Tag Archives: tekoäly

AI-omistajuus – 5 nostoa B2B-markkinoinnille

Posted in ABM, AI, B2B, B2Bmarkkinointi, Liidit by

Katso mitä tahansa toimivaa kaupallista AI-työnkulkua, vaikka tapaamisen valmistelua. Kysy sitten: kuka tämän omistaa? Prosessi näyttää myynnin omistamalta kolmesta syystä: trigger on myynnin tapahtuma, lopputuotteen lukee myyjä, ja se “elää” CRM:ssä. Mutta katso, mitä se tuottaa: ostokomiteatietoa, viestejä, selvityksiä. Nämä tuotokset ovat markkinoinnin ydinaluetta: ABM-markkinointia, viestiarkkitehtuuria, kohderyhmäymmärrystä ja kampanjointia. Markkinointi ei siis ole tämän prosessin sivustakatsoja, vaan jopa sen tuotosten omistaja.

Ongelma on, että jos markkinointi ei aktiivisesti varmista paikkaansa, prosessi ajautuu myynnin omistukseen ja markkinoinnin panos kutistuu sattumanvaraiseksi syötteeksi.

Viisi askelta, joilla markkinointi varmistaa paikkansa:

  1. Omista sisältö. HubSpotissa Knowledge Vault on se paikka, jossa hallitaan Breezen kontekstia, eli tietoa, johon HubSpotin AI-agentit nojaavat. Claude-puolella sama rooli on Skilleillä ja projektitiedolla. Markkinoinnin tehtävä on omistaa ja kuratoida tämä sisältö: ICP, roolikohtaiset narratiivit, viestikulmat ja äänensävy. Skill on yksi konkreettinen tapa kirjoittaa markkinoinnin osuus suoraan työnkulkuun, jottei viestilogiikka, brändi tai ICP synny insinöörin tai myynnin oletuksina. Kun markkinointi kuratoi ja versioi sisällön, jokainen ammentaa markkinoinnin määrittelystä.
  2. Omista asiakastutkimus. Iso osa työnkulkua on tutkimusta: ketkä accountissa kuuluvat ostokomiteaan, mikä on heidän tilanteensa, mitkä signaalit kertovat ostoikkunasta. Tämä on kohderyhmäymmärrystä vaikka agentti suorittaisikin haun. Markkinoinnin tehtävä on määrittää, ketä etsitään ja kuinka syvälle: ostokomitean roolit, ICP-kriteerit, relevantit signaalit ja se, miten löydökset jäsennetään päätöksenteon tueksi. Kun markkinointi omistaa tutkimuksen logiikan, agentti tuottaa käyttökelpoista account-ymmärrystä, ei satunnaisia osumia.
  3. Vie tuotokset mainontaan. Työnkulku tuottaa jo mainonnan briefin: listan siitä, kenet tavoitetaan (ostokomitea), ja viestit, jotka heille sanotaan. Markkinoinnin tehtävä on viedä nämä tuotokset mainontaan. Ohjelmallinen ostaminen tekee sen nopeasti: Adform vie listan ja viestit markkinaan tunneissa, kohdistettuna valituissa laatumedioissa oikeisiin yrityksiin. Näin tunnistettu ostokomitea ei jää CRM:n riviksi, vaan muuttuu läsnäoloksi accountin arjessa.
  4. Omista syntyvä asiakastieto. Ostokomitean tunnistus synnyttää CRM:ään uusia henkilöitä: päättäjiä, vaikuttajia ja asiantuntijoita, joita siellä ei ennen ollut. Markkinoinnin tehtävä on ottaa syntyvä asiakastieto haltuun: varmistaa, että uudet kontaktit ja rikastukset tallentuvat oikein ja ovat seuraavan työnkulun käytettävissä.
  5. Omista brändi. Kun agentit tuottavat sisältöä, mainoksia, esityksiä ja tulostauluja kasvavalla volyymilla, brändi on helppo hukata skaalaan. Markkinoinnin tehtävä on varmistaa, että jokainen tuotos on brändin mukainen: brandbookin mukainen visuaalisuus, yhtenäinen äänensävy ja johdonmukainen viestien linja. Käytännössä tämä kirjoitetaan sisään jo Skilleihin ja agenttien kontekstiin, niin ettei brändi ole jälkikäteen tehtävä tarkistus vaan osa jokaista ajoa. Markkinointi on ainoa, joka voi tämän omistaa, eikä brändin johdonmukaisuus parane itsestään tuotannon kiihtyessä.

