Tekoälyn potentiaali on kiistaton. Sen avulla voidaan jo tänä päivänä tehdä uskomattomia asioita, kuten automatisoida työprosesseja ja analysoida valtavia määriä dataa silmänräpäyksessä. Potentiaalista huolimatta harvalla yrityksellä on kuitenkaan vielä edellytyksiä hyödyntää tekoälyä myynnin johtamisessa.
Olemme viime vuosien aikana tehneet lukemattomia asiakaskäyntejä ja tutkineet CRM-järjestelmien hyödyntämistä suomalaisyrityksissä. Meille on muodostunut varsin tarkka käsitys myynnin johtamisen tilasta Suomessa.
Tällä hetkellä tärkeintä olisi saada perustekeminen riittävän korkealle tasolle.
Olin äskettäin Tampereella puhumassa “Tekoäly ja myynnin tulevaisuus” -seminaarissa, jossa tarkasteltiin tekoälyn mahdollisuuksia myynnin kehittämisessä monelta eri kantilta. Viestini tapahtumaan kerääntyneelle runsaslukuiselle yleisölle oli yksinkertainen: suurin osa yrityksistä ei ole vielä valmiita hyödyntämään tekoälyä myynnin johtamisessa.
Miksi?
Syitä on monia, mutta hieman yksinkertaistaen kyse on heikkolaatuisesta datasta ja CRM-järjestelmien vaillinnaisesta hyödyntämisestä.
Mistä rahasi tulevat?
Kun puhutaan tekoälystä ja myynnin johtamisesta, keskitytään usein liidien ja myyntimahdollisuuksien kvalifiointiin. Tekoälyn ajatellaan ikään kuin pystyvän erottamaan jyvät akanoista. Ideaalimaailmassa tekoäly pystyisi vaivattomasti poimimaan liideistä lupaavimmat ja auttamaan yritystä keskittymään myyntityössä juuri oikeisiin asioihin.
Elämme kuitenkin reaalimaailmassa, jossa asiat eivät aina toimi niin kuin haluaisimme niiden toimivan.
Käytännön esimerkit tekoälykeskustelussa liittyvät miltei poikkeuksetta uusmyyntiin, vaikka yritysten myynnistä suurin osa tulee usein jo olemassa olevilta asiakkailta. Kun tarkastelemme, miten yritykset näille nykyisille asiakkailleen myyvät, törmäämme tekoälyn näkökulmasta merkittäviin haasteisiin.
Kuvailen tässä muutamia eri tapoja, joilla yritykset myyvät nykyisille asiakkailleen. Kuvailen myös samalla hieman kärjistäen, minkälaisia haasteita yleiset käytännöt aiheuttavat laadukkaan datan keräämisen näkökulmasta. Tämä auttaa ymmärtämään paremmin, miksi tekoälyn hyödyntäminen on niin hankalaa.
- Normaalit asiakkaat. Olemassa olevia asiakkuuksia yritetään johtaa CRM:ssä samalla tavalla kuin uusmyyntiä. Toimintaa johdetaan myyntisuppilolla, joka istuu erittäin huonosti nykyisten asiakkuuksien johtamiseen ja johtaa usein siihen, ettei järjestelmään kerry oikeaa dataa – jos myyjät edes vaivautuvat päivittämään tietoja.
- Avainasiakkaat. Suunnitelma avainasiakkuuksien johtamiseen tehdään yleensä kerran vuodessa, mutta jätetään nurkkaan pölyttymään. Myynnin johdolla ei ole näkyvyyttä siihen, mitä myyjä avainasiakkaan kanssa tekee. Myöskään mitään dataa tekemisestä ei kerry.
- Pienet asiakkuudet. Näitä palvellaan henkilökohtaisesti, vaikka se ei olisikaan yritykselle kannattavaa. Pienistä tilauksista tehdään vielä harvemmin merkintää CRM:ään, puhumattamaan muista asiakkaisiin liittyvistä aktiviteeteista.
- Puhelinmyynti. Myyjät käyttävät Excel-taulukoissa olevia soittolistoja. Data myös usein jää näihin taulukoihin.
- Sopimusasiakkaat ja jatkuvat palvelut. Sen sijaan, että myyjien toiminta tähtäisi suunnitelmallisesti asiakassuhteen rakentamiseen ja tilausmäärien kasvattamiseen, myyjät lähinnä ottavat tilauksia vastaan. Dataa ei kerry siitä, miten asiakkaiden kanssa toimitaan ja mikä tekeminen johtaa toivottuihin lopputuloksiin.
