- Syy vierailla Exceleiden hautausmailla
- Näe ostoprosessin tuolle puolen – Ostoaietieto B2B-markkinoinnissa
- Asiakashäive ja B2B-myynti
Uudet B2B-blogit kuukausittain myös ensi vuonna.
Kiitokset lukijoille ja kaupallista vuotta 2025!
Category Archives: B2Bmarkkinointi
Fullbound-markkinointi: Myyntitavoitteista johdettu B2B-markkinointi
Fullbound-markkinointi on pragmatismiin perustuva yhdistelmä inbound- ja outbound-markkinointia, jonka tavoitteena on saavuttaa asetetut myyntitavoitteet mahdollisimman tehokkaasti ja nopeasti. Toisin kuin perinteinen pelkästään inboundiin tai outboundiin nojaava markkinointi, fullbound lähtee liikkeelle myyntitavoitteista ja rakentaa markkinointistrategiansa niiden ympärille. Se tarkoittaa, että valitaan parhaiten toimivat välineet – oli kyseessä sitten inbound-sisältö, kuten blogi ja hakukonemarkkinointi, tai outbound-kampanja, kuten sähköpostimarkkinointi, IP-kohdennus tai soittokampanja
Fullbound-markkinointi ei katso, onko väline inboundia vai outboundia, vaan keskittyy siihen, mikä vie liidiä eteenpäin ostoprosessissa ja mikä tukee myyntitavoitteita. Tämä toimintatapa perustuu reaaliaikaiseen analytiikkaan ja kaupallisen prosessin ymmärrykseen.
B2B-markkinoinnissa on pitkään ollut jako inbound- ja outbound-markkinointiin. Inbound houkuttelee asiakkaita heidän omasta mielenkiinnostaan käsin, kun taas outbound on proaktiivista asiakkaiden tavoittelua. Molemmat ovat hyödyllisiä, mutta yksinään käytettyinä ne voivat olla riittämättömiä. Inbound voi olla hidas ja riippuvainen asiakkaan oma-aloitteisuudesta, kun taas outbound saattaa olla kallista ja vaatia suuria resursseja.
Tämä kahtiajako on tehnyt markkinoinnista usein epätehokasta, koska se ei ota huomioon asiakaspolkua kokonaisuudessaan. B2B-markkinoinnissa, erityisesti Complex Sales -ympäristössä, ostoprosessit voivat olla pitkiä ja monimutkaisia. Asiakkaan matka ostopolulla sisältää useita kohtaamispisteitä ja päätöksentekijöitä, joiden sitouttaminen vaatii tehokasta ja monikanavaista lähestymistapaa.
Ratkaisu: Fullbound-Markkinointi myyntitavoitteiden saavuttamiseksi
Fullbound-markkinointi yhdistää inboundin ja outboundin vahvuudet yhdeksi toimivaksi kokonaisuudeksi. Sen lähtökohtana ovat myyntitavoitteet ja konversiomatematiikka, jossa konversioprosentit lasketaan suhteessa koko myyntisuppiloon. Tarkastellaan esimerkiksi liidin matkaa myyntiputken eri vaiheiden läpi:
- Kontaktit → Markkinointivalmiit liidit → Myyntivalmiit liidit → Tapaamiset → Tarjoukset → Kaupat.
Fullbound-markkinointi optimoi konversiot jokaisessa myyntiprosessin vaiheessa ja ottaa huomioon ajan – kuinka kauan liidi viettää kussakin vaiheessa ja miten se voidaan saada nopeammin seuraavaan vaiheeseen. Tämän avulla myyntitavoitteet voidaan asettaa aikaan sidotuiksi, ja markkinoinnin toimenpiteet suunnitellaan tukemaan näitä tavoitteita.
