Der KI-Use-Case der wirklich Umsatz bringt

4 min read
03.07.2024 11:37:35
Der KI-Use-Case der wirklich Umsatz bringt
6:07

Vom Datenchaos zum KI-gesteuerten Matchmaking

Stell dir vor: Dein Sales-Team verschwendet 75 % seiner Zeit mit den falschen Kontakten und administrativen Aufgaben.

Dabei wird doch gerade versprochen, dass die Künstliche Intelligenz (KI) alle diese Probleme in Sales und Marketing lösen wird und es kommen jede Woche neue Tools auf den Markt. Chaos pur, oder?

Noch vor drei Jahren war KI «Bleeding Edge» in Marketing und Sales. Jetzt schreien die Schlagzeilen, dass KI unsere Jobs übernimmt.

Der Reality-Check

Wir teilen die ersten Ergebnisse des Sales Efficiency Reports und haben die Antworten von 130 B2B-Unternehmen analysiert, um herauszufinden, welche Anwendungsfälle von KI und Automatisierung wirklich den Umsatz treiben.

 

Hör dir den Podcast an:

Spotify Apple Podcasts Amazon Music | Midlife Entrepreneur Podcast ListenOnYouTube

Spoiler: Der Top-Use-Case ist, CRM-Kontakte validieren, anreichern und qualifizieren

Und wir zeigen euch in drei einfachen Schritten, wie ihr diesen Game-Changer konkret nutzen könnt. In dieser Episode sprechen Marc und Valentin, über den Weg vom KI-Hype zur praktischen Anwendung.

Welcher KI-Use-Case bringt am meisten Wert in Bezug auf Umsatzsteigerung?

stats-use-cases

Marc, der seit seinem 16. Lebensjahr Marketing- und Salesteams aufbaut, passende Software implementiert – und Valentin, der wie kein anderer Entwicklungsteams führt und Softwareprodukte plant und umsetzt – führen uns durch die Schritte. Lasst uns herausfinden, wie man aus einer Flut von Daten wertvolle Kundenkontakte herausfiltert, validiert und qualifiziert. Bereitet euch auf handfeste Tipps vor, wie ihr mehr Deals abschliesst und die Effizienz des Sales Funnels steigert.

Los geht’s in drei Schritten

Schritt 1: Daten Input

Woher kommen CRM-Daten?

Dein CRM-System wie HubSpot oder Salesforce benötigt lediglich Vorname, Nachname, Firmenname oder Geschäfts-E-Mail (optional). Klingt einfach, aber woher kommen diese Daten?

Die Quellen der CRM-Daten

Historisch gesehen stammen CRM-Daten aus verschiedenen bisherigen Aktivitäten wie alten Newsletter-Listen, früheren Sales-Mitarbeitern und vielem mehr. Beispiele sind:

  • Kontaktformulare
  • Kalendereinträge
  • Newsletter-Abonnements
  • Webinar-Anmeldungen
  • Website-Chats
  • Kundenservice-Interaktionen
  • Whitepaper-Downloads
  • Telefonanrufe
  • Visitenkarten
  • LinkedIn-Kontakte

Zusätzlich gibt es Tools zur Besucheridentifikation von Websites wie Albacross, Leadinfo, Salesviewer und RB2B (nur USA) die Besucher auf der Website identifizieren. Oder Teamfluence, was Interaktionen wie Likes, Comments, Followers auf LinkedIn tracken. 

Herausforderungen der CRM-Daten

Diese Daten sind oft veraltet, Personen haben ihre Jobs gewechselt, und du weisst nicht, wie du sie angehen sollst. Zudem stimmt das Timing nicht – es sei denn, du gehst mit allen mittagessen.

Schritt 2: Daten anreichern und validieren

Hier kommen Anbieter ins Spiel, die signalbasierte Verkaufsdaten und Intent-Daten liefern. Aber Achtung, Signal- oder Intent-Daten sind nicht gleich Kaufbereitschaft – sie sind nicht der heilige Gral.

Relevanz erarbeiten

Trigger können Jobpositionen sein, die gesucht werden, oder eine steigende Mitarbeiteranzahl. Durch konsistentes Timing und relevante Themen kannst du Relevanz schaffen.

Datenanreicherung

Verwende verschiedene Datenanbieter und öffentliche Daten, um Kontaktdetails zu validieren und anzureichern. Scrape LinkedIn-Profile und Firmenseiten nach Signals wie Mitarbeiterwachstum, Branche, Jobanzeigen, Sprache, letzter Post, Kommentar und mehr.

Deep Lead Research mit Claygent

Clay kennst du bestimmt bereits, die haben kürzlich 62 Mio. $ bei einer Bewertung von 500 Mio. $ eingesammelt, und starten jetzt ganz schön durch. Es gibt bei Clay die Integration von Claygent, um noch tiefere Lead Research zu betreiben.  

clay-enrichment-browser

Gehe tiefer: Suche nach Blogartikeln, Whitepapers, Vorstandsmitgliedern, Projekten und Kundenlisten. All diese Daten helfen, ein vollständigeres Bild deiner Leads zu bekommen.

Step 3: Qualify Leads

Leads qualifizieren

Mit einem Match Score von OpenAI kannst du sehen, ob ein Lead ein guter Fit ist. Verwende Kriterien wie Mitarbeiterzahl, Wachstum und Jobanzeigen. Score deine Kontakte mit 1–3 Sternen basierend auf ihrem Fit zu deinem Ideal Customer Profile (ICP) und deiner Buyer Persona.

Prioritäten setzen

Teile deine Leads in niedrige, mittlere und hohe Prioritäten ein. Aktualisiere dein CRM, um zu wissen, wo der Lead in der Buyer Journey steht und wer der Account Owner ist. Setze SQL, MQL und weise Account Owner zu.

Fazit & Zusammenfassung

Der populärste KI-Use-Case aus den Rückmeldungen von 130 B2B-Unternehmen ist das CRM-Enrichment. Indem du deine Datenbasis richtig einsetzt, validierst und anreicherst und schliesslich die Leads qualifizierst, schaffst du eine Grundlage für effizientes Matchmaking. So verwandelst du das Datenchaos in eine gezielte, ertragssteigernde Sales-Strategie.

B2B Marketing und Sales Automation können dazu beitragen, effiziente Revenue Teams aufzubauen. KI kann den Arbeitsprozess in Marketing und Vertrieb verbessern, insbesondere in der Datenqualität und -anreicherung. Der Sales Efficiency Report zeigt die aktuellen Trends und Use Cases von KI im Vertrieb. Die Engagement-Strategie und die Segmentierung entlang der Buyer Journey sind entscheidend, um relevante und qualifizierte Leads zu generieren.

Der populärste Use Case ist: CRM-Enrichment

  1. Input: Bestehende Daten analysieren und definieren, wen man erreichen will.
  2. Validate & Enrich: Daten validieren und anreichern mit relevanten Informationen.
  3. Qualify: Leads qualifizieren und priorisieren nach Ideal Customer Profile (ICP), Buyer Persona (BP) und Buyer Journey.

Und dann?

Die harte Realität: Oft werden allgemeine Newsletter an alle Kontakte verschickt.

Der Dream Outcome: Gezielt Kontakt aufnehmen mit den richtigen, qualifizierten Leads.

Erfahre mehr über diese Anwendungsfälle in diesem Webinar, wir haben die ersten Resultate des Sales Efficiency Reports vorgestellt.