- 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!
Tag Archives: b2b-markkinointi
Myyntitavoitteista johdettua B2B-markkinointia: markkinoinnin volyymi ja ajoitus johdetaan myyntitavoitteesta ja liidin matka-ajasta taaksepäin, ei kampanjakalenterista. Kirjoituksissa käsitellään kohdentamista, ostoaietietoa, Account-Based Marketingia, sisältöä ja mittaamista pitkän ostoprosessin B2B-yrityksissä.
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
Siitä tuli henkilökohtaista
AI personoi skaalassa.
Se mahdollistaa ultrapersonoinnin, jossa asiakasdataa, CRM-tietoja ja myyntitiimin tekemiä kirjauksia analysoimalla mukautetaan viestit vastaamaan yksittäisen päättäjän ajankohtaisia haasteita ja ostoprosessin vaihetta. Se mikä aikaisemmin ei ollut mahdollista aikataulu- tai kustannussyistä, on nyt tekoälyn käytön arkipäivää.
Monimutkaisessa Complex Sales-myyntiprosessissa on useita kohtaamispisteitä eri päätöksentekijöiden kanssa, ja AI pystyy analysoimaan näistä tehdyt kirjaukset tuottaakseen arvokkaita oivalluksia, insightia ja ostoaietietoa sekä B2B-markkinoinnille että -myynnille. Tämä synkronointi takaa, että päättäjäkohtaisesti personoidut, eri kanavissa julkaistut markkinointiviestit tukevat myyntiprosessia ja ovat linjassa päättäjän kuvaamien ongelmien ja tarpeiden kanssa
Esimerkki: AI voi analysoida CRM-järjestelmään tallennettua haastatteludataa ja tunnistaa, mitkä argumentit ovat tehonneet tiettyihin asiakkaisiin. Markkinointitiimi voi sitten luoda sisältöjä, jotka vahvistavat näitä myyntiargumentteja, ja auttaa asiakasta siirtymään ostoprosessissa eteenpäin.
Anna tekoälyn tehdä seuraavat työt päättäjittäin:
- Dokumentaation analyysi: Päättäjään liittyvät CRM-kirjaukset ja haastattelutiedot asiakastarpeen ja ostoprosessin vaiheen tunnistamiseksi
- Myyntiargumenttien suunnittelu: AI luo personoituja viestejä päättäjittäin. Ne perustuvat hänen kanssaan käytyihin keskusteluihin ja niistä tehtyihin litterointeihin ja kirjauksiin
- Personoidut markkinoinnin nurturointiviestit: AI hyödyntää CRM:ään tallennettuja tietoja ja haastattelutuloksia rakentaakseen automaattisia nurturointi-kampanjoita, jotka pohjatuvat päättäjän tarpeisiin, ostomaturiteettiin ja ostoprosessin vaiheiseen.
- CTA-optimointi: Kehotteet (CTA) päättäjäkohtaisesti hyödyntäen CRM- ja haastatteludataa
- Dynaaminen segmentointi ja markkinointilistat: Teköaly arvioi liidin lämpötilan tai pisteytyksen ja pitää sen ostoprosessin vaiheiden mukaisella markkinointilistalla.
- Liidien priorisointi: AI analysoi CRM-kirjauksia ja asiakashaastatteluita tunnistaakseen mitkä liidit ovat valmiimpia etenemään ostopolulla.
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
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
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
Liidikokemus
Varoittavia esimerkkejä riittää. Lähettäessäsi tarjouspyyntöä uudesta työsuhdeautosta, viestin vastaanottaja on yritysliidit@autoliike.fi, joka lähettää takaisin automatisoidun kiitosviestin. Etsit myyjän yhteystietoja IT-yrityksen www-sivuilta ja myyjän tittelinä on Hunter. Huh. Vastaanotat tekoälyn lähettämiä sähköpostiviestejä, joiden sisältö on generoitu eri julkisista tietokannoista. Huh huh.
B2B-yrityksetkin puhuvat asiakaskokemuksesta ja siihen liittyvästä ostokokemuksesta. Jälkimmäiseen voisi lisätä uudeksi alaotsikoksi liidikokemuksen. Liidikokemus on asiakkaan ostoprosessin näkökulmasta katsottuna ”Se ensimmäinen kohtaaminen” aivan ostopolun alussa. Joskus jopa ennen kuin asiakas on identifioinut tarpeensa (tai tarve on piilevä, latentti). Miten tuo kohtaaminen on orkestroitu ja millaista arvoa se tuottaa potentiaaliselle asiakkaalle?
