Vendre plus intelligemment avec des algorithmes prédictifs de notation de plomb

Les ventes et les techniques de vente ont été des sujets privilégiés pour de nombreux livres. Mais les dernières années ont vu l'émergence d'une nouvelle arme dans l'arsenal du vendeur – la notation prédictive de plomb.

Comme décrit par McKinsey dans l'article " Libérer le pouvoir des données dans les ventes Les entreprises qui réfléchissent utilisent la croissance de l'analyse de données et de l'intelligence artificielle pour élargir les frontières de la création de valeur et générer des résultats remarquables en termes de génération / notation de leads, de gestion des personnes, de ventes croisées et de tarification. McKinsey a interrogé plus de 1 000 organisations de vente sur l'utilisation de l'analytique. Ces entreprises ont été classées comme des cultivateurs rapides et lents, et les résultats étaient clairs .

Balisage prédictif de plomb plomb

La notation prédictive de plomb est une fusion de l'ancienne rencontre nouvelle. Les outils traditionnels de notation de plomb étaient toujours disponibles pour les acheteurs pour marquer leurs prospects. Les mêmes outils, combinés à des algorithmes de modélisation prédictive puissants et modernes, nous donnent des idées qui changent la donne. C'est sûrement l'outil de vente le plus pertinent entre les mains des équipes à l'ère du Big Data. Le carburant pour cet outil puissant est l'énorme quantité de données générées chaque jour. Et avec ces données, il existe une opportunité inexploitée de les couper comme jamais auparavant. L'utilisation d'algorithmes pour choisir des modèles qui seraient probablement manqués par l'œil humain fournit un avantage de pointe à l'équipe des ventes.

La modélisation autour des ventes a été gâchée par la subjectivité. Les équipes de vente ont erré à plusieurs reprises dans leur jugement sur ce qui qualifie un bon avance contre un mauvais. Les mauvais jugements produisent des leads fortement marqués avec une mauvaise intention d'achat. La règle 80/20 – 80% du chiffre d'affaires d'une entreprise proviendra de 20% de la clientèle – s'applique ici. Donc, vendre plus intelligemment signifie savoir quels clients sont bons pour une organisation. Pour offrir le maximum de valeur, les produits d'une organisation doivent correspondre aux besoins clés du client à chaque phase. De plus, les 20% de clients les plus coûteux, ceux dont la maintenance est élevée et les revenus faibles, devraient être régulièrement réduits.

La notation traditionnelle du plomb est largement laissée à la subjectivité des marketeurs pour répertorier les facteurs qu'ils considèrent comme pertinents pour la vente. Ces facteurs sont ensuite attribués des poids, qui sont utilisés pour évaluer les clients. Le résultat général est un tableau de priorités que les cadres des ventes doivent suivre lorsqu'ils cherchent de nouvelles affaires. Bien qu'il ne fasse aucun doute que c'est un processus bénéfique, il a son propre lot de lacunes.

Tout d'abord, l'identification des facteurs pertinents est ouverte à l'erreur humaine. Et choisir les mauvais facteurs conduira une entreprise à poursuivre le mauvais ensemble de clients. Non seulement cela va-t-il nuire aux affaires, mais cela nuit également au moral des directeurs des ventes. À mon avis, rien n'est pire pour le moral d'une équipe de vente que de courir après le mauvais groupe de clients.

La notation prédictive des prospects est un meilleur moyen de gérer ces erreurs potentielles. À son coeur sont des algorithmes qui utilisent des techniques statistiques. Ces algorithmes utilisent d'énormes ensembles de données et examinent séparément les prospects qui ont réussi ou qui ont échoué.

L'objectif est simple: examiner les modèles et identifier les facteurs pertinents pour réaliser une vente.

Un autre avantage majeur de la prédiction prédictive Cela permet de vérifier que les facteurs pertinents identifiés par les algorithmes s'alignent sur la stratégie commerciale globale. Parfois, ces modèles peuvent découvrir des clients qui n'ont pas été considérés dans l'ensemble idéal lorsque vous avez commencé. Il aide les organisations à revoir leurs produits et à les rendre attrayants pour les clients potentiels.

Inutile de dire que la notation prédictive prédictive est la plus pertinente pour les entreprises qui ont la capacité de générer et de stocker des données de vente énormes. Même ainsi, c'est un outil important pour toutes les organisations et il a de la pertinence pour les organisations qui ont franchi l'obstacle initial d'acquérir leurs premiers clients.

Les statistiques parlent plus fort que les mots

Extrapolation de Survey de 1 028 organisations dans le monde et 20 ans de modélisation de l'impact économique, IDC calcule que l'IA associée aux activités de CRM augmentera les revenus commerciaux mondiaux de début 2017 à la fin de 2021 de 1,1 billion de dollars. L'enquête a également révélé que 66% des 1 028 répondants appliquaient ou envisageaient de mettre en œuvre des technologies de notation prédictive dans le cadre de leur processus de vente. Sur les 292 adoptants actuels d'IA interrogés par IDC, 83% ont indiqué qu'ils utilisaient ou prévoyaient d'utiliser la notation prédictive des ventes et du marketing.

Je pense qu'en cette nouvelle ère, où les données sont générées chaque jour à des niveaux exponentiels, l'IA demeure essentielle pour la vente intelligente. Et des techniques telles que la génération de leads basée sur des algorithmes aideront les marketeurs à fournir des leads de haute qualité à leur équipe de vente, qui pourra alors travailler avec plus d'efficacité pour maintenir le moteur opérationnel.

Tous les grands voyages Commençons par de petites traces …

Plus l'accent est mis sur la fonction commerciale, mieux c'est pour l'organisation: plus le revenu est élevé, plus la fondation est forte!

Aidez votre équipe de vente à construire efficacement cette fondation feuille de route pour soutenir la vente intelligente. Commencez une discussion avec votre équipe sur l'état actuel et souhaité des processus de vente en utilisant le cadre décrit dans ce livre blanc .

<! – Commentaires ->