Nokkela, hoksaava ja tuloksellinen yritysmyynti ja -markkinointi edellyttää kykyä luokitella yrityksiä ja päätöksentekijöitä.
Yritysten luokittelu on kuitenkin monimutkaisempi asia kuin miltä se äkkiseltään saattaa kuulostaa. Jos kysyt tutuiltasi luonnehdintaa vaikka yrityksistä kuten Spotify, Reaktor tai TietoEvry, saat hyvin erilaisia vastauksia. Spotify ehkä kuvataan heidän tuotteen/palvelun kautta. Reaktorista saattaa nousta esille menestys työantajamielikuva- ja työtyytyväisyyskyselyissä ja TietoEvry:sta ehkä jotkin heidän medianäkyvyyttä keränneistä projekteistaan tai viimevuotinen fuusio.
Markkinointidatana CRM ja markkinoinnin automaatio -järjestelmissä nämä yritykset kuitenkin näyttäytyvät varsin usein “firmografisten” ominaisuuksien kautta.
- IT/Internet/Communications, >€5 billion revenue, >6k employees, Sweden/Luxemburg
- Software, €70M, 400 employees, Helsinki, Finland
- Software, €1,7 billion revenue, >4k employees, Helsinki, Finland
Samojen yritysten henkilöitä liidipisteytetään ennen kaikkea heidän verkkokäyttäytymisen ja tittelin/roolin perusteella. Blogin ensimmäisessä osassa keskityn kuitenkin puhtaasti yritysten eli CRM-kielellä “accountien” profilointiin.
Miten luokittelu eroaa myynnin ja markkinoinnin välillä
Markkinoijat tasapainottelevat sen suhteen, kuinka paljon personointia on mielekästä tehdä. Personointi nostaa konversiota, mutta uutiskirjeen, verkkosivuston tai tarjouspohjan jakaminen satoihin eri versioihin ei luonnistu useimmilta ihan tuosta vain.
Datan näkökulmasta myyjät ja markkinoijat haluavat usein hieman eri asioita. Myyjä lähtökohtaisesti tekee työtänsä samanaikaisesti aina yhden yrityksen kanssa. Toki päivään ja viikkoon mahtuu useita eri yrityksiä, mutta myynnillinen toimenpide kohdistuu yhteen yritykseen kerrallaan - muutoin kyse olisi enemmänkin myyjän tekemästä markkinoinnista.
Datan näkökulmasta myyjät ja markkinoijat haluavat usein hieman eri asioita. Myyjä lähtökohtaisesti tekee työtänsä samanaikaisesti aina yhden yrityksen kanssa. Markkinoija sen sijaan tarvitsee riittävän suuren volyymin toimenpiteilleen.
Myyjälle yritysten luonnehdinta saattaa nousta esiin esimerkiksi juuri solmittujen kauppojen jälkeen kun hän haluaa löytää lisää uusia samanlaisia yrityksiä, joiden kanssa toistaa hyväksi havaittu ratkaisuehdotus. Samankaltaisuuden kriteeristö on kuitenkin usein tilannesidonnainen. Ovatko kaksi suunnilleen 10 miljoonaa euroa vaihtavaa ja Tukholmassa sijaitsevaa markkinointiviestintätoimistoa keskenään samankaltaisia vai eivät? Ovatko kaksi samankaltaista kohderyhmää tavoittelevaa ravintolaa samankaltaisia mikäli toinen sijaitsee Espoossa ja toinen Kajaanissa? Ovatko kaikki kuluttajille vapaa-ajanviettomahdollisuuksia tarjoavat yritykset samankaltaisia keskenään? Vastaus riippuu aina kontekstista, ja myyjä usein itse haluaa määrittää samankaltaisuuden kriteerit ja tehdä esimerkiksi CRM-haun löytääkseen uusia potentiaalisia asiakkaita. Tärkeintä ei ole saada kaikkia kriteereihin osuvia yrityksiä vaan mielellään riittävä määrä ja ennen kaikkea ne parhaat.
Markkinoija sen sijaan tarvitsee riittävän suuren volyymin toimenpiteilleen. Mikäli toimenpiteitä tehdään satojen tai tuhansien yritysten kanssa, yritysten luonnehdinta pitää olla järjestelmällistä ja kattavaa. Firmografiset tekijät ovat helppo ja tyypillinen lähtökohta, koska näillä suureilla (sijainti, kokoluokka, toimiala) jokainen luokiteltava yritys saa jonkin arvon. Toimialoja yrityksellä voi olla useita, mutta pääkonttorin sijainti ja yrityksen kokoluokka ovat yksiselitteisiä ja saavat vain yhden uniikin arvon.
Datan merkitys luokittelussa
Virallisten toimialaluokkien (TOL 2008 -luokat) rinnalle kehittyy luovempia tapoja luokitella ja klusteroida yrityksiä. Tekoälyä ja koneoppimista voi soveltaa tehtävään varsin mainiosti, mutta ihan jo säntillisellä datan keräämisellä ja loogisilla säännöillä pääsee vauhtiin. Esimerkiksi Vainulla luokittelemme paraikaa kaikkia yrityksiä toimialaluokkia tarkempiin kategorioihin. Meillä on noin 150 kategorian lista, jossa esimerkiksi ohjelmistoyhtiöt saavat ylimääräisiä luonnehdintoja kuten SaaS, Enterprise Software, Cloud Security, Software Consulting, eCommerce platforms jne.
