판매 유입 경로가 아니면 무엇입니까?

무언가를 보고 — 무언가를 좋아하고 — 무언가를 원하고 — 무언가를 사십시오.

그것이 사람들이 쇼핑하는 방식입니다.

마케터들은 이것을 "세일즈 유입경로"라고 알고 있습니다. 이 개념은 이름이 다르고 추가 요소가 한두 가지 있을 수 있지만 개념이 처음 설명된 ¹⁹ 세기 후반 이후 거의 동일한 방식으로 작동합니다.

AI의 출현과 데이터의 폭증은 깔때기 모양을 왜곡시켰습니다. 더 이상 깔때기 모양이 아니면 무엇입니까? 거기에는 다양한 의견이 있습니다.

거미줄을 생각해보세요

마케팅 전략 플랫폼 DemandJump의 최고 솔루션 책임자인 Ryan Brock은 더 이상 깔때기가 보이지 않습니다.

2012년부터 Brock은 깔때기 개념이 이치에 맞지 않는다는 것을 깨달았습니다. 그는 퍼널의 상단, 중간, 하단에서 고객의 관심을 표시할 특정 콘텐츠를 개발하면서 각 페르소나에 대해 별도의 마케팅 캠페인을 만들고 있었습니다. "나는 여행이 있다고 생각한대로 사람들을 움직이려고 노력했습니다."

고객들은 오랫동안 인터넷 시대에 살고 있었다고 Brock은 지적했습니다. “사람들은 다양한 방식으로 배웁니다.”라고 그는 말했습니다. 그때 그는 사람들이 쇼핑하는 방식이 깔때기 아래로 가는 여정보다 거미줄과 더 비슷하다는 것을 알아차렸습니다.

"거미줄은 거미가 어디에서나 갈 수 있도록 만들어졌습니다."라고 Brock이 말했습니다. 고객의 검색 행동을 살펴보고, 검색 맥락을 살펴보고, Google 추천을 살펴보면 항상 같은 단어, 용어 및 주제가 나온다는 것을 알게 될 것입니다. 이렇게 하면 솔루션과 검색 사이에 "변곡점"이 생성됩니다. 고객은 해당 웹의 어디에서나 검색을 시작할 수 있지만 웹 가닥이 함께 있는 위치를 알고 있다고 Brock은 설명했습니다.

검색과 결합된 AI는 여정을 더 빠르게 만들 뿐입니다. 질문에 대한 간단한 답변의 경우 첫 번째 답변으로 충분할 수 있습니다. 여기에는 신뢰 문제가 있습니다. "잘못된 정보를 얻을 위험이 있지만 시간을 절약할 수 있습니다." 브록이 말했다.

AI/검색 조합은 문화를 이해하거나 "너무 독특한" 컨텍스트를 이해할 수 없지만 복잡한 주제를 밝히는 데 사용할 수 있으며 고객 경험을 조사하는 데 관심이 있다면 연구 지향적이라고 Brock은 언급했습니다.

자세히 알아보기: 판매 지원이란 무엇이며 이러한 플랫폼이 마케팅-판매 격차를 해소하는 데 어떻게 도움이 됩니까?

모두가 여전히 그것을 '깔때기'라고 부릅니다.

판매 인텔리전스 플랫폼 Lift AI의 설립자 Don Simpson은 "77,000가지의 다양한 구매 경로가 있습니다."라고 말했습니다. "우리는 깔때기를 사용하려고 합니다. 모두가 익숙하기 때문입니다."

Simpson은 B2B 판매를 처리하며 종종 많은 고객 조사를 통해 1년 동안의 판매 주기를 특징으로 합니다. 그는 "고객이 처음 등장하는 순간부터 판매 프로세스에 이르기까지" 추적해야 하는 다양한 고객 여정이 있다고 말했습니다. "우리는 고객 여정을 확인하고 전환 가능성을 예측하려고 노력합니다."

Lift AI는 웹 페이지 수준에서 해당 분석을 수행합니다. 사람들이 온라인 자료에 참여하는 방식은 그들이 다음에 무엇을 할 것인지를 나타낼 수 있습니다. 클라이언트의 웹 사이트는 "구매자 의도 도구"로 취급됩니다. 심슨이 말했다. “첫 방문부터 판매 종료까지 추적합니다. 우리는 실시간으로 전환을 예측합니다.”

Lifts AI의 모델링으로 얻은 데이터는 판매 추적 도구에 입력할 수 있습니다. "(데이터)를 가지고 놀고 이를 기반으로 다양한 성공 수준의 모델을 구축할 수 있습니다." 심슨이 말했다. 웹 사이트에서 상황 인식을 개발하고 추적함으로써 매출이 엄청나게 증가했습니다.

