AI:sta puhutaan markkinoinnissa tällä hetkellä kahdella täysin erilaisella tavalla. Toisessa ääripäässä AI:n väitetään kohta hoitavan lähes koko markkinoinnin: sisällöt, kampanjat, personoinnin, prospektoinnin, asiakaspalvelun ja optimoinnin. Toisessa ääripäässä markkinointitiimi käyttää ChatGPT:tä muutaman LinkedIn-idean keksimiseen ja kutsuu sitä AI-strategiaksi. Minusta kumpikaan ei osu asian ytimeen.

Olen seurannut digitalisaatiota, markkinointiteknologiaa ja HubSpotin kehitystä pitkään. Juuri nyt suomalaisissa HubSpot-yrityksissä on havaittavissa kiinnostava muutos: AI:sta on siirrytty puhumasta siihen, miten se saadaan oikeasti töihin.

Keskusteluissa kysytään yhä useammin:

  • Voisiko AI analysoida CRM-dataamme?
  • Voisiko se tunnistaa parhaat prospektit?
  • Voisiko se personoida markkinointia asiakaskohtaisesti?
  • Voisiko se auttaa myyjää valmistautumaan?
  • Voisiko agentti palvella verkkosivulla olevaa ostajaa?
  • Voisiko AI kertoa, miksi häviämme kauppoja?

Ja voisiko kaiken tämän tehdä ilman, että yrityksen nykyisen teknologiapinon ympärille rakennetaan uusi AI-himmeli? HubSpot-käyttäjälle vastaus alkaa olla kiinnostava.

HubSpot keskelle. AI töihin. Ihminen ohjaamaan.

AI-strategian ei tarvitse alkaa uuden työkalun ostamisesta

Monessa yrityksessä AI-stack näyttää tällä hetkellä tältä:

  • ChatGPT yhdessä välilehdessä
  • Claude toisessa
  • CRM kolmannessa
  • Analytiikka neljännessä
  • Markkinoinnin automaatio viidennessä

Sitten ihmetellään, miksi AI:n tuottamat vastaukset ovat geneerisiä. Ongelma ei välttämättä ole AI:n älykkyys. Ongelma on kontekstin puute.

AI voi kirjoittaa hyvän sähköpostin tietämättä asiakkaasta mitään. Mutta se ei tiedä:

  • mitä asiakas on ostanut
  • mitä verkkosivuja hän on katsonut
  • mihin segmenttiin hän kuuluu
  • mitä myynnin kanssa on keskusteltu
  • mikä hänen lifecycle stagensa on
  • millaisia kauppoja samanlaisista yrityksistä on voitettu
  • missä vaiheessa pipelinea hänen yrityksensä on

HubSpot-käyttäjällä iso osa tästä kontekstista on jo olemassa. Se on CRM:ssä. Siksi AI-strategiaa kannattaa katsoa toisinpäin. Älä ensimmäisenä kysy: "Mitä kaikkea voisimme tehdä ChatGPT:llä?" Kysy: "Mitä kaikkea AI voisi tehdä, jos se pystyisi hyödyntämään HubSpotissa jo olevaa asiakaskontekstiamme?"

HubSpotin Loop Marketing -ajattelussa tätä tehdään jo esimerkiksi CRM-datan, Breezen sekä ChatGPT- ja Claude-connectorien avulla. AI:ta voidaan käyttää parhaiden asiakkaiden, kipupisteiden ja onnistuneiden kauppojen analysoimiseen ja havaintojen muuttamiseen markkinoinnin toimenpiteiksi. Tämä on minusta koko keskustelun tärkein muutos.

Kolme tapaa käyttää AI:ta markkinoinnissa

1. Light Assistance - AI auttaa ihmistä

Tämä on useimmille tuttu vaihe. ChatGPT:tä, Claudea tai Breezeä käytetään:

  • ideointiin
  • ensimmäisiin tekstiluonnoksiin
  • tutkimukseen ja datan tiivistämiseen
  • SEO- ja AEO-tutkimukseen
  • raporttien analysointiin
  • sisältöjen uudelleenkäyttöön

Tästä on helppo aloittaa ja tällä voidaan säästää paljon työaikaa. Mutta HubSpot-käyttäjän ei kannata jäädä tähän. Jos yrityksellä on HubSpot Pro, vuosien asiakasdata ja toimivat myynnin ja markkinoinnin prosessit, mutta AI:ta käytetään lähinnä blogiotsikoiden kirjoittamiseen, käytetään vain pientä osaa mahdollisuudesta.

