Hur hade det varit ifall du kunde fylla din pipeline med enbart de bästa potentiella kunderna? Toppen, inte sant? För att kunna sortera ut de mest värdefulla prospekten för dig måste du först definiera din drömkundsprofil. Detta är inte möjligt utan tillgång till uppdaterad och relevant företagsdata.
I dag finns det nästan oändligt med information tillgänglig om alla företag i världen. All denna data är dock till väldigt liten nytta för dig som säljare när den är osorterad och utspridd på miljarder hemsidor. Modern teknik kan hjälpa dig att samla in, analysera och tolka företagsdata på så vis kan du förvandla företagsdata till nyttig kunskap om dina kunder och prospekt för att få full koll på deras egenskaper, styrkor, utmaningar, intressen och nuvarande situation.
I den här artikeln gräver vi djupare i vad företagsdata är samt vilka olika typer av företagsdata som finns. Vi tittar också närmre på varför företagsdata är så värdefull för dig som säljare samt hur du använder den för att öka dina resultat.
Vad är företagsdata?
Företagsdata är, precis som namnet beskriver, data om företag. Företagsdata innehåller information om ett företags egenskaper, intressen och aktivitet. Den hjälper säljare att ta väl genomtänkta beslut om vilka företag de ska försöka sälja till, när de ska ta kontakt och med vilket erbjudande. Denna typ av data hjälper dig med andra ord att skräddarsy ditt säljarbete efter varje prospekts individuella behov samt förbättra din timing i försäljningen.
Företagsdata kan delas in i intern och extern data. Intern företagsdata är information som du själv samlar in genom interna system som exempelvis ditt CRM eller Marketing Automation verktyg. Företag som lyckats strukturera och utnyttja all denna företagsinformation i sin säljprocess har en stor konkurrensfördel i dagens säljlandskap.
Extern företagsdata syftar på firmografisk och teknografisk data samt data från öppna källor - köpsignaler. Längre ner i denna bloggartikeln går vi igenom dem lite närmre.
Det finns fyra huvudtyper av företagsdata:
1. Firmografisk företagsdata
Firmografisk data, även kallad grunddata, är grundläggande företagsinformation som exempelvis bransch (SNI-koder), adress och storlek. Företag kan analyseras genom att använda grunddata på samma sätt som människor kan analyseras med demografisk data.
Exempel: Vainus firmografiska profil ser ut såhär:
Bransch: Software, SaaS, Cloud
Adress: Kungsgatan 60, Stockholm (HQ Helsingfors)
Företagsstorlek: 180 anställda, 10 miljoner US dollar i omsättning 2017
Att prospektera med hjälp av firmografisk data är inte ovanligt. De flesta säljare tänker framförallt på grundläggande datapunkter när de försöker hitta tvillingkunder till sina bästa kunder och prospekt. Man letar efter företag inom en specifik bransch, ett visst geografiskt område eller inom ett bestämt storleksintervall.
Men då firmografisk data endast inkluderar grundläggande data så är dess främsta nackdel är att den ofta är just för … grundläggande. För att du som säljare ska ha möjlighet att fatta välgrundade beslut om huruvida ett företag är ett bra prospekt eller inte behöver du förmodligen ha mer information om företaget än vad denna data kan erbjuda. Att företag tillhör samma bransch eller har snarlik företagsstorlek betyder inte nödvändigtvis att de har samma behov. Eller hur?
Låt oss titta på företagsstorlek: Ett företag i tillväxtfas med 100 miljoner i omsättning kan vara villigt att investera stora summor i något som är relevant för deras nuvarande situation. Ett företag av samma storlek som genomfört en sparåtgärd nyligen har troligtvis helt andra prioriteringar och behov.
Ibland refererar firmografisk data även till andra faktorer än de vi nämnt ovan, exempelvis prestation (tillväxt, kreditvärdighet), status och struktur (rättslig status, relationen mellan organisationer), ålder, äganderätt, och position (marknadsandel, industriposition).