- Verkkokauppa. Toimii omana erillisenä järjestelmänä, josta ei saada dataa CRM-järjestelmään.
- Kumppanit, joiden tekemiseen myynnin johdolla ei välttämättä ole mitään näkyvyyttä. Tilauksia tulee jos on tullakseen, mutta ennustaminen on erittäin hankalaa, koska taustalla ei ole muuta dataa kuin se, minkä verran kumppani on myynyt.
- Asiakaspalvelu ja kenttähuolto. Nämä suoraan asiakkaaseen kontaktissa olevat tahot olisivat usein parhaita kanavia lisämyynnille, mutta toimintamallit puuttuvat kokonaan ja dataakaan ei näin kerry esimerkiksi potentiaalin arviointia varten.
Jotta tekoälyä voidaan hyödyntää myynnin johtamisessa, tarvitaan laadukasta dataa.
Mikäli data on levällään eri järjestelmissä tai laadultaan heikkoa, tai myyjät eivät käytä järjestelmää optimaalisella tavalla, ei tekoälystä ole myyntityössä hyötyä.
Tarkastellaan edelleen myyntimahdollisuutta jo olemassa olevalle asiakkaalle. Myyntimahdollisuuden voittamiseen vaikuttaa valtava määrä asioita, kuten yrityksen oma tarjooma, hinnoittelu, kilpailijat ja henkilökemia. Muuttujia on niin paljon, että kaikkien niiden vaikutusta lopputulokseen on mahdotonta arvioida.
Tekoälylle tällainen analysointi on kuitenkin ideaalimaailmassa lastenleikkiä. Tekoäly voi kertoa, kuinka todennäköistä myyntimahdollisuuden voittaminen on ja mitä myyjän kannattaa tehdä mahdollisuuksien parantamiseksi. Kaikki tämä tieto voi löytyä helposti CRM-järjestelmästä muiden perustietojen rinnalta.
Palataanpa takaisin reaalimaailmaan. Jos myyjät eivät käytä CRM-järjestelmää kunnolla, vaan täyttävät silmiään pyöritellen ainoastaan pakolliset tiedot jälkikäteen myyntimahdollisuuden lopputuloksesta, ei järjestelmään yksinkertaisesti kerry riittävästi laadukasta dataa, jota tekoäly voisi analysoida.
Tekoälyn hyödyntäminen siis edellyttää, että yritykset harppaavat reaalimaailmasta ideaalimaailmaan. Se vaatii perusasioihin keskittymistä. Kun perustekeminen saadaan riittävän korkealle tasolle, voidaan myös tekoälyn huikea potentiaali valjastaa myynnin käyttöön.
Kolme vinkkiä perustason nostamiseen
CRM:ään konfiguroidut myyntiprosessit tuottavat valtavat määrät laadukasta dataa, jos järjestelmiä käytetään ja hyödynnetään kunnolla. Tekoäly voi auttaa johtamaan myyntiä datan avulla sekä tukea myyjien omaa tekemistä lukuisilla eri tavoilla. Tekoälyä voi hyödyntää sekä uusmyynnissä että nykyisille asiakkaille myymisessä.
Tämä kaikki vaatii kuitenkin perusasioiden saamista kuntoon.
Jotta perusasiat saadaan kuntoon, on tehtävä muutama asia:
- Kaikki eri myyntiprosessit on rakennettava järjestelmiin. Emme ole vielä kertaakaan törmänneet yritykseen, jossa olisi vain yksi myyntiprosessi. Olemme kuitenkin nähneet monia yrityksiä, joissa myyntiä yritetään johtaa vain yhden CRM:ään rakennetun myyntiprosessin kautta.
- Kaikki tarpeellinen data on saatava samaan paikkaan. Jos asiakkaasi esimerkiksi tekevät tilauksia verkkokaupassa, on tämä data saatava myös CRM:n puolelle.
- Datan laatu on laitettava kuntoon. Usein tämä tarkoittaa sitä, että myyjät on saatava käyttämään CRM:ää. Myyjät kyllä käyttävät CRM:ää mielellään, kunhan ovat päässeet alusta asti mukaan sen kehittämiseen ja kokevat sen auttavan heitä työn tekemisessä.
