1.2 Выбор целевых клиентов

Давайте посмотрим, как можно объединить все эти данные для выбора целевых компаний и распределения их по категориям.

Вручную выберите целевые компании из списка.

Самый простой способ выбрать компании для АВМ — позволить торговым представителям составить собственные списки кандидатов и объединить их все в один. Тогда они могут самостоятельно искать данные по фирмографии и вовлечённости, или же отдел маркетинга может ускорить процесс, предоставив отделу продаж базовые сведения.

(Мы советуем сделать список кандидатов в три раза больше, чем нужно представителям. Это позволит им добавить ценные замечания и гарантирует их более активное участие).

В общем, такой список будет нелишним — представители знают свои рынки и будут лично заинтересованы в результате. Однако без дальнейшего анализа есть большая вероятность упустить отличных кандидатов и переоценить не столь перспективных.

Помогите отделу продаж выбрать целевые компании, распределив их по категории значимости.

 Применение маркетинговых методов сделает работу точнее и, соответственно, успешнее.

Начните со всей сферы для каждого менеджера по работе с клиентами, затем составьте рейтинг (вручную или с помощью модели прогнозирования), насколько каждая целевая компания подходит вам и насколько заинтересована в ваших решениях. Затем позвольте руководителю отдела по работе с клиентами выбрать компании, руководствуясь вашим рейтингом.

Отбором клиентов должен заниматься отдел продаж.

Главный урок АВМ — отдел продаж должен чувствовать, что это именно он отбирает кандидатов в каждую категорию.

Согласованная работа и заинтересованность решительно необходимы для успеха АВМ. Когда отдел маркетинга вовлекает в работу целевую компанию, отдел продаж должен оживляться. Вероятность этого будет выше, если он сам будет выбирать целевые компании (ничего страшного, если отдел маркетинга будет помогать в этом или направлять процесс).

 

Целевая компания ПАМ

(платформа автоматизации маркетинга)

Инструмент АВМ Сотрудники Итого Соответствие портрету идеального клиента

(F — fit)

Вовлечённость

(E — engagement)

Выбрано отделом продаж
Bioholding Marketo от 50 до 100 тысяч 107,72 102,59 87,27 выбрано
Lexiqvolax Eloqua более 100 тысяч 101,93 101,93 31,11
Openiane Pardot Leadspace от 10 до 50 тысяч 113,10 98,35 351,41 выбрано
Hottechi Oracle или Eloqua от 1 до 10 тысяч 106,01 96,37 191,48
Streethex Marketo Lattice Engine до 25 95,84 95,66 16,25
Ganjaflex Marketo Infer от 1 до 10 тысяч 99,46 94,72 81,12
Surnace Eloqua Demandbase от 10 до 50 тысяч 91,75 91,75 49,18

Пример таблицы по выбору целевых компаний, используемый Engagio. AE рассматривает рейтинг целевых компаний для своей сферы, а затем по своему усмотрению выбирает клиентов, с которыми хочет работать.

 

Рейтинг целевых компаний

Можно построить рейтинговую модель, основываясь на данных фирмографии и используемых технологий. В идеале, вы анализируете выигранные сделки, чтобы определить факторы, которые привели ваших лучших клиентов к покупке. Взгляните на таблицу ниже.

В этой, конечно, сильно упрощённой модели оценены три основных критерия по десятибалльной шкале, причём оценка умножается на вес каждого показателя.

Тем не менее, предсказательная аналитика может включать намного больше данных, которые позволят создать модели для более качественного определения соответствия (качества).


«У большинства АВМ программ есть список целевых компаний в пределах от 500 до 2000, а потому отбор кандидатов вручную потребует слишком много сил. Прогнозирование позволяет компаниям взвесить усилия по АВМ, что было невозможно всего несколько лет назад».