2. Teknografisk företagsdata
Teknografisk data är information om ett företags tekniska portfölj, vilka webbtekniker som används, digitaliseringsnivå, hur hemsidan är byggd och så vidare. Den beskriver vilka system företaget använder, exempelvis om de har ett marketing automation, e-handelsverktyg, customer feedback management, application tracking-system, chatbot, event management system med flera.
Låt oss illustrera vad teknografisk data är med ett exempel:
Det Kalifornien-baserade teknikbolaget Synopsys släppte en ny e-Bok för några månader sedan. Genom att studera företagets kampanjsida kan vi förstå att Synopsys gör systematisk content marketing i stor skala (genom Eloqua), de försöker öka sin konverteringsgrad (genom Crazy Egg som erbjuder A/B-test) och är villiga att betala för att marknadsföra sitt innehåll (genom Facebook Pixel). Synopsis tror även på att använda account-based marketing och personliga kampanjer på webben. Den slutsatsen drar vi då vi ser att de arbetar med verktyg inom dessa kategorier (Demandbase och Adobe Target).
Om du säljer en marketing automation-tjänst anpassad för stora företag kan firmografisk data hjälpa dig att sålla bort företag med en för låg omsättning eller som sitter i fel stad. Teknografisk data kan däremot hjälpa dig att hitta företag som använder modern teknologi eller som inte är digitala alls. Inte en dålig insikt om en potentiell kund, eller hur? Genom att granska ett företag på detta vis får du en bättre förståelse för organisationen och dess behov och din prospektering blir betydligt mer kraftfull.
3. Vad innebär köpsignaler?
Köpsignaler refererar till händelser hos ett företag som indikerar att det är rätt tid för dig som säljare att ta kontakt. Köpsignaler hjälper dig förstå när ett företag är i behov av din produkt eller service. På så vis kan du ta reda på vilka prospekt som har störst chans att bli dina betalande kunder inom en nära framtid.
Många förändringar hos företag, så kallade triggers, öppnar upp möjligheter för dig som säljare. Exempel på förändringar är rekrytering, nytt kapital, expansion, produktlansering, sammanslagning med/eller förvärv av ett annat bolag. Du kan snabbt förbättra din hit-rate mellan varje steg i säljprocessen genom att leta efter företag som matchar din drömkundsprofil och som nyligen har skickat ut en köpsignal som indikerar att de har ett ökat behov av din produkt eller service just nu.
Om du kan identifiera ett kvalitativt lead genom en eller flera signaler bör din prospektering till största delen gå ut på att söka efter företag som sänt liknande signaler som dessa. När du väl har hittat ett samband mellan en nöjd kund och en köpsignal kan du snabbt och enkelt hitta flera kvalitativa prospekt.
Erbjuder du rekryteringstjänster? Leta efter företag som är i tillväxt och som ska öppna ett nytt kontor. De kommer garanterat att vara i behov av att öka antalet anställda framöver. (För mer inspiration läs våra case studies med Academic Work och Consultify.)
Arbetar du inom logistik- och transportindustrin? Leta efter företag som planerar byggprojekt eller ska öppna en ny produktionsanläggning.
4. Predictive och prescriptive analys
Firmografisk data, teknografisk data och köpsignaler kan alla ses som ett resultat av grundläggande beskrivande (descriptive) analys. Dessa typer av företagsdata summerar hårda fakta om ett företag och tillåter dig att börja göra mer avancerad analys. Det är här som predictive och prescriptive analys kommer in i bilden. När du har tillgång till tillräckligt stora mängder grundläggande företagsdata kan du med hjälp av ny teknik börja se mönster.
Genom att studera hur särskilda datapunkter korrelerar med varandra kan du förutspå framtida händelser och utfall från specifika handlingar.
Predictive data
Predictive data är resultatet av predictive (förutspående) analys, en form av avancerad analys som används för att förutspå framtiden. Predictive analys använder flera olika typer av teknik, bland annat datautvinning, modellering, maskininlärning och artificiell intelligens, för att analysera nuvarande data och sedan förutse framtida data.
Målet med predictive analys är inte att kunna informera om vad som händer i framtiden; det kan den inte göra. Målet är snarare att göra en så exakt prognos som möjligt av framtiden.
Prescriptive data
Till skillnad från predictive analys rekommenderar prescriptive (rådgivande) analys en eller flera handlingar i en given situation och visar det mest troliga resultatet av olika beslut.
Prescriptive analys är, på ett sätt, en typ av predictive analys då den förutspår möjliga framtida konsekvenser av olika handlingar. Denna typ av analys görs med maskininlärning och kan rekommendera dig hur du bör agera för att lyckas uppnå ett visst önskat resultat. Prescriptive data kan föreslå hur du bör ta kontakt med ett visst prospekt samt vilket erbjudande du ska ge.
Majoriteten av alla företag klurar fortfarande på hur de ska få deras predictive lead scoring-modeller på plats. Företag i framkant har dock redan gått vidare från predictive- till prescriptive analys. Säljare är trots allt inte så intresserade av alla de positiva och negativa attribut som kommer med de predictiva-modellerna. De vill främst veta vad nästa steg i säljprocessen är.
Varför är företagsdata så värdefullt för säljare?
När vi nu har täckt grunderna och förklarat vad företagsdata är samt vad som kännetecknar de olika typerna av företagsdata ska vi undersöka varför detaljerad, uppdaterad företagsdata är så värdefull för säljare.
Det råder hög konkurrens inom B2B-försäljning i dag. Samtidigt är moderna köpare mer pålästa än gårdagens. En för generell eller svag pitch leder ingenstans för dagens säljare. För att bli en framgångsrik säljare idag behöver du arbeta datadrivet.
Med hjälp av detaljerad och uppdaterad företagsdata kan du:
- Identifiera köpsignaler hos befintliga konton i ditt CRM-system
- Definiera en mer detaljerad drömkundsprofil
- Enklare hitta bra prospekt med oklanderlig timing
- Anpassa din säljpitch efter varje prospekts unika organisation och behov
Automatisera inflödet av relevant och aktuell företagsdata
Enligt en studie utförd av Salesforce spenderar den genomsnittliga säljaren 21 procent av sin arbetsdag med att göra research. Andra studier visar att prospektering kan ta upp till hälften av en säljares arbetstid. Genom att minimera tiden du lägger på att leta efter potentiella kunder och företagsinformation kommer du istället få mer tid över för att faktiskt sälja och ta hand om redan existerande kunder.
Du kan skära ned på tiden du spenderar på prospektering och leadskvalificering genom att automatisera så mycket som möjligt av dessa uppgifter. Det finns ingen bättre tid att arbeta med B2B-försäljning. Idag finns det sales intelligence-verktyg som hjälper dig att få tillgång till kvalitativ och uppdaterad företagsdata, i realtid.
Med ett säljverktyg som förser dig med realtidsdata behöver du inte göra det till din livsuppgift att prenumerera på otaliga företags nyhetsbrev, kolla igenom dina konton på sociala medier tusen gånger per dag och försöka att läsa allt som står i samtliga tryckta medier bara för att vara säker på att aldrig missa relevant företagsinformation. Idag kan du automatisera datainsamlingen genom att koppla ihop ditt CRM med en dynamisk företagsdatabas. Din data uppdateras då per automatik så fort en förändring sker och du säkerställer att dina säljare alltid har den senaste informationen att agera på.
Dessa sales intelligence-verktyg samlar dagligen in stora mängder data från miljoner av öppna och publika datakällor. Genom maskininlärning kan tekniken läsa, förstå och strukturera all data och sortera upp den i dina befintliga system så att den blir lättillgänglig och enkel att tyda för dig. I nästa steg kan man också se till så att systemet påminner dig om viktiga köpsignaler, så du inte själv behöver ta reda på vem du ska prata med och när. Vi har skrivit en helt ny eBok om detta, hämta din kopia helt gratis!
