Outbound-paradoksi, osa 2

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

Monessa B2B-yrityksessä outbound-soittoja mitataan tapaamisten määrällä. Siksi liian usein tapaaminen on väärän henkilön kanssa, väärään aikaan tai väärällä viestillä. Se vain kuluttaa myyjän aikaa. Padoksaalisesti voisi jopa sanoa, että mitä enemmän korkeapaineella toimivat outbound-organisaatiot ovat dialogissa potentiaalisten asiakkaiden kanssa, sitä vähemmän ne keräävät tietoa. Ainoa datapiste ja CTA on tapaamisen sopiminen, kuten aikaisemmassa blogissani ”Outbound-paradoksi ja sen purkaminen” kirjoitin.

Jos CTA on aina vain tapaaminen, mahdolliset keskustelut päättäjien kanssa saattavat loppua lyhyeen jo ensi kontaktoinnilla. Parempi kysymys myynnille olisi: mitä muuta tästä dialogista voidaan oppia, vaikka tapaamista ei nyt syntyisikään?

Todellisuudessa vain pieni osa prospekteista on ostovalmiina juuri nyt. Suurin osa on jossain vaiheessa matkalla:

  • yksi kartoittaa vaihtoehtoja,
  • toinen on juuri uusinut sopimuksen,
  • kolmas pohtii investointia ensi vuoden budjetissa.

Pitkien B2B-ostosyklien maailmassa jokainen asiakaskontakti on arvokas datapiste. Jos SQL-tapaamista ei synny, olisi syytä CRM-dokumentoida ainakin:

  • Tunnettuus: kuinka hyvin meidät tai ratkaisumme tunnetaan?
  • Sentimentti: positiivinen, neutraali vai kielteinen suhtautuminen?
  • Uudet päättäjät: ketä muita on mukana päätöksenteossa?
  • Sopimuskausitieto: milloin nykyinen sopimus päättyy?
  • Hankeaikataulu: missä vaiheessa projekti tai investointi on suunnitteilla?
  • Kilpailijamaininnat: ketä vastaan meitä verrataan?
  • Follow-up: koska voimme palata asiaan?

OUTBOUND-KORJAUSSARJA: LISÄÄ 5 DATAPISTETTÄ ASIAKASDIALOGIIN

Jokainen asiakaskontakti on arvokas datapiste. Myös silloin, kun SQL-tapaamista ei synny. Alla viisi ostoaietieto-kategoriaa, joiden avulla myyntiorganisaatio saa jokaisesta keskustelusta enemmän irti. Myös tilanteissa kun ei voi tai kannata sopia asiakastapaamista:

1. Mittaa tunnettuus systemaattisesti

Älä oleta, että markkinointisi näkyvyys = tunnettuus kohderyhmässä. Jokainen kontakti on tilaisuus kysyä: ”Tunnetko meidät, tunnetko ratkaisumme?” Dokumentoi vastaukset CRM:ään. Näin syntyy faktapohjainen kuva markkina-asemastasi.

2. Tee sentimentistä johtamisen mittari

Asiakasdialogin arvo ei aina ole “kyllä” tai “ei”, vaan sävy. Positiivinen, neutraali tai kielteinen suhtautuminen kertoo ostovalmiudesta ja brändimielikuvasta. Tee sentimentistä oma KPI ja seuraa sen muutosta ajassa.

3. Tunnista ja dokumentoi uudet päättäjät

B2B-kaupoissa ostopäätös tehdään harvoin yksin. Tunnista keskusteluissa uudet nimet ja roolit, kirjaa ne CRM:ään ja päivitä päättäjäkartta. Jokainen uusi päättäjä on mahdollinen sisäinen vaikuttaja, joka voi ratkaista kaupan myöhemmin.

4. Hyödynnä sopimuskausitieto ja hankeaikataulut

Sopimuskauden päättymiset ja tulevat hankkeet ovat markkinan todelliset “murtokohdat”. Ilman näitä tietoja soitat usein väärään aikaan. Dokumentoi tarkasti aikajänne: milloin kannattaa palata asiaan – ensi kvartaalissa vai ensi vuonna.

5. Analysoi kilpailijamaininnat

Kun prospekti kertoo, keitä muita toimittajia arvioi, kyseessä on arvokas insight. Kilpailijamaininnat paljastavat sekä oman asemasi että kilpailijoiden vahvuudet. Tee niistä yhteenvetoa ja hyödynnä myynnin viestien ja markkinoinnin kehittämisessä.

