I denne artikkelen vil vi grave dypere i ulike typer bedriftsinformasjon og analyser. Vi vil også se på hvorfor bedriftsinformasjon er verdifullt for profesjonelle selgere, og gå inn på detaljene om hvordan du kan få tilgang til omfattende og real-time bedriftsinformasjon mest effektivt.
Hva er bedriftsinformasjon?
Bedriftsinformasjon er informasjon om selskapets karakteristikk, interesser og tendenser. Underkategorier av bedriftsinformasjon er interne data fra eksempelvis kundebehandlingsverktøy (CRM) og eksterne data som inkluderer firmografi, teknografi og kjøpssignaler.
Innholdet i denne bloggen
Hva er prediktiv og preskriptive analyser?
Hvorfor er bedriftsinformasjon så verdifullt for selgere?
TL; DR (Kort fortalt)
Bedriftsinformasjon består av interne (f.eks. CRM-data) og eksterne data. Typer ekstern bedriftsinformasjon er firmografisk informasjon (inkludert næring, beliggenhet og størrelse) og teknografisk informasjon (inkludert selskapets teknologier og tilstedeværelse på nettet). Det er også kjøpssignaler, som er nyheter eller annen informasjon gitt ut av bedriften som åpner for muligheten til salg.
En beskrivende analyse beskriver selskapets nåværende situasjon og er basert på firmografiske data, teknografiske data og kjøpssignaler. En prediktiv analyse spår fremtiden basert på dataene. Preskriptive analyser går et skritt videre og anbefaler handlinger basert på historisk data for å maksimere salget.
Analysert bedriftsinformasjon hjelper selgere foreta velinformerte valg om hvilke selskaper de skal jobbe med samt gjennom hvilken kanal og med hvilket budskap de skal kontakte selskapet.
Hva er firmografiske data?
Firmografiske data er grunnleggende bedriftsinformasjon som næring, lokasjon og størrelse. Bedrifter kan analyseres ved å bruke firmografi på samme måte som folk kan analyseres med demografi.
Vainus firmografiske data:
Næring: Programvare, SaaS, Cloud
Sted: Helsinki, Finland
Størrelse: 180 ansatte, NOK 100~ millioner i omsetning 2017
Firmografi har betydelig verdi for selgere som retter seg mot selskaper i en bestemt næring eller av en valgt størrelse. Det lar dem raskt filtrere lovende potensielle kunder fra en lengre liste over potensielle kunder. For at du som selger skal kunne ta en velinformert beslutning om hvorvidt en bedrift er et solid prospekt eller ikke, trenger du sannsynligvis mer informasjon om bedriften enn hva firmografi kan tilby.
La oss ta et eksempel: Bedrift A med NOK 100M inntekter i hypervekstmodus vil investere store beløp i noe som er viktig for dem. Samtidig kan selskap B med samme inntektsklasse være i kostnadsbesparende modus og ha helt andre prioriteringer.
Avhengig av tjenesten du selger, vil du sannsynligvis bare kontakte enten A eller B.
Noen ganger refererer firmografi også til andre variabler som ytelse (vekst, kredittvurdering), status og hierarki (juridisk status, en relasjon fra en organisasjon til en annen), alder, eierforhold og posisjon (markedsandel, posisjon i bransjen).
Hva er teknografisk data?
Teknografisk data er data samlet fra selskapets teknologier (tech-stack), nettside, profiler på sosiale medier og generelle tilstedeværelse på nett.
Teknografiske data inkluderer kategorier som Marketing Automation, e-handelsplattformer, systemer for tilbakemeldinger fra kunder, rekrutteringssystemer, live chat, event management og mer.
Det California-baserte IT-selskapet Synopsys ga ut en ny e-bok og e-bokens kampanjeside ga mye nyttig teknografisk data. Ved å undersøke siden klarte vi å avgjøre følgende:
- Synopsys driver systematisk markedsføring i stor skala = De bruker Eloqua.
- De prøver å systematisk forbedre konverteringsfrekvensen = De bruker Crazy Egg for A / B-testing.
