Tag Archives: GTM

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

GTM-suunnittelu, ostoaietieto ja AI

Posted in AI, B2B, B2Bmarkkinointi, Complex Sales, Go-To-Market, Liidit, Markkinointi, Ostoaietieto by

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

Posted in ABM, B2B, B2Bmarkkinointi, Complex Sales, Go-To-Market, Intent Data, Ostoaietieto, sisältömarkkinointi by

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