마케팅 담당자는 "중요하다고 생각하는 것"을 입력해야 한다고 Simpson은 말했습니다. 모델 정확도는 마케터가 올바른 길을 가고 있다는 신호입니다. 그 비율이 85-90%라면 "정확하다"고 Simpson은 설명했습니다. "정확해질 때까지 계속 수정하고 다듬습니다."

깔때기? 예, 하지만 어두운 깔때기

ABM 플랫폼 6sense의 CMO인 Latane Conant에게 깔때기는 여전히 존재합니다. “깔끔하고 정돈된 느낌이 들어요. 그러나 그것은 우리의 현실이 아닙니다.” 디지털 구매로 전환함에 따라 "어두운 깔때기"가 나타납니다.

“[B]구매자는 판매자와 대화하는 대신 익명으로 조사합니다. 그들은 여전히 ​​구매 여정에서 그들이 어디에 있는지에 대한 신호를 보여주고 있지만, 이제 그러한 신호는 눈에 띄지 않는 곳에서 일어나고 있습니다.”라고 Conant는 말했습니다.

예를 들어 방문자의 3%만이 양식을 작성한다고 Conant는 말했습니다. 나머지는 익명화되지 않는 한 눈에 띄지 않습니다. "그러나 B2B 조직의 26%만이 실제로 이 트래픽을 익명화합니다."라고 Conant는 말했습니다.

“진실은 구매 여정이 결코 선형적이지 않다는 것입니다. 구매자는 한 단계에서 다음 단계로 깔끔하게 진행하지 않습니다.”라고 Conant는 계속했습니다. “구매자는 인식 단계에서 한 달, 고려 단계에서 일주일, 고려 단계로 돌아가기 전에 결정 단계에서 하루를 보낼 수 있습니다. 또는 인식에서 바로 결정/구매로 이동할 수 있습니다. 사전 설정된 주기를 따르지 않으므로 의도 데이터와 AI가 이를 인사이트로 추출하여 구매자 준비 상태를 추적하는 것이 매우 중요합니다. 어떤 시점에서든."

퍼널이든 아니든 여전히 데이터에 관한 것입니다.

마케팅 담당자는 올바른 질문을 하고 올바른 답을 찾는다면 구매자 의도를 예측할 수 있습니다. 고객 여정의 "형태"는 분석 중인 데이터보다 덜 중요합니다.

마케터는 "당신에게 가장 중요한 질문"을 조사하기 시작해야 한다고 Brock은 말했습니다. 검색 행동 자체를 살펴보십시오. 조사하세요. AI가 당신의 목소리를 대신할 것인가, 아니면 독특한 것을 찾는 사람들을 찾을 것인가? 이러한 정보 교차점에서 고객에게 어필할 콘텐츠를 신중하게 개발하십시오. 판매 웹에는 변곡점이 있으며 알고리즘은 이러한 지점에서 고객에게 적합한 콘텐츠를 제공할 수 있다고 그는 지적했습니다.

Simpson은 보다 직접적인 접근 방식을 취했습니다. “사람들은 이유가 있어서 당신의 가게에 옵니다. 전환 가능성을 보여주는 행동을 식별합니다. 해당 코호트와 대화에 참여하십시오. 그는 구매 모드에서 해당 청중에게 시간과 리소스를 적용하고 기회를 활용한다고 말했습니다.

Conant는 이러한 과제를 해결하기 위해 다음 세 단계를 제안했습니다.

1. AI를 사용하여 더 인간적이 되십시오. 인공 지능은 다양한 소스에서 고객 정보를 추출한 후 개인적인 조건으로 고객을 참여시킬 수 있습니다.
2. AI를 사용하여 더 효율적입니다. 예측 AI는 특정 고객을 대상으로 개인화된 메시지 작성과 같은 일상적인 작업을 대신할 수 있습니다.
3. AI를 사용하여 워크플로를 간소화하세요. AI를 사용하여 CRM을 강화하고 계정을 찾고 의미 있는 데이터를 추가한 다음 해당 정보를 영업 및 마케팅 팀에 제공합니다.

"이 익명의 구매 시대에 판매 여정과 퍼널이 진화함에 따라 마케터에 대한 요구는 그 어느 때보다 높습니다." 코난트가 말했다. "AI를 또 다른 복잡한 요소로 보기보다는 우리의 구명정으로 봅니다. 프로세스에서 스스로를 죽이지 않고 이러한 증가하는 요구 사항을 충족할 수 있는 방법입니다."

마테크를 잡아라! 일일. 무료. 받은편지함에서

비즈니스 이메일 주소

구독하다 처리 중...

용어를 참조하십시오.