چگونه IBM از داده ها برای تقویت استراتژی بازاریابی مبتنی بر حساب استفاده می کند

همسایه من استاد ریاضی در کالجی در سانفرانسیسکو بود. او یک بار به من گفت: “طولانی ترین فاصله بین دو نقطه از طریق یک کمیته طی می شود.”

نقل قول او به خوبی برای فروش B2B اعمال می شود. یک نظرسنجی Forrester نشان داد که 80٪ از پاسخ دهندگان می گویند حداقل سه نفر در فرآیند خرید شرکت دارند و بیشتر 20٪ دیگر می گویند که در تیم های دو نفره خرید می کنند.

کیتلین وود، دانشمند ارشد داده در IBM، می‌گوید که انتقال استراتژی بازاریابی B2B از هدف قرار دادن افراد به تمرکز بر سطح حساب ضروری است.

کیتلین در طول ارائه خود در کنفرانس تجزیه و تحلیل بازاریابی و علم داده (MADS)، خرید B2B را با خرید خانه توسط خانواده مقایسه می کند. اگرچه والدین تصمیم گیرندگان نهایی هستند، اما آنها تنها صداها در این فرآیند نیستند. او توضیح می‌دهد: «دختر نوجوان ممکن است اتاق خواب بزرگ‌تری بخواهد، یا شاید بخواهد در نزدیکی یک زمین بازی برای پسرش زندگی کند، یا شاید می‌خواهد یک حیاط حصاردار زیبا برای سگ داشته باشد.

در یک محیط B2B، تصمیم گیرندگان و سایر صداها در فرآیند خرید نیازهای متفاوتی دارند. فناوری اطلاعات محصولی را می خواهد که با استانداردهای امنیت سایبری مطابقت داشته باشد. مهندسی یک API برای گسترش محصول می‌خواهد، و بازاریابی می‌خواهد داشبوردهایی با قابلیت ایجاد آسان داشته باشد.

در مدل معمولی مبتنی بر سرنخ (بازاریابی)، شما به تعاملات فردی با افراد نگاه می کنید، اما در یک زمینه B2B، شما واقعاً باید به تصویر کامل آنچه در یک حساب می گذرد نگاه کنید، نه فقط به این تکه های کوچک. کیتلین، که مدل های علم داده را برای فروش و بازاریابی در IBM ایجاد می کند، می گوید.

برای بازسازی استراتژی بازاریابی B2B خود، روش او در سطح حساب را بخوانید.

یک چارچوب حساب با شدت بالا را دنبال کنید

وقتی چندین نفر در یک سازمان از محتوای شما استفاده می کنند، می توانید میزان علاقه آنها را به محصولات و خدمات خود تعیین کنید. کیتلین به دنبال حساب هایی با تعاملات بازاریابی متعدد در یک دوره 30 روزه می گردد. بسته به چرخه فروش خود می توانید از یک ماه یا بیشتر استفاده کنید، مثلاً 90 یا 120 روز.

در خط لوله فروش IBM، حدود 12٪ از حساب ها هر سه ماهه به این وضعیت چند تعاملی می رسند. حدود هشت مورد از هر 10 حساب شامل دو یا چند نفر است و 87٪ شامل چندین حوزه محصول است. احتمال تبدیل شدن این حساب ها به فرصت در عرض 30 روز چهار برابر بیشتر است.

  PW 2: بهره وری در جامعه

کیتلین می‌گوید: «ما می‌خواهیم از حساب‌هایی بیاموزیم که محتوای ما را به سرعت مصرف می‌کنند و به سرعت تبدیل به تبدیل می‌شوند. “اینها حساب هایی هستند که می گویند، “من به IBM نگاه کردم، من واقعاً کاری را که انجام می دهید دوست دارم، و می خواهم از شما خرید کنم.”

با شناسایی این حساب‌های با شدت بالا، بازاریابی می‌تواند آن‌ها را به رویدادها دعوت کند و آنها را تشویق کند تا برای آزمایش‌ها یا دموهای رایگان ثبت نام کنند. فروش همچنین می تواند تعاملات بعدی را در اولویت قرار دهد زیرا این حساب ها احتمالاً به سرعت تبدیل می شوند.