Lue lisää aiheesta

Teksti: Kimmo Luoma, MicroMedia

Myynnin AAA-luokitus (ei ole AI, Analytiikka, Agentit)

Posted in AI, B2Bmarkkinointi, Complex Sales, Liidit, Myynti, Ostoaietieto, Sales Enablement by

Vaan: Asenne+AI, Ajattelu+Analytiikka ja Ajankäyttö+Agentit

B2B-myynnissä elää juuri nyt suosittu harha: kuvitellaan, että uudet AI-työkalut ja -agentit nostavat myynnin tasoa itsestään. Eivät nosta. Markkina rakastaa työkaluja enemmän kuin se ymmärtää myyntiä, ja juuri siksi keskustelu karkaa liian helposti AI:hin, agentteihin ja analytiikkaan. Ne ovat näkyviä, demonstroitavia ja helposti hankittavia. Paljon vaikeampaa on puhua siitä, että myynti on edelleen ennen kaikkea ammattitaito-ongelma. Myyntisoftaa on mukavampi hankkia kuin suunnitella ja implementoida myynnin uutta pelikirjaa.

Tästä syntyy väärä järjestys. B2B-myynti ottaa käyttöön AI:ta, agentteja ja analytiikkaa ja kuvittelee kehittävänsä myyntiä, vaikka se saattaa todellisuudessa vain kiihdyttää vanhaa tekemistä. Jos asenne on väärä, AI:sta tulee mukavuustyökalu. Jos ajattelu on ohutta, analytiikka tuottaa lisää raportointia ilman parempaa tulkintaa. Jos ajankäyttö on sekavaa, agentit tuovat vain lisää hälytyksiä. Teknologia ei siis automaattisesti paranna myyntiä. Se vahvistaa sitä, mitä organisaatiossa jo on. AI ei ole oikopolku laiskoille, agentit eivät korvaa kurinalaisuutta eikä analytiikka korvaa ajattelua. Tämä ei tarkoita teknologiavastaisuutta. Päinvastoin. Työkalut kuten HubSpot Prospecting Agent, Tracklution ja n8n voivat olla erittäin hyödyllisiä arjessa. Mutta niiden arvo syntyy vasta silloin, kun ne ankkuroidaan oikeaan myyntitapaan.

Siksi myynnin AAA-luokitus ei synny kolmesta teknologiasta vaan kahdesta toisiaan vahvistavasta kerroksesta: asenne + AI, ajattelu + analytiikka, ajankäyttö + agentit. Ensimmäinen yhdistelmä, asenne + AI, ratkaisee käytetäänkö teknologiaa mukavuuteen vai kilpailuetuun. Oikeassa yhdistelmässä AI vahvistaa uteliaisuutta, työn laatua, proaktiivisuutta ja uuden oppimista. Se ei ole vain kirjoituskone, vaan tapa oppia nopeammin, valmistautua paremmin ja hyödyntää uutta tietoa ennen kilpailijaa. Toinen yhdistelmä, ajattelu + analytiikka, on se kohta, jossa data alkaa tuottaa oikeaa kilpailuetua. Analytiikan tehtävä ei ole lisätä raportteja vaan vahvistaa ajattelun loopia: mitä markkinassa tapahtuu, mitä siitä opitaan, mitä tehdään seuraavaksi ja miten tulokset vahvistavat seuraavaa päätöstä. Kun tämä loop toimii, analytiikka ei ole taustajärjestelmä vaan kilpailuedun vahvistin. Kolmas yhdistelmä, ajankäyttö + agentit, on ehkä konkreettisin. Agenttien tehtävä ei ole täyttää päivää lisää hälytyksillä, vaan ottaa turha työ pois myyjän pöydältä. Kun rutiinit, muistutukset, datan kokoaminen ja seuranta siirtyvät agenteille, myyjä voi keskittyä olennaiseen: asiakkaan ymmärtämiseen, oikeisiin keskusteluihin ja arvon tuottamiseen

5 askelta kohti AAA-myyntiä

1. Lopeta työkalujen ostaminen oireisiin, joita et ole edes määritellyt

Liian moni myyntiorganisaatio ostaa AI:ta, agenteja ja analytiikkaa ennen kuin se osaa sanoa, mikä myynnissä oikeasti on rikki. Ongelma ei välttämättä ole liidien määrä, näkyvyyden puute tai hidas outreach, vaan esimerkiksi se, että myyjät eivät valmistaudu kunnolla, eivät osaa priorisoida asiakkaita tai käyttävät aikansa väärin. Jos tätä ei nimetä ensin, uusi teknologia ei ratkaise mitään olennaista. Se vain antaa modernimman käyttöliittymän vanhalle ongelmalle.

