Tag Archives: SDR

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

Asiakashäive ja B2B-myynti

Posted in B2B, B2Bmarkkinointi, Complex Sales, Intent Data, Myynti, Ostoaietieto, Sales Enablement by

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