En un mot – oui. 최근의 AI 및 마케팅 산업의 예측 분석의 발전은 역량의 진화를 촉발했습니다. 마케팅 전문가로서 우리는 이제 정보의 사일로와 계정의 지능을 결합하여 강력한 디지털 엔진을 제공할 수 있습니다. 이 엔진은 빠르게 성장하는 환경에서 수익을 창출합니다. 이 엔진은 또한 공백 영역에 도달하는 강력한 세분화를 통해 높은 품질의 리드를 제공할 뿐만 아니라 판매 생산성의 큰 개선을 촉진합니다. 이 두 가지 결과의 조합은 마케팅 기여를 높이고 그 영향을 가속화하는 연쇄 반응을 일으킬 것입니다.
B2B 공간에서는 수익에 대한 중요한 기여를 하는 능력이 마케팅에서 벗어나고 CMOS의 높은 수익을 초래했습니다. 다음 세대의 CMOS는 지능형 마케팅 기술의 오케스트레이션을 우선시하는 비즈니스 비전을 가진 사람들이 될 것입니다.
현대 마케팅의 현실
SiriusDecisions에 따르면, 구매자의 여정의 67%는 이제 잠재 고객이 인간과 대화할 준비가 되기 전에 디지털 방식으로 완료됩니다. 기업을 차별화하는 매력적이고 개인화된 옴니채널 디지털 경험은 이 “인간 이전” 단계에서 성공의 필수 요소입니다. 마케팅은 디지털 공간을 식별하고, 오래된 고객이든 처음 방문하는 신규 잠재 고객이든 관계없이 바닐라에서 관련성이 높고 매력적인 경험을 넘어서는 디지털 생태계 전반에 걸쳐 경험을 제공할 수 있어야 합니다.
마케팅은 일반적인 경험을 만들어서 성공하지 않을 것입니다. 최근 연구에 따르면 인간의 주의 지속 시간이 8.25초로 줄어들었습니다. 이는 재방문하는 방문자가 구매 과정에서 자신이 어디에 있는지 알기 위해 올바른 콘텐츠를 찾는 데 8.25초가 걸린다는 것을 의미합니다. 이는 새로운 잠재 고객에게 귀사의 기업이 해당 산업과 그 사용 사례에서 가치를 추가할 수 있음을 증명하는 데 8.25초가 걸립니다. B2B 기술 업체의 경우에도 판매 주기가 길고 구매 그룹이 복잡하더라도, 개인화가 이 소중한 시간을 최대한 활용하기 위한 열쇠입니다. 이로 인해 적절한 스토리, 이미지 및 다음 단계가 디지털 방문자에게 제공되어 그들의 주의를 끌 수 있습니다.
마케팅은 방문자/잠재 고객이 구매 여정에서 자동 선택, 자기 교육 및 식별을 할 수 있도록 하는 경험을 제공하기 위해 적절한 수준의 계정 정보를 가져야 합니다. 이는 잠재 고객이 디지털 콘텐츠에 참여할 확률을 높이고, 그들의 관심을 끌어내어 판매가 항상 “초대받은 손님”이 되도록 보장할 것입니다.
이러한 현실을 염두에 두고, 저는 두 가지 마케팅 기술 영역에 투자하기로 결정했습니다:
- 계정 기반 수익 플랫폼
- 수익 인텔리전스 관리.
계정 기반 수익
첫 번째 주요 구성 요소인 계정 기반 수익 플랫폼은 데이터를 최대한 활용할 수 있게 해 주며, 계정의 구매 의도를 파악하고 고객 및 잠재 고객이 디지털 속성에서 가지고 있는 모든 상호작용을 실시간으로 분석할 수 있게 해줍니다. 이러한 강력한 데이터는 우리가 고객을 우리가 하는 모든 것의 중심에 두고, 이 잠재 고객과 그들의 예상 구매 여정을 더 잘 이해할 수 있는 디지털 메커니즘을 제공합니다. 계정 수준에서 의도 데이터를 보고 활용할 수 있는 능력은 모든 것을 한 단계 끌어올릴 것입니다. 마케팅 전문가들은 이러한 이점을 놓쳐서는 안 됩니다. 계정 기반 수익 공간의 기술은 이제 마케팅 팀이 디지털 성장을 촉진하기 위해 활용해야 할 성숙 수준에 도달했습니다. 한 논평자가 강조한 것처럼, 당신은 테이블에 앉아 있거나 메뉴에 있는 것입니다. 마케팅 전문가들은 이러한 기술을 활용하여 테이블에 앉아 있어야 합니다.
계정 정보가 보상을 주는 영역 중 하나는 리드 및 계정의 우선 순위입니다. 물론 우리는 이 목적을 위해 리드 스코어링을 사용해 왔습니다. 처음에는 프로필 기반으로 시작하여 행동을 추적했습니다. 그러나 이는 개인 수준에서 이루어졌으며 마케팅 팀이 세운 가정에 의존했습니다. 리드 스코어링의 한계에 대한 한 가지 예를 보겠습니다: 동일한 회사의 여섯 명이 각기 다른 상호작용을 가지고 있다면, 이들은 개별적인 리드로 간주되며 MQL로 충분히 높은 점수를 얻을 만큼의 관심이 없다고 생각됩니다. AI 덕분에 이제 우리는 계정 수준에서 평가를 완료할 수 있게 되었습니다 – 그리고 결과적으로 얻어진 시각은 달라집니다. 이제 생성된 뷰는 같은 회사의 여섯 사람이 귀하의 디지털 속성과 상호작용하고 있다는 것입니다: 구매 그룹. 이는 주목해야 할 사항입니다. 그리고 여섯 명이 모두 높은 구매 의도와 의향을 가진 목표 세그먼트에 속한다면 상상을 해 보세요. 빙고! 이제 우리는 프로그래매틱하게 확률을 이기고 잭팟을 시작할 수 있는 방법을 갖게 되었습니다.