Fullbound-markkinoinnissa on kyse siitä, että käytetään niitä kanavia ja toimenpiteitä, jotka tuottavat parhaan konversion ja vievät asiakkaan eteenpäin ostoprosessissa mahdollisimman tehokkaasti. Toimenpiteiden tehoa mitataan reaaliajassa, ja dataa hyödynnetään jatkuvaan optimointiin. Tämä sisältää muun muassa:
- Inbound-välineet, kuten sisältömarkkinointi, SEO ja webinaarit, jotka tuovat liidejä luoksesi.
- Outbound-välineet, kuten sähköpostikampanjat, IP-kohdennus ja ohjelmallinen ostaminen, jotka auttavat tavoittamaan potentiaaliset asiakkaat silloin, kun he eivät aktiivisesti etsi ratkaisuasi.
Hyödyt: Reaaliaikaisuus ja myyntitavoitteiden tukeminen
- Konversioiden optimointi koko myyntiprosessin ajan: Fullbound-markkinointi keskittyy parantamaan konversioita jokaisessa myyntisuppilon vaiheessa, jolloin myyntitavoitteet voidaan saavuttaa ennakoidusti ja tehokkaasti.
- Ajan huomiointi ja tehokas liidinhallinta: Koska myyntitavoitteet ovat aikaan sidottuja, fullbound-markkinointi kiinnittää erityistä huomiota liidin matka-aikaan eri myyntisuppilon vaiheissa. Näin voidaan parantaa prosessin sujuvuutta ja lyhentää myyntisyklejä.
- Monikanavaisuus ja kohdentaminen: Fullbound hyödyntää monipuolisesti sekä inbound- että outbound-kanavia, mikä takaa, että asiakkaat tavoitetaan siellä, missä he ovat. Tämä monikanavainen lähestymistapa mahdollistaa paremman osuvuuden ja tehokkaamman viestinnän.
- Reaaliaikainen optimointi ja dataohjautuvuus: Fullbound-markkinointi on dynaamista, ja se perustuu reaaliaikaiseen analytiikkaan. Tämä mahdollistaa sen, että markkinointitoimenpiteitä voidaan optimoida jatkuvasti sen mukaan, mikä toimii ja mikä ei.
- Myyntitavoitteiden ohjaama markkinointi: Fullbound-markkinoinnissa myyntitavoitteet määrittelevät markkinointistrategian suunnan, ei toisinpäin. Näin varmistetaan, että kaikki markkinoinnin toimenpiteet tukevat suoraan kaupallista prosessia ja myyntitavoitteiden saavuttamista.
Askelmerkit kohti Fullbound-markkinointia
- Määrittele myyntitavoitteet ja realistiset konversioprosentit: Aloita määrittelemällä selkeät myyntitavoitteet ja konversiotavoitteet jokaiselle myyntiprosessin vaiheelle.
- Yhdistä inbound ja outbound yhdeksi strategiaksi: Suunnittele markkinointistrategia, jossa inbound ja outbound toimivat yhdessä tukien koko asiakaspolkua.
- Käytä ostoaietietoa kohdentamiseen: Hyödynnä CRM-kirjauksia, asiakashaastatteluja ja verkkosivukäyttäytymistä tunnistaaksesi asiakkaat, joilla on korkein ostokiinnostus.
- Implementoi automaatio ja reaaliaikainen analytiikka: Ota käyttöön markkinoinnin automaatiotyökaluja ja analytiikkaa, kuten HubSpot, Salesforce ja Google Analytics, jotta markkinointitoimenpiteitä voidaan optimoida reaaliajassa.
- Optimoi ja kehitä jatkuvasti: Fullbound ei ole kertaluontoinen toimenpide. Se vaatii jatkuvaa mittaamista ja optimointia, jotta tuloksia voidaan parantaa ja myyntitavoitteet saavuttaa tehokkaasti.
Fullbound-markkinointi on askel kohti kokonaisvaltaisempaa ja tehokkaampaa B2B-markkinointia. Yhdistämällä inbound- ja outbound-markkinoinnin parhaat puolet ja ohjaamalla markkinointitoimenpiteet myyntitavoitteiden mukaan voidaan luoda asiakaskokemus, joka tukee kaupallista prosessia ja saavuttaa tuloksia.
