BLOG 1 ”Käyttökohteet”: Datan saavutettavuus tekoälyavusteisessa B2B-myynnissä

Paljon neuvottelua ja räätälöintiä vaativassa B2B-myynnissä sekä myyjä että asiakas hyötyvät, jos parhaaseen mahdolliseen tarjoukseen ja tilaukseen päästään mahdollisimman nopeasti. Tässä blogisarjassa käymme lävitse kuinka tekoälyn avulla voidaan tehostaa myyntiprosessia niin teknologian kuin liiketoiminnankin näkökulmista.

Tekoälyn hyödyntämistä myynnin tukena tutkitaan Eurooppalaisessa INNOSALE-tutkimushankkeessa. Suomalaiset yritykset Konecranes ja Molok tunnistivat tekoälyn hyödyntämiselle potentiaalisimpia use case-tapauksia. Näiden perusteella Wapice ja LeadDesk kehittävät teknisiä alustojaan yhteensopiviksi tekoälyn kanssa. Tutkimusosapuoli VTT tutkii ja kehittää tekoälymalleja sekä datankäsittelypolkuja myynnin tueksi.

Tässä blogisarjassa jaamme Suomalaisten projektiosapuolten kokemuksia haasteista ja löytämistämme ratkaisuista, kun halutaan kolmannen osapuolen osallistuvan yrityksen omistuksessa olevan datan analysointiin. Vaikka kokemukset ovatkin tutkimusprojektissa kerättyjä, ne ovat yleistettävissä tilanteeseen, jossa yritys pyrkii hankkimaan kaupallisesti kolmannen osapuolen tekemää analysointipalvelua.

Blogisarjassa esitellään eri näkökulmia tietojen saatavuudesta tekoälylähtöisessä B2B-myynnissä käyttötapauksista (osa I, tämä blogi), sidosryhmistä (osa II), datan jalostamisesta (osa III), tekoälymallien luottamuksellisuudesta (osa IV) ja liiketoiminnan hyödyistä (osa V), joka päättää blogisarjan. Blogeissa yritykset jakavat kokemuksiaan ja tavoitteitaan tekoälyn hyödyntämiseen liittyen. Blogisarja ja sarjan lopuksi pidettävä webinar-tilaisuus löytyvät osoitteesta https://www.innosale.eu/. Webinaari pidetään 29.5.2024 14:00-15:30 (Suomen aikaa), rekisteröitymislinkki myös tässä.

Tavoitteena myynnin tehostaminen

B2B-myynnissä kaupan kohteena olevat tuotteet ovat usein monimutkaisia, räätälöitäviä sekä kalliita verrattuna kuluttajatuotteisiin. Tuotteet ovat myös usein sellaisia, joilla on merkittävä osuus asiakkaan liiketoiminnan onnistumiselle ja toiminnan tehokkuudelle. Tuotteen arvoa on myös sen myös elinkaaren aikaisissa palveluissa, kuten huoltopalvelut- ja varaosapalvelut sekä kunnostukset. Tämä asettaa kokeneellekin myyjälle suuria vaatimuksia – myyntiprosessissa täytyy osata tarjota asiakkaalle nopeasti oikeanlainen tuote.

Jotta yritys voisi tehostaa myyntitoimintaansa olisi hyödyllistä lyhentää neuvotteluaikaa ja tarvittavan edestakaisen tiedonvaihdon määrää niin myyjän, asiakkaan kuin tarjouksen tekoa tukevan sisäisen tukihenkilöstön kannalta.

Tekoälyn hyödyntäminen

Koska B2B-myynnissä kyseessä ei ole yleensä ns. hyllytuote, tarjousvaiheessa käydään lävitse useita tarjouksia. Tämä on haastavaa kummallekin osapuolelle; myyjän täytyy tutustua huolella asiakkaan tarpeisiin ja moninaisiin toimintaympäristöihin. Asiakkaan puolestaan täytyy tutustua kulloisenkin tarjoajan tuotteisiin, joiden ominaisuudet sekä hinta vaihtelevat. Usein neuvottelut asiakkaan kanssa ovat ajallisesti pitkiä, jotta löydetään parhaiten tarpeeseen sopiva tuote ja pystytään valitsemaan sen tarkemmat ominaisuudet kuten esimerkiksi konetuotteissa voimanlähde, väri, teho, koko jne.

Tekoäly tuo tässä selkeästi hyötyä; se voi auttaa niin kokeneita ja kuin uusia myyjiä tekemään enemmän ja parempilaatuisia tarjouksia aikaisempaa lyhyemmässä ajassa. Tekoäly kuitenkin vaatii toimintansa pohjaksi tietoa. Toiminnanohjaus- (ERP) ja asiakkuuksienhallinta (CRM) ja palvelunhallintajärjestelmät kuten Efecte sisältävät valtavasti tietoa, jota voidaan hyödyntää. Yrityksissä hyödynnetään näiden järjestelmien dataa analyyseissä- ja ennusteissa esimerkiksi Microsoft BI:n avulla tai näihin järjestelmiin integroitujen tekoälytoiminnallisuuksien avulla.

Tuloksena on kuitenkin yleensä yritys- tai osastotason analyysejä, joilla ei ole välttämättä suurta arvoa yksittäisten myyntiliidien yksityiskohtien varmistamiseksi. Jotta apua saadaan arkiseen myyntityöhön myyjän suoraksi avuksi tarvitaankin jo kehittyneempää tekoälyä ja myyntityön informaatiovirtoja tukevia prosesseja.