Kukaan ei halua kokea olevansa liidi. Sellainen, joka huomaa päätyneensä päällekäyvän markkinointiautomaation tai CRM-myyntiputken vaiheita toistavan, yksioikoisesti eteenpäin pyrkivän myyntiprosessin käsittelyyn. Varsinkin jos tarve on ajankohtainen vasta myöhemmässä tulevaisuudessa ja asia myös tehdään tiettäväksi myyvälle yritykselle eri kanavissa. Ollaan vielä ostoprosessin alussa, korkeintaan tiedonkeruun vaiheessa. Tällaiseen, aika tyypilliseen, epäjatkuvuuskohtaan ei myyvällä yrityksellä olekaan toimintatapaa ja myyntiprosessi keskeytyy. Yleensä lopullisesti. Markkinointi jää toistamaan geneerisiä viestejään. Asiakkaan tarpeen sitten myöhemmin aktualisoituessa ei myyjistä ja markkinoijista enää kuulukaan mitään.
Liidikokemuksen parantaminen lähtee tietenkin asennemuutoksesta. Jokainen asiakaskohtaaminen missä tahansa kohtaamispisteessä on ”laulun arvoinen.” Oli kyseessä sitten asiakastapaaminen, tarjouspyyntö sähköpostissa, vastaus postaukseen somessa tai vaikkapa www-analytiikan poimima nimi verkkosivustovierailijoista. Se, että osa kohtaamispisteistä on teknologia-avusteisia ei ole syy olla vastauksessa kasvoton, geneerinen tai näkyvästi automatisoitu. Suomalainen, teknologiaan hurahtanut, kohtaamisia pelkäävä insinöörikansa on ymmärtänyt tahallaan väärin.
Ja paradoksi tietenkin on, että hyväkatteisia investointihyödykkeitä tai jatkuvia palveluita myyvät B2B-yritykset pyrkivät minimoimaan markkinoinnin ja myynnin kustannuksia, vaikka juuri heillä olisi varaa siihen investoida. Ja pitäisikin erottuakseen kilpailijoista.
Sillä B2B on H2H, voisi todeta jo hieman kliseenomaisestikin.
Erotu käyttäytymällä ihmisiksi:
1. Henkilökohtaista – Personoi molempiin suuntiin mahdollisimman aikaisin
Yritykset eivät kommunikoi vaan ihmiset kommunikoivat. Monille personointi on vain sitä, että vastaanottajaa puhutellaan henkilönä ja nimenä, ja viestejä räätälöiden. Esittele myös oma yhteyshenkilö mahdollisimman varhain. Personoi jo markkinointivaiheessa. Allekirjoittajana tai lähettäjänä ei ole yritys/osasto/funktio, vaan se tuleva myynnin yhteyshenkilö tai asiantuntija.
2. Lopeta töksäyttely – Kuuntele, kartoita ja opi
Liidi on tunnistautunut tai muuten tunnistettu. Se ei tarkoita, että tämä potentiaalinen asiakas olisi ostopolullaan jo loppusuoralla tai edes tiedonkeruun vaiheessa. Dialogi alkaa ja varmasti myös loppuu töksähtäen (kanavasta riippumatta), jos oletat etkä kartoita ja opi. Monesti B2B-myynnissä ensimmäinen kohtaaminen on vasta esinäytös eikä loppuhuipennus. Kohtaamisessa keräämäsi ostoaietieto auttaa käsikirjoittamaan seuraavat markkinoinnin ja myynnin vaiheet.
3. Auta myyjiä – Automatisoi pitkien ostosyklien hallinta
B2B-ostamisen syklit ovat pitkiä, joten varmista että keräät eri asiakaskohtaamispisteissä tietoa asiakkaan ostamisen vaiheista, ostopäätöksen perusteista ja aikatauluista. Kerätyn tiedon avulla teet CRM-ohjattua myyntiä ja markkinointia. Tieto auttaa kohdentamaan myynnin ja markkinoinnin toimenpiteitä; juuri oikea viesti tai myynnin yhteydenotto, oikeaan aikaan, oikeassa kanavassa. Varma tapa erottua kilpailijoista, joiden myyntiprosessi ei taivu hyödyntämään kerättyä ostoaietietoa.
