Category Archives: Markkinointi

TOP5 Liidijalostamon luetuimmat 2025

Posted in B2B, B2Bmarkkinointi, Liidit, Myynti, Ostoaietieto by

Jokainen teksti vastaa eri näkökulmista samaan kysymykseen: miten B2B-markkinointia ja -myyntiä johdetaan kun ostoprosessi ei noudata suunnitelmia, data ei kerro koko totuutta ja ajoitus ratkaisee enemmän kuin aktiviteettien määrä.

1. Liidin anatomia 2025

Tämä blogi pureutuu B2B-kaupallisen työn perusvirheeseen: liidiä käsitellään vastauksena, vaikka se on vasta vihje. Yksittäinen signaali tulkitaan liian usein valmiiksi totuudeksi ja koko prosessi käynnistyy oletusten varassa. Ongelma ei ole signaalien puute, vaan se, miten nopeasti niistä vedetään johtopäätöksiä. Lue blogi

2. AI-koukku

Blogi käsittelee ilmiötä, jossa päätöksentekoa aletaan ulkoistaa järjestelmille ennen kuin itse päätösmalli on kirkas. Blogi osoittaa, että tekoäly ei tee huonoa mallia paremmaksi. Se tekee siitä nopeamman. Lue blogi

3. Micro-Moment Marketing – Yhden hetken B2B-markkinointi

Tämä blogi tuo esiin epämukavan havainnon: B2B-ostaminen ei noudata suunnitelmia. Se etenee pyrähdyksittäin, hetkissä, joissa jotain muuttuu. Usein nopeasti ja ilman ennakkovaroitusta. Kaupallinen työ ei kilpaile kampanjoilla, vaan kyvyllä olla läsnä silloin, kun ostaja on valmis ajattelemaan asiaa uudella tavalla. Lue blogi

4. Liidi ei ole kontakti

Blogi näyttää, miksi binäärinen liidi/ei-liidi-ajattelu ohittaa suurimman osan arvokkaasta ostoaietiedosta kompleksisessa B2B-myynnissä. Kun huomio siirretään kontakteista kontekstiin, kaupallinen tekeminen muuttuu ajoitetuksi, kohdistetuksi ja oppivaksi. Lue blogi

5. Jälkihoitajat ja liidien elvytys

B2B-organisaatiot on rakennettu katsomaan eteenpäin, vaikka suurin kaupallinen potentiaali jää usein taakse.“Ei nyt” ei ole epäonnistuminen, vaan vaihe. Ongelma syntyy, kun organisaatio ei palaa asiaan oikealla hetkellä. Ei siksi, että ei haluaisi, vaan koska prosessi ei tue ”peruuttamista”. Lue blogi

Teksti: Kimmo Luoma, MicroMedia Oy

Note to self: joulukuun eurot

Posted in B2B, B2Bmarkkinointi, Complex Sales, Liidit, Myynti by

Joulukuu on kummallinen kuukausi. Kaupalliset organisaatiot puhuvat siitä kuin se olisi sääilmiö, johon ei voi vaikuttaa: “Joulukuussa ei tehdä kauppaa.” “Jengi lähtee lomille.” “Palataan ensi vuonna.” “Joulukuussa ajetaan vain terveisiä.” Kun myynti, markkinointi ja asiakkuustiimit hyväksyvät joulukuun luonnonlakina, tulos on väistämätön: tammikuu alkaa kylmänä, pipeline nollasta ja kilpailijat ovat askeleen edellä.

Mutta näin ei tarvitse olla. Joulukuu on koko vuoden helpoin kuukausi tehdä pieniä, nopeita, heti laskutettavia töitä, koska kaikki perusta on jo olemassa asiakkaissa, joita olette palvelleet pitkin vuotta.

