Keräsit HubSpotiin kasan ostosignaaleja. Hienoa. Mitä niillä nyt tehdään?

Visitor Intent. Research Intent. Company Surge. Rahoituskierros. Rekrytointi. Työpaikan vaihto. Lomake. CTA-klikki. Sähköpostiklikki. Dokumentin katselu.

HubSpot pystyy tuomaan koko ajan enemmän signaaleja myynnin ja markkinoinnin käyttöön.

Se kuulostaa hyvältä.

Mutta tässä on asia, josta puhutaan aivan liian vähän:

“Signaalidata itsessään ei tee yhtään kauppaa.”

Voit kerätä CRM:ään vaikka 10 000 ostosignaalia. Jos jokaisen signaalin perässä on vain uusi workflow, lista tai automaattinen sähköposti, olet lähinnä rakentanut erittäin tehokkaan tavan spämmätä ihmisiä.

Seuraava kysymys ei siis ole: “Miten saamme lisää signaaleja?”

Vaan: “Miten HubSpot päättää jokaisesta signaalista, mitä pitäisi tapahtua seuraavaksi?”

Siinä on koko homman ydin.

Älä rakenna trigger → workflow → email -konetta

Perinteinen HubSpot-ajattelu menee helposti näin: Trigger → Workflow → Email.

• Henkilö kävi tietyllä sivulla → lähetetään sähköposti.
• Henkilö klikkasi CTA:ta → nostetaan scorea.
• Yritys osoitti intentiä → ilmoitetaan myyjälle.

Yksittäinen automaatio voi olla täysin järkevä. Ongelma syntyy, kun niitä rakennetaan 20, 50 tai 100 toisistaan irrallaan. Silloin kukaan ei enää oikeasti tiedä, miksi asiakas saa juuri tietyn viestin.

Meidän mielestä seuraavan sukupolven HubSpot-järjestelmän pitäisi toimia jälkimmäisellä tavalla. Kuvan systeemi perustuu tähän.

1. Kerää signaalit yhteen

Ensimmäinen kerros on HubSpot Signal Engine. Sinne tulee eri vahvuisia signaaleja:

• Visitor Intent – kiinnostus sivustoasi kohtaan
• Research Intent ja Company Surge – yrityksessä tutkitaan sinulle relevanttia aihetta
• News & Funding – yrityksessä tapahtuu muutos
• Job Change – henkilön uusi rooli voi avata uuden myyntitilanteen
• Engagement – lomakkeet, CTA:t, sähköpostit ja dokumenttien katselu

2. Ratkaise konteksti ennen kuin teet mitään

Seuraavaksi pitää kysyä: “Kuka tämän teki – ja onko hän meille relevantti?”

Tässä kohtaa HubSpotin CRM-datasta tulee ratkaisevaa.

• ✓Onko yritys meidän ICP:tä?
• ✓Onko henkilö oikeassa roolissa?
• ✓Missä lifecycle-vaiheessa hän on?
• ✓Onko hän nykyinen asiakas?
• ✓Onko yrityksellä avoin kauppa?
• ✓Onko myyjä jo keskustelemassa hänen kanssaan?
• ✓Saako häneen ylipäätään olla yhteydessä?

Tämä on myös syy siihen, miksi AI-strategia alkaa tylsästä asiasta: datasta.

CRM-datan pitää olla riittävän puhdasta ja yhdistettyä ennen kuin AI:n voidaan odottaa tekevän järkeviä GTM-päätöksiä.

“Huono data + AI ei tarkoita parempaa automaatiota. Se tarkoittaa nopeampaa huonoa automaatiota.”

3. Älä pisteytä vain kontaktia. Pisteytä tilannetta.

Tämä on ehkä isoin muutos vanhaan lead scoring -ajatteluun. Sen sijaan että kysyisimme vain “Paljonko tällä kontaktilla on pisteitä?”, haluamme arvioida neljää asiaa.

FIT × INTENT × TIMING × RELATIONSHIP

Ajattele esimerkiksi kahta toimitusjohtajaa.

Ensimmäinen on käynyt blogissa kolme kertaa.

Toinen johtaa täydellisesti ICP:hen kuuluvaa yritystä, jossa on juuri tapahtunut relevantti johdon vaihdos, yritys tutkii HubSpot-migraatioon liittyviä aiheita ja henkilö käy pricing-sivulla.

Molemmilla on “engagementia”. Mutta tilanteet eivät ole lähelläkään samanarvoisia.

“Yksittäinen signaali on usein kohinaa. Signaalien yhdistelmä alkaa näyttää intentiltä.”

4. Päätä seuraava paras toimenpide

Kun konteksti ja signaalit on tulkittu, järjestelmän pitäisi tehdä yksi viidestä päätöksestä.

“AI:n tehtävä ei ole poistaa ihmistä myynnistä. Sen tehtävä on saada ihminen mukaan juuri silloin, kun ihmisestä on eniten hyötyä.”

5. Marketing Studio ja Prospecting Agent tekevät eri töitä

Älä kysy: “Voiko AI hoitaa tämän?”

“Kenen pitäisi hoitaa tämä vaihe: Marketing Studion, agentin vai ihmisen?”

6. Rakenna turvakaiteet koko systeemin ympärille

Vasta päätöksen jälkeen tulee lupa toimia. Ennen jokaista ulospäin lähtevää toimenpidettä järjestelmän pitäisi tarkistaa ainakin:

• Onko tämä nykyinen asiakas?
• Onko avoin kauppa?
• Onko henkilöön oltu juuri yhteydessä?
• Onko hän kieltänyt yhteydenotot?
• Onko ihmisen kanssa jo aktiivinen keskustelu?

Ei näin.

7. Viimeinen vaihe on tärkein: Evolve

Vanha kampanja päättyi raporttiin. Uuden järjestelmän pitäisi päättyä oppimiseen.

Emme halua tietää vain: “Montako sähköpostia lähetettiin?” Haluamme tietää:

• Mikä signaali johti vastaukseen?
• Mikä signaalien yhdistelmä johti tapaamiseen?
• Millaisista tilanteista syntyi opportunity?
• Mitkä signaalit näyttivät kiinnostavilta mutta eivät koskaan johtaneet pipelineen?
• Milloin agentti toimi ja milloin ihminen pärjäsi paremmin?

Revenue-data syötetään takaisin järjestelmään. Silloin syntyy oikea Loop.