Lopuksi: B2B-myynnissä tapaamisten määrä ei ole menestyksen mittari. Asiakasymmärryksen laatu ratkaisee. Yritykset, jotka dokumentoivat systemaattisesti ostoaietietoa, sentimenttiä, sopimuskausia ja hankeaikatauluja, rakentavat pipelinea, joka kestää pitkien syklien realiteetit. Mitä pidempi ostoprosessi, sitä arvokkaampaa on kerätä tietoa. Ei vain tapaamisia.

Teksti: Kimmo Luoma, MicroMedia Oy

AI-koukku

Posted in AI, B2B, Complex Sales, Liidit, Ostoaietieto, Sales Enablement by

Tekoälyn yleistyminen on tuonut mukanaan uudenlaisen sudenkuopan: teknologiakoukun. Kun tekoälysovellusten testailu, integraatiot ja promptien viilaus alkavat viedä enemmän aikaa kuin asiakastyö, optimointi alkaa syödä tulosta.

Tekoälytyökalut ovat myynnin ja markkinoinnin ammattilaisille “huumaavaa kamaa”. Ne tarjoavat valtavan lupauksen:

“Kokeillaan vielä tätä plugaria. Tämä agentti lupaa 40 % parempaa reply ratea. Mikä olisi paras promptti tähän nurtureen?”

Kokeilukulttuurista tulee huomaamatta päätyö.

  • Asiakastyö marginalisoituu. Sisäiset kehityskokoukset ja AI-pilotit täyttävät kalenterit.
  • Myyjät promptaavat, eivät keskustele. Vuorovaikutus jää taka-alalle, kun energia menee teknisen viestiputken optimointiin.
  • Markkinointitiimit hurahtavat sisällön tuotantoon työkalujen ehdoilla. Kohderyhmäanalyysi ja viestistrategia unohtuvat, kun aikaa kuluu uusien mallien testailuun.
  • Johto mittaa teknologian kyvykkyyttä, ei kaupallista vaikutusta. Fokus siirtyy teknologiaan,  ei asiakasarvoon.

 Miten tunnistat AI-koukun?

Tunnusmerkkejä:

  • Palaute asiakkaalta unohtuu, kun keskitytään OpenAI:n vastauksiin
  • Viikottaisessa myyntipalaverissa keskustellaan plugineista, ei asiakastilanteista
  • Markkinointipalaverissa esitetään uusia AI-sisältödemoja, mutta kampanjatulokset jäävät analysoimatta
  • Myyntisyklit ja markkinoinnin projektit pitenevät, vaikka työtunteja menee enemmän
  • CRM ja markkinoinnin työkalut täyttyvät testikentistä, ei konversioita tuottavista toimenpiteistä
  • AI:n kyvykkyyksiä pilotoidaan, mutta ei operationalisoida

Organisaatioiden kannattaa määrittää selkeät pelisäännöt AI:n käytölle myynnissä ja markkinoinnissa:

  • Mitä automatisoidaan, mitä ei?
  • Mihin rooliin AI-agentti sijoitetaan prosessissa?
  • Kuinka paljon aikaa saa käyttää testaamiseen viikossa?
  • Miten mittaamme AI:n tuottamaa kaupallista arvoa?

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

“Tää on varmaa”: 90 % todennäköisyys ja käänteinen B2B-myynti

Posted in B2B, Liidit, Myynti by

Käänteinen myynti on B2B-myynnin hienostunut itsesabotaation muoto, jossa kuun alussa on koossa enemmän euroja kuin lopussa. Tulkinta voisi olla, että myyjien tulevat toimet syövät arvoa, eivät lisää sitä…

Kuun alkuun ladataan optimismia, tarjouksia ja taulukkolaskentaa siihen malliin, että forecast kohoaa korkeammalle kuin myyntijohtajan verenpaine ennen Q4:n loppua. Kaikki näyttää hyvältä ja CRM sanoo 143 %.

Tässä kohtaa joku sanoo: “Tää on 90 % varmaa.” Ja myyntijohto huokaisee, koska se viimeinen 10 % on pitkä, liukas ja hiljainen matka.

Ota käyttöön myös käänteisen myynnin CRM-mittarit:

 Backlog Closing

Toimenpide, jossa vanhoja tarjouksia pidetään hengissä, vaikka ne ovat olleet elottomia Q3/2023 asti.

Forecast Magic

CRM:ssä tapahtuva numeerinen taikatemppu, jossa 90 %:n kauppoja ilmestyy ilman, että kukaan muistaa mistä ne tulivat.

Silence Engagement

Myyjän kokemus siitä, että asiakas on yhä kiinnostunut, koska kukaan ei ole sanonut ei.