Kun perusasiat ovat kunnossa, voidaan myyntiä johtaa entistä paremmin tekoälyn tekemien suositusten avulla.
Jos haluat lukea lisää tekoälystä myynnissä, käy lataamassa “Myy enemmän tekoälyn avulla” -oppaamme.
Madridissa 27.-29. marraskuuta järjestetty Discover on HPE:n vuoden päätapahtuma Euroopassa. Olin mukana noin 20 henkilön influencer-tiimissä koko tapahtuman ajan.
Kokosin tähän tekstiin HPE Discover -tapahtumasta asiakasdatan kannalta keskeiset opit. Olen myös peilannut näiden uusien teknologioiden vaikutusta yrityksiin myös CRM:n näkökulmasta.
1. Big dataa ei välttämättä kannata ladata pilveen
Nyt kun mobiili- ja IoT-sovelluksia on enemmän ja enemmän ja dataa syntyy paljon, on hyvä miettiä, miten tätä dataa voisi hyödyntää. Yksi oppi HPE Discoverissa oli, että tätä dataa ei ole pakko ladata tai siirrellä mihinkään, vaan asiakkaaseen liittyvää Big dataa voidaan käsitellä heti verkon laidalla (Edge). Tästä on hyötyä esimerkiksi kaupassa, kun asiakkaalle halutaan tehdä räätälöityjä ostosuosituksia.
CRM:n näkökulmasta varmasti jotain verkon laidalla työstettyä tietoa halutaan tallentaa myös CRM:ään, vaikkakaan ei kaikkea dataa sellaisenaan. Tällaista tietoa voisivat olla esimerkiksi käyttäjän tekemät valinnat, käyttäjän segmentointiin tuotavat tiedot tai käyttäjän toimintaan liittyvät tiedot, kuten esimerkiksi päivämäärät, milloin palveluita on käytetty.
2. Myös tunnistamattomista asiakkaista saa hyödyllistä dataa
Usein yrityksissä tasapainotellaan tunnistettujen ja tunnistamattomien asiakkaiden kanssa. Esimerkkinä asiakaskokemuksen kehittämisen osalta HPE Discoveryssä oli Ryder Cup. Heillä asiakkaista tunnistettiin noin 20 prosenttia ja tunnistamatta jäi jopa 80 prosenttia.
Myös tunnistamattomista asiakkaista pystyy saamaan tietoa, kuten esimerkiksi sen, kauan he ovat kaupassa tapahtuma-alueella. Tämä auttaa kaikkien asiakkaiden asiakaskokemuksen kehittämisessä.
3. Maailmanluokan asiakaskokemukseen liittyvät teknologiat kehittyvät koko ajan
Ryder Cupin asiakaskokemuksen osalta oltiin jo tehty isoja harppauksia, kuten oma mobiilisovellus, jolla pystyi saamaan reaaliaikaista videokuvaa lähetyksistä ja muuta tietoa.
Parhaiten itse tapahtumasta jäi kuitenkin mieleen Ryder Cupin CTO:n Michael Colen asenne jatkuvaan kehittämiseen. Kysyimme häneltä, mitkä asiat menevät heillä paremmin kuin Olympialaisissa. Vastauksena saimme, että heillä ei ole tarve olla keksimässä kaikkia uusia ideoita ensimmäisenä, vaan heille riittää olla ottamassa hyviä käytäntöjä käyttöön myös kakkosina. Seuraavina kehityskohteina Michael mainitsi shop-by-shop-analytiikan ja laajennetun todellisuuden hyödyntämisen mainonnassa.
Asiakasdatan hyödyntämisen osalta teknologiat kehittyvät koko ajan. Tämä mahdollistaa entistä saumattomamman asiakaskokemuksen.
Asiakasdatan hyödyntämisen osalta teknologiat kehittyvät koko ajan. Tämä mahdollistaa entistä saumattomamman asiakaskokemuksen. Asiakaskokemuksen luomisessa voidaan hyödyntää tietoa, jonka tiedämme asiakkaista CRM:n pohjalta, ja toisaalta CRM:n tietoa voidaan rikastaa asiakkaista uusien teknisien ratkaisujen myötä saamiemme tietojen pohjalta. Pitkälle jalostettuna asiakkaasta voidaan muodostaa todellinen Asiakas360-näkymä. Elämme mielenkiintoisia aikoja.