käyvät jatkuvaa sisäistä keskustelua ennen ratkaisun valintaa. Ostajat  keräävät tietoa itsenäisesti ja tarkentavat vaatimuksiaan. Miten tämän pitäisi muuttaa tarjoavien yritysten kaupallista prosessia?

Perinteisesti B2B-markkinointi on keskittynyt tuottamaan liidejä ja luomaan sisältöjä, kun taas myynti on hoitanut asiakaskontaktit ja neuvottelut. Vuonna 2025 tämä malli ei enää toimi. Ostajat odottavat myyjiltä ja markkinoijilta ajankohtaista, asiakaslähtöistä, henkilökohtaista ja ostopolun vaiheiden mukaista viestintää, mutta liian usein myynti ja markkinointi toimivat edelleen omissa siiloissaan. Tämä johtaa geneeriseen markkinointiviestintään ja pitkittyneisiin myyntisykleihin.

Ostoprosessi ei ole enää yksittäisen henkilön käsissä, vaan siihen osallistuu useita sidosryhmiä, kuten esimerkiksi IT, liiketoimintajohto ja taloushallinto.

  • Ostajat eivät etene loogisesti vaiheesta toiseen, vaan saattavat palata takaisin tutkimusvaiheeseen useita kertoja.
  • Päätöksiä tehdään dataan ja analytiikkaan pohjautuen, ei myyjien puheiden perusteella

“Markkinointi tuottaa sisältöjä ja myynti hoitaa kaupan – mutta jos nämä eivät tue toisiaan, ostajat eivät saa oikeaa viestiä oikeaan aikaan.” – ICT-myyjä, MM ICT-Markkinabarometri 2025

Jotta tarjoavat yritykset voivat vastata ostajien odotuksiin, myynnin ja markkinoinnin täytyy toimia yhtenä kaupallisena prosessina. Tämä tarkoittaa:

  • Yhteistä ostoaietiedon keräämistä ja hyödyntämistä: Markkinointi ja myynti yhdessä keräävät signaaleja ostajien käyttäytymisestä eri kanavissa ja varmistavat datan päätymisen CRM-työkaluun jatkotoimia varten
  • Ostoprosessin mukauttamista ostajan vaiheiden mukaan: Markkinointi tukee myyntiä tarjoamalla ostajalle oikeaa sisältöä, joka auttaa etenemään päätöksenteossa.
  • Sisältöstrategian ja myyntikeskustelujen synkronointia: Viestien täytyy olla yhtenäisiä kaikissa kanavissa, jotta ostajan ei tarvitse aloittaa keskustelua alusta jokaisessa kohtaamispisteessä.

Lisää aiheesta ja MicroMedian ICT-markkinabarometrista 13.2 webinaarissa. Tervetuloa mukaan! Ilmoittaudu tästä: https://micromedia.fi/webinaari-ict/

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

Complex Sales & AI – Myynnin keräämä data B2B-markkinoinnissa

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

Myynnin kohtaamispisteistä kerätty tieto on vielä hyödyntämätön resurssi, etenkin Complex Sales -ympäristössä. Moni markkinointijohtaja kuitenkin tuskailee sen kanssa, miten tämä myynnistä kerätty laadullinen tieto voidaan analysoida tehokkaasti ja hyödyntää esimerksi GoToMarket-suunnittelussa.

Complex sales -myynnissä asiakkaiden ostoprosessit ovat usein pitkiä ja niihin vaikuttaa useita sidosryhmiä ja muuttujia. Asiakkaat liikkuvat eri vaiheiden välillä edestakaisin ja päätöksenteko saattaa kestää kuukausia, ellei jopa vuosia. Myyntitiimi kerää valtavasti laadullista tietoa asiakkaiden tarpeista, huolista ja tavoitteista erilaisissa kohtaamisissa, tapaamisissa, haastatteluissa ja CRM-kirjauksissa. Tämä tieto on kuitenkin usein hajanaista ja vaikeasti hyödynnettävää markkinoinnin näkökulmasta.

Monet markkinointitiimit kokevat haasteeksi sen, miten myynnin keräämää dataa voisi analysoida tehokkaasti ja yhdistää osaksi markkinoinnin suunnittelua. Laadullinen tieto saattaa olla monimuotoista ja sen hyödyntäminen vaatii erityisiä analyysimenetelmiä, joita perinteiset raportointityökalut eivät välttämättä tue.

Tekoäly ja koneoppiminen tarjoavat ratkaisun myynnin kohtaamispisteistä kerätyn laadullisen tiedon tehokkaaseen analysointiin. Tekoäly pystyy käsittelemään suuria määriä monimuotoista dataa, kuten asiakastapaamisten kirjauksia, haastatteluista saatuja muistiinpanoja ja CRM-tietoja, ja löytämään sieltä segmenttejä, trendejä, yhteyksiä ja piilotettuja ostosignaaleja.

5 konkreettista käyttötapausta B2B-myynnin kohtaamispisteistä kerätyn laadullisen datan analysointiin

1. Mitä yhteisiä teemoja ja haasteita asiakkaat mainitsevat?

Tekoäly voi analysoida CRM-järjestelmään kirjattuja asiakastapaamisia ja haastatteluita tunnistaakseen toistuvia teemoja ja haasteita. Tämä auttaa markkinointitiimiä luomaan sisältöä, joka vastaa näihin tarpeisiin ja puhuttelee asiakkaita heidän kipupisteissään.

2. Miten asiakastarpeet eroavat eri segmenteissä?

Tekoälyllä voit segmentointianalyysin avulla selvittää, miten eri asiakasryhmien tarpeet ja huolenaiheet eroavat toisistaan. Näin markkinointitiimi voi kohdentaa viestintänsä tehokkaammin kullekin segmentille.

