目录:
视频: Лунтик - Английский алфавит для детей|Учим английский алфавит с Лунтиком|Развивающий мультфильм (十一月 2024)
在未来几年中,客户关系管理(CRM)提供商(包括Microsoft,Salesforce和Zoho等技术巨头)之间日益激烈的竞争将导致我们与CRM工具进行交互的方式发生根本性的转变。 尽管大多数宣传将围绕人工智能(AI)和机器学习(ML),但是CRM未来的真正驱动力可能比您想象的要简单得多。
总部位于西雅图的销售自动化初创公司Outreach的首席执行官Manny Medina表示,CRM提供商希望在产品方面采取从根本上解决问题的方法。 麦地那在商业技术方面拥有悠久的历史。 他是Amazon Web Services团队的第一批员工之一,在担任现职之前还曾担任Microsoft高管。 最近,我们与麦地那(Medina)谈到了他对CRM领域发展的一些预测。
事物状态
要了解CRM的发展方向,您必须查看CRM的发展方向。 Medina表示:“有了CRM,我们一直渴望得到的结果是对客户旅程的统一看法-从了解客户到保持和向上销售的各个阶段。 “每个人都在努力追求整个端到端的事情。”
自从迁移到基于云的软件以来,公司在此过程中分散了各个环节。 Medina说:“ Salesforce占据了渠道的中点,而Marketo之类的应用则占据了营销自动化Feed的最重要部分。” “在
尽管销售漏斗两端的工具功能强大,但这为企业带来了分散的问题。 “问题在于,Marketo之类的唯一表示形式与CRM和
但是,最大的陷阱可能是
麦迪娜(Medina)引用了自己在Outreach的团队,该团队的代表一天可以处理多达100封电子邮件。 他说:“手动输入他们所有的信息和合理的注释是一件很麻烦的事情。” 尽管有一些工具可以帮助实现这些过程的自动化,但它们并不全面。 捕获活动数据是一件很痛苦的事情,并且这些数据毫无用处,因为员工没有正确使用解决方案。
智力炒作
AI和ML在CRM领域并不陌生。 2017年,Salesforce推出了爱因斯坦引擎,并将其提供给所有客户使用。 Zoho以其Zoho Intelligent Assistant(Zia)的形式提供了类似的工具。 这些系统旨在使用预测分析和其他方法来促进公司的销售流程。 至少是这样。 到目前为止,麦地那认为智能化推动是过时的。
麦迪娜说:“ Salesforce有点不高兴推出爱因斯坦。他们宣布了功能并没有真正发挥作用。我认为他们需要更多时间才能真正使它发挥作用。” “机器学习的问题是人们使用预测分析太快了,而没有提供真正理解交叉关系的帮助。”
问题在于ML在CRM中的工作方式。 在大多数情况下,ML会识别大型数据集中的大型关系。 它发现了大量的相关性,而没有提供关于事情发生原因的任何真实见解。
Zapier联合创始人兼首席执行官Wade Foster也
Outreach的Medina提供了一个有关
注重简单性
麦迪纳(Medina)预测,明年,人工智能和机器学习将不会像您认为的公司营销那样引人注目。 “一堆令人失望的事情,一堆无法解决的问题,以及一种回到基础的方法,我们将不再谈论ML,而回到真实的数据科学领域。”
Medina提供Facebook,Google和Netflix的数据操作,作为公司对数据进行智能洞察的典范示例。 将从个人分析中收集数据见解,以发现改进销售团队的机会。
麦地那说,这种从基础开始的方法是指导他在外展工作的指导。 “销售代表的住所与
外联计划要做的是结合方便
数据饥饿
在我们的整个谈话中,麦迪纳(Medina)提到他认为所有CRM服务提供商都在“渴望数据”。 他预测,为了囊括更多客户旅程,Salesforce等开发人员将像2016年与Amazon Web Services一样签署更具战略意义的合作伙伴关系。这些伙伴关系既可以涵盖整个客户旅程,也可以扩展他们的业务。数据。 Medina说:“ Salesforce建立在Oracle数据库上。” “它不能很好地扩展。它不能容纳非结构化数据以及结构化数据。这就是为什么我们看到所有这些合作伙伴关系的原因。它们需要多样化的多供应商战略。”
在CRM领域将继续更新其基础架构的同时,企业将寻找新的有效途径来获取潜在客户。 大多数LinkedIn用户可能会认为该网站是用于联网和共享内容的平台。 但是对于包括CRM开发人员在内的许多公司而言,LinkedIn是一个丰富的数据矿山,可用于利用用户信息。
麦地那说:“ LinkedIn是目前唯一可以自我更新的工作社交数据库。” “因此,微软有一个优势,因为他们可以减慢其API的开放速度。” 考虑到Microsoft提供了自己的CRM平台这一事实,不难想象该公司自己使用LinkedIn数据的想法。