Co by měla umět chytrá data pro B2B marketing a prodej | Mňamka #147

Co jsou chytrá data?

Jde o kombinaci bohatství dat a pokročilé analytické interpretace těchto dat.  Co to v praxi znamená? 

Chytrá data jsou chytrá, protože:

  • Se neomezují pouze na všeobecně známé zdroje (například jen na informace z obchodního rejstříku)

  • Používají pokročilou logiku interpretace (například při hledání dobré obchodní příležitosti mi informace o velikosti firmy či jejím obratu nebude stačit- potřebuji vyhodnotit mnohem více ukazatelů podle jejich důležitosti a časové relevanci)

  • Jsou analyzována systematicky a za použití rozličných metod (od metody “papír - tužka” až po supervised machine learning)

Cílem chytrých dat je vyskládat nepřeberně pestré informace okolo nás tak, aby posílily naši konkurenceschopnost bez toho, abychom se v nich utopili. 

Co by měla tato data umět v B2B marketingu a prodeji?

  • Měla by umět velmi přesnou segmentaci trhu: měla by mi pomoci vybrat firmy, u kterých mám jistotu, nebo alespoň vysokou pravděpodobnost, že jsou relevantní pro moje obchodní nabídky. Například u firem, které mají velmi úzký trh, např. nižší stovky potenciálních zákazníků v Česku, má každý nový zákazník cenu zlata, například tím, že mi zůstane dlouho a platí mi průběžně. Například pokud prodávám CNC obráběcí stroje, lisy či nabízím klimatizaci či odvzdušnění výrobních hal mám omezeno, za kým musím jít, ale každý nový zákazník je pro mne velice důležitý.
  • Měla by ve velkém množství leadů prioritizovat ty nejvíce perspektivní: pokud mám například velký seznam potenciálních firem, které můžu oslovit, chytrá data mi pomůžou zhodnotit, u kterých je nejvyšší šance prodat co největší objem. Pokud prodávám polokomoditní službu či produkt, například telekomunikační služby, HW, SW nebo outsourcing účetnictví, reklamu či inzerci práce a potřebuji si vybrat z velkého množství firem tu, kterou oslovím nejdříve. 
  • Měla by brát v potaz časovou dimenzi: data by mi měla říct nejen to, zda je firma je pro mne zajímavá, ale kdy dává největší smysl potenciálního zákazníka oslovit. Například pokud firma vypíše veřejnou zakázku a já jsem potenciálním dodavatelem, jde o jasný signál, který by mi data měla vyslat. Ale můžou být i mnohem méně přímé cesty. Pokud například pronajímám stavební stroje, mohlo by mne zajímat, zda nějaká stavební firma vyhrála veřejnou zakázku, kde by moje stroje mohla využít. Anebo můžu být firmou, která poskytuje financování stavebních strojů a při stejné události (informaci o nové veřejné zakázce) mám možnost oslovit potenciálního klienta, který by moje služby mohl potřebovat. 

Jak můžou chytrá data pomáhat v rozhodování?

Nejen v obchodu jsou chytrá data užitečná. Pomůžou i při každodenním taktickém rozhodování. Chytrá data by mi měla pomoci porovnat, kolik mě stojí jednotlivé kanály vs. kolik můžu vydělat. 

Pomůžou například s otázkou, jak rozdělit investici mezi kanály a obchodní tým: jaký prodejní kanál pro danou příležitost použiji (jestli vyšlu obchodníka do terénu, jestli pošlu email, jestli stačí zavolat nebo zacílit reklamu atd.) Také i u stanovování cílů obchodníkům: samozřejmě to můžu dělat na základě historické zkušenosti, anebo si můžu nechat poradit od chytrých dat a zjistit, jak moc dokázal obchodník danou obchodní příležitost vytěžit. Jsou firmy, které si dnes stanovují tzv. wallet svých (potenciálních) firemních zákazníků. Počítají, kolik by si daný zákazník měl zhruba telekomunikačních služeb koupit a vůči tomu srovnávají, kolik jim těchto služeb obchodník skutečně prodal. 

A posledně existuje strategická rovina: chytrá data jsou užitečná při přípravě rozpočtu. Mám nový produkt: jdu s ním na trh? Jak velký je daný trh? Jak náročné je se na nový trh dostat? Mám 10 milionů na investici pro obchod, do čeho bych měl investovat? Do obchodníků, do proma, do marketingu? Rozhoduji se, zda koupit nebo prodat nějakou firmu: potřebuji zjistit, kolik by měla stát apod. Zkušenost a intuice jsou fajn, ale chytrá data mi ke každému tomuto rozhodnutí dají velmi užitečný faktický podklad. 

Pokud vás zajímají data o firmách, sledujte BizMachine LinkedIn profil nebo nám napište. Eliška a Martin

Eliška Přichystalová
head of HR
LinkedIn

Martin Lucký
executive director
LinkedIn

Průzkum: Business Intelligence v malých a středních firmách

Průzkum: Business Intelligence v malých a středních firmách

V několika minulých týdnech jsme se poměrně intenzivně věnovali zmapování situace v oblasti využívání Business Intelligence malými a středními firmami (SME) v ČR. Zajímala nás vyspělost trhu v této oblasti a to, jakým způsobem se zde projevují trendy demokratizace a decentralizace datové analytiky a přesunu vlivu od IT oddělení směrem k byznys uživatelům, jak to např. popisuje Gartner ve svém posledním vydání BI Magic Quadrantu. 

Stará dobrá eReFeM

Stará dobrá eReFeM

O RFM segmentaci napsal snad každý, kdo se zabývá datovou analýzou, segmentací zákazníků, využitím dat v marketingu apod. Jeden z nejlepších článků o tom, co to je, jak to funguje a k čemu všemu to může být dobré, najdete v Padákově deníčku - doporučuju, pokud se chcete s metodou lépe seznámit.

Datovej Woodstock 2018

Datovej Woodstock 2018

Před víc jak dvěma lety jsem na blogu psal o tom, jak moc nechodíme na hackathony, ale občas je spolupořádáme. Tentokrát jsme se ale pustili do akce násobně větší. Jak to dopadlo?