포도는 들어오고 샴페인은 나가다: AI가 판매 깔때기를 변화시키는 방법

Rev: AI가 판매 유입경로를 변화시키는 방법

영업 개발 담당자(SDR). 경력이 젊고 경험이 부족한 경우가 많은 SDR은 영업 조직에서 앞서 나가기 위해 노력합니다. 그들의 한 가지 책임은 파이프라인을 채울 잠재 고객을 모집하는 것입니다.  

그래서 사냥을 하고 사냥을 하지만 항상 최고의 사냥터를 찾을 수는 없습니다. 그들은 훌륭하다고 생각하는 잠재 고객의 목록을 만들어 판매 깔때기로 보냅니다. 그러나 많은 잠재 고객이 적합하지 않고 결국 유입경로를 막게 됩니다. 훌륭한 단서를 찾기 위한 이 고된 검색의 슬픈 결과는 무엇입니까? 시간의 약 60%에서 SDR은 할당량조차 만들지 않습니다.

위의 시나리오가 전략적 시장 개발을 세렝게티가 고아 새끼에게 가하는 것처럼 가혹하게 들린다면, 어쩌면 내가 너무 멀리 비유를 든 것일 수도 있습니다. 그러나 요점은 SDR이 판매 유입경로의 "첫 번째 마일"을 소유하고 있지만 대부분은 회사에서 가장 어려운 직업 중 하나와 도움이 될 도구가 거의 없기 때문에 어려움을 겪습니다.

왜요? 그들이 필요로 하는 도구는 지금까지 존재하지 않았습니다.

판매 및 마케팅의 첫 번째 마일을 구하려면 무엇이 필요합니까? SDR에는 이상적인 고객처럼 보이는 잠재 고객을 식별하고 해당 잠재 고객의 적합성을 신속하게 평가하고 구매 준비를 학습할 수 있는 기술이 필요합니다.

깔때기 위의 혁신 

영업 및 마케팅 팀이 영업 퍼널 전체에서 리드를 관리하는 데 도움이 되는 다양한 도구가 있습니다. 고객 관계 관리 플랫폼(CRM) 하위 유입경로 거래를 추적하는 데 그 어느 때보다 우수합니다. 계정 기반 마케팅(ABM) 다음과 같은 도구 HubSpot 및 Marketo는 중간 유입경로에서 잠재 고객과의 커뮤니케이션을 단순화했습니다. 상위 퍼널에서 SalesLoft 및 Outreach와 같은 판매 참여 플랫폼은 새로운 리드를 참여시키는 데 도움이 됩니다. 

그러나 Salesforce가 등장한 지 20년이 넘었지만 회사가 누구와 대화를 고려해야 하는지조차 알기 전인 깔때기 위에서 사용할 수 있는 기술은 정체된 상태로 남아 있습니다. 아직 첫 번째 마일에 도전한 사람은 없습니다.

B2B 영업의 "퍼스트 마일 문제" 해결

다행히 변경될 예정입니다. 우리는 비즈니스 소프트웨어 혁신의 거대한 물결의 정점에 서 있습니다. 그 물결은 인공지능(AI). AI는 지난 50년 동안 이 분야에서 네 번째로 큰 혁신의 물결입니다(1960년대의 메인프레임 물결, 1980년대와 90년대의 PC 혁명, 그리고 가장 최근의 수평적 SaaS(Software as a Service) 물결).SaaS는) 기업은 코딩 기술 없이도 모든 장치에서 더 우수하고 효율적인 비즈니스 프로세스를 실행할 수 있습니다.

AI의 많은 최고의 자질 중 하나는 우리가 축적하고 있는 디지털 정보의 은하계 볼륨에서 패턴을 찾고 이러한 패턴에서 새로운 데이터와 통찰력을 제공하는 능력입니다. 우리는 이미 COVID-19 백신 개발에 관계없이 소비자 영역에서 AI의 혜택을 받고 있습니다. 휴대전화의 뉴스 및 소셜 앱에서 보는 콘텐츠 또는 Tesla의 경우 차량이 최적의 경로를 찾고 교통 체증을 피하고 실제 운전 작업을 차량에 위임하는 데 도움이 됩니다. 

B2B 판매자 및 마케터로서 우리는 이제 막 전문 생활에서 AI의 힘을 경험하기 시작했습니다. 운전자의 경로가 교통량, 날씨, 경로 등을 고려해야 하는 것처럼 SDR에는 다음 유망주를 찾기 위한 최단 경로를 제공하는 지도가 필요합니다.. 