HubSpotin AI-playbookissa CRM-dataa voidaan käyttää esimerkiksi parhaiten konvertoivien persoonien tunnistamiseen, funnelin pudotuskohtien analysointiin ja lämpimien kontaktien löytämiseen. AI ei silloin vain kirjoita. Se auttaa ymmärtämään, mitä pitäisi tehdä seuraavaksi.

2. AI osaksi HubSpotin prosesseja

Tässä on juuri nyt yksi suomalaisen B2B-markkinoinnin kiinnostavimmista mahdollisuuksista. AI lakkaa olemasta erillinen selainikkuna. Siitä tulee osa markkinoinnin ja myynnin prosessia.

  1. Prospekti tulee verkkosivulle ja HubSpot kerää käyttäytymisdataa.
  2. CRM-data rikastuu ja prospekti segmentoidaan.
  3. Hänelle näytetään relevantimpaa sisältöä ja oikea nurturing-polku käynnistyy.
  4. Ostosignaalit vahvistuvat ja lead score kasvaa.
  5. Kun kriteerit täyttyvät, myynti saa ilmoituksen - ja vasta siinä vaiheessa ihminen tulee mukaan.

Cocon omassa HubSpot-mallissa sama logiikka näkyy TOFU- ja MOFU-nurturoinneissa sekä Hot Lead Alertissa. Tämä on paljon kiinnostavampaa AI-automaatiota kuin se, että AI kirjoittaa meille enemmän sisältöä.

Tavoitteena ei ole tehdä enemmän asioita automaattisesti. Tavoitteena on tehdä oikeita asioita oikeille ihmisille oikeaan aikaan.

3. Agentit ovat seuraava askel

Ensimmäinen AI-aalto toi markkinointiin assistentit: ihminen pyytää, AI vastaa. Agenttiajattelussa lähtökohta on erilainen. Agentille annetaan tehtävä tai tavoite hoidettavaksi. HubSpot-käyttäjälle tässä on erityisen paljon potentiaalia, koska agentin ympärillä voi olla CRM:n asiakaskonteksti ja yhteys varsinaisiin markkinoinnin, myynnin ja palvelun prosesseihin.

Agent Hubin kaltaisen lähestymistavan kiinnostavuus ei siksi ole sanassa "agentti". Kiinnostavaa on se, mitä töitä voimme siirtää ihmiseltä agentille.

Prospecting Agent - kenelle myyjän pitäisi puhua seuraavaksi?

Myyjän kallista aikaa ei kannata käyttää tuntikausia CRM:n selaamiseen ja yritysten taustojen tutkimiseen. AI voi auttaa prospektien tutkimisessa, relevanttien yritysten tunnistamisessa ja seuraavan kontaktin valmistelussa.

Tässä AI:n tarkoitus ei ole korvata myyjää. Päinvastoin: sen tarkoitus on saada myyjä oikean asiakkaan eteen paremmin valmistautuneena. Ihmisen kannattaa käyttää aikansa keskusteluun. Koneen kannattaa käyttää aikansa tiedon etsimiseen.

Customer Agent - asiakkaalla on kysymys nyt, ei huomenna

B2B-ostaminen tapahtuu yhä enemmän ostajan ehdoilla. Prospekti voi olla illalla hinnoittelusivullasi ja miettiä: sopiiko tämä meille, mitä käyttöönotto vaatii, miten tämä eroaa kilpailijasta, voiko tämän integroida nykyiseen ympäristöömme?

Perinteisessä mallissa hän täyttää lomakkeen ja sitten odotetaan. HubSpotin AI-playbookissa Customer Agentia ehdotetaan esimerkiksi korkean intentin sivuille, kuten hinnoittelu- ja vertailusivuille, vastaamaan ostajan kysymyksiin ja ohjaamaan relevanttiin sisältöön.

