Treasure Data, Challenge to ABM[Μέρος 1]
〜Μεταρρύθμιση πωλήσεων και μάρκετινγκ μέσω CDP για πωλήσεις〜

UNCODE.initRow(document.getElementById(„row-unique-0“));

Το Treasure Data CDP for Sales (εφεξής CDP for Sales) είναι μια πλατφόρμα δεδομένων πελατών που υποστηρίζει σθεναρά τις εταιρικές πωλήσεις και το μάρκετινγκ.
Η ίδια η Treasure Data αναπτύσσει επίσης τις δικές της δραστηριότητες πωλήσεων και μάρκετινγκ με βάση το CDP για πωλήσεις. Σε αυτό το άρθρο, θα ρίξουμε μια ματιά στον τρόπο με τον οποίο η ομάδα ανάπτυξης λογαριασμού Treasure Data χρησιμοποιεί το CDP για την παροχή αποτελεσμάτων.

Στο Μέρος 1, θα καλύψουμε το ιστορικό της κατασκευής CDP, τη διαμόρφωση της υποδομής δεδομένων και τις μεθόδους στόχευσης.

Ιστορικό Οργάνωσης Δεδομένων Θησαυρού και Κατασκευής Υποδομής Δεδομένων

Πριν από την εισαγωγή των περιπτώσεων χρήσης CDP για πωλήσεις, θα ήθελα να παρουσιάσω εν συντομία την οργανωτική δομή των Treasure Data. Ο οργανισμός πωλήσεων και μάρκετινγκ της Treasure Data υιοθετεί τον λεγόμενο καταμερισμό εργασίας „THE MODEL type“. Το Μάρκετινγκ, η Ανάπτυξη Λογαριασμού (Εσωτερικές Πωλήσεις), οι Πωλήσεις και η Επιτυχία Πελατών έχουν τέσσερα διαφορετικά τμήματα, από προσυμβατικό έως μετασυμβατικό, ανάλογα με το στάδιο του πελάτη.
Η αποστολή της ομάδας ανάπτυξης λογαριασμών, την οποία θα καλύψουμε αυτή τη φορά, είναι να «αποκτήσει αποτελεσματικές επιχειρηματικές διαπραγματεύσεις από εταιρείες-στόχους» και είμαστε υπεύθυνοι για την φροντίδα και την ανταπόκριση σε εισερχόμενα ερωτήματα με έναν BDR (Εκπρόσωπο Ανάπτυξης Επιχειρήσεων) που είναι υπεύθυνος για νέα ανάπτυξη Αποτελείται από προώθηση SDR (Sales Development Representative) και ABM (Account Based Marketing).

UNCODE.initRow(document.getElementById(„row-unique-1“));

Τρεις διαδοχικές φάσεις απαιτούνται για την ολοκλήρωση της αποστολής της ομάδας:

Προσδιορίστε στρατηγικά τις εταιρείες-στόχους
Κατανοήστε την εταιρεία και τα άτομα που εργάζονται για αυτήν και προβλέψτε τις ανάγκες και τα ζητήματά τους
Κατάλληλα κανάλια και χρονοδιάγραμμα προσέγγισης πελατών και επεξήγησης του CDP για να τους κεντρίσετε το ενδιαφέρον

Τον Απρίλιο του 2020, η Treasure Data ξεκίνησε το «ABM Project» πλήρους κλίμακας χρησιμοποιώντας το CDP για πωλήσεις. Προκλήθηκε από μια αλλαγή στρατηγικής σε όλη την εταιρεία για εστίαση σε επιχειρηματικές εταιρείες. Μέχρι τότε, η ομάδα ADR της Treasure Data είχε ακολουθήσει τη λεγόμενη μέθοδο «μάρκετινγκ βάσει δυνητικών πελατών» για την έκθεση σε μεγάλες εκδηλώσεις και τη διοργάνωση εσωτερικών εκδηλώσεων και την καλλιέργεια των δυνητικών πελατών που αποκτήθηκαν.

Αμέσως μετά την έναρξη του „ABM Project“, δραστηριότητες όπως η αποθήκευση και ενσωμάτωση δεδομένων από τα υπάρχοντα MA και SFA, δεδομένα καταγραφής ιστού και δεδομένα προβολής πλατφόρμας βίντεο στο Treasure Data CDP. Παρόλο που ήταν το κέντρο, εισαγάγαμε το Sansan Data Hub και FORCAS, εμπλούτισαν τις πληροφορίες λογαριασμού συνδυάζοντάς τις με εξωτερικά δεδομένα και στράφηκαν σε δραστηριότητες όπως η βελτίωση της ανάλυσης πελατών.