Teksti: Kimmo Luoma, MicroMedia Oy
Tekoäly on ABM-markkinoinnin tehoäly
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
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
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
Ota aloite! B2B-markkinoinnin interventio
B2B-markkinan syyslukukausi on käynnistetty. Lomien jälkeinen aika ja H2-aloitus on otollinen epäjatkuvuuskohta myyntiorganisaation lisäksi myös markkinointiimille tehdä aloitteita ja aktivoitua ns. perustekemisen ohella.
Miksi? B2B-yritykset liikehtivät ja käynnistävät sekä H2-operaatioita että seuraavan vuoden suunnittelua. Tiedonkeruun vaiheesta edetään jo kohti kumppaneiden vertailua ja valintaa. Lisäksi liiketoiminnan vaatimukset ovat saattaneet muuttua jo syksylle esimerkiksi myynnin haasteiden takia, jolloin apua kaivataankin odotettua ja ilmoitettua nopeammin.
B2B-markkinoinnin kannattaakin aktivoida erityisesti jo tunnistettuja ja tunnistautuneita kontakteja; yrityksiä ja päättäjiä jotka ovat jo liikahtaneet ostoprosessillaan. Näitä on varmasti kertynyt ja kerätty eri asiakaskohtaamispisteistä H1-aikana. HUOM! Vaikka tunnistautunut kontakti olisikin ns. inbound-kontakti, niin aktiivinen hoito eri outbound-kanavissa on perusteltua. Potentiaalisen asiakkaan seuraavan siirron tai yhteydenoton odottelu on yleensä huono strategia. Markkinatilanne ja kilpailukenttä huomioon ottaen.
Ota aloite, aktivoi, älä odota inboundia – tee taktinen interventio eri kohtaamispisteistä kerätyn datan avulla. Auta potentiaalista asiakasta ostamaan!
Hyödynnä esimerkiksi seuraavia CRM- & datalähteitä ja medioita kampanjoinnissa tai muodostaessasi uusia yleisöjä:
- Uudet tunnistautuneet tai tunnistetut CRM-kontaktit (ei myynnin omistajaa)
- Liidipisteet täyttäneet kontaktit
- Yksittäisten kampanjoiden top engage-kontaktit
- Liidien hoito-ohjelmissa, nurturoinnissa ja drip-kampanjoissa olevat kontaktit
- Uutiskirjetilaajat
- CRM-kontaktit ilman aktiviteetteja
- Hävityt tarjoukset (CRM: deal, opportunity)
- Eri kanavista kerätty ostoaietieto: sopimuskaudet, tulevat hankkeet ja niiden aikataulut
- Uudet someseuraajat: LinkedIn, Meta, jne.
- www-kävijäseuranta, esimerkiksi Leadfeeder tai Leadforensics
- Myynnin tai ulkopuolisen kumppanin tuottama B2B-päättäjien haastatteludata
- Webinaari/seminaari-osallistujat ja no-showt
- Gated content-materiaalia ladanneet
- Aluekohdennetut display-kampanjat – Kytke alueilta löytyviin, asiakasprofiilin täyttäviin yrityksiin B2B-päättäjät outboud-kampanjointia varten
- ABM/IP-kohdennetut kampanjat – Kytke kohdeyrityksiin B2B-päättäjät outbound-kampanjointia varten
- Re-marketing tai re-targeting uusin voimakkaammin kehottein (CTA)
- Oman median aktivointi, henkilöstö mukaan jakamaan eri some-kanavissa
- Nykyasiakasdata ja sen laajentaminen uusilla päättäjäkontakteilla
- Nykyasiakasdatan analyysin osoittamat lookalike-yleisöt
- Toimialaan liittyvät LinkedIn-ryhmät
Teksti: Kimmo Luoma, MicroMedia
GTM-suunnittelu, ostoaietieto ja AI
Go-to-Market (GTM) -suunnittelu on kriittinen prosessi B2B-yrityksille, jotka haluavat menestyä uusilla markkinoilla ja tuotteilla tai kehittää nykyistä liiketoimintaansa. Erityisen tärkeää se on ns. Complex Sales-yrityksille. Yksi tehokkaimmista tavoista parantaa GTM-strategiaa on analysoida jo kerättyä ja dokumentoitua ostoaietietoa AI-työkaluin. Dokumentoitu ostoaietieto on arvokas resurssi, joka voi merkittävästi parantaa B2B-yrityksen GTM-suunnittelua.
