SELG MER med riktigere LEADS-prioritering!

Sliter du med dårlig salg til leads fra din digitale markedsføring?

Det kan være mange årsaker til lavt salg til leads du har generert fra din moderne digitale markedsføring. Det er ofte ikke nok å generere leads – du må jo sørge for å konvertere dem til kunder også, om det skal være noe vits?! Husk at din leadscoring fra din inbound markedsføring normalt kun sier noe om «interesse» for din bedrift eller produkt – og ingenting om kjøpssannsynligheten!

Hva slags leads genererer din moderne digitale markedsføring, egentlig?

Kanskje har du fristelser som dine besøkende registrerer seg for å motta på ditt nettsted som genererer leads? Har du vurdert «kvaliteten» på disse potensielle kundene? Ofte kan du finne mange studenter som gjør research til en oppgave, personer som ikke er i nærheten av din målgruppe – i feil industrier/bransjer, eller uten beslutningsmyndighet. Når ditt salgsapparat følger opp disse, er dette oftest bortkastet tid! De ønsker jo ikke å kjøpe noe!

Desto «dårligere leads» din digitale markedsføring genererer, desto mindre motiverende for dine selgere som får i oppgave å følge opp og «sikre salget». Kanskje får de også høre at «du har jo aldri hatt så mange leads – hvorfor SELGER DU STADIG MINDRE?!»

Bortkastet tid!

Svaret på dette er enkelt – om du genererer mange leads som er feil for ditt salgsapparat – så er det bortkastet tid å følge dem opp! Tiden er bortkastet fordi det er «tapt tid» dine selgere normalt ville benyttet mot prospekter som er i riktig bransje, er beslutningstakere og som kanskje er «riktigere» å fokusere innsatsen mot.

«Moderne digital markedsføring kan derfor feile – på tross av å generere hundrevis av leads!»

Løsningen innen «inbound markedsføring» er IKKE tilstrekkelig!

Inbound markedsføring «løser dette problemet» som regel gjennom «modning av leads» over tid, slik at de får en score basert på stadig økt aktivitet/interaksjon med ditt firma – som regel automatisert gjennom din «nurturing prosess» (beste norske uttrykk for dette er «modningsprosess»). Deretter gis de en stadig høyere score etterhvert som de blir «mer modne».

Selvfølgelig forbedrer dette kvaliteten noe over tid, du identifiserer i det minste leads som viser interesse. Dessverre er ikke interesse for ditt nettsted, din bransje og produkt tilstrekkelig. Til slutt må interessen konverteres til salg, og om det ikke utvikles en kjøpsmotivasjon, så hjelper det jo ikke!

Den moderne løsningen = salgsprediksjon per lead!

Løsningen er å utvikle en scoringmodell som predikerer sannsynligheten for salg på det enkelte lead – en salgspredikerende scoringmodell (eller «predictive lead scoring» på engelsk)!

Hva er en salgspredikerende scoringmodell?

Salgsprediksjon av leads er en banebrytende metode for å prioritere hvilke leads du skal følge opp. Det er ikke «nytt», men metodene som benyttes er under stadig utvikling, og det er stadig enklere å inkludere denne metoden i en sanntidsmodell for dine leads.

I stedet for å sløse bort verdifulle salgsressurser på oppfølging av en leadsliste full av «blandede drops», kan salgsapparatet fokusere på de leads som de kan ha størst sjanse til å konvertere fra lead til faktisk betalende kunde. Ikke så dumt, eller?!

Metoden har tradisjonelt hatt ulike navn (prediksjonsscoring, kundeadferdsmodellering, salgsprediksjon og liknende), og er i praksis et spesialisert fagområde innen salgsprediksjon.

Hvorfor er tiden inne for moderne salgsprediksjon nå?

Lav kvalitet på prioritering av leads kan være direkte skadelig for din bedrift! Vi går så langt at vi ofte kaller dette fenomenet en “inbound crashlanding”. Desto større ressurser som er allokert til moderne digital markedsføring, innholdsgenerering, sosiale medier, leadgenereringsmodeller osv., desto større fare for at du kan bli skuffet over resultatet. Bidrar din moderne markedsføring nok til å forsvare alle investeringene? Sliter du litt med salget på tross av investeringene? Vel… det er flere som vil havne i denne situasjonen de neste 6-24 månedene etter implementering av moderne digital markedsføring!