- De er også villige til å annonsere innholdet sitt = de bruker Facebook Pixel.
- De tror på account-based marketing og personalisering av innhold = De bruker leverandører fra disse kategoriene inkludert Demandbase og Adobe Target.
All denne informasjonen er samlet fra kildekoden til kampanjesiden.
Når du selger marketing automation programvare, kan firmografi hjelpe deg med å luke ut bedrifter med en for lav omsetning til å finne tilbudet ditt relevant. Teknografi hjelper deg med å finne selskaper som verdsetter ny teknologi, og for øyeblikket bruker marketing automation systemer. Når du ser på både firmografisk og teknografisk informasjon, vil du få en mer detaljert forståelse av bedriften og behovene den har.
Hva er kjøpssignaler?
Kjøpssignaler er hendelser som indikerer en mulighet for deg som selger å nå ut til en potensiell kunde. Hendelser, som rekruttering, finansiering, ekspansjon, produktlansering, fusjon eller anskaffelse, åpner et hav av muligheter til å starte en samtale og til slutt lande en avtale. Du kan raskt forbedre hit-raten din på hvert trinn i salgstrakten ved å prioritere selskaper som nylig har sendt ut et kjøpssignal.
Så snart du kan identifisere et mulig lead gjennom et kjøpssignal, bør kjøpssignaler bli grunnlaget for prospekteringen din. Når du har funnet en sammenheng mellom en fornøyd ny kunde og et kjøpssignal, kan du på kort tid finne et stort antall potensielle kunder. Her er noen eksempler:
-
Tilbyr du rekrutteringstjenester?
Se etter selskaper som vokser og er i ferd med å åpne et kontor på et nytt sted, de vil trenge å ansette flere. (For mer inspirasjon, les kundehistoriene våre med Academic Work og aTalent!) -
Jobber du i logistikk- og transportbransjen?
Se etter selskaper som setter i gang et nytt byggeprosjekt eller de som åpner et nytt produksjonsanlegg. I denne artikkelen deler vi mer dyptgående prospekteringstips for transport- og logistikkselskaper..
Hva er prediktive og preskriptive analyser?
Firmografi, teknografi og kjøpssignaler utgjør en beskrivende analyse. Den oppsummerer ubestridte fakta om et selskap. Med disse dataene tilgjengelig kan du gjøre mer avanserte analyser. Det er her prediktiv og preskriptiv analyse kommer inn i bildet.
Prediktiv data
Prediktive data er et resultat av prediktiv analyse, som brukes til å lage prediksjoner om ukjente, fremtidige hendelser. Prediktive analyser bruker metoder fra data-mining, modellering, maskinlæring og kunstig intelligens for å analysere nåværende data for å spå fremtidige hendelser.
Målet med prediktiv analyse er å forutsi fremtiden så nøyaktig som mulig og gi et sett med data som ellers ikke er tilgjengelig.
Preskriptiv data
Det nye feltet for preskriptive analyser går utover beskrivende og prediktive modeller. Den anbefaler handlingsforløp for en gitt situasjon og viser det sannsynlige resultatet av hvert valg.
Preskriptive analyser er en type prediktiv analyse. Den preskriptive modellen spår de mulige konsekvensene basert på ulike valg. Denne typen analyse kan dermed anbefale den beste handlingen for ethvert forhåndsbestemt utfall. Preskriptive analyser kan skaleres når maskinlæringsmodeller automatisk samler inn tilbakemeldinger og justerer disse forslagene deretter. Deskriptiv data kan for eksempel antyde med hvilken metode og melding du som selger skal nå ut til et prospekt.
Preskriptiv data kan for eksempel antyde med hvilken metode og melding du som selger skal nå ut til et prospekt.
De fleste selskap jobber fremdeles med å få på plass sin prediktive lead scoring, men frontløperne er allerede i ferd med å gå fra prediktive til preskriptive modeller. På slutten av dagen ønsker selgere bare å vite hva de skal gjøre videre for å flytte casene sine fremover i salgstrakten.
Hvorfor er bedriftsinformasjon så verdifullt for selgere?