Kolmen sekunnin vastaus voi olla arvokkaampi kuin kolmen päivän nurture.

Content Agent - ihmisen idea, AI:n skaala

Sisällöntuotannossa AI:ta käytetään tällä hetkellä aivan liikaa väärään asiaan: pyydetään konetta keksimään näkökulma. Minä tekisin päinvastoin. Ihminen tuottaa näkökulman, AI skaalaa sen.

Asiantuntijan 45 minuutin haastattelu voi olla lähtökohta. Siitä voidaan rakentaa:

  • blogi
  • videoita
  • LinkedIn-sisältöjä
  • sähköposteja
  • FAQ-sisältöjä
  • AEO-optimoituja vastauksia
  • kampanjamateriaalia

HubSpotin Express-ajattelussa yksi vahva brief ja yksi hyvä alkuperäinen sisältö voivat AI:n avulla toimia kokonaisen kampanjan perustana. Tämä on järkevää automaatiota: AI tekee raskaan tuotantotyön, asiantuntija omistaa edelleen ajatuksen.

Social Post Agent - skaalaa ajatusta, älä keskinkertaisuutta

En tarvitse agenttia keksimään joka aamu geneeristä LinkedIn-postausta vain siksi, että kalenterissa lukee "julkaisu tiistaina". Tarvitsen järjestelmän, joka ottaa hyvän alkuperäisen ajatuksen ja auttaa levittämään sitä: yksi asiakaskeskustelusta syntynyt havainto, yksi vahva mielipide, yksi video, yksi uusi datahavainto, yksi asia, jonka kilpailijat jättävät sanomatta.

HubSpotin materiaaleissa sama ajatus näkyy Content Remixin ja videoiden uudelleenkäytön ympärillä. AI:n ei tarvitse päättää, mitä yrityksesi ajattelee. Sen kannattaa auttaa saamaan ajatuksesi markkinoille nopeammin.

Deal Lost Agent - Closed Lost ei saisi olla keskustelun loppu

Monessa CRM:ssä hävitty kauppa päättyy tähän: Deal stage: Closed Lost. Sitten siirrytään seuraavaan. Mutta ajattele, kuinka paljon arvokasta dataa hävityissä kaupoissa on.

  • Hinta, kilpailija vai ajoitus?
  • Väärä ICP vai puuttuva ominaisuus?
  • Huono myyntiprosessi vai epäselvä arvolupaus?
  • Puuttuiko oikea päätöksentekijä?

Ja ennen kaikkea: toistuuko sama ongelma kymmenissä hävityissä kaupoissa?

Deal Lost Agent -ajattelussa yksittäisestä häviöstä voidaan tehdä oppimissignaali. Tämä sopii täydellisesti Loop Marketingin Evolve-periaatteeseen: älä raportoi vain sitä, mitä tapahtui, vaan opi siitä ja muuta seuraavaa kierrosta.

Tässä HubSpotin AI-mahdollisuus alkaa hahmottua

Kun nämä laitetaan samaan kuvaan, emme enää puhu siitä, "käyttääkö yritys ChatGPT:tä". Puhumme kokonaan uudenlaisesta toimintamallista.

  • Prospecting Agent auttaa löytämään ja tutkimaan potentiaalisia asiakkaita.
  • Content Agent auttaa muuttamaan asiantuntijuuden sisällöksi.
  • Social Post Agent auttaa levittämään ajatuksia.
  • Customer Agent auttaa ostajaa silloin, kun kiinnostus on korkeimmillaan.
  • Deal Lost Agent auttaa ymmärtämään, miksi kauppa ei syntynyt.

Ja keskellä on HubSpot: CRM, asiakasdata, engagement, sisällöt, automaatio, pipeline ja revenue. Ympärille voidaan tuoda ChatGPT:n ja Clauden kaltaisia työkaluja syvempään tutkimukseen ja analyysiin. HubSpotista ei silloin tule yhtä AI-työkalua lisää. Siitä voi tulla paikka, jossa AI kohtaa yrityksen asiakasdatan ja liiketoimintaprosessit.