GTM-suunnittelu AI-työkaluin:
1. Tee datainventaari
Valitse tarjooma tai segmentti, jota analysoit. Kerää 2-3 vuoden ajalta kaikki haastatteluaineistot ja CRM-kirjaukset joita analyysin kohteeseen liittyy. HUOM! litteroi myös mahdolliset audiot. Varmista, että vastausdatassa on mukana myös taustamuuttujia: toimiala, kokoluokka, liikevaihdon kehitys, sijainti, tms.
2. Tiukenna segmentointia ja ICP-profiilia
Millainen on parhaan potentiaalin profiili? Analysoi asiakastapaamiseen, tarjoukseen ja kauppaan johtaneita keskusteluja. Mitä yhteisiä piirteitä AI löytää? Nouseeko jotakin demografisia yhteneväisyyksiä esille? Olet ehkä tehnyt myyntiä ja markkinointia varten Ideal Customer Profile-määrityksen. Miten AI täydentää tätä vastausdataa analysoituaan?
3. Täsmennä myyntiargumentaatio ja -viestit
Analysoi koko vastausdataa, myös jatkosta tai tarjotusta CTA:sta kieltäytyneiden osalta. Miten heidän vastauksensa eroavat myönteisesti vastanneista? Mitä yhteisiä tekijöitä löytyy kieltäytymisistä, ja miten niitä voi käyttää viestien ja argumenttien parantamiseen? Tunnista AI:n avulla tärkeimmät syyt kieltäytymisiin ja säädä myyntiargumentteja vastaavasti. Hyödynnä vastauksista saatua tietoa parantaaksesi sekä suoria myyntiväittämiä että tukimateriaaleja, kuten esityksiä ja markkinointimateriaaleja.
4. Tuota markkinointisisällöt ja -konseptit
Vastausdatasta löydetyt aineistot, kuten avainsanat, trendit ja demografiset tiedot, tarjoavat arvokasta materiaalia infograafien ja muiden visuaalisten sisältöjen luomiseen sekä aineksia esimerkiksi blogitekstejä, artikkeleita ja kokonaisia markkinoinnin luovia konsepteja varten. Lisäksi voit hyödyntää vastausdataa hakukonenäkyvyyttä optimoidessasi. Voit myös AI avulla seurata jatkuvasti kampanjoiden tuloksia ja optimoida sisältöstrategiaasi.
5. Tunnista latentit ostoaikeet
AI:n avulla voit analysoida suuria määriä vastausdataa tehokkaasti ja nopeasti. Eksplisiittisten hankkeiden ja tarpeiden lisäksi vastausdata sisältää usein piileviä tarpeita, joita asiakkaat eivät suoraan ilmaise. AI voi tunnistaa nämä latentit tarpeet analysoimalla dataa syvällisesti ja löytämällä yhteyksiä, joita perinteiset analyysimenetelmät eivät havaitse. Maksimoit siis vastausdatan arvon keräämällä ostoaietietoa ostoprosessin eri vaiheista.
