Proqnozlaşdırıcı analitika B2B marketinq komandalarına səylərin hara yönəldilməsini müəyyən edən ballar və proqnozlar verir: hansı potensial müştərilərin konvertasiya ehtimalı var, hansı hesablar ideal müştəri profilinə uyğundur, hansı müştərilər imtina edə bilər və bir rübdə nə qədər satış boru kəməri yaranacaq. Təlimatı ifadə etmək sadə, icra etmək isə çətindir: satış hərəkəti ilə bağlı bir istifadə halı ilə başlayın, etibar etdiyiniz CRM məlumatlarından istifadə edin, cari qaydaya qarşı test edin və satış komandasını əvvəldən prosesə cəlb edin.
İstehlakçı marketinqindən fərqli olaraq, B2B-də daha az qeyd və daha uzun dövrlər var, buna görə də metodlar hesab səviyyəsində məlumatlara əsaslanır və birinci tərəf CRM tarixçəsini firmoqrafik və niyyət məlumatları ilə birləşdirir. Salesforce və HubSpot kimi müasir CRM-lər adətən xüsusi modellərdən əvvəl ilk düzgün addım olan daxili proqnozlaşdırıcı qiymətləndirməni özündə birləşdirir.
B2B-də hansı proqnozlaşdırıcı istifadə halları daha vacibdir?
- Proqnozlaşdırıcı potensial müştəri qiymətləndirilməsi: yeni potensial müştərinin imkana çevrilmə ehtimalı
- Hesab uyğunluğu qiymətləndirilməsi: şirkətin keçmiş qazanan müştərilərlə nə dərəcədə uyğun gəlməsi
- Niyyət əsaslı prioritetləşdirmə: müvafiq mövzularda araşdırma fəaliyyəti göstərən hesablar
- Mövcud müştərilər üçün itki və ya genişlənmə riski
- Rüblük satış boru kəməri və gəlir proqnozu
- Növbəti ən yaxşı hərəkət: hesaba növbəti dəfə hansı məzmunu və ya təklifi göndərmək
Birini seçin. İlk layihə birinin hər gün verdiyi qərarla bağlı olmalıdır, buna görə də potensial müştəri qiymətləndirilməsi və hesab prioritetləşdirilməsi ən çox yayılmış başlanğıc nöqtələridir.
Proqnozlaşdırıcı B2B qiymətləndirilməsi hansı məlumatlara ehtiyac duyur?
Proqnozlaşdırıcı modellər keçmiş nəticələrdən öyrənir. Əgər CRM nəticələri ardıcıl şəkildə qeyd etmirsə, modelin öyrənə biləcəyi etibarlı heç nə yoxdur.
Minimum məlumat
- Yaradılma tarixləri və mənbələri ilə potensial müştəri və əlaqə qeydləri
- Mərhələ tarixçəsi və bağlanma səbəbi ilə hesablara bağlı imkan qeydləri
- Ən azı bir və ya iki il ərzində qazanılmış və itirilmiş nəticələr
- Şirkət atributları: sənaye, ölçü, region, məlum olduğu halda texnologiya
- İştirak tarixçəsi: forma doldurma, e-poçt klikləri, vebinar iştirakı, əsas səhifə ziyarətləri
Faydalı əlavələr
Bombora və ya G2 kimi provayderlərdən üçüncü tərəf niyyət məlumatları, quraşdırılmış proqram təminatı haqqında texnoqrafik məlumatlar və freemium və ya sınaq modelləri üçün məhsul istifadəsi məlumatları. Bunlar balları yaxşılaşdırır, lakin həm də xərcləri və inteqrasiya işini artırır; uzunmüddətli ödəniş etməzdən əvvəl onların artım gətirib gətirmədiyini yoxlayın.
İlk potensial müştəri balını necə qurursunuz?
Platformanın artıq təklif etdikləri ilə başlayın. HubSpot-un proqnozlaşdırıcı potensial müştəri qiymətləndirilməsi və Salesforce Einstein Lead Scoring, məlumat tələblərinə cavab verdikdə öz tarixçəniz üzərində təlim keçir. Bu, tez bir zamanda baza xətti verir.
- Konvertasiyanı aydın şəkildə müəyyənləşdirin: məsələn, doxsan gün ərzində potensial müştəridən satış tərəfindən qəbul edilmiş imkana çevrilmə
- Məlumatları təmizləyin: dublikatları birləşdirin, çatışmayan mənbələri düzəldin, sənayeləri standartlaşdırın
- Daxili proqnozlaşdırıcı qiymətləndirməni aktivləşdirin və ya tarixi potensial müştərilər üzərində sadə bir model öyrədin
- Balları xam ehtimalları göstərmək əvəzinə A, B və C kimi səviyyələrə bölün
- Hər bir səviyyənin nə demək olduğu barədə satış komandası ilə razılaşın: cavab müddəti, kanal, sahib
- Potensial müştərilərin bir hissəsinin köhnə marşrutlaşdırma qaydasını izlədiyi bir sınaq dövrü keçirin
Səviyyələrlə işləmək rəqəmlərlə işləməkdən daha asandır. Satış nümayəndəsi A səviyyəli potensial müştəriyə fərqli yanaşacaq; 0.37 ehtimalı çoxları üçün az məna kəsb edir.
Modelin işlədiyini necə bilirsiniz?
AUC kimi dəqiqlik göstəriciləri sizə modelin keçmiş məlumatlar üzrə yaxşı sıralanıb-sıralanmadığını bildirir. Onlar sizə satış davranışının dəyişib-dəyişmədiyini və ya satış boru kəmərinin böyüyüb-böyümədiyini demir.