Mutta tässä on yksi iso mutta: huono data + AI = nopeammin huonoja päätöksiä

Jos CRM:ssä

  • lifecycle staget ovat sekaisin
  • yritysdata puuttuu
  • duplikaatteja on kaikkialla
  • Closed Lost -syitä ei kirjata
  • myyjät eivät kirjaa aktiviteettejaan
  • kontakteja ei ole yhdistetty oikeisiin yrityksiin

niin agentin lisääminen päälle ei ratkaise perusongelmaa. Se voi pahentaa sitä. HubSpotin Loop-palvelumallissa Data Readiness onkin perusta AI:n hyödyntämiselle.

Onko CRM-datanne siinä kunnossa, että uskaltaisitte antaa AI:n tehdä sen perusteella päätöksiä? Jos vastaus on ei, tiedämme mistä aloittaa.

Kaikkea ei pidä automatisoida

Toinen virhe on ajatella, että AI-strategian kypsyys tarkoittaa mahdollisimman korkeaa automaatioastetta. Ei tarkoita. Hyvä periaate on yksinkertainen:

Automatisoi prosessi. Älä automatisoi näkökulmaa.

Anna AI:n etsiä, analysoida, rikastaa, tiivistää, luokitella, ehdottaa, personoida, repurposoida ja monitoroida. Mutta pidä ihminen vastuussa siitä, mihin uskomme, mitä sanomme, mikä on hyvä idea, mitä emme halua sanoa, mikä on strategisesti tärkeää, milloin asiakkaalle pitää soittaa ja miten vaikeaan kysymykseen vastataan.

HubSpot käyttää osuvaa ajatusta: taste beats tactics. Kun kaikilla on käytössään samat AI-mallit, pelkkä kyky tuottaa sisältöä ei enää ole kilpailuetu.

AI:n paras ROI ei välttämättä tule sisällöntuotannosta

Markkinoinnin AI-keskustelu on keskittynyt aivan liikaa sisällöntuotantoon. Minua kiinnostavat enemmän nämä kysymykset:

  • Kuinka nopeasti tunnistamme hyvän prospektin?
  • Kuinka nopeasti myynti reagoi ostosignaaliin?
  • Kuinka paljon paremmin pystymme personoimaan asiakaskokemusta?
  • Kuinka paljon nopeammin opimme hävitystä kaupasta?
  • Kuinka nopeasti löydämme toimivan kampanjan ja lopetamme toimimattoman?
  • Kuinka paljon lyhennämme aikaa ideasta toteutukseen ja toteutuksesta oppimiseen?

Siinä alkaa olla AI:n liiketoiminnallinen ROI. Ei siinä, että maanantaina julkaistiin kuusi postausta aikaisemman kahden sijaan.

HubSpot voi olla nopea polku AI:n hyödyntämiseen

Monen suomalaisen B2B-yrityksen ei tarvitse aloittaa AI-matkaansa rakentamalla kokonaan uutta teknologia-arkkitehtuuria. Jos HubSpot Pro on jo käytössä, yrityksellä on todennäköisesti iso osa perustasta: CRM, asiakasdata, markkinointihistoria, myyntiputki, sisällöt, sähköpostit, automaatiot ja raportointi. Seuraava kysymys on: miten tästä tehdään AI-valmis? Loop Marketing antaa tähän hyvän rakenteen.

Express - anna AI:lle konteksti

Määrittele ICP, asiakasymmärrys, brändin ääni ja näkökulma. AI ei voi kuulostaa teiltä, jos ette ensin tiedä itse, miltä te kuulostatte.

Tailor - muuta CRM-data asiakaskokemukseksi

Käytä dataa segmentointiin, intentin tunnistamiseen ja personointiin. Tavoitteena ei ole "Dear {First Name}". Tavoitteena on: "Miten he tiesivät, että juuri tämä asia on meille ajankohtainen?"

Amplify - skaalaa se, mikä toimii

Hyödynnä AI:ta sisällön jakelussa, uudelleenkäytössä, videossa, sosiaalisessa mediassa sekä SEO:n rinnalle nousevassa AEO:ssa. Älä tuota enemmän roskaa. Levitä paremmin sitä, mikä kannattaa nähdä.