Esimerkkejä tekoälyn avustamista myyntitilanteista

Tutkimushankkeessa mukana olevat yritykset ovat tunnistaneet suuren määrän käyttökohteita tekoälyn hyödyntämiselle B2B-myyntiprosessissa. Näissä korostuu myyntihenkilöiden konkreettinen tukeminen myyntineuvottelun aikana hyödyllisellä lisätiedolla ja tarjousautomaatiolla. Tekoäly voi auttaa myyntityössä esimerkiksi seuraavin tavoin:

• KÄYTTÖTAPAUS A: ”Ehdotuksia optimoidusta tarjouksesta” Asiakkaalle luodaan automaattisesti tarjous, jossa aiempaan tilaushistoriaan ja paikallisiin sääntelyn vaatimuksiin perustuen ehdotetaan sopivinta tuotekonfiguraatiota ja hintaa. Myyjä saa tekoälyltä perustellun konfiguraatioehdotuksen lisäksi myös listan mahdollista muista tuotteista tai lisäpalveluista, joita saman asiakassegmentin asiakkaat ovat tilanneet aiemmin. Hinta on arvioitu dynaamisesti asiakashistoria ja segmentti sekä materiaalien ajankohtainen hinta huomioiden. Myyjä voi hyödyntää tarjousehdotusta suoraan tai jatkojalostaa sitä ennen sen lähettämistä asiakkaalle.
• KÄYTTÖTAPAUS C: ”Puhelinmarkkinointi” Asiakkaan kanssa käytävässä keskustelussa hyödynnetään keskustelupohjaa, jota neuvottelun aikana voidaan seurata ja valita siinä eri polkuja keskustelun perusteella. Tekoälyn avulla pohjaan on tunnistettu etukäteen mitä asioita asiakas tai asiakasryhmä arvostaa tuotteissa aiempiin onnistuneisiin myynteihin nojaten. Lisäksi datasta selviää oikea tapa ja aika yhteydenotolle. Tästä on apua etenkin uusille myyjille tai puhelinmarkkinoinnissa.
• KÄYTTÖTAPAUS C: ”Tuoteräätälöinti” Asiakkaan kysyessä mahdollisuutta tuoteräätälöintiin, tekoäly avustaa myyjää löytämällä aiempia viestejä, tarjouksia, tilauksia sekä muuta yrityksen sisäistä informaatiota, joista voi olla apua asiakkaalle vastaamisessa. Parhaimmassa tapauksessa yrityksellä voi jo olla valmiita tuotepiirustuksia tai referenssejä myynnin tueksi.

Käytännössä myyjä saa tekoälyn rakentaman ehdotuksen saman järjestelmän kautta, jota hän käyttää muutenkin myyntityössään. Esimerkiksi, jos myyjä täyttää tarjousta varten yrityksensä tuotekonfiguraattorilla tuotekuvausta asiakaskeskustelun perusteella, tuottaa tekoäly myyjälle valmiiksi täytetyn konfiguraation samaan järjestelmään.

Molokin tavoitteet ja näkökulma

Molokia kiinnostaa erityisesti käyttötapaus A ja sen piirissä myyjälle koottava ehdotus asiakkaalle sopivammasta tuotekonfiguraatiosta, joka ottaa myös paikalliset jätehuolto- ja -lajittelumääräykset huomioon. Tekoälyn kokoama ehdotus nopeuttaa tarjouksen tekoa sekä tukee uusia myyjiä tekemään laadukkaita asiakkaan tarpeita vastaavia tarjouksia, tarjoten myös tuotteita, joita muut samanlaiset asiakkaat ovat ostaneet. Myyjällä on mahdollisuus muokata tekoälyn rakentamaa ehdotusta. Yrityksen datan jatkojalostamisen avulla tavoitellaan teknologialoikkaa myyntiprosessissa, nopeampaa tarjousten tekoa sekä järjestelmää, joka tukee myyjää tarjouksen teossa asiakas- ja tarjoushistoriaan perustuvan analyysin avulla.

Haasteina nähdään datan laatu, sillä paikalliset määräykset ovat monimuotoisia sekä nykyinen tapa, millä konfiguraattori tallentaa tietoa ei riitä datan laadullisesti projektin tarpeisiin. Huonolaatuinen data johtaa laadultaan heikkoon lopputulokseen ja korkeampaan koneoppimismallin virheeseen koulutetun mallin osalta. Datan saatavuus on myös haasteellista, sillä hyödyllistä dataa puuttuu ja se vaatisi yrityksen oman historiadatan rikastuttamista uudella tiedolla.  Koneoppimismalli saadaan toimimaan tehokkaasti vasta kun puuttuva data on saatavilla. Mikäli puuttuvaa dataa ei saada, vaikuttaa se myös projektin tavoitteiden saavuttamiseen.

Mahdollisuuksina on tulevaisuudessa hyödyntää projektissa opittuja asioita monimutkaisten tuotteiden B2B myyntiprosessin innovoinnissa, kehittää tilaus-toimitusprosessia hyödyntämään tekoälyä sekä parantaa ymmärrystä liittyen datan laatuun ja saatavuuteen ja tehdä toimenpiteitä, jotta dataa on silloin saatavilla, kun sitä tarvitaan.

Tekoäly tarvitsee dataa toimiakseen

Kuten missä tahansa prosessissa, tekoälyn hyödyntämisessäkin sisään menevä materiaalin (data) laatu ja määrä ovat oleellisia asioita lopputuloksen onnistumisen kannalta. Jotta dataa ylipäätään saadaan käytettäväksi siiloutuneiden tietojärjestelmien ylitse, täytyy löytää kunkin datan omistajat tavoittaa. Tätä käydään lävitse blogisarjan seuraavassa jaksossa.

Kirjoittajat

Marko Jurvansuu (VTT), Sari Järvinen (VTT, projektipäällikkö) ja Anna Räty (Molok).