UNCODE.initRow(document.getElementById(„midashi-1“));

Τι είναι η ενσωματωμένη πλατφόρμα δεδομένων ABM 6 τεταρτημορίων που συνδέει όλες τις πληροφορίες της εταιρείας πελατών;

Το Treasure Data ορίζει το ABM ως εξής:

Με στόχο τη μεγιστοποίηση των πωλήσεων από τον „καθορισμένο λογαριασμό στόχο“, μέσω ενσωμάτωσης δεδομένων, κατανοήστε σε βάθος τα χαρακτηριστικά, τη συμπεριφορά, την κατάσταση αγοράς / επιχειρηματικής διαπραγμάτευσης του σχετικού λογαριασμού και της εγγεγραμμένης ομάδας επικεφαλής και βελτιστοποιήστε τα μέτρα μάρκετινγκ, πωλήσεων και επιτυχίας πελατών για τον στόχο Προσπάθειες μετατροπής

Πριν παρουσιάσουμε πώς μπορεί να χρησιμοποιηθεί το CDP για πωλήσεις για ABM και εταιρικές πωλήσεις, θα ήθελα να εξηγήσω πώς η Treasure Data έχει δημιουργήσει μια ολοκληρωμένη πλατφόρμα δεδομένων.

Στο Treasure Data CDP, στον οριζόντιο άξονα εμφανίζονται οι „Εταιρεία“ και „Ατομικό (Διαδικό πρόσωπο) που ανήκει στην εταιρεία (Υπηγητικός πελάτης) και εμφανίζονται οι „Ιδιότητες“, „Συμπεριφορά“ και „Διαπραγμάτευση αγοράς/επιχειρήσεων (συναλλαγή)“. Κατασκευάσαμε μια „ολοκληρωμένη υποδομή δεδομένων ABM“ που αποτελείται από 6 τεταρτημόρια με .

UNCODE.initRow(document.getElementById(„midashi-2“));

αποδίδουν ευφυΐα

Στον άξονα „χαρακτηριστικό“, για τον όρο „εταιρεία“, η επωνυμία της εταιρείας συσχετίζεται με τον εταιρικό αριθμό που εκδίδεται από την Εθνική Φορολογική Υπηρεσία και ο κλάδος, οι πωλήσεις, ο αριθμός εργαζομένων, οι υπηρεσίες/εργαλεία που χρησιμοποιούνται κ.λπ. συνδέονται με χρήση εξωτερικών δεδομένων . Στο επίπεδο των „ιδιωτών σε εταιρείες“, αποθηκεύστε ονόματα εταιρειών, διευθύνσεις ηλεκτρονικού ταχυδρομείου, τίτλους τμημάτων, αριθμούς τηλεφώνου κ.λπ. βάσει δεδομένων που λαμβάνονται με άδεια από τον ιστότοπο Treasure Data και δεδομένα επαγγελματικών καρτών.

Πληροφορίες δράσης

Εξετάζοντας το τεταρτημόριο «συμπεριφοράς» των «ιδιωτών που είναι εγγεγραμμένοι σε εταιρείες», μπορούμε να δούμε το ιστορικό των cookie 1st party δεδομένων θησαυρού, περιήγηση στο web, λήψη υλικού, συμμετοχή σε σεμινάρια κ.λπ. Αποθηκεύονται ενέργειες όπως αρχεία καταγραφής χρήσης. Στη συνέχεια, με βάση τη διεύθυνση IP του ατόμου, υπολογίζεται το άθροισμα της περιήγησης στο διαδίκτυο, της λήψης υλικού, της συμμετοχής σε σεμινάρια, της απάντησης σε e-mail, της απάντησης σε τηλεφωνικές κλήσεις, με βάση τη διεύθυνση IP της εταιρείας.

Αγορά/διαπραγμάτευση πληροφοριών

Αποθηκεύει τον αριθμό των επιχειρηματικών διαπραγματεύσεων που σχετίζονται με την επωνυμία της εταιρείας, την ημερομηνία έναρξης, την ημερομηνία λήξης, τον αριθμό των ημερών επαγγελματικών διαπραγματεύσεων, το ποσό της σύμβασης, την περίοδο, τον αριθμό των διαπραγματεύσεων και αυτό ανά εταιρεία ή ανά προϊόν. Ως άτομο, ορίζω τον υπεύθυνο στην εταιρεία για κάθε επιχειρηματική διαπραγμάτευση ως την Κύρια επαφή και διαχειρίζομαι τις επικοινωνίες, τις πηγές δυνητικών πελατών, τα στάδια επιχειρηματικής διαπραγμάτευσης κ.λπ. με ολοκληρωμένο τρόπο.

Με τη δημιουργία μιας τέτοιας ολοκληρωμένης πλατφόρμας δεδομένων, είναι πλέον δυνατό να απεικονιστεί, για παράδειγμα, η συμπεριφορά σε ατομικό επίπεδο, όπως η κατάσταση περιήγησης στον ιστότοπο, οι λήψεις υλικού και η συμμετοχή σε σεμινάριο τον πιο πρόσφατο μήνα, ακόμη και ανά εταιρεία.

