卫瓴科技杨炯纬:帮助一线销售做营销 | 躬行者说

我并不假装理解营销技术。我所有关于营销技术的知识,都来自这个行业的躬行者们。他们筚路蓝缕,见证营销技术在中国的成长。Marteker邀请他们谈谈心路历程,以「身在此山中」的视角解读营销技术在中国的光荣与梦想。

「纸上得来终觉浅,绝知此事要躬行」------陆游·《冬夜读书示子聿》

杨炯纬是中国营销技术行业最早的创业者之一,2000年3月参与好耶广告网络筹备工作,任总裁一职,后又于2009年创立聚胜万合(MediaV),服务电商做精准营销。具体来说,他当时的工作是用技术做用户洞察、行为收集分析,最终实现个性化营销。2016年,360收购MediaV,杨炯纬也顺理成章进入360,先后任商业产品事业部总经理、副总裁,直至高级副总裁。

杨炯纬进入360的当时,360还是以搜索业务为主,杨炯纬接触了很多B2B行业的广告主。这些广告主投放360广告的目的,就是获得线索(电话号码),再交由销售去跟进。当时,360有数以千计的销售人员,服务几十万家广告主。正是在这段时间,杨炯纬发现了B2B销售中的两个问题,推动他第三次创业。

卫瓴科技创始人兼CEO 杨炯纬

第三次创业的缘起

杨炯纬发现的第一个问题,营销部门会采用精准营销技术,研究用户行为,研究关键词或创意如何吸引用户,他为什么会点击广告,最终获得用户的电话号码提供给销售,让销售直接去联系。但是最终获得这个电话号码,仅仅是一串数字而已,之前的客户画像、用户分析等数据全部丢失。

第二个问题,B2B销售特别传统,一点儿也不数字化。虽然当时也有自研的CRM,但仅仅是让销售在拜访的过程中记录之用,所具备的功能无非是公海和客保(即防止销售线索被别人跟进),以及提单。杨炯纬认为,这样的CRM只是销售管理,而不是客户关系管理软件,「客户意图,客户画像,客户的跟进,客户的变化,客户与我之间的关系......都没有体现在系统里。」反而需要销售每周花4个小时的时间在CRM里填写信息,以至于当时360的销售团队,都会雇一位代理专门帮销售去填写。

虽然当时在中国,对于一些规模性销售团队或规模性获客的系统来说,CRM是刚需。但它里面的数据质量和真实性都不尽如人意,成功的比例不高,美誉度和满意度都很差。杨炯纬因此希望做一款对销售有帮助的CRM。

解决B2B客户的迫切需求

除了CRM本身的问题外,杨炯纬还介绍了客户在销售过程中遇到的比较严重的问题:

首先是线索的问题。客户每年都会发起营销活动,获得大量线索,这些线索交给销售后,如果一两周没有出结果,线索就可能被抛弃。长年累月下来,曾经接触的线索可能多达数十万之多。但销售每个月接触的也就一千多家。意味着这些线索没有引入私域流量池,客户只能不断买流量,买线索,这些线索流进的同时也在流出,没有经过培育便已被浪费了。

其次是转化率的问题。很多企业的转化率,不过2-3%,即便通过销售漏斗去观察,也不知道如何提升转化率,颗粒度太粗。很多销售部门领导不会设计SOP(Standard Operation Procedure的简称,即标准作业程式),缺乏对过程的有效管理,不知道怎样的销售路径和销售流程是最优的,也不知道如何以更细的颗粒度去管理每条线索。

第三,销售人员的平均水平相差很大。销售人员本身是一个流动性很强的职位。而B2B销售又是一个复杂的过程。有客户向杨炯纬透露说:他们的销售需要经过8个月时间的培训、历练才能够合格,但是这段时间内已经有一半销售离职了,意味着耗费了大量的人力成本。

当然,对于销售来说,让他们掌握找线索、判断客户意图、跟进、话术、案例等等技能,确实难度很大。而营销的目的是降低对销售的要求,通过营销与销售的协同,私域可以把所有流入的线索做留存,抽取所有用户行为形成画像,设计出SOP。

销售与营销势必融合

设计一款帮助营销与销售协同的CRM,该如何入手呢?杨炯纬想到个性化广告------毕竟广告的过程也是销售的过程。个性化广告的前提是做客户意图分析,对客户的行为洞察,打标签,提供给销售。因此杨炯纬发现,可以从营销入手,通过广告、内容、直播等营销的手段帮助销售。这是一款延伸进入销售侧的Martech产品,符合Martech延伸到私域、CDP乃至LTV的全链路客户关系管理的趋势。

杨炯纬介绍说,在B2B领域,私域运营一直被认为是销售的工作------销售的售前工作就是私域运营,只不过没有经过数字化而已。因此杨炯纬提出,CRM本质上是一种B2B行业的CDP。由于B2B营销场景相对B2C营销更为复杂,目标客户隶属于什么公司,彼此之间是什么关系,销售电话跟进的状态......需要有一个更为复杂的系统描述与客户之间的关系。「如果说一套CRM能够把对每个客户的特征、关系属性,所处的阶段......等等都描述清楚,其实就是一个CDP。」

而在社交媒体时代,想要描述客户的社交关系需要基于社交网络,毕竟主要沟通场景式在微信等社交网络里。因此CRM演变成为SCRM,包含了对每一个客户和潜在客户在社交网络里的画像。

一个显而易见的事实,是营销与销售不再是两个部门,彼此的关联性越来越强。杨炯纬提出,销售与营销必须实现协同,Martech与Salestech有合并的趋势。「销售转化率的提升很大程度上取决于营销能力的提升,包括整个企业的营销能力提升,以及每个销售人员营销能力的提升。」

在杨炯纬看来,Martech的下一个关键词依然是个性化或者一对一营销。「销售本身就在做一对一营销,今天我们需要用数字化的方式帮助销售去做一对一营销。」因此,营销职能不能止步于广告投放、获得销售线索。营销应该贯穿从公域的获客、运营到市场侧的线索运营,到销售侧的线索运营,亦即从线索到商机到订单,整个过程都需要营销。甚至到购买行为发生后,增购、复购等行为的发生也需要营销。前链路工作可以以营销为主,后链路工作可以以销售为主,而这个边界也越来越模糊了。

杨炯纬认为,销售一定要有营销理念。而至于营销职能,则可以用工具替代。「原来对营销人员的要求很高,不是每个人都能做营销的。但是今天,客户洞察、内容生产、内容传播,都可以通过AI等技术工具来完成。换句话说,我们通过数据、AI等技术工具,帮助一线销售成为营销高手。」

目前,卫瓴使用AI技术主要覆盖如下功能:帮助销售做客户意图洞察和客户总结,即根据过去所有与客户的沟通行为来做总结;帮助销售生产营销内容,例如生成有专属二维码的海报,个性化的推荐文案;亦即针对销售的个性化建议,等等。

SCRM是CRM的下一代

从某种意义上说,卫瓴延伸进入销售领域,也是在红海中寻找一片蓝海。在杨炯纬看来,中国的任何一个市场,一旦被标记出来,很快会变成红海。「但是市场的边界不断被重新定义的。」就像卫瓴科技将Martech延伸到销售端一样,「一旦重新定义,你就会发现还存在很多蓝海。」

杨炯纬举例说,餐饮企业招商,或者园区的招商,从来没有被认为是Martech行业。但是,这些招商专员也需要销售线索,判断是否属于目标客户,如何说服加盟品牌,实际上仍然是销售行为。这样的企业就会与卫瓴合作

而卫瓴真正需要面对的问题,是B2B企业的理念问题,尤其是这些企业的数字化程度、数字化意识,以及营销的意识,总体来说较弱,比B2C企业弱很多。很多B2B企业的营销职能归属于市场部或品牌部,所承担的任务仅仅是负责官网、公众号内容,组织活动,参加一些展会,等等。即便是与销售部有合作的市场部,工作范围也局限于提供销售线索,培育销售线索。大部分B2B企业的市场部与销售部几乎没有交集。

在杨炯纬看来,企业高层领导应该知道营销应该做什么,了解市场部应该与销售部做全链路全生命周期的客户关系管理,学会管理销售漏斗,具备这个意识,适合的技术工具就会呼之欲出。而技术工具也会反向推动企业的数字化转型。杨炯纬举例说,品牌希望投放的广告都能达成销售,这在人、货、场割裂的时代是无法实现的;但是现在人、货、场合一,品牌在抖音这样的平台可以直播卖货,从而推动营销手段数字化,甚至品牌内部组织架构、流程、渠道体系都会围绕ROI这一目标来构建。

因此,杨炯纬认为在B2B领域,SCRM是下一代的CRM,因为社交网络是将营销与销售场景合二为一,因此需要营销与销售以转化为目标发生协同。这就相当于人、货、场打通了一样,一定会导致营销与销售的组织架构、线索流转体系发生变化,推动企业进行数字化转型。虽然B2B企业本身的产品(服务)更具个性化,营销销售场景更为复杂,数字化的步伐不会像B2C企业那么迅速,但是会持续下去。

相关推荐
YSGZJJ35 分钟前
股指期货的套保策略如何精准选择和规避风险?
人工智能·区块链
无脑敲代码,bug漫天飞37 分钟前
COR 损失函数
人工智能·机器学习
HPC_fac130520678162 小时前
以科学计算为切入点:剖析英伟达服务器过热难题
服务器·人工智能·深度学习·机器学习·计算机视觉·数据挖掘·gpu算力
小陈phd4 小时前
OpenCV从入门到精通实战(九)——基于dlib的疲劳监测 ear计算
人工智能·opencv·计算机视觉
zhixingheyi_tian4 小时前
Spark 之 Aggregate
大数据·分布式·spark
PersistJiao4 小时前
Spark 分布式计算中网络传输和序列化的关系(一)
大数据·网络·spark
Guofu_Liao5 小时前
大语言模型---LoRA简介;LoRA的优势;LoRA训练步骤;总结
人工智能·语言模型·自然语言处理·矩阵·llama
宅小海7 小时前
scala String
大数据·开发语言·scala
小白的白是白痴的白7 小时前
11.17 Scala练习:梦想清单管理
大数据
java1234_小锋7 小时前
Elasticsearch是如何实现Master选举的?
大数据·elasticsearch·搜索引擎