2. Pakota AI tekemään myyjistä fiksumpia ennen kuin annat sen tehdä heistä nopeampia

Useimmissa organisaatioissa AI otetaan käyttöön sähköpostien, viestien ja follow-upien kirjoittamiseen. Se on väärä aloituspiste. Jos myyjä ei ymmärrä asiakkaan tilannetta, AI ei korjaa sitä, se vain pakkaa huonon ajattelun siistimpään muotoon. Parempi käyttötapa on tämä: AI tekee account-briefin, tiivistää historian, ehdottaa hypoteesit ja nostaa esiin sen, mitä myyjän pitäisi ymmärtää ennen kuin hän kirjoittaa sanaakaan asiakkaalle.

3. Rakenna analytiikasta suljettu oppimissilmukka, ei johtoryhmän koriste-esinettä

Analytiikka ei ole arvokasta siksi, että se näyttää lisää dataa. Se on arvokasta vasta silloin, kun siitä seuraa parempi tulkinta, parempi päätös ja lopulta parempi lopputulos. Käytännössä tämä tarkoittaa, että jokaisesta merkittävästä signaalista pitäisi pystyä vastaamaan neljään kysymykseen: mitä näimme, mitä ajattelimme siitä, mitä teimme ja oliko tulkinta oikea. Jos tätä silmukkaa ei ole, dashboard ei ole kilpailuetu. Se on kallis tapa näyttää siltä, että jotain johdetaan.

4. Siirrä agenteille kaikki, mikä ei vaadi kaupallista harkintaa

Agenttien tarkoitus ei ole tehdä myyjästä automaattia, vaan poistaa myyjän työpäivästä kaikki se, mikä ei tuota asiakkaalle arvoa. Briefien kokoaminen, muistutukset, tiedon kerääminen, vanhojen diilien herättelylistat ja rutiiniseuranta kuuluvat koneelle, eivät myyjän parhaalle ajalle. Mutta tässä ei ole oikotietä: agentti ei päätä, mikä on oikea kulma asiakkaalle, milloin kannattaa painaa päälle ja milloin vetäytyä. Jos agentti tekee myös tämän, organisaatio on ulkoistanut juuri sen osan myynnistä, jossa erot oikeasti syntyvät.

5. Lopeta AI:n menestyksen mittaaminen kiireen määrällä

Jos mittaatte viestimääriä, käyttöastetta, promptien lukumäärää tai hälytysten määrää, mittaatte koneiston aktiivisuutta, ette myynnin laatua. Paljon hyödyllisempi kysymys on tämä: paraniko myyjän valmistautuminen, parantuiko account-valinta, terävöityikö keskustelun laatu ja vapautuiko aikaa asiakkaalle tuotettavaan arvoon? Teknologia ei tuo kilpailuetua siksi, että sitä käytetään

Teksti: Kimmo Luoma, MicroMedia Oy

10 AI-agenttia B2B-markkinoinnille

Posted in AI, Complex Sales, Intent Data, Liidit, Myynti, Ostoaietieto by

CRM on pitkään nähty myynnin työkaluna, paikkana, jonne kirjataan kontaktit, puhelut ja diilit. Markkinointi on elänyt rinnakkaisessa todellisuudessa: omissa automaatiojärjestelmissään, kampanjadata erillään CRM:stä.

Tekoälyn aikakaudella tämä asetelma on vanhentunut ja vaarallinen. Kaikki signaalit, jotka AI-agentit analysoivat, päätyvät CRM:ään:

  • ostoroolit ja sentimentti,
  • aikaviitteet ja duubiot,
  • kilpailijamaininnat ja tutkimusdata,
  • markkinoinnin kosketuspisteet (webinaarit, ladatut sisällöt, some-reaktiot).

