B2B-erhvervelse: Få mere liste for dine penge
Erhverv fra forretning til virksomhed kan være ret skræmmende. Hvis du er en organisation, der servicerer en stor region med et lille antal ansatte, vil du sikre dig, at din erhvervelsesstrategi er effektiv. Hvis der er 50,000 virksomheder i regionen, lad os forestille os, at du kan kontakte 25 potentielle kunder om ugen eller 5 om dagen. Det kræver, at du har 20 sælgere. Det er ret aggressivt for et salgs- og telemarketingteam, og chancerne er, at du ikke har en så stor salgsstyrke!
Hvad hvis du kun kunne komme i kontakt med 5,000 virksomheder (1 ud af 10)? Hvordan ville du finde og målrette mod disse virksomheder? Svaret ligger i nogle ret enkle databasemarketingteknikker, der anvendes til erhvervelse mellem virksomheder og virksomheder. Jeg leverede denne analyse for over et år siden til et regionalt firma, og nu afsluttede vi netop vores andet år med efterforskning efter dem. Det er ikke raketvidenskab, det er simpelthen prospektering i brancher, der matcher firmagraf i din kundebase.
Trin 1: Profil dine virksomheder. Dette er en tjeneste, som de fleste dataselskaber leverer til dig til en moderat pris. InfoUSA, Dun og Bradstreet og AccuData er nogle få af disse typer virksomheder. Når du har modtaget rapporterne, er det vigtigt at analysere og kompilere dem til meningsfulde data. Her er et eksempel (Klik for at se):
År i erhverv efter branche - Penetration%:
Forretningsomsætningsvolumen efter branche - Penetration%:
Antal medarbejdere efter branche - Penetration%:
Trin 2: Analyser resultaterne
Penetration er den procentdel af kunder i det interval, som du har sammenlignet med den gennemsnitlige procentdel af potentielle kunder i dette interval. Med andre ord, hvis 25% af dine kunder har været i branchen mindre end et år, men kun 10% af de regionale virksomheder har været i branchen mindre end et år, så målretter du bedre nye virksomheder! Ved at gøre det øger du dine chancer for at finde et kundeemne snarere end at se på virksomheder, der ikke sammenligner.
Det fortællende tegn på, hvorvidt du kan handle på dataene, er simpelthen at se på formen på kurverne og forholdene inden for en industri. Her er nogle generelle observationer (lavt hængende frugt) fra diagrammerne ovenfor:
- Antal år i erhvervslivet: Læg mærke til, hvordan begge G & H har en top i det første år eller mindre? Jeg ville gå dybere ind i disse brancher og muligvis investere i prospekteringslister for nye virksomheder.
- Salgsvolumen: Mens mange af brancherne stiger og falder i en flot kurve, skal du bemærke, hvordan byggeri ramper opad? Så ... jo større byggefirmaet er, jo bedre!
- Antal medarbejdere: Bemærk, hvordan serviceindustrien er ret flad? Det fortæller mig, at antallet af ansatte muligvis ikke er en faktor i denne branche.
Trin 3: Anvend resultaterne
Hvis jeg ville være doven og hurtig, ville jeg simpelthen forsyne min datafirma med toppene på mine kurver og bruge dem som et minimum til målretning af udsigter inden for hver branche. Datafirmaer opkræver normalt ikke dig for at gøre nogle komplekse forespørgsler mod dataene for at komme op på din liste, så vær ikke genert, spørg! En langt bedre måde at gøre det på er at udvikle nogle scoringsalgoritmer baseret på profilen og derefter anvende denne formel på udsigterne for at få en samlet score for en kunde. Bestil blot dine kundeemner i faldende rækkefølge, og start anskaffelsen!
Trin 4: Udfør!
Da vi gennemførte disse kampagner for vores klient, analyserede vi, hvad deres gennemstrømning var for at kontakte potentielle kunder. At forstå, hvor mange kundeemner de kunne kontakte, gav os de tællinger, vi havde brug for for at indsnævre deres efterforskningslister. Vi gennemførte en 3-spids indsats, der resulterede i en 10% stigning i erhvervelsen!
Trin 5: Analyser de nye resultater og start forfra
Landskabet ændrer sig ligesom dine kunders egenskaber. Det er vigtigt at fortsætte med at forbedre og justere dine scorealgoritmer og prospektering.
Sidste note: Der er hele bøger, der er skrevet på databasemarketingteknikker. Det er svært at kommunikere en kompleks databasemarkedsføringsproces i et enkelt blogindlæg, så jeg har taget mig friheden til at komme med mange antagelser og tage mange genveje. Den egentlige proces, som vi skubbede denne klient igennem, tog et par måneder. Vi identificerede og matchede 95% af deres kundebase til Dun og Bradstreet-data for at få en enestående profil. Da vi valgte vores endelige udsigter, udelukkede vi selvfølgelig deres nuværende og for nylig udløbne kunder.
Jeg ville simpelthen formidle, at der er nogle relativt enkle og meget strategiske analyser, du kan gøre lige ud af et Excel-regneark, der vil forbedre din forretning til erhvervelsesindsats!