Nå som vi har dekket det grunnleggende og gått gjennom hva bedriftsinformasjon er, la oss se nærmere på hvorfor detaljert og real-time (sanntidsdata) bedriftsinformasjon er så verdifullt for selgere.
I følge en studie utført av Salesforce, blir 21 prosent av selgeres tid brukt til å gjøre research. Andre studier viser at prospektering kan ta opptil halvparten av den gjennomsnittlige selgerens arbeidsdag. Ved å redusere tiden du bruker på å lete etter potensielle kunder og bedriftsinformasjon, frigjør du mer tid til å faktisk selge eller ta vare på eksisterende kunder.
Du kan redusere tiden du bruker på prospektering og lead kvalifisering ved å automatisere så mange av disse prosessene som mulig. Invester i et moderne salgsverktøy som gir deg enkel tilgang til sanntidsdata om alle selskaper i markedet ditt.
Med et moderne salgsverktøy (også kalt Sales Intelligence Tool), trenger du ikke å gjøre det til ditt mål her i livet å lese hver artikkel eller nyhet som finnes der ute, skanne alle sosiale medier og abonnere på alle bedrifters nyhetsbrev. Moderne salgsverktøy samler kontinuerlig enorme mengder data fra millioner av åpne og offentlige datakilder. Takket være kunstig intelligens og maskinlæring, kan teknologien også samle, lese og strukturere dataene til informasjon du lett kan forstå.
Pitchen utvikles
En generisk eller dårlig skreddersydd pitch er en oppskrift for liten eller ingen suksess. Ved å se på et bredt spekter av datapunkter fra forskjellige datasett, vil du få en grundig forståelse av en bedrifts organisering og situasjon. Dette vil hjelpe deg:
- Definere en mer detaljert ideell kundeprofil og finn bedrifter som samsvarer med den.
- Målrette mot kontoene du sannsynligvis har best sjanse til å konvertere til en betalende kunde.
- Skreddersy pitchen til hver enkelt kundes unike organisering og behov.
- Forutsi når og hvordan du skal nå ut til et bestemt selskap.
Hvorfor real-time data er konge
Et vanlig problem i markedsføring og salg er utdaterte data. Dataene i kjøpte prospektlister er ofte basert på data fra selskapets årsrapporter og andre kilder som bare blir oppdatert én eller noen få ganger i året. Det er helt tydelig at bruk av data fra statiske lister betyr at du jobber med utdaterte data.
Moderne salgsverktøy kan gi deg data som alltid er oppdatert, såkalte real-time data. Real-time bedriftsinformasjon er dynamisk informasjon som oppdateres automatisk etter hvert som bedriftenes karakter og forhold endres.
Et vanlig problem i markedsføring og salg er utdaterte data.
Et selskap i stor vekst som hadde 100 ansatte ved årsskiftet, kan ha mer enn doblet antallet ansatte og tredoblet omsetningen ved inngangen til H2. Sanntidsdata om dette selskapet vil hjelpe deg med å skreddersy pitchen i henhold til selskapets nåværende situasjon og utfordringer. Hvis du bare baserer de utgående aktivitetene dine på data fra en statisk liste som inneholder informasjon fra selskapets årsrapport fra forrige halvår, er det en høy risiko for at det du tilbyr ikke er relevant for selskapet i dag.
Studier viser at mellom 30 og 50 prosent av salget går til leverandøren som nådde ut først da et selskap begynte å se et nytt behov.
Eksempel: Du jobber som selger i eiendomsbransjen, og vekstselskapet som er nevnt over, legger til 20 nye stillinger på karrieresiden. Prediktive analyser antyder at det er en god sjanse for at dette selskapet vil trenge et nytt kontor som er egnet for et større antall ansatte i nær fremtid. Ved å handle på denne prediktive dataen, er du sannsynligvis den første fra bransjen din som tilbyr tjenesten.