Du risikerer å underprestere i forhold til dine salgsbudsjetter, og ditt salgsapparat blir demoralisert og demotivert. Kanskje det aller verste er at salgsapparatet sliter med å lære av «sine feil», slik de gjorde tidligere? Det er nemlig ikke så lett å selge til et lead som kun viser interesse, og ingen kjøpsintensjon. Selv ikke dine beste salgsteknikker vil kunne fungere på et lead som absolutt ikke ønsker å kjøpe produktet du tilbyr…

Det er nemlig ikke salgsapparatet sin «skyld» når listen over leads er feil prioritert og inneholder «blandede drops». Det er din inboundstrategi som ikke leverer riktig prioritering!

Viktigste fordeler med moderne salgsprediksjon

Dette er viktig at du lærer deg – dette er nemlig argumentene du må benytte for å sikre gjennomslag i din bedrift for å investere i moderne salgspredikerende scoringmodeller!

Den aller viktigste fordelen med en moderne predikerende scoringmodell, er så enkelt som det kan bli: det bidrar til salgsvekst!

Med riktig prioriterte leads, vil ditt salgsapparat kunne benytte sin spesialistkompetanse og ressurser på riktig måte – på potensielle kunder som faktisk har interesse for å kjøpe dine produkter. Desto mer tid en dyktig selger bruker på riktige leads, desto bedre salg. Enklere kan det jo ikke bli!

Å fokusere mot færre potensielle kunder og samtidig øke salget – det er enhver selgers drøm! Så i motsetning til situasjonen beskrevet over, vil du få et supermotivert salgsapparat med stadig forbedrede salgsresultater. Etter hvert som systemet begynner å fungere, vil du få stadig forbedringer i ditt datagrunnlag og kvaliteten på prediksjonen vil øke over tid. En positiv salgsspiral!

Hvordan fungerer dette drømmesystemet?

Det absolutt mest kritiske for å få til en god predikerende scoremodell, er selvfølgelig salgsinformasjon. Alle andre data du har i din leadsmodell, er i praksis en rangering av interesse. Uten faktiske salgsdata, vil du aldri kunne forutse eller predikere hvilke leads som vil kjøpe ditt produkt.

Modellen kan altså ikke utvikles (dessverre!) før du har faktisk gjennomført salg av produktet/produktene du tilbyr i markedet. Dette må også ha et visst omfang før det kan gi fornuftig prediksjon. Omfanget er avhengig av kvaliteten på dine data (bredde i datautvalg og variabler), bransjeforhold, kundeuniformitet, erfaringsdata, hypoteser og kompleksitet i både salgsprosess og kundemasse.

Første steg er derfor å analysere dine salgsdata. Allerede tidlig i analyseprosessen vil enkelte mønstre kunne identifiseres. For eksempel vil korrelasjonens posisjon/stilling (i.e. berettiget til å ta en kjøpsbeslutning eller ikke) og ansvarsområde, ofte kunne si noe om kjøpssannsynlighet.

Tidligere (og enklere) salgsmodeller benyttet ofte denne overordnede lærdommen – enten manuelt som «iboende kunnskap» hos ditt dyktige salgsapparat, eller mer formalisert gjennom faktiske salgsanalyser. Dette har i mange år dannet grunnlag for manuelle scoremodeller i CRM-systemer (enten gjennom leads/prospekt-kategorisering eller ved manuell sannsynlighet registrert av dine selgere).

Nå benyttes mer dynamiske kriterier for forbedret prediksjon. Dette kan inkludere adferd til et lead på ditt nettsted (hvilke sider besøk, tid benyttet, elementer lastet ned etc). Andre variabler kan inkludere lokalisering (avstander til knutepunkter, konkurrenter etc), størrelse, bransje, interesser, historisk kjøp av ulike produkter, dialog med ditt salgsapparat, antall kontaktpunkter over tid etc. Dette er informasjon du ofte har i dine egne systemer – tilgjengelig i ditt moderne Marketing Automation System, ditt CRM-system, faktureringssystem etc.

Ytterligere tilført verdi til en modell vil ofte inkludere eksterne data i tillegg. Vi snakker ikke nødvendigvis om «big data», men generelt sagt kan man gjerne si at desto flere kilder og mer data du har tilgang på – desto bedre kvalitet i din prediksjonsmodell.

