0

Бизнес-аналитика и искусственный интеллект: интеллигентная поддержка для фирм

28.05.2019
Анализ мониторинга цифровых продаж консалтинговой фирмы Iskander Business Partner (IBP) показал: 66% компаний еще не имеют стратегии оцифровки своей деятельности по продажам, поскольку они не признают актуальность для этой области. В этом заключается осно

Инновационные технологии и цифровые инструменты создают конкурентные условия для компаний. Вот почему многие компании в Германии участвуют в процессе преобразования во всех секторах — от аналогового к цифровому. В приоритете обычно находятся сферы производства, закупки и администрирования. Области продаж также сильно выигрывают от оцифровки.

Устаревшие знания и интуиция

Помня о клиентах, занесенных в клиентскую базу, но которые уже давно не давали о себе знать, сотрудники отдела продаж интуитивно чувствуют, что пора с ними связаться — будь то сектор B2C или B2B. Долгие часы, часто неудачных попыток в процессе завоевания новых клиентов или возвращения старых, часто ассоциируются с потраченным временем, потраченными деньгами и большим разочарованием. Стратегическая оцифровка продаж может противодействовать издержкам и оказать огромную помощь. Хотя некоторые компании уже признали это, например, в Германии осведомленность об этом не особенно высока. Анализ мониторинга цифровых продаж консалтинговой фирмы Iskander Business Partner (IBP) показал: 66% компаний еще не имеют стратегии оцифровки своей деятельности по продажам, поскольку они не признают актуальность для этой области. В этом заключается основная ошибка, потому что, в конце концов, отдел продаж — это не что иное, как прямая связь с клиентом.

Цифровые клиенты

По большей части, корпоративные клиенты и конечные потребители уже полностью «цифровые»: исполнение заказов, исследование продукции и услуг или обслуживание клиентов должно производится в онлайн режиме и самое главное, быстро. Оцифровка значительно изменила покупательское поведение и ожидания покупателей. Многие инновационные компании B2C, такие, как Amazon или Zalando, уже признали это и полагаются на искусственный интеллект (AI) и интеллектуальный анализ данных. В отличие от этого, в сфере B2B все еще требуются доработки. Поэтому, если компании хотят добиться успеха в долгосрочной перспективе, им следует уже сейчас задуматься над переходом с продаж на основе опыта на продажи на основе реального анализа данных.

Для этого компании также должны использовать и поддерживать цифровые инструменты в продажах. Предиктивный анализ данных, сканирование в интернете, машинное обучение и искусственный интеллект объединяются и создают четкое и актуальное изображение следующего потенциального клиента или информируют о текущих пожеланиях и потребностях существующих партнеров. С помощью веб-сканирования и Predictive Sales Analytics становится возможным на любом этапе достичь лидирующих позиций и значительно увеличить продажи.

Веб-сканирование текущих данных

На первом этапе компании могут использовать веб-сканирование, чтобы генерировать больше данных для лучшей аналитики. Сканирование — это генерация адресов и другой информации через Интернет. В этом случае адреса даже более актуальны, чем у обычных адресных брокеров. Многочисленная дополнительная информация о потенциальном клиенте, такая как текущие события и профили компании или отзывы клиентов, может быть использована в области продаж и увеличить вероятность заключения сделок. Система постоянно фильтрует сеть на предмет соответствующей информации и делает ее доступной для продаж. Как еще одно преимущество, нагрузка на персонал в отделах продаж уменьшается, поскольку сбор информации теперь автоматизирован.

Аналитика данных для постоянных клиентов

Хорошая квалификация лидера имеет решающее значение для успеха торгового представителя. Однако для большинства компаний на самом деле лишь менее половины потенциальных клиентов являются активными, что является пустой тратой времени и усилий. Здесь Predictive Sales Analytics помогает заранее определить большое количество потенциальных клиентов. С помощью машинного обучения как части Искусственного Интеллекта, проблемы могут быть решены автоматически на основании независимых выводов. ИИ действует в соответствии с человеческими структурами принятия решений. Машинное обучение сегодня используется во многих областях для распознавания закономерностей и прогнозирования. Необходимым условием для этого является максимально возможный широкий объем информации и данных.