UNCODE.initRow(document.getElementById(„midashi-5“));

Μέθοδος στόχευσης με χρήση βάσης δεδομένων ABM

Επιπλέον, με βάση την „ενσωματωμένη πλατφόρμα δεδομένων ABM 6 τεταρτημορίων“ που αναφέρθηκε παραπάνω, έχουμε βελτιώσει την ακρίβεια της στόχευσης.

Υπάρχουν τρεις μέθοδοι στόχευσης: Θα εξηγήσω τι είδους στόχευση μπορεί να γίνει με παραδείγματα.

1. Στόχευση βάσει δεδομένων που συλλέγονται

Όσον αφορά τη στόχευση ανά εταιρεία, εάν μια εταιρεία που έχει ήδη συμβόλαιο αυξήσει τον αριθμό των λήψεων υλικού που σχετίζεται με άλλη λύση με την οποία δεν έχει συνάψει σύμβαση, είναι πιθανό η εταιρεία να εξετάζει το ενδεχόμενο πρόσθετης εισαγωγής η λύση που δεν έχει ακόμη συρρικνωθεί.Μπορούμε να πούμε ότι είναι ακριβή.
Προκειμένου να καθοριστεί το „ποιον“ σε αυτήν την εταιρεία να προσεγγίσει, είναι απαραίτητη η ανάλυση σε ατομική βάση. Για παράδειγμα, εάν αποδειχθεί ότι ένα από τα άτομα που κατεβάζει υλικό ή συμμετέχει σε σεμινάρια είναι γενικός διευθυντής ενός τμήματος που είναι πιθανό να χρησιμοποιήσει προϊόντα χωρίς σύμβαση, απευθυνθείτε στον γενικό διευθυντή. Για παράδειγμα, υπάρχει μεγάλη πιθανότητα ότι θα μετατραπεί σε επιχειρηματική διαπραγμάτευση. Το Treasure Data εξάγει τέτοιους δυνητικούς πελάτες θέτοντας ορισμένους κανόνες για τα δεδομένα.

2. Στόχευση με λειτουργία SQL

Ένα άλλο πλεονέκτημα της ενσωματωμένης πλατφόρμας δεδομένων που βασίζεται στο CDP for Sales είναι ότι μπορείτε να επεξεργάζεστε ελεύθερα τα δεδομένα του αρχείου καταγραφής Ιστού, τα οποία παράγονται σε μεγάλες ποσότητες κάθε μέρα, χρησιμοποιώντας SQL για τη δημιουργία σημαντικών δεδομένων. Με το Treasure Data, χρησιμοποιούμε λειτουργίες SQL για την εξαγωγή πιθανών εταιρειών πελατών που έχουν δει αύξηση στον αριθμό των επισκέψεων στον ιστό πάνω από μια συγκεκριμένη κλίση μέσα σε μια συγκεκριμένη χρονική περίοδο. Επιπλέον, είναι επίσης δυνατή η εξαγωγή μιας λίστας ατόμων εντός της εταιρείας πιθανών πελατών. Με τη βαθμολόγηση με βάση την πιο πρόσφατη ημερομηνία προβολής ιστότοπου, τη συχνότητα προβολής και τον αριθμό των σελίδων που προβλήθηκαν, μπορεί να επιτευχθεί πιο ακριβής στόχευση.

3. Στόχευση με μηχανική μάθηση

Το Treasure Data χρησιμοποιεί το Predictive Scoring, το οποίο είναι συνάρτηση του Treasure Data CDP (μια σειρά διαδικασιών μηχανικής μάθησης μπορεί να πραγματοποιηθεί με έναν τρόπο μέσω της λειτουργίας GUI). Χρησιμοποιώντας την παραπάνω ομάδα συμβεβλημένων εταιρειών ως δεδομένα εκπαίδευσης, εταιρείες με παρόμοια χαρακτηριστικά και η συμπεριφορά εξάγονται ως πιθανές εταιρείες πελατών. Ως αποτέλεσμα, ακόμη και άτομα μπορούν να στοχοποιηθούν συμπεραίνοντας ότι είναι πρόσωπα επικοινωνίας εταιρειών πιθανών πελατών.

Χρησιμοποιώντας τη λειτουργία Predictive Scoring, είναι δυνατό να δοθεί αυτόματα προτεραιότητα στην προσέγγιση σε υποψήφιους πελάτες, επομένως είναι πλέον δυνατό να προχωρήσετε αποτελεσματικά στις δραστηριότητες πωλήσεων.

Στο Μέρος 2, θα παρουσιάσουμε τη λειτουργία της προαναφερθείσας «Ολοκληρωμένης Πλατφόρμας Δεδομένων ABM» και τα αποτελέσματά της.

UNCODE.initRow(document.getElementById(„midashi-3“));