6. Täydennä analyysi kvantitatiivisella analytiikalla
Yhdistä analyysiin esimerkiksi hakukonekäyttäytymiseen pohjautuvaa dataa. Voit jatkojalostaa kaikkia yllämainittuja tavoitteenasi esimerkiksi asiakaskokemuksen parantaminen eri asiakaskohtaamispisteissä tai digitaalisten kanavien konversio-optimointi.
Teksti: Kimmo Luoma, MicroMedia
Syy vierailla Exceleiden hautausmaalla
Dataa Exceleiden hautausmaalla.
CRM-kirjaukset ja -raportit, GTM-haastattelut, kartoituskampanjoiden haastatteluaineisto, buukkisoittojen vastausdata, win/loss-analyysien vastaukset jne. Yleisesti ottaen kaikki kvalitatiivinen haastatteluaineisto, business insight, jota on kerätty eri tavoin, eri käyttötarkoituksiin, eri asiakaskohtaamispisteissä. Varsinaisen käyttötarkoituksensa ja -hetkensä jälkeen hylätyt tiedostot maatuvat jossakin pilven reunalla, Exceleiden hautausmaalla ja hautarauhastaan nauttien.
Tällaista kvalitatiivista dataa on yleensä hengästyttävä n-määrä, joka siitäkin syystä jää hyödyntämättä. Tehokkaimmankaan myynti-tai markkinointijohtajan tai tiiminsä aika ei riitä kaiken aineiston läpikäyntiin ja analysointiin, vaikka vaisto sanookin, että sieltä olisi tehtävissä löytöjä esimerkiksi myyntiargumentaation tai segmentoinnin parannuksiin. Vaikka tiimissä olisi mukana Excel-velhojakin.
AI muutti tämän asetelman. Ja palautti isosti arvoa sekä aikaisemmin kerätylle että tulevissa aktiviteeteissa kerättävälle datalle. Asetelma kääntyi toisinpäin; Mitä enemmän vastausdataa, sen parempi. Nyt on mahdollista analysoida isoja n-määriä generatiivisen AI:n avulla, hyvin suunnitelluilla prompteilla. Helposti, kenen tahansa toimesta ja lähes reaaliajassa. Vihdoinkin voi olla data-driven, tehdä korjaavia ja ohjaavia toimenpiteitä AI:n opastamana nopealla vasteajalla. Myyntiargumenttien viilaaminen vastausdataan pohjautuen, päätös- ja valintakriteerien selvittäminen, uusien ostajapersoonien tunnistaminen, ICP-profiilien täsmentäminen, ostoprosessin eri vaiheiden mukaisten viestien ja niiden markkinointisisältöjen ja -konseptien tuottaminen, markkinointiautomaation työnkulkujen käynnistäminen vastausdataan pohjautuen jne. Käyttötapauksia riittää.
Tekoälyn impakti ja sen tarjoamat muutokset saadaan käyttöön jo yksittäisen taktisen kampanjan aikana, jolloin tehoja saadaan välittömästi esimerkiksi myyntiputken parantuneena konversiona.
Nyt on aika tehdä tehdä AI-interventio Exceleiden hautausmaalle ja rikkoa datan hautarauha!
Askelmerkit interventioon, 6T-malli:
1. Tee datainventaari
Valitse tarjooma tai segmentti, jota analysoit. Kerää 2-3 vuoden ajalta kaikki haastatteluaineistot, joita analyysin kohteeseen liittyy. HUOM! litteroi myös mahdolliset audiot. Varmista, että vastausdatassa on mukana myös taustamuuttujia: toimiala, kokoluokka, liikevaihdon kehitys, sijainti, tms.
2. Tiukenna segmentointia ja ICP-profiilia
Millainen on parhaan potentiaalin profiili? Analysoi asiakastapaamiseen, tarjoukseen ja kauppaan johtaneita keskusteluja. Mitä yhteisiä piirteitä AI löytää? Nouseeko jotakin demografisia yhteneväisyyksiä esille? Olet ehkä tehnyt myyntiä ja markkinointia varten Ideal Customer Profile-määrityksen. Miten AI täydentää tätä vastausdataa analysoituaan?