Меган Хойер (Megan Heuer),

Вице-президент по исследованиям, SiriusDecisions


 

Категория

Размер компании (х2) Есть правильная CRM (х5) Вовлечённость (х1) Итого
Компания А

10 (x2=20)

8 (x5=40)

10 (x1=10)

70

Компания B

3 (x2=6)

1 (x5=5) 0 (x1=0)

11

Компания C

10 (x2=20)

2 (x5=10) 5 (x1=5)

35

Компания D 10 (x2=20) 10 (x5=50) 7 (x1=10)

77

В данном примере лидируют компания А и компания D.

 

Как работает предиктивный лид-скоринг

Предсказательная аналитика собирает данные о целевых компаниях, которые находятся на определённом этапе процесса покупки, и использует эти данные, чтобы выделить похожие компании из списка оставшихся кандидатов

Так же, как Netflix анализирует фильмы, которые вам понравились, и на их основе рекомендует другие фильмы, так и предсказательная аналитика, опираясь на данные о компаниях, заключивших с вами сделку, предлагает других возможных клиентов.

Предсказательные модели часто включают в себя все сведения, которые можно использовать в составленной вручную рейтинговой модели, но обычно они охватывают куда больше категорий и точек данных. На самом деле, наибольшая ценность специалистов по предсказательной аналитике в том, что они собирают для вас сведения и отбирают из них самое нужное.

Предсказательные модели не работают c какими-либо догадками или предположениями. Они просто анализируют данные, выстраивая модель вокруг любых характеристик, влияющих на успех.


«Предсказательная аналитика считывает показатели на уровне, недоступном для человеческого понимания. Невозможно достичь сотрудничества с вашими лучшими целевыми компаниями, просто обладая продуктом и отделами продаж и маркетинга. Такая аналитика сводит на нет множество разногласий, и вы можете заниматься принятием решений на основе данных, а не мирить ссорящихся за столом людей».

Дж. Дж. Кардвелл (J.J. Kardwell),

Соучредитель Everstring



Модель зрелости для отбора целевых компаний

Мы в Engagio думаем об отборе целевых компаний с помощью четырёхступенчатой модели зрелости.

Можно начать с самого простого подхода — позволить представителям отдела продаж составить свой список целевых компаний — и всё равно получить реальную выгоду от АВМ.

Однако чем больше данных вы находите и чем больше усложняете свои модели, тем выше ваши шансы оптимизировать ресурсы, сосредоточив их на кандидатах, более других склонных к покупке.

 

Уровень 1: Составление списка представителями

Опора на интуицию и опыт

Уровень 2: Основные данные

Добавление собранных вручную данных и простой скоринг лидов

Уровень 3: Ручной скоринг

Добавление полученных данных и более продвинутый скоринг или моделирование

Уровень 4: Предиктивный скоринг лидов

Сложный предиктивный скоринг и моделирование

 

Модель зрелости АВМ для отбора целевых компаний начинается с опроса менеджеров отдела продаж и потом доходит до полноценной предсказательной аналитики.

Не перестарайтесь.

 Независимо от процесса отбора, начать с просто «хорошего» списка почти всегда лучше, чем месяцами делать его «идеальным».

 

Запаситесь терпением

Процесс АВМ требует времени. Когда составите список целевых компаний, придерживайтесь его дольше, чем вам покажется необходимым.

Менеджеры по продажам могут слишком остро среагировать на плохие новости и исключить компанию из списка. Однако настойчивость может окупиться. То, что компания не готова совершить покупку прямо сейчас, не значит, что её стоит сбрасывать со счетов.

 


Совет

 

Каждые три месяца не отказывайтесь более чем от 25% кандидатов из списка за раз.

 Если вы превышаете порог в эти 25%, то, возможно, вы слишком быстро сдаётесь.

 


Мы считаем, что лучше всего просматривать список кандидатов один раз в полгода, и, разумеется, раз в 18 месяцев.


Публикацию перевели и подготовили по материалам компании Engagio:

  • Анастасия Апрышко, англо-русский переводчик-стажёр бюро переводов «Альянс Про»
  • Любовь Васильева, англо-русский переводчик бюро переводов «Альянс Про»
  • Евгений Бартов, англо-русский переводчик, маркетолог, руководитель бюро переводов «Альянс Про»