Note to self 1: Joulukuussa myydään pieniä päätöksiä

Joulukuussa asiakkaat eivät halua:

  • aloittaa raskaita business caseja
  • tehdä isoja investointipäätöksiä
  • käynnistää monimutkaisia kilpailutuksia
  • implementoida uusia teknologioita
  • ylittää budjetteja

He haluavat:

  • selkeyttä
  • kevennystä tammikuuhun
  • valmiiksi pureksittuja vaihtoehtoja
  • pienen päätöksen, ei suurta harppausta

Tämä on joulukuun kaupallinen luonnonlaki. Joka vuosi sama. Ja juuri sitä kannattaa hyödyntää.

Note to self 2: Kaikki joulukuun eurot syntyvät vanhoista asiakkuuksista

Ei uusista liideistä. Ei kylmästä outboundista. Ei massiivisesta kampanjoinnista.

Joulukuun eurot syntyvät:

  • käyttämättömistä tunneista
  • backlogiin jääneistä pienistä tehtävistä
  • aiempien projektien jatko-osista
  • pienistä päivityksistä
  • miniauditoinneista
  • lisäanalyyseistä
  • laajennuksista
  • ristiinmyynnistä

Joulukuun tärkein kysymys ei ole: mitä uutta voimme myydä? Vaan: Mitä arvoa olemme tuottaneet asiakkaille vuoden aikana ja miten voimme jatkaa siitä nyt?

Note to self 3: Jokaiselle asiakkaalle on olemassa joulukuun “pieni kyllä” -päätös

Pieni kyllä on:

  • hyväksyntä 2–8 tunnin lisätyölle
  • dashboard-päivitys
  • integraation pikakorjaus
  • sisältöpäivitys
  • markkinointi- tai myyntidata-auditointi
  • Q1-valmistelutyöpaja
  • segmenttien uudelleenluokittelu
  • pikainen ROI-laskelman päivitys
  • datan päivitys
  • yhden uuden mittarin lisääminen raportointiin

Nämä eivät vaadi hankintaprosessia. Eivät budjettimuutoksia. Eivät isoja päätöksiä.

Ne vaativat:

  • viestin
  • ehdotuksen
  • tunnin tai pari asiantuntija-aikaa
  • ja tahdon auttaa asiakasta tammikuun kaaoksessa

Ja tästä syntyvät joulukuun eurot.

Note to self 4: Joulukuussa ei pidä lähettää pelkkiä joulutervehdyksiä

Joulutervehdys on kohteliasta, mutta se ei aktivoi mitään. Sen perään asiakkaat menevät lomille ja unohtavat koko keskustelun. Joulukuun paras viesti ei ole “Hyvää joulua”. Joulukuun paras viesti on:

“Voimme auttaa teitä valmistautumaan tammikuuhun tekemällä X, Y ja Z jo nyt.”

Se on ystävällinen, relevantti ja täysin joulumieleen istuva viesti.

Teksti: Kimmo Luoma, MicroMedia

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

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

Tahdikas B2B-markkinointi ja SQL-liidien hoito

Posted in AI, B2Bmarkkinointi, Complex Sales, Go-To-Market, Liidit, Ostoaietieto by

B2B-yritysten myynti- ja markkinointitoiminnoilla on kummallinen perinne.

Kun liidi saavuttaa SQL-statuksen (Sales Qualified Lead, myyntivalmis liidi tai myyntimahdollisuus), markkinointi vetäytyy kuin kohtelias vieras, joka ei halua häiritä varsinaista keskustelua. “Liidi on nyt myynnillä” – ja sen myötä myös viestintä, tuki ja näkyvyys siirtyvät syrjään.

Complex sales-yritykselle tämä voi olla virhe.

Osto- ja myyntiprosessit ovat pitkäkestoisia, usein 6–18 kuukauden mittaisia ja sisältävät useita päätöksentekotasoja. Päätökset syntyvät useiden iterointien, sisäisten keskustelujen ja ulkoisten vaikutteiden kautta. Myyntitiimi ei voi olla läsnä kaikessa, mutta markkinointi voi. Kun malli on suunniteltu sen mukaisesti.

Miksi markkinointi ei voi vetäytyä SQL-vaiheessa?

1. Ostoprosessi ei ole lineaarinen

Asiakas ei etene vaihe kerrallaan, vaan palaa taaksepäin, hyppää yli ja miettii uudelleen. Tapahtuu edelleen aktiivista harkintaa, vertailua ja tiedonhakua.