3. Täsmennä myyntiargumentaatio ja -viestit
Analysoi koko vastausdataa, myös jatkosta tai tarjotusta CTA:sta kieltäytyneitä.Miten heidän vastauksensa eroavat myönteisesti vastanneista? Mitä yhteisiä tekijöitä löytyy kieltäytymisistä, ja miten niitä voi käyttää viestien ja argumenttien parantamiseen? Tunnista AI:n avulla tärkeimmät syyt kieltäytymisiin ja säädä myyntiargumentteja vastaavasti. Hyödynnä vastauksista saatua tietoa parantaaksesi sekä suoria myyntiväittämiä että tukimateriaaleja, kuten esityksiä ja markkinointimateriaaleja.
4. Tuota markkinointisisällöt ja -konseptit
Vastausdatasta löydetyt aineistot, kuten avainsanat, trendit ja demografiset tiedot, tarjoavat arvokasta materiaalia infograafien ja muiden visuaalisten sisältöjen luomiseen sekä aineksia esimerkiksi blogitekstejä, artikkeleita ja kokonaisia markkinoinnin luovia konsepteja varten. Lisäksi voit hyödyntää vastausdataa hakukonenäkyvyyttä optimoidessasi. Voit myös AI avulla seurata jatkuvasti kampanjoiden tuloksia ja optimoida sisältöstrategiaasi.
5. Tunnista latentit ostoaikeet
AI:n avulla voit analysoida suuria määriä vastausdataa tehokkaasti ja nopeasti. Eksplisiittisten hankkeiden ja tarpeiden lisäksi vastausdata sisältää usein piileviä tarpeita, joita asiakkaat eivät suoraan ilmaise. AI voi tunnistaa nämä latentit tarpeet analysoimalla dataa syvällisesti ja löytämällä yhteyksiä, joita perinteiset analyysimenetelmät eivät havaitse. Maksimoit siis vastausdatan arvon keräämällä ostoaietietoa ostoprosessin eri vaiheista.
6. Täydennä analyysi kvantitatiivisella analytiikalla
Yhdistä analyysiin esimerkiksi hakukonekäyttäytymiseen pohjautuvaa dataa. Voit jatkojalostaa kaikkia yllämainittuja tavoitteenasi esimerkiksi asiakaskokemuksen parantaminen eri asiakaskohtaamispisteissä tai digitaalisten kanavien konversio-optimointi.
Teksti: Kimmo Luoma, MicroMedia
Näe ostoprosessin tuolle puolen – Ostoaietieto B2B-markkinoinnissa
Myynnin kohtaamispisteistä (keskustelut, tapaamiset, haastattelut) kerätty kvalitatiivinen ostoaietieto täydentää oivallisesti markkinoinnin keräämää, yleensä kvantitatiivista dataa. Oikein kerätty ja CRM-dokumentoitu ostoaietieto tarjoaa markkinoinnille laajemman ja syvemmän kuvan Ideal Customer Profile -yrityksistä. Se mahdollistaa entistä tarkemmin sisällöllisesti ja ajallisesti kohdennetut ABM-viestit ja CTA:t. Kerätty ostoaietieto antaa mahdollisuuden nähdä kohderyhmän yritysten ostoprosessien alkupäähän, vaiheisiin ennen tiedonkeräämiseen ja vaihtoehtojen vertailuun siirtymistä. Vaiheisiin ennen digitaalisten jalanjälkien syntyä.
Kerätyn ostoaietiedon hyödyntäminen B2B-markkinoinnissa:
1. Go-To-Market-suunnittelu
Hankintojen valinta- ja päätöskriteerit, toivotut materiaalit ja niiden formaatit, tiedonkeruun kanavat, tarjooman fit markkinan toiveiden kanssa.
