Маргарита Акулич - Маркетинг B2B: часть вторая

Такое отношение пронизывает все должности – от младших до руководителей».

Возможные применения AI в продажах и дистрибуции

Компании, которые разумно используют AI в продажах и создают общую базу данных в сотрудничестве с отделом маркетинга, получают ценную информацию о своих клиентах. Поскольку многие процессы искусственного интеллекта можно автоматизировать, они избавляют отдел продаж от потерь времени после начального этапа. Сэкономленное время, в свою очередь, может быть потрачено на фактическую работу по продажам и маркетингу.

Динамическое ценообразование

Источник: https://www.instagram.com/uxprice/?hl=ru

Динамическое ценообразование основано не на затратах, а на принятии цен покупателями, а также на спросе и предложении на рынке.

В гибкой корректировке цен на основе рыночного спроса нет ничего нового. Однако онлайн-игроки, такие как Amazon, ставят перед традиционными трейдерами новые задачи, поскольку они могут автоматически изменять свои цены почти в реальном времени с помощью алгоритмов.

Интеллектуальный алгоритм устанавливает цену для отдельных клиентов таким образом, чтобы они были готовы покупать, и чтобы одновременно при этом не страдали продажи.

Помимо демографических характеристик, оптимизация цен с помощью AI также использует в качестве базы данных результаты анализа поведения клиентов, такие как [2]:

«Цены, которые клиент принимал в прошлом. Поведение похожих покупателей. Текущая динамика цен на рынке. Другие факторы, имеющие отношение к успешным транзакциям в прошлом».

Таким образом, преимущества динамического ценообразования заключаются в автоматическом изменении цен в случае изменений рыночной среды, адаптации к фактической готовности клиентов платить и большей эффективности.

Динамическое ценообразование в настоящее время используется в основном в онлайн-секторе. Поскольку у многих средних компаний уже есть интернет-магазин, эта оптимизированная цена больше не является вариантом выбора лишь для крупных игроков. Ее также могут разумно использовать небольшие компании. Однако предварительным условием для этого является высокий уровень точности, доступности и полноты данных, а также подготовка всей компании к динамическому ценообразованию (например, адаптация печатных прайс-листов, маркетинговые меры и т. д.).

Прогнозная оценка потенциальных клиентов

Predictive Lead Scoring использует алгоритмы прогнозирования машинного обучения для анализа существующих клиентов, чтобы определить, насколько вероятно, что потенциальный клиент (= контакт) может быть получен в качестве клиента.

С помощью искусственного интеллекта сотрудники отделов продаж и маркетинга получают глубокие знания о клиенте и увеличивают вероятность успешного заключения сделки, поскольку могут сосредоточиться на перспективных клиентах и целенаправленно обращаться к ним.

Приложение AI оценивает, какое поведение и какие характеристики оказываются интересными лидерам продаж (=квалифицированным руководителям отделов продаж). На основе этих данных затем могут быть идентифицированы те потенциальные клиенты, которые готовы к разговору о продажах и могут быть отправлены в отдел продаж.

Оставшиеся лиды нуждаются в дальнейшей поддержке со стороны отдела маркетинга.

Данные третьих сторон также могут быть включены в анализ.

Одним из впечатляющих примеров является пример Harley-Davidson в Нью-Йорке [2]:

«использование Albert Ki привело к увеличению числа потенциальных клиентов на 2,930%. Технология фокусируется на поведении, которое побуждает потенциальных клиентов связываться с Harley Davidson. Например, AI исследовал рекламу с призывом «Купи!» На этот призыв было получено значительно меньше ответов, чем на призыв «Звоните!». Благодаря изменению всего одного слова количество ответов на размещенные объявления за рассматриваемый период увеличилось на 447%.

Еще одним успешным примером служит пример определения ценных прошлых клиентов. AI отобрал тех людей, которые либо уже приобрели продукт Harley-Davidson, либо добавили его в свою онлайн-корзину, либо были среди 25 процентов посетителей веб-сайта, которые провели там больше всего времени. Эти «ценные прошлые клиенты» использовались в качестве основы для выявления «двойников», которые не были клиентами Harley-Davidson, но в остальном отвечали многим критериям группы и, следовательно, являлись отличными потенциальными клиентами.

Таким образом, прогнозный подсчет потенциальных клиентов делает оценку возможностей продаж не только более эффективной и масштабируемой, но и более объективной, т.е. независимой от субъективных факторов. Подобные системы обычно уже интегрированы в системы автоматизации маркетинга.

Пример Hubspot [2]:

«С помощью искусственного интеллекта компания может с самого начала отсортировать менее перспективные контакты и тем самым сократить продажи данным контактам».

Прогнозирование

Продукты и услуги продаются лучше всего, когда спрос особенно высок. Когда именно это происходит, можно отследить с помощью AI (по данным).

Прогнозирование может помочь предсказать потенциальные результаты продаж на основе вероятностных моделей, основанных на данных.

Искусственный интеллект и прогнозная аналитика повышают качество прогнозов продаж и прогнозов доходов. Бизнес-решениями можно лучше управлять, цели – определять более четко, а бюджеты и ресурсы – более точно. Хорошие модели прогнозирования одновременно корректируют прогнозы или предоставляют сигналы раннего предупреждения, чтобы избежать чрезмерных отклонений от целей.

Перекрестные и дополнительные продажи

Алгоритмы могут значительно улучшить основу для продажи дополнительного продукта или услуги существующему клиенту.

С помощью искусственного интеллекта может быть проведен детальный анализ корзины покупок на основе CRM и ERP. Данные о продажах могут быть получены до перекрестных продаж, чтобы рассчитать и спрогнозировать вероятность успешных перекрестных продаж. У менеджеров по продажам есть прочная основа для принятия решения о том, когда именно стоит предложить покупателю дополнительный продукт или дополнительное предложение.