Når prediksjonsmodellen gir god kvalitet og en liste over prediksjon for salg (sannsynlighet for salg) på det enkelte lead, tilbakeføres denne informasjonen til ditt CRM-system. Dette vil skje løpende i en «live modell» som alltid tar hensyn til ny informasjon og oppdaterer scoremodellen basert på alle hendelser i ditt datagrunnlag.

Hvordan gjennomføre i praksis?

Etter å ha lest forrige avsnitt, kan dette kanskje virke litt uoverkommelig? Betyr dette at du er nødt til å få struktur i alle mulige datakilder, kjøpe ytterligere systemer, ansette spesialister (data scientists), analysere og bygge modeller? Etter noen måneder er du klar til å høste fruktene?

Heldigvis ikke – det finnes enklere løsninger!

Det finnes jo allerede de som gjør dette til daglig! Brelo har spesialisert sin kompetanse nettopp på disse områdene, og i samarbeid med CPM AS kan vi levere alt du har behov for! CPM har over 10 års erfaring fra dette i det norske markedet, med egne analysedatabaser, integrasjonsteknikker for dine data, og spesialistene du har behov for!

Et samarbeid vil ofte kunne gjennomføres innledningsvis inntil din bedrift er klar for å overta den løpende drift selv – om dere ønsker dette. Her finnes det mange muligheter for samarbeid!

Hvem bør benytte predikerende leadsscoring?

Ideelle bedrifter med størst nytte av predikerende leadsscoring inkluderer:

  • Bedrifter med repeterende salgsprosesser – gjerne med et godt informasjonsgrunnlag (eksisterende kunder)
  • Bedrifter som har relativt god struktur på sine CRM-data over tid – inkludert interaksjon mellom selger og kunde (historikk over både tapte og vunnede case)
  • Bedrifter som ikke har endret målgruppe eller produkt den siste tiden (med andre ord at det finnes fornuftig informasjonshistorikk)

Det er vanskelig å bygge en kvalitativt god prediksjonsmodell uten fornuftig historikk. Moderne maskinlæring «liker» mye data. Det er likevel ikke et endelig krav om komplett historikk eller at alle data nødvendigvis er perfekt strukturert. La oss se på dine data!

Begrensninger i salgsprediksjon?

Som beskrevet over, så er ikke nødvendigvis moderne salgsprediksjon og slike scoringmodeller for alle. Det er selvfølgelig begrensninger rundt hva du kan få til dersom det er manglende tilgang på data og salgsinformasjon.

Det er derfor smart å ta høyde for fremtidige ønsker om å benytte disse moderne metodene for salgsprediksjon. Selv om du kanskje er nystartet eller ikke i dag har det du trenger, er det fornuftig å legge forholdene til rette for at du vil kunne gjennomføre dette i fremtiden! Denne type prosjekter starter ofte med strukturering av informasjon, sørge for konsistens over tid og ta et skritt av gangen. Det er normalt behov for rådgivning i denne forbindelse – ta kontakt med oss i dag!

Hva med CRM-systemer?

Enkelte moderne CRM-systemer kan ha noen form for moderne salgsprediksjon inkludert i systemet. Dette gjelder for eksempel Salesforce som kan spesialtilpasse løsninger rundt dette med dine salgsdata. Deres produkt «Sales Cloud Einstein» analyserer alle data som er tilknyttet det enkelte lead, og forsøker deretter ulike prediktive modeller som logistisk regresjon, random forest og Naive Bayes på datasettet. Ved å finne beste modell, predikerer systemet beste leads (størst sannsynlighet for salg). Modellen er «selvlærende» når ny informasjon tilflyter systemet, og kan gjennom maskinlæring også foreslå beste tidspunkt for oppfølging, møtetidspunkter etc. på det enkelte lead. Veldig spennende!

På tross av at dette er «inkludert i systemet», vil det kreve samme grad av spesialtilpasning som beskrevet over – på dine data og med dine salgsprosesser. Merk også at det er begrensede muligheter innenfor et CRM-system med hensyn til andre datakilder enn hva som ligger i CRM-systemet, og at det ofte er en bedre løsning å utvikle modellen på utsiden og heller tilføre scoring tilbake til CRM-systemet fra prediksjonsmodellen løpende.

Vi er spesialister på dette!

Ta kontakt med oss i dag for en samtale rundt dette! Vi er spesialister på dette området, og brenner for at markedsføring og salg skal fungere optimalt sammen. Moderne digital markedsføring alene er ikke nok – det må henge sammen med en moderne salgsstrategi!

Lo Brenna

>