Маркетинг B2B: часть вторая

Поскольку настоящая экосистема для совместной работы выходит за рамки организационных границ, от предприятия требуется инвестировать в несколько технологических решений и сотрудничать с несколькими партнерами, поставщиками и клиентами.

В результате решение о планировании и внедрении B2B- экосистемы требует долгосрочной приверженности руководителей организации.

B2B-экосистемы как источник инноваций

Как и сети людей, B2B-экосистемы также могут служить источником инноваций. Рассмотрим Procter & Gamble. Компания использует свои внешние сети для краудсорсинга новых идей и, как следствие, обладает уникальной способностью решать проблемы в сотрудничестве с участниками своей бизнес-сети, это намного эффективней, чем в одиночку. То же самое относится и к B2B-экосистемам.

Используя B2B-экосистемы, подразделения продаж и маркетинга могут сотрудничать с другими подразделениями бизнеса, чтобы иметь доступ в режиме реального времени к последней (свежей) информации о клиентах.

Кроме того, сотрудничество с расширенным персоналом, клиентами и поставщиками может предложить B2B-предприятиям доступ к информации в тех областях, где они не могут присутствовать физически.

Интернет вещей (IoT) от SAP и Cloud28 + – два основных примера B2B-экосистем, используемых сегодня предприятиями. В дополнение к этому, решения для совместной работы от Lithium и Jive также предоставили B2B-предприятиям способ улучшить сотрудничество с поставщиками, деловыми партнерами и клиентами для разработки B2B-экосистемы, предлагающей им более широкий доступ к данным и улучшающей видимость и контроль над клиентами.

В заключение отметим, что сотрудничество – это жизненная сила бизнеса, и лучше всего его можно достичь с помощью технологических решений, таких как Cloud28+, которые предназначены для облегчения и ускорения внедрения корпоративных облаков и обеспечения эффективной совместной работы в масштабах всей организации.

II Искусственный интеллект: возможности и применение в продажах и маркетинге в B2B-сфере

2.1 Достижение конкурентных преимуществ за счет искусственного интеллекта. Исследование поставщика AI-услуг. Возможные применения AI в продажах и дистрибуции

Искусственный интеллект открывает многообещающие возможности для повышения эффективности продаж. Системы искусственного интеллекта берут на себя административные и повторяющиеся задачи, снабжают торговый персонал важной информацией и являются ценным ресурсом для принятия решений в области контроля продаж.

Достижение конкурентных преимуществ за счет искусственного интеллекта

Искусственный интеллект Artificial intelligence (AI) – это гораздо больше, чем просто «шумиха». Продажи могут достичь устойчивых результатов, а компании – конкурентных преимуществ с помощью расширенной аналитики, прогнозного планирования и машинного обучения.

Исследование поставщика AI-услуг

Исследования компании по предоставлению консультационных услуг Tata показывают, что обслуживание клиентов и продажи выигрывают от искусственного интеллекта, особенно в Европе и Северной Америке.

Опрос софтверной компании Qymatix Solutions GmbH был посвящен вопросу о том, как лица, принимающие решения в B2B- продажах, оценивают использование искусственного интеллекта в продажах. Был проведен опрос около 70 управляющих директоров и руководителей отделов средних компаний в сфере оптовой торговли, медицинских технологий, информационных технологий и других секторов из Германии, Австрии и Швейцарии. Основные результаты можно резюмировать следующим образом [2]:

«Системы искусственного интеллекта в настоящее время не очень распространены в компаниях, хотя интерес есть. Только 16% компаний уже используют прогнозную аналитику или планируют внедрить прогнозы продаж на основе AI.

63% опрошенных интересовались этой темой, но еще не успели с ней разобраться.

18% не интересовались использованием AI в продажах, потому что не видели конкретных возможностей его применения в своей компании».

Что касается ожидаемых выгод, респонденты видят наибольшую экономическую выгоду в следующих вещах [2]:

«в повышении эффективности продаж и развития клиентов, включая кросс-продажи и дополнительные продажи (82%);

в планировании и контроле продаж (70%);

в снижении миграционного риска (63%)».

Однако в глазах менеджеров искусственный интеллект не лишен проблем. Некоторые из наиболее часто упоминаемых областей проблем – это [2]:

«Качество данных (45%).

Непонимание и непрозрачность расчетов CI (40%)

Цена (71%)

Интеграция AI в ERP и CRM-системы (65%)».

Принципиально положительная оценка систем искусственного интеллекта в продажах отражена в исследовании Глобального института McKinsey. Согласно этому исследованию [2]:

«88 процентов опрошенных предполагают, что искусственный интеллект сделает их работу легче в течение ближайших 10 лет и можно будет увидеть развитие как прогресс. Только около 6% опасаются, что технологии усложнят их работу или полностью возьмут верх.

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.

2.2 Динамическое ценообразование. Прогнозная оценка потенциальных клиентов

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]: