admin
Pada 2019, saya memimpin tim penjualan dan strategi pertumbuhan untuk perusahaan AI yang didukung usaha bernama atSpoke. Perusahaan, yang akhirnya diakuisisi oleh Okta, menggunakan AI untuk meningkatkan manajemen layanan TI tradisional dan komunikasi internal perusahaan.
Pada tahap paling awal, tingkat konversi kami tinggi. Selama tim penjualan kami dapat berbicara dengan prospek — dan prospek tersebut menghabiskan waktu dengan produk — mereka akan lebih sering menjadi pelanggan. Masalahnya adalah mendapatkan prospek yang cukup kuat untuk terhubung dengan tim penjualan.
Buku pedoman SaaS tradisional untuk pembuatan permintaan tidak berfungsi. Membeli iklan dan membangun komunitas yang berfokus pada “AI” sama-sama mahal dan menarik penggemar yang tidak memiliki daya beli. Membeli istilah penelusuran untuk proposisi nilai khusus kami — misalnya, “permintaan perutean otomatis” — tidak berhasil karena konsepnya masih baru dan tidak ada yang menelusuri istilah tersebut. Terakhir, istilah seperti “alur kerja” dan “tiket”, yang lebih umum, membawa kami ke persaingan langsung dengan paus seperti ServiceNow dan Zendesk.
Dalam peran saya sebagai penasihat perusahaan teknologi perusahaan tahap pertumbuhan sebagai bagian dari tim platform B Capital Group, saya mengamati dinamika serupa di hampir setiap AI, ML, dan perusahaan analitik prediktif lanjutan yang saya ajak bicara. Pembuatan pipa yang sehat adalah momok industri ini, namun hanya ada sedikit konten tentang cara mengatasinya.
Pertahankan tautan ke kategori yang terkenal di perpesanan awal, meskipun kategori tersebut bukan inti dari proposisi nilai Anda atau mengapa orang pada akhirnya akan menandatangani kontrak.
Ada empat tantangan utama yang menghalangi pembuatan permintaan untuk perusahaan AI dan ML dan taktik untuk mengatasi tantangan tersebut. Meskipun tidak ada peluru perak, tidak ada konferensi pembeli AI rahasia di Santa Barbara atau utas Reddit penggemar ML, kiat-kiat ini akan membantu Anda menyusun pendekatan Anda terhadap pemasaran.
Tantangan 1: Kategori AI dan ML masih ditentukan
Jika Anda membaca ini, Anda mungkin tahu kisah Salesforce dan “SaaS” sebagai sebuah kategori, tetapi kecemerlangannya berulang. Ketika perusahaan dimulai pada tahun 1999, perangkat lunak sebagai layanan belum ada. Pada awalnya, tidak ada yang berpikir, “Saya perlu mencari solusi SaaS CRM.” Pers bisnis menyebut perusahaan itu sebagai “layanan perangkat lunak online” atau “layanan web”.
Pemasaran awal Salesforce berfokus pada masalah perangkat lunak penjualan tradisional. Perusahaan dengan mengesankan mengadakan “akhir perangkat lunak” protes pada tahun 2000. (Salesforce masih menggunakan pesan itu.) CEO Marc Benioff juga mengulangi istilah “perangkat lunak sebagai layanan” sampai istilah itu populer. Tenaga penjualan dibuat kategori yang mereka kuasai.
Perusahaan AI dan ML menghadapi dinamika serupa. Meskipun istilah seperti pembelajaran mesin bukanlah hal baru, area solusi spesifik seperti “kecerdasan keputusan” tidak termasuk dalam kategori yang jelas. Bahkan, mengelompokkan perusahaan “AI/ML” pun terasa canggung, karena ada begitu banyak persilangan dengan kecerdasan bisnis (BI), data, analitik prediktif, dan otomatisasi. Perusahaan dalam kategori yang lebih baru dapat memetakan istilah seperti integrasi berkelanjutan atau manajemen kontainer.