Bunun əvəzinə nəticələri ölçün. Səviyyə üzrə konvertasiya dərəcəsini, yüksək səviyyəli potensial müştərilər üçün ilk əlaqəyə qədər olan vaxtı və sınaq qrupunda yaradılan satış boru kəmərini nəzarət qrupu ilə müqayisə edin. Əgər A səviyyəli potensial müştərilər C səviyyəli olanlardan daha yüksək dərəcədə konvertasiya olunursa və satış komandası onlarla daha sürətli işləyirsə, model öz işini görür.
B2B-də proqnozlaşdırıcı analitika ilə nə səhv gedir?
- Qərəzli tarixçə: əgər satış komandası yalnız müəssisə potensial müştərilərinə zəng edibsə, model kiçik şirkətlərin heç vaxt konvertasiya olunmadığını öyrənir
- Sızma: konvertasiyadan sonra doldurulmuş sahələri, məsələn, sövdələşmə mərhələsini daxil etmək dəqiqliyi mükəmməl və yararsız göstərir
- İqnor edilmiş ballar: əgər satış komandası səviyyələrə etibar etmirsə, heç nə dəyişmir
- Köhnəlmiş modellər: məhsul, qiymət və ya bazar dəyişiklikləri köhnə nümunələri çaşdırıcı edir
- Qara qutu müqaviməti: satıcılar hesabın niyə yüksək bal topladığını bilmək istəyir
İzahlılıq alətləri sonuncu məqamda kömək edir. Əksər CRM qiymətləndirmə xüsusiyyətləri indi şirkət ölçüsü və ya son qiymət səhifəsi ziyarətləri kimi hər bir balın arxasındakı əsas amilləri göstərir. Bunları qeyd görünüşündə üzə çıxarın ki, satıcı səbəbi görə bilsin.
Alien Road proqnozlaşdırıcı analitikanı necə tətbiq edir
Tipik bir əməkdaşlıqda biz CRM sağlamlıq yoxlaması ilə başlayırıq: dublikat dərəcələri, çatışmayan potensial müştəri mənbələri, uyğunsuz mərhələ tərifləri və bağlanmış-itirilmiş səbəblərin necə qeyd olunduğu. Biz həmçinin satış liderləri ilə onların bu gün necə prioritetləşdirdikləri barədə müsahibə aparırıq, çünki cari qayda sınaqda nəzarətə çevrilir.
Quraşdırma adətən satış komandası ilə razılaşdırılmış konvertasiya tərifi ətrafında konfiqurasiya edilmiş CRM-in daxili qiymətləndirməsi və marketinq avtomatlaşdırma platformasındakı səviyyəli marşrutlaşdırma qaydaları ilə başlayır. Yerli qiymətləndirmə çox məhdud olduqda, biz notebook və ya BigQuery-də model qururuq və balları CRM-ə geri yazırıq. Ölçmə bir kənar qrupdan istifadə edir və səviyyə, cavab müddəti və satış boru kəməri üzrə konvertasiyanı izləyir. Aylıq hesabatlara ən yüksək bal sürücüləri daxildir, beləliklə marketinq hədəfləməni tənzimləyə bilər və satış komandası balların niyə belə göründüyünü başa düşə bilər.
İlk modeldən kənara çıxmaq
Potensial müştəri qiymətləndirilməsinə etibar edildikdən sonra, eyni məlumatlar hesaba əsaslanan marketinq üçün hesab qiymətləndirilməsini dəstəkləyir. LinkedIn və Google-dakı reklam auditoriyaları daha sonra yüksək uyğunluqlu hesablardan qurula bilər və büdcə onlara doğru yönəldilə bilər.
Proqnozlaşdırma daha sonra gəlir. Satış boru kəməri proqnozları yalnız CRM-dəki mərhələ intizamı qədər yaxşıdır və bu intizam adətən qiymətləndirmə layihəsi sayəsində yaxşılaşır, ondan əvvəl deyil.
Proqnozlaşdırıcı balların özünü doğrultması nə qədər vaxt aparır?
Ən azı bir rüb gözləyin. İlk ay adətən məlumatların təmizlənməsinə və təriflərin razılaşdırılmasına, ikincisi balların köhnə marşrutlaşdırma qaydası ilə yanaşı işlədilməsinə, üçüncüsü isə nəticələrin oxunmasına sərf olunur. B2B satış dövrləri o deməkdir ki, bəzi təsirlər satış boru kəmərində daha sonra görünür.
Layihənin dayanmaması üçün aralıq yoxlamalar təyin edin. Dörd həftədən sonra balların yeni potensial müştərilərdə doldurulduğunu və satış komandasının onları görə bildiyini təsdiqləyin. Səkkiz həftədən sonra ilkin konvertasiya dərəcələrini səviyyə üzrə müqayisə edin. Bu yoxlama nöqtələri əsas nəticə yetişənə qədər hər kəsi cəlb edir.
Bu həftə haradan başlamaq lazımdır
Son on səkkiz ayda yaradılmış bütün potensial müştərilərin mənbəyi, şirkət ölçüsü, sənayesi və imkana çevrilib-çevrilmədiyi barədə hesabat çıxarın. Sadə bir pivot cədvəlində hər bir atribut üzrə konvertasiya dərəcələrinə baxın. Əgər aydın fərqlər görünürsə, proqnozlaşdırıcı balın ehtiyac duyduğu siqnala sahibsiniz. Modelə keçməzdən əvvəl konvertasiya tərifini razılaşdırmaq üçün satış rəhbərinizlə bir saatlıq görüş təyin edin.
Oxumağa davam edin: Süni intellekt optimallaşdırması · Süni intellekt optimallaşdırması