3. Asiakashaastatteluiden sentimenttianalyysi

Analysoi asiakashaastatteluiden muistiinpanot tekoälyn avulla selvittääksesi asiakkaiden tunteet ja suhtautumisen yrityksen ratkaisuihin. Positiivinen sentimentti voi antaa vinkkejä siitä, mitkä ratkaisut tai palvelut ovat erityisen kiinnostavia, kun taas negatiiviset kommentit kertovat kehityskohteista.

4. Ostopolun vaiheiden tunnistaminen

Analysoi asiakkaiden CRM-kirjauksia ja kartoita, missä vaiheessa ostopolkua asiakas tällä hetkellä on. Tämän avulla markkinointitiimi voi kohdentaa viestinnän oikea-aikaisesti ja tarjota sisältöä, joka auttaa asiakasta siirtymään seuraavaan vaiheeseen.

5. Mitkä asiakkaat osoittavat valmiutta edetä seuraavaan vaiheeseen?

Tekoäly voi analysoida eri asiakkaiden kanssa käytyjä keskusteluja ja tunnistaa ne asiakkaat, jotka ovat valmiita etenemään ostoprosessissa. Tämä mahdollistaa sen, että markkinointi voi kohdentaa viestinsä oikeaan aikaan ja tukea asiakasta ostopäätöksessä.

Tekoälyn hyödyntäminen myynnin kohtaamispisteistä kerätyn ostoaietiedon analysoinnissa on avain tehokkaampaan ja asiakaslähtöisempään markkinointiin, erityisesti Complex sales -ympäristössä. Myynnin keräämä data on arvokasta, mutta vasta tekoälyn avulla siitä saadaan irti kaikki se potentiaali, joka voi auttaa markkinointia saavuttamaan parempia tuloksia ja tukemaan asiakasta ostoprosessin eri vaiheissa.

Teksti: Kimmo Luoma, MicroMedia

Asiakashäive ja B2B-myynti

Posted in B2B, B2Bmarkkinointi, Complex Sales, Intent Data, Myynti, Ostoaietieto, Sales Enablement by

Vaikka B2B-ostajan onkin vaikea olla poistumatta stealth modesta, häivetilasta, ostoprosessia aloittaessaan, niin syntyneiden ostosignaalien avulla ei Complex Sales-yrityksen myyntiä ja markkinointia vielä oikeasti kohdenneta tai johdeta. WWW-analytiikan, ostoaietietopalveluiden, ennakoivan analytiikan tai liidipisteytyksen tuottama, käyttäytymiseen pohjautuva tieto ei vain kerro riittävästi asiakkaan todellisista tarpeista, hankkeista ja ennen kaikkea niiden aikatauluista.

Prosessin seuraavan vaiheen, myynnin tai erillisen sales enablement/SDR-toiminnon, ensisijainen tavoite onkin BANT-haastatteluin selvittää ja lukita aikataulutietoja: milloin aloitetaan vaihtoehtojen selvittäminen, koska tarjouspyynnöt jätetään, koska on lopullisten päätösten aika. Muut BANT-kriteerit ovat sekundäärisiä tässä vaiheessa – toki kuitenkin kartoitettavia asioita.

Vain tunnistettujen aikataulutietojen avulla on mahdollista johtaa sekä B2B-myynnin että markkinoinnin toimenpiteitä. Myyntiorganisaation tulevia kontaktointeja ja markkinoinnin käynnistämiä asiakkaan päätösaikataulun mukaan ajastettuja toimenpiteitä eri kanavissa (drip-emailit, IP-kohdennettu display jne).

Vähennä asiakashäivettä. Ohjeet BANT-lukituksen hyödyntämiseen

1. Laajenna myyntiprosessi myös ostoaietiedon ja aikataulutiedon keräämisen tavoittein

Myynnin/sales enablement/SDR-tiimin kontaktoinnin ensimmäinen tavoite on kerätä hankkeiden aikatauluinformaatiota vähintään vuosineljänneksen tarkkuudella ja dokumentoida se CRM-työkaluun. Lisäksi heidän tehtävänään on luoda sovitut CRM-taskit ja/tai käynnistää sekvenssit tai työnkulut, esimerkiksi prospektiyrityksen päätösaikataulun mukaan ajastetut markkinointiautomaation viestit päättäjille, vaikuttajille ja asiantuntijoille.

2. Varmista CRM-työkalujen käytettävyys tietojen dokumentointiin

Monesti isoin haaste kerätyn tiedon hyödyntämiseen liittyy soveltumattomiin CRM-työkaluihin. Pidä huoli, että esimerksi accountin  tai oppon alla on kentät päätösaikataulutietojen kirjaamiseen. Vuosineljänneksen taso riittää hyvin esimerkiksi alasvetovalikkona.

3. Suunnittele & käynnistä markkinoinnin automaatiot päätösaikataulusta johdettuna

Suurehko muutos B2B-markkinoinnin tyypillisessä liidit myynnille-toimintamalliin verrattuna. Suunnittele ja viritä markkinointiautomaation työnkulut ja sekvenssit siten, että ne virittyvät tunnistetusta, tulevasta päätösajankohdasta käsin kohti nykyhetkeä. Millainen on esimerkiksi markkinoinnin workflow, jos päätös tehdään 24 kk päästä? Miten siinä aikataulutetaan erilaiset viestejä, sisältöjä ja kehotteita (CTA), esimerkiksi asiakasreferenssejä tai videoita.

Teksti: Kimmo Luoma, MicroMedia