Тренды в области больших данных: состояние продаж в 2018 году

Каковы были ведущие тенденции в области больших данных в 2017 году? От искусственного интеллекта (ИИ) до интеграции данных — несколько концепций и технологий захватили отрасль и дали ей толчок вперед. Возможно, ничто не было таким большим и всеохватывающим, как автоматизация, которая влияла на все: от расстановки приоритетов до предоставления все более точных контекстных данных о потенциальных клиентах. Однако с началом нового года мы обращаем взоры в будущее и на состояние продаж в следующем году.

В этом году идея автоматизации в целом снова будет в центре внимания. По мере развития машинного обучения организации будут использовать эти инструменты для совершенствования своих стратегий сбора данных. Точно так же технографические данные помогут командам выявлять новые рынки и принимать обоснованные бизнес-решения. Наконец, прогнозная аналитика позволит командам по-новому определить, что они считают «золотым клиентом».

Хотите узнать больше? Давайте рассмотрим наши прогнозы самых больших тенденций, которые мы увидим в 2018 году.

Но сначала «быстрое» определение больших данных.

Итак, что означают большие данные в 2018 году? Честно говоря, общепринятого определения не существует. Статья Forbes 2014 года под названием «12 определений больших данных: что принадлежит вам?» прослеживается происхождение термина. Впервые задокументированный в 1997 году и популяризированный в 2008 году, этот термин претерпел значительные изменения. Исследование McKinsey & Company, проведенное в 2011 году, делает еще один шаг вперед в этой спорной истории и определяет большие данные как «наборы данных, размер которых превышает возможности обычных программных инструментов баз данных для сбора, хранения, управления и анализа». Далее в исследовании утверждается, что определение является «намеренно субъективным» и различается в зависимости от размера и применения наборов данных.

Итак, что все это значит — и что это значит в 2018 году?

Во-первых, термин «большие данные» является неправильным, а слово «большой» служит корнем проблемы. В 2018 году этот термин фактически означает разрозненные поля данных. Большие данные, от внешних и внутренних до неструктурированных и структурированных, пытаются разобраться в многочисленных источниках данных. Большие данные — это отличный способ получить все данные, которые вам могут понадобиться, и еще лучший способ убедиться, что вы видите данные, которые в противном случае вы бы не увидели.

Одна из самых больших тенденций, которые мы увидим в этом году, — это переосмысление предприятиями того, что такое большие данные и как они их собирают. В прошлом менталитет бизнеса заключался в том, чтобы собрать как можно больше данных. Это фактически оставило им слишком много данных, и вскоре они поняли, что им не нужно знать каждую мелочь о потенциальном клиенте. На самом деле, согласно данным за 2015 год, 53 % менеджеров по продажам заявили, что чувствуют себя ошеломленными объемом своих данных, а 38 % признались, что не знали, что делать с полученными данными.

Это правда, что у многих компаний слишком много данных. Поэтому вместо того, чтобы собирать больше данных, предприятия должны оттачивать и совершенствовать свой процесс сбора данных. Это требует от отделов продаж поиска инструментов или опытных специалистов, которые помогут им интерпретировать данные. В связи с этим, чтобы добиться успеха в наступающем году, предприятия должны использовать правильные технологии и автоматизировать свои стратегии сбора данных. Ниже приведены три технологии, которые помогут стимулировать эти тенденции в области больших данных.

1. Машинное обучение

Как мы уже неоднократно говорили, одной из самых многообещающих тенденций года в области больших данных является автоматизация процесса сбора данных, и мы прогнозируем, что этот год будет знаменательным для машинного обучения. Чтобы понять, где мы находимся, давайте сначала рассмотрим, как данные собирались с течением времени. В прошлом процесс обычно требовал, чтобы представитель вручную вводил данные в CRM. Это по своей сути создавало предвзятость, поскольку в процессе присутствовал элемент субъективизма.

Алгоритмы машинного обучения упрощают этот процесс, анализируя заранее определенные факторы и исключая ручную работу. Например, в последние годы аналитика преобразования речи в текст становится все более надежной. Эти инструменты позволяют торговым представителям анализировать то, что было сказано во время телефонного разговора, и сравнивать это с его результатом. Такие компании, как Gong, Chorus и ExecVision, уже внедряют инструменты поверх парадигмы преобразования речи в текст и делают ее доступной для организаций.

В конечном счете, стандартизация сбора данных устраняет интуицию, а автоматизация процессов классификации и сбора исключает человеческий фактор из уравнения. Поскольку поставщики технологий машинного обучения не заинтересованы ни в чем, кроме повышения точности своих систем, этот подход предоставляет менеджерам по продажам объективный обзор состояния их конвейера.

2. Технологические данные

Компании уже давно полагаются на демографические и фирмографические данные, чтобы лучше понять свою клиентскую базу. Используя эти данные, специалисты по потребительскому маркетингу могут адаптировать сообщения к таким атрибутам, как возраст, пол и доход семьи. Хотя эти атрибуты по-прежнему применимы в 2018 году, отделы продаж могут использовать технологические данные для расширения своих усилий. Анализируя стек технологий компании, технографические данные помогают менеджерам по продажам определить, какие инструменты и технологии использует потенциальный клиент.