این چارچوب همچنین به بازاریابی اجازه می دهد تا سفر مشتریان بسیار مورد علاقه را بهتر درک کند. کیتلین توضیح می‌دهد: «ما می‌توانیم به محتمل‌ترین راه‌ها برای رسیدن به حساب‌های ما به شدت بالا نگاه کنیم. آیا نقاط چسبنده ای در آنجا وجود دارد؟ آیا می توانیم آن نقاط چسبنده را برطرف کنیم؟ آیا این محتوای خاص واقعاً با صنعت مالی در آلمان طنین انداز می شود؟ آیا می‌توانیم این محتوا را به صنایع دیگر یا سایر مناطق جغرافیایی تغییر دهیم؟»

اولویت بندی و برجسته سازی الگوها برای تیم های فروش

خانواده خرید خانه را به خاطر دارید؟ یک مشاور املاک خانه‌هایی را به آنها نشان می‌دهد که نیازهای والدین و خواسته‌های بچه‌ها را برآورده می‌کنند – یک اتاق خواب بزرگ دوم، یک حیاط حصارکشی شده، و مکانی در نزدیکی یک زمین بازی.

در B2B، بازاریابی و فروش نقش عامل املاک را ایفا می کنند و خواسته ها و نیازهای خریداران متعدد را در این فرآیند برآورده می کنند. کیتلین می گوید سفر ممکن است به این شکل باشد:

  • در اوایل ژانویه، خریداران بالقوه به گزارش تحقیقاتی نگاه کردند.
  • سپس، چند نفر در سازمان یک آزمایش رایگان انجام دادند.
  • یکی از اعضای C-suite و دیگران در رویدادی که توسط فروشنده برگزار شد شرکت کردند.
  • در ماه فوریه، افراد دیگری در سازمان آزمایش دیگری انجام دادند.

با توجه به افزایش فعالیت حساب، تیم های بازاریابی و فروش تعاملات را ارزیابی کرده و مکالمات و فعالیت های بعدی خود را بر اساس آن تنظیم می کنند.

«این فقط یک فرد نیست. کیتلین توضیح می دهد که این فقط یک آزمایش نیست. این محصولات چگونه با یکدیگر تعامل دارند؟ چگونه مش می شوند؟ این حساب واقعاً به چه چیزی علاقه دارد؟ و آیا می‌توانیم مکالمات خود را طوری تنظیم کنیم که با نیازهای آنها مطابقت داشته باشد؟»

  استراتژیست های وب پیش بینی می کنند که بررسی های اجمالی هوش مصنوعی و سایر تغییرات جستجو چگونه بر ترافیک تأثیر می گذارد (داده های جدید)

از داده ها برای بهینه سازی سفر پر تاثیر استفاده کنید

مطالعه کیتلین روی داده‌های حساب با تأثیر بالا، الگوهای جالبی را نشان داد که او از آنها برای بهبود سفر مشتری با IBM استفاده کرد.

بیش از نیمی (54٪) از مشتریان بالقوه ای که اولین تعامل آنها با IBM آزمایشی و پس از آن مصرف گزارش تحقیقاتی است، به عنوان حساب های با شدت بالا شناسایی می شوند. با این حال، تنها 26 درصد از مشتریان احتمالی که فقط یک آزمایش انجام می‌دهند احتمالاً به حسابی با شدت بالا تبدیل می‌شوند. به طور مشابه، مشتریان احتمالی که گزارش تحقیقاتی را در عرض یک هفته پس از نمایش محصول دریافت کردند، 3.2 برابر بیشتر احتمال داشت که به حسابی با شدت بالا تبدیل شوند.

داده ها به کیتلین نشان داده اند که گزارش تحقیق زمینه و زمینه مهمی را برای محصول مورد آزمایش یا نمایش ارائه می دهد. مشتریان احتمالی ممکن است فکر کنند، “من محصول و آزمایشی را امتحان کردم. من به نوعی آن را دریافت می کنم، اما سپس این مقاله تحقیقاتی وارد می شود و تمام مزایایی را که من واقعاً در خود آزمایش مشاهده نمی کردم، توضیح می دهد.

از علم داده برای یافتن حساب‌های با شدت بالا استفاده کنید

آی بی ام فقط از داده ها برای به حداکثر رساندن سفر مشتریان بالقوه استفاده نمی کند. داده‌ها را تجزیه و تحلیل می‌کند تا حساب‌های جدیدی شبیه به آن حساب‌های با شدت بالا پیدا کند – که به عنوان حساب‌های مشابه نیز شناخته می‌شوند.

این استراتژی را با این فرض ایجاد می‌کند که حساب‌های کم مشارکت هنوز به محتوایی نرسیده‌اند که آنها را به سطل با شدت بالا سوق دهد. کیتلین توضیح می‌دهد که موانع دسترسی به آن محتوا می‌تواند به سادگی یک پیوند شکسته یا عدم پیگیری یک گزارش تحقیقاتی پس از یک نسخه نمایشی باشد.

برای یافتن حساب‌های مشابه، IBM از یادگیری بدون برچسب مثبت استفاده می‌کند، نوعی یادگیری ماشینی که از حساب‌های مثبت (یعنی با شدت بالا) با حساب‌های بدون برچسب استفاده می‌کند. این حساب‌های بدون برچسب (معمولاً با شدت کم و متوسط) را تجزیه و تحلیل می‌کند تا تعیین کند که آیا آنها را با شدت بالا برچسب‌گذاری کنیم یا خیر.