회사를 넘어

모든 훌륭한 SDR과 마케터는 전환 및 판매를 생성하기 위해 최고의 고객처럼 보이는 잠재 고객을 대상으로 한다는 것을 알고 있습니다. 최고의 고객이 산업 장비 제조업체라면 더 많은 산업 장비 제조업체를 찾으십시오. 기업 팀은 아웃바운드 노력을 최대한 활용하기 위해 산업, 회사 규모, 직원 수와 같은 기업 통계를 심층적으로 조사합니다.

최고의 SDR은 회사가 비즈니스를 수행하는 방식에 대한 더 깊은 신호를 표시할 수 있다면 판매 유입경로에 들어갈 가능성이 더 큰 잠재 고객을 찾을 수 있다는 것을 알고 있습니다. 그러나 그들은 기업 통계 외에 어떤 신호를 찾아야 할까요?

SDR에 대한 퍼즐의 누락된 조각은 사전 데이터 – 회사의 영업 전략, 전략, 고용 패턴 등을 설명하는 방대한 양의 데이터. Exegraphic 데이터는 인터넷의 이동 경로에서 사용할 수 있습니다. 이러한 모든 이동 경로에서 AI를 느슨하게 만들면 SDR이 잠재 고객과 얼마나 잘 일치하는지 빠르게 이해하는 데 도움이 되는 흥미로운 패턴을 식별합니다.

예를 들어, 존 디어와 캐터필라를 생각해 보십시오. 둘 다 거의 100명의 개인을 고용하고 있는 Fortune 100,000대 기계 및 장비 회사입니다. 사실, 그들은 산업, 규모 및 인원수가 거의 동일하기 때문에 우리가 "확실한 쌍둥이"라고 부르는 것입니다! 그러나 디어와 캐터필라는 매우 다르게 작동합니다. Deere는 B2C에 중점을 둔 중급 기술 채택자이자 로우 클라우드 채택자입니다. 대조적으로 Caterpillar는 주로 B2B를 판매하고 신기술의 얼리 어답터이며 클라우드 채택률이 높습니다. 이것들 서사상의 차이점 누가 좋은 잠재 고객이고 누가 그렇지 않은지를 이해할 수 있는 새로운 방법을 제공합니다.

퍼스트마일 문제 해결하기

Tesla가 운전자의 업스트림 문제를 해결하기 위해 AI를 사용하는 것처럼 AI는 영업 개발 팀이 훌륭한 잠재 고객을 식별하고 퍼널 위에서 일어나는 일에 혁신을 일으키며 영업 개발이 매일 해결해야 하는 첫 번째 마일 문제를 해결하는 데 도움이 될 수 있습니다. 

생명이 없는 이상적인 고객 프로필 대신(ICP), 전문 데이터를 수집하고 AI를 사용하여 회사의 최고 고객 사이에서 패턴을 발견하는 도구를 상상해 보십시오. 그런 다음 해당 데이터를 사용하여 최고의 고객을 나타내는 수학적 모델을 생성한다고 상상해 보십시오. 이를 인공 지능 고객 프로필(AICP)—그리고 그 모델을 활용하여 이러한 최고의 고객과 똑같이 보이는 다른 잠재 고객을 찾습니다. 강력한 aiCP는 회사 및 기술 정보와 개인 데이터 소스를 수집할 수 있습니다. 예를 들어 LinkedIn의 데이터와 의도 데이터는 aiCP를 강화할 수 있습니다. 살아있는 모델로서 aiCP 배우다 시간이 지남에. 

그래서 우리가 물을 때, 우리의 다음 최고의 고객은 누구입니까?, 우리는 더 이상 스스로를 방어하기 위해 SDR을 떠날 필요가 없습니다. 마침내 우리는 이 질문에 답하고 깔때기 위의 문제를 해결하는 데 필요한 도구를 제공할 수 있습니다. 우리는 새로운 잠재 고객을 자동으로 제공하고 순위를 매기는 도구에 대해 이야기하고 있습니다. 그러면 SDR이 다음 대상을 알 수 있고 영업 개발 팀이 노력의 우선 순위를 더 잘 지정할 수 있습니다. 궁극적으로 AI는 우리의 SDR이 할당량을 확보하고 우리가 찾고자 하는 잠재 고객 유형에 실제로 적합한 잠재 고객을 확보하고 다음 날 잠재 고객을 확보하는 데 사용할 수 있습니다.

회전 영업 개발 플랫폼

Rev의 영업 개발 플랫폼(SDP) AI를 활용하여 잠재 고객 발견을 가속화합니다.

Rev 데모 받기