이 플랫폼은 계정을 네 가지 참여 수준으로 세분화하고 각 단계에 대한 플레이북을 구축합니다. 이는 매력적인 콘텐츠를 제공하는 데 필수적입니다. 일부는 아직 초기 학습 단계에 있어 주로 마케팅에 의해 작동하고 있지만, 일부는 판매 팀에 의해 즉시 상호작용할 수 있을 만큼 훨씬 더 뜨거운 것입니다.
이제 제가 귀하가 마케팅 기술을 채택하는 데 성숙한 수준을 가정하고 있다는 것을 감지하셨을 것입니다. 현재까지 저는 CRM과 마케팅 자동화 시스템을 연결하지 않은 기업이나 서로 다른 데이터 포인트를 시스템 간에 연결할 강력한 방법이 없는 기업에 놀라고 있습니다. 만약 당신이 그렇다면, 멈추십시오. AI는 (아직) 당신을 위한 열쇠가 아닙니다. 대신, 폐쇄형 마케팅 시스템을 개발하는 데 에너지, 기술 및 시간을 집중하십시오. 강력한 마케팅 분석의 기반이 형성되면, 예측 분석 및 수익 인텔리전스 공간에서 기술을 극대화할 수 있습니다.
수익 인텔리전스
이 디지털 퍼즐의 다음 주요 구성 요소는 사람들에 대한 인텔리전스입니다. 여기서 우리는 직접 판매 모델이 수익 기여를 마케팅하는 데 직면한 도전을 보고 있습니다: CRM 데이터의 가시성. 시장 침투의 주요 방법으로 직접 판매 모델을 활용한 대부분의 대형 B2B 소프트웨어 공급업체는 CRM에 적절한 잠재 고객/고객의 연락처 수준을 통합하는 데 에너지를 쏟지 않았습니다. 판매 팀이 귀중한 시간을 수동으로 연락처 및 활동을 입력하는 데 보내는 모습을 보는 것은 불쾌한 일입니다. 그리고 더 나쁜 것은, 대부분의 영업 사원들이 이러한 데이터를 입력하지 않는다는 것입니다. 종종 이러한 전략적 회의는 마케팅이 고객 풍경을 이해하고 판매 주기 전반에 걸쳐 상호 작용을 추적하는 능력에 해를 끼칩니다.
이 문제를 해결하는 것이 수익 인텔리전스 공간에 대한 우리의 투자에서 중요한 역할을 합니다. 이 마케팅 솔루션은 이러한 사용자 데이터를 자동으로 소화하고, 특정 구매팀의 핵심 멤버를 식별하고 그 침투 수준을 이해하는 데 AI 기반 통찰력을 추가합니다.
우리는 이제 이 두 가지 디지털 마케팅 솔루션의 결합된 기능을 통해 마케팅의 디지털 연결 고리를 만들기 시작했습니다. 이제 우리는 계좌 전반에 걸쳐 데이터 기반의 강력한 세분화를 가지고 있으며, 디지털 풍경 전반에 걸쳐 있습니다. 이 실시간 인사이트를 통해 우리는 이제 판매가 우선순위를 정하고 거래를 성사시킬 수 있도록 적절한 구매 의도를 가진 높은 품질의 리드로 빠르게 전환할 수 있습니다. 이러한 데이터는 또한 마케팅에 책임을 부여합니다. 마케팅이 영향력을 행사해야 하는 캐릭터와 올바른 유형의 리드를 생산하고 있는지, 아니면 방향 수정이 필요한지 평가해야 합니다.
AI의 지원을 받는 예측 분석 및 적절한 프로세스, 역할 및 책임 매트릭스를 통해 마케팅은 수익을 생성하는 강력한 엔진을 제공할 것입니다. 완전히 실시간 데이터로 구성된 새로운 디지털 마케팅 환경이 마련되어 있으며, 신속하고 민첩하게 마케팅 통찰력을 제공합니다. 이를 통해 마케팅은 수익에 미치는 영향을 지속적으로 평가하고 가설 및 결정을 신속하게 전환할 수 있습니다.
아이디어 – 단순한 기술이 아닌 -는 진정한 변화를 이끄는 것입니다. 이는 새로운 사고방식과 마케팅 팀의 조직 및 측정 방식을 필요로 합니다. AI는 이러한 전략의 최전선에 있어야 하며 마케팅 팀이 혁신하고 사업을 성장시키기 위한 전략적 결정을 내리는 데 필요한 통찰력 및 비즈니스 결과를 제공하는 데 신뢰할 수 있어야 합니다. 디지털 연결 고리가 필요합니다.
제 비전은 마케팅 프로세스를 디지털 시대에 맞추는 것입니다. 이 기사에서 설명한 두 플랫폼은 제가 수익 창출 기여를 가속화할 수 있도록 디지털 변환을 위치시키게 될 것입니다. 모든 것은 단 하나의 질문으로 요약됩니다: 데이터가 실제로 변환되는 것을 보여줄 수 있을 때, 왜 잠재 고객이 무엇을 찾고 있는지 추측하려고 하겠습니까?