ИИ распознает потенциальных клиентов

В сочетании с аналитикой данных автоматически сгенерированные наборы данных могут использоваться для определения и ранжирования вероятности заключения сделки с потенциальным клиентом. Системы машинного обучения находят статистические паттерны из успешных и неудачных лидов. В процессе, система узнает, какие переменные влияют на успех больше и меньше. Возможными переменными являются, например, тип компании, размер проекта, оборот, предыдущие действия или регион происхождения целевого клиента. Торговый представитель получает список контактов, которые с большой вероятностью могут быть закрыты, и много полезной дополнительной информации, которая помогает ему в области продаж для индивидуального обращения к клиенту. По данным также можно определить оптимальное время для установления контакта с клиентом. Интеллектуальный анализ распознает конкретные моменты, когда клиент готов к продаже. Если система обнаружит признаки этого - например, в пресс-релизе о предстоящем расширении - отдел продаж будет проинформирован и может представить соответствующее предложение.

Алгоритмы, соответствующие прогнозам

Алгоритм машинного обучения может извлекать уроки из всех существующих данных, часто используя десятки тысяч или миллионы точек данных для принятия решения. Алгоритмы помогают сделать эти решения понятными и измеримыми и сортируют наборы данных в соответствии с предопределенными шаблонами. На основе существующих данных о клиентах или данных предыдущих кампаний по продажам алгоритм машинного обучения определяет, какие компании стали клиентами в прошлом, и делает выводы о том, какие свойства в какой комбинации служат показателями успеха продаж для будущих клиентов. Если алгоритм также содержит данные о продажах, в дополнение к оценке вероятности завершения, можно также прогнозировать потенциальные продажи, которые могут быть достигнуты в рамках взаимодействия с клиентом. Возможно даже прогнозирование общей продолжительности жизни потенциального клиента (CLV).

Отслеживание показывает цифровое поведение целевых клиентов

Благодаря Realtime Insights можно отслеживать поведение начинающего клиента в цифровом мире. При этом информация постоянно автоматически обновляется в режиме реального времени. Системы отслеживания также наблюдают за развитием существующих клиентов в компании и предоставляют продавцам ценную информацию в режиме реального времени. Это дает представление об интересах и потребностях клиента до начала продаж и дает дистрибьютору возможность предоставить индивидуальное решение проблемы клиента. Тот факт, что потенциальные покупатели с самого начала чувствуют себя оптимально подобранными продавцом, снова увеличивает вероятность благополучное привлечение клиента или заключение сделки.

Индивидуальные решения для отдельных компаний

Машинное обучение предоставляет широкие возможности для квалификации соответствующих потенциальных клиентов — если используются правильные алгоритмы. Не существует стандартного решения для всех. В зависимости от продукта и отрасли, многие факторы могут иметь решающее значение для потребностей потенциального клиента. В тех случаях, когда число работников и отрасль могут быть важны для телекоммуникационного продукта, инженер-механик может быть более заинтересован в количестве произведенных товаров, а для консалтинговой фирмы является решающей информация о масштабе проблемы, поставленной перед потенциальным клиентом на момент обращения в фирму. Поэтому в данном случае надлежащая обработка данных и адаптация алгоритма машинного обучения имеют решающее значение для успеха.

Искусственный интеллект и природное чутье

Сканирование в Интернете, машинное обучение и анализ в режиме реального времени являются предпосылкой к анализу Next Best Customer и накоплению знаний об этом. Кроме того, они определяют идеальное время для контактирования с клиентом. Но они не заменяют живое контактное лицо. Для начала машина может зарекомендовать себя во время телефонного разговора: по телефону оператор сначала спрашивает актуальные, текущие потребности клиента. Даже этот первый шаг имеет довольно высокий уровень успеха благодаря автоматическому предварительному выбору и может также использоваться для улучшения будущих прогнозов. После этого задача переходит в руки к прирожденному «живому» продавцу, и он сможет ориентироваться на определенных клиентах еще лучше, чем раньше. Потому что в данном случае его предложения будут более целенаправленные и будут еще лучше подходить потребностям клиента. Таким образом, искусственный и человеческий интеллект работают в идеальном тандеме.

Возврат к списку

Хотите подписаться на статьи электронного журнала "Электрорешения"?