Data som är relevant och uppdaterad är A och O för er säljorganisation
Ett vanligt problem inom marknadsföring och B2B-försäljning är utdaterad data. Datan i inköpta listor med prospekt baseras ofta på data från företags årsrapporter samt andra källor som enbart uppdateras en eller ett fåtal gånger per år. Dit hör även att det kan ta ett tag från att din listleverantör extraherar listan du arbetar med till att du använder informationen i ett säljsamtal eller i kontakt med potentiella kunder.
Att arbeta med data från statiska listor med prospekt innebär ofta att arbeta med utdaterad data. Det i sin tur gör att du ofta framstår som dåligt påläst när du tar kontakt med ett prospekt där ditt erbjudande eller din timing är helt fel för prospektet i fråga. Du inger inget vidare förtroende och dina chanser att få till en affär är mycket små, om ens existerande.
Modern säljteknik kan erbjuda dig uppdaterad data, så kallad realtidsdata. Denna företagsdata är dynamisk företagsinformation som uppdateras automatiskt när företags egenskaper och tillstånd förändras. Nu även direkt i ditt CRM-system (eller i ditt Marketing Automation-verktyg). Ett snabbväxande företag som hade 100 anställda vid årsskiftet kan ha dubblat sin personalstyrka eller tredubblat sina intäkter vid starten av H2. Realtidsdata om detta företag kommer att hjälpa dig att skräddarsy din säljpitch enligt företagets nuvarande situation och utmaningar. Ytterligare en fördel med denna typ av data är att den kan inkludera köpsignaler som talar om för dig när du ska ta kontakt.
Studier visar 74 procent av alla affärer vinns av den säljare som var först med att ta kontakt med ett företag då de upplevde ett nytt behov.
Förstå värdet med samtliga former av företagsdata
Ett företags firmografiska och teknografiska data ger dig mycket information om dess organisation och behov. Om du även tar tillvara på insikter från köpsignaler samt predictive- och prescriptive analys får du en riktigt djupgående kunskap om hur din drömkund ser ut samt om ett specifikt företag är värt din tid eller inte. Genom att titta på företagsdata från samtliga datakategorier får du även bättre förståelse för hur och när du bör bearbeta ett visst företag för att maximera dina chanser att sälja till företaget.
En traditionell drömkundsprofil som endast baseras på firmografisk data kan se ut såhär:
Bransch: Software development
Adress: New York
Storlek: 70-150 anställda
Omsättning: $70 - $110 miljoner USD/år
En mer modern och mer avancerad drömkundsprofil som har tagits fram med insikter från flera olika typer av företagsdata kan se ut såhär:
Egenskaper: Digitaliserat i hög grad
Köpsignal: Investerar mycket i ny teknik, har nyligen anställt en ny CTO eller implementerat ett nytt teknikverktyg
Bransch: Software development
Storlek: 70-150 anställda
Adress: New York
Slutsats
Öppen och publik data tillför inte mycket värde när den är ostrukturerad. Sales intelligence-verktyg hjälper dig att både samla in, strukturera, tolka och använda företagsdata. Tekniken underlättar även för dig som säljare så du kan se mönster och förstå vilka företag du ska fokusera på. Den kan dessutom föreslå hur och när du bör ta kontakt med ett visst företag för att uppnå bästa möjliga hit-rate.
Genom att enbart studera en eller två typer av företagsdata går du miste om flera viktiga insikter om dina prospekt och existerande kunder. Genom att investera i teknik som förser dig och ditt säljteam med alla typer av företagsdata kan ni fatta mer pålästa och välgrundade beslut genom hela säljprocessen och på så sätt även öka er försäljning.
Vill du veta mer om hur Vainu kan hjälpa dig att strukturera upp data samt identifiera köpsignaler åt dig? Registrera dig här för en gratis 30-minuters demo av vår plattform och ta reda på hur du och ditt team kan dra nytta av företagsdata från Vainu i ert dagliga säljarbete och i era befintliga system.