2. Päätöksenteko on kollektiivista

Usein myyjän keskustelukumppani on vain yksi päättäjä monen joukossa. Ostokomiteassa voi olla mukana IT, talous, operatiivinen johto – eikä heihin ole suoraa myyntikontaktia. Heidät tavoittaa vain markkinoinnin keinoin.

3. Kilpailijat eivät odota

Samaan aikaan kun oma myynti rakentaa ratkaisua, kilpailijat jatkavat omaa markkinointiaan. Jos et ole läsnä, he ovat.

Tässä taulukossa ovat keskeiset datapisteet, joita tarvitset SQL-liidien hoitomallien suunnittelua ja toteutusta varten:

DatatyyppiMihin kysymykseen data vastaa?Miten kerätään?Miten luokitellaan?Miten hyödynnetään viestien suunnitte-lussa?Esimerkkejä AI-labeleista ja CRM-tageista
LähdetietoMiten tämä liidi tuli meille?Web-lomake, SDR, tapahtuma, kampanjadataKanava, kampanja, ensimmäinen kosketusViestin sävy ja konteksti valitaan alkuperäisen kiinnostuksen mukaanSource-tag, Kampanja-ID, AI:Origin:
Inbound, outbound
Rooli & funktioMikä henkilön vaikutusvalta ja vastuualue on?LinkedIn, CRM, SDR:n muistiotPäättäjä / vaikuttaja / käyttäjäRoolin mukaan painotetaan liiketoiminnallista, teknistä tai operatiivista argumentointiaCRM-roolitagit, AI: Persona:Tech/Finance/Exec
Ostopotenti-aali & ostoaietietoKuinka lähellä ostopäätöstä hän on, ja kuinka motivoitunut?Käyttäytymi-nen, SDR, AI-pisteytysEarly / Mid / Late + Hot/Warm/Cold intentViestin ajoitus, CTA ja painopiste riippuvat ostoaikeesta ja ajankohdastaAI: Stage:Mid:Hot, CRM-lifecycle
Sisältö-reaktiotMistä aiheista hän on kiinnostunut?Klikit, sisällön-kulutus, hakukoneetAihealueet, formaatit (opas, video, case)AI suosittelee seuraavaa sisältötyyppiä tai aihetta reaktion perusteella (esim. case, pricing-info)Content-tagit, AI:Intent:Topic:Automation
Engagement, Aktiviteetti-tiheysKuinka aktiivinen hän on viime aikoina ollut?CRM-logit, clickstream, engagement scoreHigh / Medium / Low engagementAI mukauttaa kontakti-tiheyden: korkea → CTA: tapaaminen AI: Engagement:
High, CRM-käyttäytymis-tagi
Yritystason signaalitOnko muu organisaatio aktivoitunut?ABM, IP-tunnistus, käyttäytymis-trenditMulti-touch / yksi kontakti / aktiivinen tiimiLaajennetaan viestintää usealle roolille, ehdotetaan yhteistä demoaAI: Org-Intent:Active, ABM-tunnisteet
Ostoesteet ja duubiotMitä esteitä tai huomioita on tullut esiin?SDR:n tai myyjän kirjaukset, AI-analyysi puheluistaTrigger, Objection, Opportunity themeAI tuottaa sisältö-suosituksia esim. ROI-laskelmasta jos esteenä hinta / aikatauluAI: Objection: Budget, Trigger: Vendor Change”
ICPVastaako yritys meidän ihanneprofiilia?CRM-enrichment, intent data, toimialatiedotICP-match / Tech Stack / KasvuvaiheAI suosittelee relevantin referenssin tai toimiala-kohtaisen sisällön kohdentamistaAI: “Fit:ICP”, “Segment:Scale-up/Enterprise”

Teksti: Kimmo Luoma, MicroMedia Oy

B2B-markkinoinnin viimeinen kilometri

Posted in B2B, B2Bmarkkinointi, Liidit, Myynti, sisältömarkkinointi by

Logistiikassa tunnetaan termi “viimeinen kilometri”. Vaihe, jossa tilattu lähetys siirtyy jakelukeskuksesta kotiovelle. Se on usein kallein, vaikeimmin hallittava ja asiakaskokemuksen kannalta ratkaisevin osa toimitusta.