4. Tee asennemuutos: Liidi ei ole liidi
Rivi Excel-tiedostossa, vajaat liidipisteet täyttänyt inbound-kontakti markkinointilistalla, tunnistettu verkkovierailija Leadfeederin feedissä tai uusi LinkedIn-seuraaja. He eivät ole liidejä, he ovat kaikki yksilöitä ja yrityksensä edustajia erilaisine tarpeineen. Tarkastele jokaista heistä yksilöinä, käyttäydy arvostaen ja lähesty henkilöinä.
Teksti: Kimmo Luoma
B2B-myynnin kesäsiivous
Kääritäänpä hihat B2B-myynnin H1-loppusiivousta varten: kaikki liidilähteet ja konversiopisteiden CTA:t on käytävä läpi tavoitteenaan varmistaa, että viimeistään tämän jälkeen kaikki tunnistautuneet ja tai muuten tunnistetut liidit on imuroitu myyntiputkeen – tai ainakin siirretty kvalifiointia varten myynnille, myynnin tuelle tai sales enablement-tiimille.
Aina löytyy siivottavaa. Ja liidejä ”patterin välistä” syksyä varten.
SIIVOUSOHJELMA:
1. Intentdatan läpikäynti
Käy www-sivuston H1-analytiikka läpi. Tarkastele liikennettä ja vierailevia yrityksiä esim. kampanjalähteittäin. Miten ja millä hakusanoilla sivullesi on päädytty? Mitä sisältöä vierailijat ovat kuluttaneet? Vierailujen määrä ja kesto? Näiden kriteerien avulla löydät varmasti uusia yritysliidejä, jotka ovat vielä hoitamatta. Ja joiden käyttäytymisestä voit analytiikasta päätellä heidän olevan ostoprosessillaan tiedonkeruun tai vaihtoehtojen vertailun vaiheissa. Kytke halutut päättäjätiedot yrityksiin ja siirrä kvalifiointiprosessiin.
2. Automaation parhaiten performoineiden liidien tarkistus (Top engagements etc.)
Listaa kevään MQL/nurturointikampanjat ja tarkastelee parhaiten performoineita liidejä kampanjoittain: ketkä ovat kärjessä klikkien määrissä? Poimi TOP 10 liidit ja siirrä kvalifiointiprosessiin.
3. Somesiivous
Käy läpi yrityksen some-analytiikka sekä orgaanisten postausten että ostetun median kampanjoiden osalta. Poimi tykänneet, kampanjoihisi reagoineet yritykset ja yrityksesi seuraajiksi ryhtyneet. Kytke tarvittaessa päättäjät mukaan dataan ja siirrä eteenpäin.
4. CRM-katsastus
Varmista myyjien CRM-työkaluun lisäämien yritys- ja päättäjätietojen määrä, laatu ja status. Onhan kaikki tarvittavat tiedot lisätty sähköpostisoitteineen ja muine taustatietoineen? Onhan kontaktin tai liidin status lisätty esim. markkinointiautomaation jatkotoimenpiteitä varten? Ovatko ns. ylivuotiset kontaktit vielä kurantteja? Olisiko syytä käydä nämä läpi vaikkapa myynnin toimesta tuoreuden varmistamiseksi, ja uusien myyntimahdollisuuksien kartoittamiseksi?
5. Kerättyjen ja ostettujen asiakas- ja hanketietojen auditointi
Kokoa kevään aikana keräämänne ja ostamanne asiakas- ja markkinainsight (ostoaietieto) ja tarkastele sitä erityisesti ns. murtokohtien osalta. Tunnistetut uudet päättäjät, sopimuskausitiedot tai hanketiedot ovat usein vaarassa jäädä aineistoissa ns. kuumien liidien ja tapaamisten katveeseen. Moni yritys indikoi hankkeita esim. vuoden vaihteessa. Onko tämä tieto saatettu teillä operatiiviseksi?
Teksti: Kimmo Luoma
Luetuimmat blogaukseni 2022
Liidijalostamon kolmen kärki vuonna 2022 julkaistuista blogauksista:
Kiitokset lukijoille, jakajille ja tykkääjille! Uusia blogauksia taas 2023!
-Kimmo