Как B2B-компании оценивают лиды и находят новые opportunities
Подготовили 15-минутное видео с самыми лучшими инсайтами из нашего англоязычного выпуска подкаста B2B Marketing Leaders про лиды в B2B-маркетинге.
Спикеры:
• Ralff Tozatti, Global Director Marketing AI Strategy, Systems & Automation в Thomson Reuters • Hitendar Sethi, Director Product Marketing | AI Security в Palo Alto Networks • Rahul Agarwal, Product Manager в Trystar
О чем поговорили:
В Thomson Reuters в какой-то момент поняли, что разные бизнес-юниты по-разному трактуют MQL,SAL и opportunity. Поэтому команда вместе с Gartner и Forrester описала каждый этап воронки и закрепила единые определения в CRM компании. Задача была простой: чтобы маркетинг и продажи одинаково понимали, что считать лидом, и когда он переходит на следующий этап. При этом главная метрика для команды - не количество лидов, а объем pipeline и то, какая его часть в итоге конвертируется в продажи.
Rahul поделился, как это устроено в Trystar. Компания производит сложное промышленное оборудование с длинным циклом сделки, поэтому если человек спрашивает, например, может ли компания поставить конкретный трансформатор, скорее всего, он уже изучил рынок и понимает, что ему нужно. Дальше продажи оценивают возможности производства, необходимую кастомизацию, цену и маржинальность и только после этого переводят контакт в opportunity.
Hitendar рассказал, что команда стала строже относиться к тому, кого вообще считать лидом. Вместо MQL они используют MEL - marketing engaged lead. Одного скачивания ebook или заполненной формы недостаточно. Чтобы человек попал в воронку, команда хочет увидеть несколько сигналов интереса. Это особенно важно в AI-эпоху, где много шума - одно действие покупателя еще мало о чем говорит.
Также обсудили разницу во взглядах маркетинга и продаж на качество лидов. По опыту Hitendar, продажи интересуют не сами лиды, а потенциальные сделки. Поэтому маркетинг старается смотреть не на отдельного человека, а на весь аккаунт в целом: кто из компании взаимодействует с контентом, какие темы интересуют этих людей, и к каким продуктам они проявляют интерес. Так команда продаж получает не просто список контактов, а более полную картину по потенциальной сделке.
Еще один большой блок был про качество данных. Thomson Reuters работает с CDP-командой и использует AI и данные сторонних провайдеров для заполнения пробелов, проверки информации и чистки базы. Ralff рассказал, что в пяти пилотах такая работа с данными повысила конверсию на ~12–15%.
Обсудили и использование AI. Ralff применяет его не для персонализации под каждого отдельного человека, а для небольших сегментов с похожими сигналами и событиями. AI помогает быстро адаптировать базовое сообщение под каждый такой сегмент, а человек уже проверяет финальный вариант.
В Trystar сделали собственного AI-агента, в который загрузили бренд-гайдлайны, информацию о продуктах и профили целевой аудитории. Он помогает быстрее готовить контент, а команда также тестирует AI для lead scoring. При этом Rahul отметил, что критерии для оценки лидов нужно регулярно пересматривать на основе обратной связи от продаж.
Hitendar также поделился экспериментом с генеративным AI для создания кампаний. Команда Palo Alto Networks использовала Nano Banana и Sora для создания видео, рекламных кампаний, лэндингов и других материалов. По его словам, такую кампанию удалось произвести примерно в 1 000 раз дешевле, чем при традиционном подходе. Теперь команда смотрит, как это влияет на результаты.
Посмотреть выпуск можно на YouTube: https://youtu.be/FIRzuhyzNWM++. Еще больше инсайтов от экспертов по этой теме можно прочитать в статье по ссылке.