B2B-markkinoinnin viimeinen kilometri alkaa siitä hetkestä, kun asiakas on ladannut oppaan, osallistunut webinaariin tai jättänyt yhteystietonsa. Status voi olla esimerksi MQL-liidi.

Kyse ei ole enää liidien keräämisestä. Vaan siitä, miten niiden kanssa jatketaan. Viimeinen kilometri on kaupallisen prosessin happotesti. Siinä mitataan markkinoinnin ja myynnin integraation todellinen taso. Sillä viimeinen kilometri toimii vain, kun:

  • Markkinointi orkestroi ja personoi viestit
  • Myynti antaa nimensä, näkemyksensä ja kontekstin
  • Lähettäjä on ihminen, esimerkiksi nimetty vastuumyyjä (vaikka lähetys tapahtuisikin osana markkinointiautomaation työnkulkua) 

Personointi ei tarkoita “Hei [etunimi]” – vaan oikean viestin lähettämistä oikealta henkilöltä. Personointi on kaksisuuntaista: viestin pitää tuntua siltä, että lähettäjä tuntee vastaanottajan ja toisaalta viestillä on selkeä “allekirjoittaja”. Tässä viimeistään vastuumyyjän on oltava selvillä ja esittäydyttävä. Lisäksi personoinnin on oltava käyttäytymiseen, toimialaan tai rooliin perustuvaa.

Ei: “Kiitos osallistumisesta! Tässä tallenne.”
Vaan: “Huomasin että kiinnostuit osuudesta, jossa käsiteltiin liidien lämpötilaa. haluatko nähdä analyysimallin, jolla se toteutetaan?”

10 vinkkiä B2B-markkinoinnin viimeiselle kilometrille

  1. Unohda geneeriset viestit. Tee 2–3 versiota toimialan, tittelin tai käyttäytymisen mukaan.
  2. Pisteytyspohjainen rytmitys. Ei kalenterin mukaan vaan sen, mitä kontakti tekee.
    (Katsoi tallennetta → lähetys 2 pv päästä)
  3. Myyjän ääni, markkinoinnin voima. Anna markkinoinnin tehdä työ, mutta myyjän nimissä ja näkökulmasta.
  4. Sisältöjen uusiokäyttö. Webinaarien litteroinneista saa blogitekstejä, asiantuntija-artikkeleita tai LinkedIn-päivityksiä – jatka dialogia tutulla sisällöllä.
  5. Kysy tarkentava kysymys. Viimeisen kilometrin viesti voi olla pelkkä yksinkertainen “Onko teillä jo käytössä…?” Aktivoiva ja kevyt.
  6. Tee viestistä jakokelpoinen. Lisää pieni nosto, jonka vastaanottaja voi helposti forwardoida kollegalleen.
  7. Valitse media oikein. Toiselle sähköposti toimii, toiselle LinkedIn-viesti, kolmas haluaa WhatsAppin. Ole siellä missä kontakti on.
  8. Hyödynnä käyttäytymisdata. Jos tiedät, mihin osallistuja pysähtyi tallenteessa, jatka siitä.
  9. Ajoita yksilöllisesti. Kaikki eivät kaipaa viestiä heti tapahtuman jälkeen. Viivästetty, kontekstilla ladattu viesti viikkoa myöhemmin voi osua paremmin.
  10. Anna vaihtoehto. Viestin CTA ei ole aina “Varaa demo”. Se voi olla myös “Haluatko nähdä toisen esimerkin?” tai “Voinko lähettää tiivistelmän?”

Haluatko keskustella miltä teidän markkinoinnin viimeinen kilometri voisi näyttää?
Varaa 15-30 min – näytämme esimerkin siitä, miten dialogi jatkuu perille asti.

Teksti: 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