Proposal Parking

Tilanne, jossa tarjous on ‘heillä pöydällä’, mutta pöytää ei ole koskaan nähty.

Pipeline Yoga

Myyntiputki, joka venyy, taipuu ja kiertyy – mutta ei liiku mihinkään.

Emotionally Closed Deal

Kauppa, joka on suljettu myyjän sydämessä, mutta ei asiakkaan inboxissa.

Send-and-Wait Method

Myyntitekniikka, jossa tarjous lähetetään perjantaina klo 15.37 ja odotetaan maailman hoitavan loput.

Strategic Silence

Asiakkaan hiljaisuus, jonka myyjä tulkitsee: ‘Ei vastaa – eli kiinnostaa.’

Hope-Driven Forecasting

Ennustemalli, joka perustuu tuntemuksiin ja fiiliksiin, ei dataan. Voimistuu kuun loppua lähestyttäessä.

Q-push Migration

Ilmiö, jossa kauppa siirtyy kuukaudesta toiseen ja kvartaalista seuraavaan.

Loppusanat

Käänteinen myynti ei ole vain hauska termi – se on todellisuus monelle myyntitiimille. Ja kun sitä ei tunnisteta, rakennetaan forecastia toiveista, ei todisteista.

Se viimeinen 10 %? Se on kolme soittoa, yksi ghostaus ja viikon hiljaisuus. Mutta se erottaa forecastin ja todellisen tuloksen toisistaan.

Teksti: Kimmo Luoma, MicroMedia

Kesän varautumispaketti, checked?

Posted in B2B, Liidit, Myynti, Sales Enablement by

Elokuu ei ole syksyn uusasiakashankinnan alku. Sen onnistuminen varmistetaan nyt. Tässä kesäkuun varautumispaketti myynti- ja markkinointijohdolle, fokuksessa tehojen nosto asiakaskeskusteluissa ja clousaamisessa ennen juhannusta. Käytä oheista tarkistuslistaa suunnitelmana.

Viikko 1: Herätä H1-liidit, käynnistä keskustelut

Päivä 1 🔲 Hae CRM:stä kontaktit, joilla ei ole ollut keskustelua 60 päivään → “kesäherättely-lista”

🔲 Viestikärki: “Hei – ennen kuin lomat alkavat, ehditäänkö vaihtaa 15 min ajatuksia?”

Päivä 2 🔲 Poimi Q3-Q4 päättyvät sopimukset → “Voimmeko auttaa suunnitelmassa jo nyt?”

Päivä 3 🔲 Viesti asiakkaille: “Miltä teidän syksy näyttää kaupallisesti? Kannattaako palata jo nyt pöytään?”

Päivä 4 🔲 Kirjoita henkilökohtainen viesti kolmelle top-liidille → Viestikärki: “Näin pääsette syksyllä starttaamaan nopeasti”

Päivä 5 🔲 Tee viikon yhteenveto: ketkä vastasivat, ketkä eivät – suunnittele seuraavan viikon jatkoliikkeet

Viikko 2: Tarjoa nopeasti päätettävää

Päivä 6 🔲 Tarjoa kevyttä tuotetta: “3×90 min syksyn suunnittelu. Päätös nyt, toimitus elokuussa”

Päivä 7 🔲 Soita: “Onko teillä jo lukittu toimenpiteitä Q3 alkuun, auttaisiko nopea kartoitus?”

Päivä 8 🔲 Kirjoita LinkedIn-viesti: “Tässä kohtaa vuotta kannattaa varmistaa, ettei syksy ala nollasta”

Päivä 9 🔲 Pitchaa: “Proof-of-concept ennen lomia. Päätös nyt, pilotointi heti palatessa”

Päivä 10 🔲 Luo 10 kalenterivarausta elokuulle → tapaaminen ja aihe lukittu

Viikko 3: Clousaa vielä mitä voit

Päivä 11 🔲 Tee henkilökohtainen follow-up kaikille, jotka vastasivat viikoilla 1-2, mutta eivät sopineet vielä seuraavaa vaihetta

Päivä 12 🔲 Käy CRM läpi: varmista että jokaisella aktiivisella kontaktilla on “seuraava vaihe” kirjattu elokuulle

Päivä 13 🔲 Lähetä asiakkaille muistutus: “Voimme aloittaa syksyn heti lomalta palattuanne – kalenterivaraukset nyt auki”

Päivä 14 🔲 Clousaa mitä clousattavissa on: pitch “tehdään päätös nyt, aloitus elokuussa” 🔲 Arvioi: onko sinulla 5–10 merkityksellistä keskustelua kalenterissa heti elokuulle? Jos ei → toimi vielä tänään

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