Ikke undervurder viktigheten av bedriftsinformasjon
Ved kun å se på bedriftens firmografiske data eller teknografiske data, vil du kun ha en begrenset forståelse for hvordan de er organisert og behovet de har. Ved å monitorere kjøpssignaler og se på innsikt fra både beskrivende datasett samt prediktiv og preskriptiv analyse, vil du få en bedre helhetlig forståelse av de beste prospektene dine. Du vil også få en bedre forståelse av hvordan du bør behandle hvert selskap for å forbedre sjansen for å lande salget.
En tradisjonell ideell kundeprofil kun basert på firmografiske data ser slik ut:
Bransje: Programvareutvikling
Sted: Oslo
Størrelsen: 70-150 ansatte
Omsetning: NOK 7 - 1.1 millioner / år
En avansert ideell kundeprofil basert på både firmografiske og teknografiske data ser slik ut:
Kjennetegn: Høy digitalisering
Kjøpssignal: Investerer stort i ny teknologi, har nylig ansatt en ny CTO eller implementert et nytt teknologisk verktøy
Kjennetegn: Har demoer online
Næring: Programvareutvikling
Sted: Oslo
Hvilken bedriftsinformasjon er mest relevant for deg?
Noe informasjon om potensielle kunder vil du klare deg fint uten. Det er ingen grunn til å finne ut hvilken rase hunden på kontoret er, eller hvilken farge veggene er.
Å finne ut hvilke datapunkter som hjelper deg med å skille prospekter av høy kvalitet fra dårlig kvalitet for ditt tilbud, er det som blir referert til som å definere din ideelle kundeprofil.
Den ideelle kundeprofilen din er en beskrivelse av en fiktiv konto som får betydelig verdi av produktet eller tjenesten din og gir betydelig verdi til selskapet ditt i retur.
Begynn å se på nåværende kunder, spesielt de mest fornøyde. Finn deres vanligste kjennetegn og finn et mønster av hendelser hos disse selskapene som skjedde rett før de inngikk en avtale med deg. Datapunktene som skiller de mest lykkelige kundene dine fra det gjennomsnittlige selskapet, er de du hovedsakelig bør fokusere på i prospekteringen din. I denne artikkelen, beskriver vi nøyaktig hvordan du kan lage en detaljert beskrivelse av din drømmekunde..
Konklusjon
Flertallet av åpne og offentlige data gir ikke mye verdi i ubehandlet tilstand. Imidlertid, når du tar i bruk hjelp fra smarte salgsteknologier for å både samle inn og lese bedriftsinformasjon, kan du begynne å se mønstre, og forstå hvilke bedrifter du skal fokusere på og hvordan behandle disse med best mulig hit-rate.
Det er hovedsakelig fire typer bedriftsinformasjon en selger trenger å vite om: firmografiske data, teknografiske data, prediktiv og preskriptiv bedriftsinformasjon samt kjøpssignaler. Ved bare å se på en eller to typer informasjon, går du glipp av mye verdifull innsikt om potensielle og eksisterende kunder. Ved å investere i teknologi som gir deg og salgsteamet ditt alle typer bedriftsinformasjon, er du bedre rustet til å ta kvalifiserte beslutninger gjennom salgsprosessen, som til slutt fører til en økning i omsetningen.
Innsikt fra smart bedriftsinformasjon gjør deg og salgsteamet bedre rustet til å ta kvalifiserte beslutninger i hvert trinn i salgsprosessen.
For å oppsummere: Moderne intelligente salgsteknologier gir selgere tilgang til sanntidsdata (real-time data). Mens gammeldagse statiske prospektlister ofte inkluderer utdaterte data fra f.eks. gamle årsrapporter, oppdaterer dynamiske databaser som Vainu sine data kontinuerlig.
Hvis du vil vite mer om hvordan Vainu samler inn, leser og strukturerer bedriftsinformasjon, og i tillegg lager nye data takket være prediktiv analyse, hjelper våre produktspesialister deg gjerne. Registrer deg for en 30-minutters gratis demonstrasjon av plattformen vår her og finn ut hvordan du og teamet ditt kan dra nytte av å bruke innsikt fra bedriftsinformasjon i salgshverdagen.