2. Ostajapersoonien tai ICP-kriteerien täydentäminen
Myyntihankkeissa tunnistetut uudet roolit: vaikuttajat, asiantuntijat ja päättäjät. Näiden mittarit ja ostamisen ajurit.
3. Segmentoinnin tarkentaminen
Kenellä viestit ovat resonoineet parhaiten? Mitkä ovat demografiset ym. kriteerit parhaan myyntiprosessin konversion tarjonneilla yrityksillä?
4. Sisältömarkkinoinnin materiaalien tuotanto
Hyvällä n-määrällä suoritetut keskustelut mahdollistavat vastausten analysoinnin ja löydösten tarjoilun esimerkiksi oppaina ja infograafeina sisältömarkkinoinnin käyttöön.
5. Account-Based marketing
ABM-markkinoinnin kohdentaminen kerätyn ostoaietiedon perusteella, kohdentamisen kriteerinä esimerkiksi tunnistettu hanketieto ja sen päätösaikataulu.
6. Liidipisteytys
Myynnin kohtaamispisteistä kerättu ostoaietieto, asiakas-insight, voi tuoda esille sellaista informaatiota, joka nostaa tai laskee myynnin todennäköisyyttä. Tämä tieto voi olla syötteenä markkinointiautomaation liidipisteytyksen muutoksille.
7. Kilpailijatieto ja teknologiapreferenssit
Tyypillistä ostoaietietoa, jota myynti kerää käymissään keskusteluissa. Tämän tiedon CRM-kirjaaminen on suhteellisen yleistä, joten tietoa on tarjolla.
8. Ennakoiva analytiikka
Kerätty ostoaietieto ristiinajettuna esimerkiksi haastateltujen yritysten taustatietojen (toimiala, koko, sijainti jne) kanssa tarjoaa jo useissa CRM-työkaluissa automaattisia, prediktiivisen analytiikan tuloksia ja ennusteita.
9. Bränditunnettuuden mittaaminen
Yksinkertainen asia, joka on helppo kysyä ja todentaa kaikissa myynnin kohtaamispisteissä. Miten yritys tunnetaan? Yksi kenttä lisää CRM-työkaluun ja tutkimus on valmiina jatkuvaan käyttöön.
10. AI-analysointi: trendien, murtokohtien tunnistaminen kerätystä ostoaietiedosta
Kvalitatiivisen haastatteluaineiston AI-analysointi auttaa tunnistamaan uusia segmenttejä, ostajapersoonia ja ostoprosessien vaiheita. Isojenkin CRM-aineistojen analysointi tuo näkyville trendejä ja murtokohtia, joita voidaan hyödyntää entistä kohdennetumman B2B-markkinoinnin suunnittelussa.
Teksti: Kimmo Luoma, MicroMedia
Outbound-paradoksi ja sen purkaminen
Tarkasteltaessa outbound-kanavien käytäntöjä ja mittareita törmätään mielenkiintoiseen konventioon. Volyymipohjaisessa outbound-markkinoinnissa ja -myynnissä arvostetaan suoraviivaista lähestymistä esimerkiksi siten, että ainoa CTA ja konversiopiste on sovittu asiakastapaaminen. Muut tuotokset tai kerätty data ovat monille outboundisteille toissijaisia. Ero inbound-markkinoinnin käytäntöihin ja mittareihin on ilmeinen.
Padoksaalisesti voisi jopa sanoa, että mitä enemmän korkeapaineella toimivat outbound organisaatiot ovat dialogissa potentiaalisten asiakkaiden kanssa, sitä vähemmän ne keräävät tietoa. Asiakasymmärrys ja ostoaietieto jää volyymin alle, on epäformaalia tai kärsii inflaatiosta. Primääri CTA on liian vahva mittari, eli asiakastapaaminen on valitettavasti ainoa joka merkitsee. Kontaktoidaan kunnes saadaan tapaaminen. Siinä on asiakaskokemus ja brändimielikuva jo kovilla.