Evolve - anna järjestelmän oppia

Mittaa, testaa, analysoi. Lopeta se, mikä ei toimi. Skaalaa se, mikä toimii. Ja syötä opit takaisin seuraavaan kierrokseen.

Älä aloita kysymällä, mikä AI-työkalu pitäisi ostaa

Jos olet HubSpot-käyttäjä, aloittaisin paljon yksinkertaisemmasta harjoituksesta. Kirjoita ylös kaikki markkinoinnin ja myynnin toistuvat tehtävät ja kysy jokaisesta:

  1. Pitääkö ihmisen oikeasti tehdä tämä? Jos pitää, miksi?
  2. Jos ei, voisiko workflow tehdä sen?
  3. Voisiko AI auttaa? Voisiko agentti tehdä ensimmäiset 80 prosenttia?
  4. Tarvitseeko AI tähän CRM-dataa?
  5. Missä kohdassa ihminen kannattaa tuoda takaisin mukaan?

Tästä syntyy paljon terveempi AI-strategia kuin siitä, että organisaatio ostaa viisi uutta AI-työkalua ja yrittää keksiä niille käyttöä jälkikäteen.

Missä vaiheessa teidän HubSpotinne on?

  1. AI-avusteinen. ChatGPT, Claude tai Breeze auttaa ideoinnissa, tutkimuksessa ja sisällöntuotannossa.
  2. AI-ohjattu. CRM-data, workflow't, segmentointi, personointi ja AI alkavat toimia yhdessä.
  3. Agenttivetoinen. Agentit hoitavat rajattuja markkinoinnin, myynnin ja asiakaspalvelun tehtäviä HubSpotin ympärillä.

Jos ette tiedä, mille tasolle kuulutte, siitä kannattaa aloittaa. Ei kysymällä, kuinka paljon AI:ta yrityksenne käyttää, vaan: mitä HubSpotissa tehdään tänään käsin, vaikka AI voisi tehdä sen nopeammin - ja mitä ihmisillenne jäisi tehtäväksi, jos se työ poistettaisiin?

HubSpot keskelle. AI töihin. Ihminen ohjaamaan.

Usein kysytyt kysymykset

Ei irrallisena työkalupinona vaan älykerroksena nykyisen CRM:n, datan ja prosessien päällä. HubSpot-käyttäjällä asiakaskonteksti on jo olemassa, joten AI kannattaa kytkeä siihen sen sijaan, että se toimisi erillisessä selainikkunassa.

Datavalmiudesta. Jos lifecycle staget, yritysdata, duplikaatit tai Closed Lost -syyt ovat sekaisin, agentti vain nopeuttaa huonoja päätöksiä. Data Readiness on perusta, jonka päälle agentit rakennetaan.

Prospecting Agent, Content Agent, Social Post Agent, Customer Agent ja Deal Lost Agent. Ne kohdistuvat toistuvaan työhön, jossa CRM-konteksti on merkityksellinen ja ihmisen aika kallista.

Harvoin. Suurin liiketoiminnallinen hyöty syntyy nopeammasta prospektien tunnistamisesta, nopeammasta reagoinnista ostosignaaleihin, paremmasta personoinnista ja siitä, että hävityistä kaupoista opitaan järjestelmällisesti.

Näkökulmaa. Automatisoi prosessi - etsiminen, analysointi, rikastaminen, tiivistäminen, personointi - mutta pidä ihminen vastuussa siitä, mitä yritys ajattelee, mitä se sanoo ja mikä on strategisesti tärkeää.

Jouni Koistinen
Kirjoittaja
Jouni Koistinen
Digistrategi, HubSpot Platinum Partner

Jouni Koistinen on Coco Investin digistrategi, joka auttaa B2B-yrityksiä rakentamaan AI-aikakauden kasvujärjestelmän. Hän on yhdistänyt yli 100 HubSpot-portaalin toteutuskokemuksen ja AI-näkyvyyden strategian yhdeksi käytännön kasvumalliksi - Coco Growth Framework™.

Jouni tunnetaan suorapuheisesta tyylistään: kasvua ei rakenneta irrallisilla teknologiaprojekteilla, vaan yhdistämällä näkyvyys, data, prosessi ja AI-agentit yhdeksi mitattavaksi järjestelmäksi.