CRM ei siis enää ole pelkkä myynnin muistikirja. Se on tekoälyllä rikastettu kaupallisen prosessin ohjaamo. Jos markkinointi ei ole tässä mukana täysillä oikeuksilla, se jää ulkopuolelle juuri niistä datapisteistä, joiden varaan personointi, sisältöstrategia ja kohdennetut nurturointiviestit rakentuvat.

10 AI-agenttia, joilla markkinointi ottaa CRM-datan haltuun

1. Segmentointi-agentti

Rakentaa dynaamisia kohderyhmiä CRM:n kenttien, käyttäytymisen, sentimentin ja ostoaietiedon pohjalta.

2. Sentimentti-agentti

Analysoi viestien ja muistiinpanojen sävyn. Paljastaa piilevät esteet ja ostosignaalit.

3. Sisältö-agentti

Poimii CRM:stä sitaatit, referenssit ja asiakkaiden kommentit, ja ehdottaa sisältöjä niiden pohjalta.

4. Tunnettuus-agentti

Tuo näkyväksi, miten paljon markkinoinnin sisältöihin on reagoitu – webinaarit, lataukset, some.

5. Lead Recovery Agent

Kaivaa vanhat, unohdetut liidit CRM:stä ja ehdottaa uudelleenaktivointia.

6. ABM-agentti

Suunnittelee account-tason viestit CRM-datan ja ostajapersoonien mukaan.

7. Churn & Retentio-agentti

Tunnistaa poistumisriskissä olevat asiakkaat ja käynnistää retentiokampanjoita.

8. Sisältökalenteri-agentti

Rakentaa CRM:n signaaleista sisältökalenterin: mitä sisältöjä kannattaa julkaista ja milloin.

9. Nurturointi-agentti

Ohjaa liidit automaattisiin nurture-poluille, jotka vastaavat heidän rooliaan, duubioitaan ja vaihettaan.

10. Insight Agent

Tuottaa raportit: mikä sisältö, segmentti tai kampanja todella edisti myyntiä – pipeline-vaikutuksella mitattuna.

Yhteenveto

Tekoälyagentit tekevät CRM:stä markkinoinnin tärkeimmän työkalun. Ne rikastavat datan, paljastavat piilevät ostosignaalit ja tuottavat pohjan sisältöjen kohdentamiseen. Kun markkinoinnilla on täysi pääsy CRM:ään, se ei enää “toimita liidejä myynnille” – vaan ohjaa yhtä ja samaa kaupallista prosessia yhdessä myynnin kanssa.

Teksti: Kimmo Luoma, MicroMedia Oy

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

Liidijalostamon luetuimmat 2024

Posted in B2B, B2Bmarkkinointi, Complex Sales, Liidit, Myynti, Ostoaietieto by
  1. Syy vierailla Exceleiden hautausmailla
  2. Näe ostoprosessin tuolle puolen – Ostoaietieto B2B-markkinoinnissa
  3. Asiakashäive ja B2B-myynti

Uudet B2B-blogit kuukausittain myös ensi vuonna.

Kiitokset lukijoille ja kaupallista vuotta 2025!

Tekoäly on ABM-markkinoinnin tehoäly

Posted in ABM, AI, B2Bmarkkinointi, Complex Sales, Intent Data, Ostoaietieto by

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

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

Liidien inflaatio – B2B-vallankumous syö lapsensa?

Posted in B2B, Inbound, Liidit, Markkinointi, Myynti, sisältömarkkinointi by

Ei ole parempaa aikaa olla B2B-myyjä, totesi joku äskettäin.

Markkinointiautomaatio inbound-liideineen, www-analytiikka, tai vaikkapa tekoälyä hyödyntävä, myyjää tukeva CRM ovat todellisuutta. Markkinointiteknologia, sosiaalinen media ja analytiikka ovatkin todellinen pyhä kolminaisuus. Valveutunut b2b-markkinointi hyödyntää kaikkia kanavia ja tuottaa tunnistettuja ja tunnistautuneita liidejä myynnille.