کیتلین توضیح می‌دهد: «ما هنوز سعی نمی‌کنیم پیش‌بینی کنیم چه کسی با شدت بالا خواهد بود، اما چه کسی به اندازه کافی شبیه حساب‌های پرفشار ما است که فکر می‌کنیم باید رفتار مشابهی داشته باشند، و می‌توانیم آنها را وادار به ادامه بحث با ما کنیم».

یادگیری بدون برچسب مثبت از فعالیت بازار، داده های صنعت شخص ثالث، داده های جغرافیایی/بازار و داده های خرید تاریخی در تحلیل استفاده می کند. کیتلین می‌گوید که حساب‌های با مشارکت پایین‌تر را که می‌توان در ۹۳ درصد مواقع با شدت بالا پرورش داد، دقیقاً شناسایی می‌کند. این حساب‌های مشابه دو برابر بیشتر از میانگین حساب‌ها تبدیل می‌شوند.

  5 گام کلیدی برای موفقیت

دروس حساب کاربری را به سیستم اضافه کنید

پس از شناسایی حساب‌های پر شدت و مشابه، اطمینان حاصل کنید که اطلاعات حساب به درستی در سیستم‌های فروش و بازاریابی جریان دارد. در اینجا نگاهی به نحوه انجام این کار توسط IBM داریم:

حساب‌های با شدت بالا به سمت نماینده فروش سرازیر می‌شوند تا عملیات ورودی سیستم Salesloft را با سرعتی برای بهترین اقدامات بعدی اجرا کنند که منجر به تبدیل می‌شود.

حساب مشابه، اقدامات بازاریابی را آغاز می‌کند که می‌تواند باعث شود تا Salesloft خروجی فعالیت بیشتری انجام دهد یا جریان ایمیل پرورشی را از طریق Marketo راه‌اندازی کند. این فعالیت جدید می تواند حساب مشابه را به حسابی با شدت بالا تبدیل کند. سپس، حساب جدید با شدت بالا از طریق آن فرآیند قیف می شود.

آیا برای تمرکز بر بینش در سطح حساب آماده هستید؟

اگر همسایه‌ام از دانشگاه به بازاریابی B2B تغییر می‌کرد، چیزی شبیه به این می‌گفت: «مسیر تحقیق تا بسته شدن سفرها از طریق یک کمیته انجام می‌شود، بنابراین حوزه‌های انتخابیه آن کمیته را شناسایی کنید و بفهمید چه چیزی برای آنها مهم است».

در قدیم، اگر مدیر ارشد امنیت اطلاعات در یک شرکت Fortune 500 کاغذ سفیدی را دانلود می‌کرد، بازاریاب‌های این برند معمولاً بالا و پایین می‌پریدند و فکر می‌کردند که این اولین بازی برای فروش بزرگ است.

اما در مورد دانلود C-suite آنقدر هیجان زده نشوید. آن CISO ممکن است امضای خود را در سفارش خرید داشته باشد، اما احتمالاً دارای کمیته ای متشکل از سه تا 10 یا بیشتر تأثیرگذار است که به طور جمعی در مورد عرضه کننده فروشنده و محصول تصمیم می گیرند. مانند خرید یک خانه جدید توسط والدین، علایق دختر، پسر و سگ از اهمیت بالایی برخوردار است.

همانطور که سفر IBM به اشتراک گذاشته شده توسط Caitlyn ثابت می کند، انتقال از بینش فردی به سطح حساب کاربری هوشمندانه است. از داده‌های به‌دست‌آمده از پیگیری حساب‌های با شدت بالا برای شناسایی حساب‌های جدید که احتمالاً به حساب‌های با شدت بالا تبدیل می‌شوند، استفاده کنید.

ai aj ak” dir=”ltr”>به تحلیلگران و دانشمندان داده در سازمان خود در مورد آن بگویید تجزیه و تحلیل بازاریابی و علم داده کنفرانس، هم محل با دنیای بازاریابی محتوا همین امروز ثبت نام کنید و 100 دلار با کد تبلیغاتی BLOG100 پس انداز کنید.

مطالب مرتبط دستچین شده:

تصویر روی جلد توسط جوزف کالینوفسکی/موسسه بازاریابی محتوا

منبع: https://contentmarketinginstitute.com/articles/ibm-b2b-data-marketing-strategy/

Sed ut perspiciatis unde omnis iste tempor dignissim at, pretium et arcu natus voluptatem fringilla. The technical storage or access that is used exclusively for anonymous statistical purposes.