Toimiakseen luokittelun pitää olla paitsi luokittelukriteereiltään tarkka, myös varsin kattava. Yksi yritys voi toki saada useamman arvon, mutta markkinoijan näkökulmasta on tärkeää, että miltei kaikilla yrityksillä on vähintään yksi kategorialuokittelu. SaaS-yhtiöille palveluita myyvä myyjä saattaa olla tyytyväinen, jos hän saa riittävän määrän hyviä tuloksia, mutta SaaS-yhtiöille palveluita markkinoiva markkinoija sen sijaan haluaa varmuuden, että mukana on kaikki hänelle keskeiset yritykset. Markkinointi skaalaa ja olisi hölmöä jättää mahdollisuuksia hyödyntämättä vain koska kampanjan taustalla oleva datasetti on vajavainen.
Miten Vainulla luokitellaan yrityksiä
Meidän on helppo perustella mittavat panostukset luokitteludatan keräämiseen; onhan meidän ydinliiketoiminta tarjota yritysdataa asiakkaiden CRM-järjestelmiin myynti- ja markkinointikampanjoiden polttoaineeksi. Usein kattavan datasetin rakentaminen sisältää monta vaihetta.
Yleensä ensimmäinen datasetti tulee esimerkiksi jostain julkisesta lähteestä tai sitten ostamme sen joltain toiselta datan tarjoajalta. Varsin usein datasetti kuitenkin kattaa kuitenkin vain murto-osan meidän yritysmassasta.
Mikäli luokittelu on sellainen, että ihminen pärjää siinä erityisen hyvin, saatamme ohjata asiakkaiden kannalta keskeisimmät yritykset manuaalisen luokitteluprosessin läpi. Lopputuloksena saatua korkealaatuista data-aineistoa voimme sen jälkeen hyödyntää opetus- ja validiointiaineistona ML- ja AI -algoritmeille, jotka hyödyntävät vaikkapa yritysten verkkosivustojen tai tiedotteiden luonnollista kieltä osana luokitteluprosessia.
Käyttäjän kannalta datasetin rakentamiseen liittyvä prosessi on toissijainen. Merkitystä on vain sillä onko data kattavasti siinä järjestelmässä, joissa markkinointi- ja myyntikampanjoita hallinnoidaan. Tyypillisesti näitä järjestelmiä ovat CRM:t kuten Salesforce, Dynamics365, Pipedrive, SuperOffice tai markkinoinnin automaatiojärjestelmät kuten Hubspot, Marketo, Pardot, MailChimp. Jokainen CRM mahdollistaa haluttujen kenttien lisäämisen Account-tasolle ja monesta niistä löytyy myös varsin edistykselliset workflow-työkalut erilaisten kampanjoiden ja automaattisten toimenpidesarjojen rakentamiseen.
Kun laitan itse markkinoijan hatun päähän, luokittelen omaa potentiaalista asiakaskuntaamme seuraavilla kriteereillä:
- maantieteellinen alue: myykö kyseinen yritys Pohjoismaihin, Hollantiin tai UK:n
- onko yrityksellä CRM tai markkinoinnin automaatio käytössä tai vahva aie sellaisen käyttöönottoon
- myykö yritys palveluitaan toisille yrityksille, miten merkittävä on B2B-liikevaihdon osuus
- onko yrityksen asiakaskunta kymmeniä, satoja vai tuhansia yrityksiä
- löytyykö yrityksen palvelu- tai tuotetarjoomasta sellaisia asioita, joihin tiedän meillä olevan erityisen hyvä datasetti tarjolla
- onko yrityksen päätöksentekijät osoittaneet kiinnostusta meidän palveluita kohtaan ja onko meillä mahdollisuus aloittaa myyntiprosessi jonkin lämpimän intron kautta
- onko yrityksellä poikkeuksellisen hyvä ajankohta vastaanottaa uudistuksia esimerkiksi hiljattain vaihtuneen päätöksentekijän johdosta
Aika kääriä hihat ja ryhtyä toimiin
Loppujen lopuksi haluan myydä ja markkinoida vain niille yrityksille, jotka tuohon ideaaliin asiakasryhmään kuuluvat. Mutta niille haluankin sitten markkinoida niin tehokkaasti, luovasti ja älykkäästi, että pääsen mukaan mahdollisimman moneen ostoprosessiin oikea-aikaisesti ilman, että ammun samalla hirveän kasan hutikuteja osana prosessia.
Jokaisen asiakkaaksi saakka päätyvän y-tunnuksen takana on tietysti myös joukko päätöksentekijöitä.
Blogin toisessa osassa käyn läpi miten kontakteista eri järjestelmiin kertyvää informaatiota voi yhdistää yhdeksi saumattomaksi kokonaisuudeksi.
