Tag Archives: IP-targeting

Deal-Based Marketing (DBM) 2026

Posted in ABM, B2B, B2Bmarkkinointi, Complex Sales, Liidit, Ostoaietieto by

Moni B2B-yritys tekee markkinointia myyntiprosessin ohi. Kampanjat tuottavat liidejä. Liidit siirtyvät myynnille. Myynti hoitaa loput. Markkinointi siirtyy seuraavaan kampanjaan.

Deal-Based Marketing (DBM) -prosessi korjaa tämän rakenteellisen virheen. Se kytkee markkinoinnin toimenpiteet suoraan myyntiprosessin vaiheisiin – CRM-kirjauksen laukaisemana, AI:n orkestroimana, IP-kohdennuksella vahvistettuna ja knowledge vaultin sisältöpilareista rakennetuilla, personoiduilla materiaaleilla.

Ennen DBM-ohjelmaa: knowledge vault

Ennen kuin yksikään opportunity avataan CRM:ään, pitää olla olemassa se raaka-aine, josta AI ammentaa. Ilman sitä personointi on sanahelinää.

Knowledge vault on DBM:n tietoinfrastruktuuri: jäsennelty, semanttisesti haettava tietovaranto, johon on koottuna kaikki se organisaation ydintieto, jonka varaan roolikohtaiset viestit, mainokset, sähköpostit ja landing paget rakennetaan. Se ei ole SharePoint-kansio eikä satunnainen promptikirjasto. Se on yrityksen oma “single source of truth” – rakenteeltaan sellainen, että ihmiset ja AI-järjestelmät voivat hakea sieltä saman kontekstin luotettavasti, samaan diiliin.

Vaihe 1: myyntimahdollisuus avataan – DBM ja IP-kohdennus käynnistyvät heti

Käsite “live opportunity” kuvaa tilannetta osuvasti: myyntimahdollisuus on nimetty, se on reaaliajassa kilpailutilanteessa ja jokainen viikko ilman toimenpiteitä on viikko, jonka kilpailija käyttää hyväkseen.

Myyjä avaa opportunityn CRM:ään. Tämä on DBM-ohjelman käynnistyshetki. AI hakee kohdetilin tiedot, knowledge vault tarjoaa relevanteimman referenssin, win-teema-kehyksen ja toimialakohtaisen benchmarkdatan.

IP-kohdennus käynnistyy tässä vaiheessa. Kohdetilin toimiston IP-osoite syötetään display-kampanjaan. Tilikohdistettu mainonta alkaa näkyä kohdeorganisaation koko toimipisteessä – kaikille, jotka käyttävät organisaation verkkoa. Ei vain nimetyille päättäjille, vaan myös vaikuttajille, asiantuntijoille ja loppukäyttäjille, jotka eivät vielä ole myynnin tutkalla mutta jotka vaikuttavat päätökseen.

LinkedIn Sponsored Content käynnistyy samanaikaisesti roolikohdistettuna. CIO saa eri viestin kuin hankintapäällikkö.

Vaihe 2: Ensitapaaminen pidetty

Myyjä kirjaa tapaamismuistion CRM:ään. AI lukee sen, tunnistaa mainitut kipupisteet, duubiot ja kilpailijat. Knowledge vaultista se hakee täsmäargumentit: jos budjetti nousi esteeksi, CFO:n sekvenssissä painottuu TCO-vertailu. Jos kilpailija mainittiin nimeltä, IT-päällikön materiaaliin nousee tekninen erottautuminen juuri siitä kohdasta.

AI generoi vaultin sisältöpilareista roolikohtaiset sisältövariantit: sähköpostisekvenssit myyjän nimissä, LinkedIn Message Ads niille ostokomitean jäsenille joita ei ole vielä tavattu, webinaarikutsun vaikuttajatasolle. Markkinoija tarkistaa ja hyväksyy.

IP-kohdennuksen sisältö vaihtuu evaluointivaiheeseen sopivaksi. Awareness-mainokset väistyvät – tilalle tulevat toimialakohtaiset referenssit, vertailua tukeva sisältö ja asiantuntijuutta rakentavat materiaalit. Mainossetti pyörii toimiston verkossa kaikille läpi organisaatiorakenteen. Kun IT-tiimin jäsen mainitsee kahvipöydässä “olen nähnyt näiden mainoksia viime aikoina”, se on enemmän kuin mikään yksittäinen myyntipuhe saa aikaan.

Vaihe 3: Tarjous lähetetty – intensiteetti nousee

CRM-kirjaus tarjouksen lähettämisestä käynnistää toimenpiteiden tiivistymisen automaattisesti.

AI koostaa knowledge vaultista päätöksenteon tueksi räätälöidyt materiaalit kullekin roolille. C-tasolle lyhyt executive brief: win-teemat heidän kielellään, strateginen arvo, riskin hallinta – enintään yksi sivu. CFO:lle interaktiivinen ROI-laskuri ja TCO-vertailu. IT-päällikölle tekninen case study lähimmältä toimialakohtaiselta referenssiltä.

IP-kohdennus tiivistyy tarjousvaiheen viesteihin. Laskurit, vertailut, testimonialit ja referenssinostot pyörivät kohdetilin IP-avaruudessa. Viesti ei ole enää “meistä kannattaa tietää” – se on “juuri tämänlaisessa tilanteessa olevat yritykset ovat valinneet näin, ja tässä on miksi”.

Vaihe 4: Kauppa jäässä – stall detection aktivoituu

AI tunnistaa ennen myyjää, kun live opportunity menettää momentuminsa. Engagement-pisteet laskevat, verkkosivuvierailut loppuvat, sähköpostit jäävät avaamatta.

AI triggeröi pelastuskampanjan: lähestymiskulma vaihtuu, eri rooli ostokomiteassa aktivoidaan, knowledge vaultista nousee uusi sisältö riskin pienentämiseen ja muutoksenhallinnan helpottamiseen. IP-kohdennuksen viestiteema vaihtuu – tarjousvaiheen vertailu syrjäytyy “päätöksen yksinkertaistamis”-teemalla.

Vaihe 5: Closed Won tai Closed Lost

Closed Won: DBM ei lopu allekirjoitukseen. Onboarding käynnistyy CRM-kirjauksesta. Knowledge vault saa uuden voitetun diilin opit: mikä teema kantoi, mikä rooli oli kriittisin, mikä sisältö sai eniten reaktioita. Kuuden kuukauden päästä upsell-kampanja aktivoituu – IP-kohdennus siirtyy laajempaan organisaatioon, loppukäyttäjien tasolle.

Closed Lost: AI analysoi, missä vaiheessa momentum katosi ja mikä rooli jäi tavoittamatta. Löydökset päivitetään knowledge vaultiin: uusi duubio, uusi vastaväite, uusi win-teeman täsmennys. Tämä on vaultin oppiva kerros käytännössä – organisaatio ei menetä häviötä, se käyttää sen seuraavan vastaavan live opportunityn lähtöpisteenä.

Teksti: Kimmo Luoma, MicroMedia

Lue myös

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