Ja kuitenkin tämä konventio vallitsee laajasti B2B-yrityksissä! Esimerkkinä vaikkapa ns. buukkipäivät. Koko organisaatio kokoontuu kontaktoimaan prospekteja tavoitteenaan mahdollisimman monta asiakastapaamista. Miksei samalla intensiteetillä kilpailla tunnistetuilla hanketiedoilla, sopimuskausilla, hankintakriteereillä tai oikeilla päättäjillä? Tunnistetuilla ostopolun vaiheilla? Opittaisiin enemmän tulevista asiakkaista?
Pitkien ostosyklien ja kompleksisen B2B-myynnin maailmassa harva prospekti on juuri nyt ostamassa, eli on ns. myyntivalmis liidi. Toki kyvykkäimmät outboundistit lupaavat luoda tarpeen B2B-päättäjän tavatessaan, mutta monesti tapaaminen on kuitenkin turha tai jopa väärä CTA prospektin ollessa ostopolkunsa varhaisemmissa vaiheissa. Muutama nykytilaa ja tulevaisuutta kartoittava ostoaiekysymys hyvin CRM-dokumentoituna vastauksina puolustaisi paikkaansa paremmin. Ja näiden tietojen pohjalta liidien pisteytys ja siirto nurturointimarkkinoinnin kohteeksi. Kytkös inbound-markkinoinnin hyviin käytäntöihin on syntynyt!
Ja koska päättäjien tavoittaminen eri kanavissa on todella vaikeaa, on tärkeää maksimoida tavoitetun päättäjän kanssa saadun dialogin ja ajan arvo. Silloin CTA tai konversiopiste ei voi olla vain sovittu tapaaminen.
4 siirtoa outbound-paradoksin purkamiseksi:
1. Lisää liidipisteytys
Hyödynnä inbound-markkinoinnin hyviä käytäntöjä ja luo kontaktoiduille ja haastatelluille oma liidipisteytys. Hyödynnä pisteytyksen pohjana vaikkapa BANT-kriteeristöä tuleviin hankkeisiin ja niiden päätösaikatauluihin pohjautuen. Bonus: käytä samaa pisteytyskriteeristöä kuin inbound-markkinointisi. Näin yhteismitallistat molemmista kanavista tulleet liidit ja niiden hoitomallit.
2. Laajenna myynnin mittarit, ”datan suojeluohjelma”
Lisää myynnin mittareihin muitakin määreitä kuin eurot ja aktiviteetit.
Ainoa tapa vähentää korkeapainemyynnin data- ja ostoaietietohukkaa on lisätä kyseiset asiat myynnin mittareihin ja jopa palkitsemismalleihin. Tunnistetut hankkeet, sopimuskaudet, uudet päättäjät, jne. Varmista, että CRM-työkalusi tukee tällaista datan suojeluohjelmaa, eli ostoaietiedon keräämistä.
3. Uudista myynnin roolitus
Ryhmitä myynti uudelleen tai perusta uusi Presales/SDR/BDR/Sales Operations-toiminto ostoaietiedon keräämiseen ja liidien tuotantoon. Tällainen inside sales-tyyppinen myynnin tukitoiminto on varustettu asianmukaisin työkaluin ja sen mittarit eivät liity myynnin clousaamiseen vaan tiedon keräämiseen myyntiprosessin alkupäässä. #salesprocessengineering
4. Ryhmity prospektikohtaisen ostoaietiedon ympärille
Integroi sekä myynti että markkinointi eri kanavista kerätyn ostoaietiedon ympärille. Oikea-aikainen myynnin kontaktointi, jota edeltävät markkinoinnin pohjustavat ABM-toimenpiteet digitaalisissa kanavissa on tyypillinen käyttötapaus ostoaietiedon hyödyntämisessä.
Teksti: Kimmo Luoma, MicroMedia
Lisää ostoaietiedosta, sen keräämisestä ja hyödyntämisestä täältä!