Samalla tuo uusi keinovalikko on modernisoinut B2B-myynnin johtamisen tutun ongelman: myynnin vastahakoisuuden kontaktointiin. Nyt Inbound-liidien aikana myynnin vanha outbound-virsi ”En tavoita sieltä ketään” on kääntynyt muotoon ”Ei niillä voi mitään olla” . ”Mä tunnen ne, ei tuo oppaanlataaja ole oikea päättäjäkään”. Myynti olettaa ja arvailee, ihan kuten ennenkin.

Tunnistautuneet tai SQL-liidipisteet saavuttaneet liidit jäävät kontaktoimatta. Leadfeeder-data ei kiinnosta. Laatuliidit kärsivät inflaatiosta. Vain suorat yhteydenotto- ja tarjouspyynnöt esim. Chat-ikkunan kautta saavat aikaan toimintaa.

Monesti B2B-myyjän kyvyttömyys itsensä johtamiseen yhdistettynä väärinymmärrettyyn social selling-tematiikkaan ja vaillinaiseen myynnin johtamiseen saa aikaan työviikkoja, joiden objektiivinen tarkastelu puuttuvan arvontuotannon ja aktiivisuuden osalta hämmästyttäisi myös itse myyjää. Uudet apuvälineet saattavatkin olla viihdettä ja ajanvietettä. Syökö B2B-vallankumous omat lapsensa?

Kuitenkin edelleen ne myyntiorganisaatiot, jotka tunnistavat, kontaktoivat ja tapaavat B2B-asiakkaan mahdollisimman varhain hänen ostopolullaan, ovat yleensä vahvimmilla myös lopulliseksi toimittajaksi. Jos B2B-myynnin mittarit ovat asetettu aiheuttamaan sopivaa liidinälkää, niin pöytä on kyllä helpostikin katettu esim. www-analytiikan ja markkinointiautomaation avulla.

Ja edelleen tänäänkin: Aina joku kontaktoi asiakkaan ensimmäisenä ottaakseen paalupaikan. Sitä kutsutaan kilpailuksi ja markkinataloudeksi

Toteuta social selling – ryhtiliike:

1.Rehabilitoi perusmittaristo – Palkitse aktiivisuudesta, ei vain myynnistä

Eivät ne B2B-myynnin rautaiset lait ja myyntimatematiikka ole minnekään hävinneet. Vaikka liidejä tunnistetaan nyt eri kanavista, niin niiden hoito ja follow-up ovat edelleen olennaista. Mittaa kontaktoinnin määrää eri kanavissa ( puhelin, LinkedIn, sähköposti, etc.), mittaa tapaamisten määrää. B2B-myynnissä tavataan ihmisiä kasvotusten, viimeistään päätösvaiheessa. Videotapaamiset ovat toki soveltuvia alkuvaiheen keskusteluille.

2. Sitouta myyjät sisällöntuotantoon

Kroppaa peliin. Älä jätä markkinoinnin sisältöjä vain markkinoinnin tai ulkopuolisen kumppanin tuottamiksi. Itse kirjoitetun blogin tai oppaan klikkaajat, lukijat ja lataajat kiinnostavat ja motivoivat myyjää kontaktointiin ihan eri tavalla kuin ns. ”markkinoinnin valmiiseen pöytään saapuvia.”

3. Lanseeraa liidien hoitotunti

Erityisesti inbound-liidien, (esim. tunnistautuneet gated content-latajaat) osalta kontaktoinnin aika on kriittinen. Älä jätä liidejä happanemaan vaan sopikaa vaikkapa päivittäinen yhteinen liiditunti, jolloin myynti kontaktoi sekä tunnistautuneita että www-analytiikalla tunnistettuja myynti- ja markkinointivalmiita liidejä. Sopivaa kilpailuhenkeä mukaan ja tuloksia syntyy!

4. Lisää laatua – Säädä myyntivalmiin liidin pisteytystä

Joskus myynnin moitteissa voi olla perääkin. Digitaalinen markkinointisi tuottaa heille luokattomia liidejä. Joskus prospektit tunnistautuvat ”liian aikaisin”, joskus markkinointisi aktivoi vääriä kohderyhmiä tai päättäjiä. Kohderyhmien ja ostajapersoonien tarkastelun lisäksi kiinnitä huomiota myös myyntivalmiin liidin kvalifiointikriteereihin: oikea päättäjä, oikea aikaikkuna, oikea tarve. Kun ne täyttyvät, liidin voit huoletta siirtää myynnille.

Teksti: Kimmo Luoma