Технографические инструменты позволяют отделам продаж глубже понять своих клиентов. Эта технология сканирует Интернет для создания внешних веб- и сетевых профилей на основе всего, от инструментов управления проектами до CRM и инструментов автоматизации маркетинга. Это дает организации возможность провести целевые звонки с потенциальными клиентами и определить, подходят ли их решения и предложения.

Когда продавцы понимают технологию, которую используют их лиды, они могут вести более информативную беседу. Этот обмен сообщениями может быть адаптирован к болевым точкам потенциальных клиентов в реальной жизни. Команды также могут определять новые рынки и принимать обоснованные решения по развитию бизнеса и планированию продуктов.

3. Предиктивная аналитика

Прогнозная аналитика не чужда трендам, поскольку Inc. в прошлом называла ее следующей большой вещью. Эти инструменты используют интеллектуальный анализ данных, машинное обучение и статистику для прогнозирования лидов и потенциальных клиентов, а также иллюстрируют наилучшие способы их привлечения. Прогнозные модели состоят из факторов, влияющих на будущие результаты, таких как размер компании, цикл продаж и история покупок. Несмотря на то, что существуют десятки различных аналитических инструментов, в конечном итоге они представляют собой информационные панели, которые позволяют компаниям быстро взглянуть на состояние или состояние своих программ и визуализировать активность и тенденции.

Исторически прогнозная аналитика строилась вокруг идеи прогнозирования или сообщения бизнесу того, что произойдет. Прогнозная аналитика должна выходить за рамки теоретических рассуждений и иллюстрировать, что может произойти на основе комбинации различных атрибутов, а затем, что наиболее важно, как компании могут добиться этих результатов. В 2018 году предприятия должны научиться использовать прогнозную логику, чтобы понять, что оказывает наибольшее влияние на желаемые результаты, будь то количество продаж, цена или другие атрибуты.

Одной из самых многообещающих тенденций в области больших данных, которую мы видели в прогнозной аналитике, является концепция кластеризации. В прошлом компании использовали отдельные атрибуты для идентификации одного золотого клиента. Однако у предприятий может быть пять или шесть различных типов или вариаций золотого клиента. В 2018 году предиктивную аналитику можно будет использовать для кластеризации демографических данных, чтобы расширить представление об идеальных клиентах, чтобы организации могли выявлять важные лиды. Это также помогает им не упускать из виду потенциальных клиентов, которые они могли упустить в прошлом.

Большие данные в действии

Автоматизация и аналитика помогают организациям получить всесторонний обзор потенциальных клиентов. Успешные организации, которые применяют инструменты машинного обучения, технографические данные и прогнозную аналитику, максимально используют свои усилия. Например, сбор технических данных о потенциальных клиентах и ​​сопоставление их с прогнозной аналитикой может помочь проиллюстрировать, какие инструменты используют лиды и как адаптировать разговоры о продажах к проверенным методам и тенденциям.

Интеграция перспективных технологий может помочь получить полное представление о ваших клиентах. Знание того, как консолидировать и систематизировать данные, не только экономит время и деньги, но и снижает головную боль. Однако автоматизация не происходит в одночасье. Это требует настройки и устоявшегося подхода — и, безусловно, требует точных данных. Исследование, проведенное в Абердине, показывает, что лучшие в своем классе организации «инвестируют в точность данных о своих потенциальных клиентах и ​​поведении клиентов».

При правильном выполнении стратегии сбора данных позволяют командам реализовывать персонализированные, настраиваемые стратегии, основанные на реальных данных и дающие реальные результаты. Вполне вероятно, что вы хотите выйти на новые рынки, сегменты и регионы. Однако в наши дни получение точной рыночной информации может быть утомительным и трудоемким.

Итак, как вы можете подготовить свою организацию к работе с большими данными?

Передача ваших усилий по продажам экспертам помогает упростить этот процесс, оживляя ваши данные, чтобы вы могли отслеживать важные тенденции, анализировать лояльность и оценивать всю свою стратегию охвата. Внедряя новейшие технологии и инструменты, аутсорсинговые решения по продажам обеспечивают наглядное представление о том, что именно делает ваших лучших сотрудников успешными. Эти эксперты также предоставляют аналитику и отчеты для оценки потребностей вашей программы, поэтому ваша организация может принимать бизнес-решения, дающие предсказуемые и воспроизводимые результаты.

MarketStar обеспечивает реальные, ощутимые результаты для наших клиентов с 1988 года (30 лет!). Широкий спектр наших решений предоставил надежные данные, которые являются основой любой успешной программы продаж. Мы позволяем командам развертывать выделенную рабочую силу в кратчайшие сроки, но с повышением качества. Наши аутсорсинговые решения для продаж позволяют организациям преобразовывать важные данные в реальные цифры.

Кроме того, мы следим за тенденциями в области больших данных, чтобы вы могли добиться успеха в 2018 году и в дальнейшем.

Эта статья была написана при участии Кайла Ричардсона и Пола Брауна.