三山

三山

通过与机器学习平台链接来提高潜在顾客评分的准确性

行业:IT /服务
业务内容:计划,开发和销售云名片管理服务
推出的产品:营销自动化
用途:领导培训,电子邮件营销以及与DataRobot的协作

三山 Co.,Ltd.,为企业提供全球首个云名片管理服务“ Sansan”。我们的使命是“从相遇中创造创新”,旨在通过提供“客户数据中心”来提高客户生产力并增强销售能力,该技术可实现所有客户数据的集成和充实以及名片信息管理。正在发展广泛的业务。

自2007年成立以来,它一直在稳步扩展业务,目前大约有6000家公司使用“ Sansan”,其国内市场份额超过80%。获得高认可度的背后是,作为一家技术公司,该公司充分利用了诸如Marketo Engage之类的尖端营销技术来提高生产力和优化营销手段。

您如何针对引入Marketo Engage的背景和措施采取措施并取得成果,这是起点,随着业务的扩展出现了新问题?我们问了Sansan分部市场部Yosei Shinna先生。

由于潜在客户和数据的增加和多样化,提高评分成为一个问题

自公司开始考虑引入市场营销自动化(MA)至今已有15年。 随着我们在日本和海外基地的扩大,我们在培育铅以获取新线索方面遇到了挑战。

存在三个主要条件:“功能(与Salesforce合作)”,“是否存在在日本和海外拥有内部销售部门的BtoB营销案例”和“信任与安全性”。权衡几家公司的MA,并在Marketo Engage上设置白色箭头。

在安装时,我们从更新数据库开始,这在SFA线索中有很多重复。通过分成20多个细分并重新导入导出的数据,我们将创建一个环境来提高电子邮件营销的准确性。

结果,在引入后大约三个月中,可以传递的电子邮件新闻通讯的数量增加了一倍。新获得的潜在客户数量增加了两倍。通过减少一项措施所需的工时,在高速旋转PDCA周期的同时采取许多措施已成为可能。

通过使用Marketo Engage的计分功能,可以优先选择过去一直很主观的热销线索,所收到的订单数是1.5倍或更多,而订单率是10%或更多。

但是,在扩展业务绩效的同时,也出现了新的挑战。

解决问题的是Shinna先生。 Shinna先生在京都大学研究生院主修计算机科学,并在Google和YJFX从事市场营销现场运营和数据分析工作之后,他加入了事业,并于2017年加入公司。

“在引入Marketo Engage的早期,铅的流入途径和媒体都受到限制,因此我们使用人力根据线索的属性和操作来设置分数,并使用总价值来确定致电目标。”真美

然而,近年来,引线的数量增加并且流入路径变得复杂。养育措施将增加,应评分的数据类型也将多样化。相应地,有必要更新规则并检查哪些项目对订单产生了何种程度的影响,但是Shinna先生说:“我处于无法手动工作的状态。”

对用户组的新计划有“见识”

如何提高计分的准确性,可以说是新收购的“生命线”。 “当然,需要进行高级分析,但是为了跟上变化的速度,在短时间内进行分析和实施并实时进行评分也很重要,”(Shinna先生)。

因此,Shinna先生专注于机器学习平台“ DataRobot”。 DataRobot是一个结合了数据科学方法的平台,其特点是能够自动创建利用机器学习而无需编程知识或麻烦的高度准确的预测模型。

此前,当有兴趣观看示威游行的Shinna先生开始考虑合作时,他说他有决定性的相遇。

“当我参加Marketo Engage用户组时,我有机会听到了有关电通数字的Marketo Engage与DataRobot之间的合作的闪电演讲。从该故事中获得的见识是采取行动的决定性因素。”(新名称)

这是一个以公司“从相遇中创造创新”为使命的故事,但是在实际的协作中要面对许多障碍。

建立一个针对现有潜在客户访问您站点的时刻的预测模型

首先是计分的设计。最初,DataRobot为所有新流入的潜在客户创建了约会获取率的预测模型,但是``结果是,较高的预测值被附加到自然流入和通过列表广告等上,我知道这很昂贵''( Shinmei)。

只判断一个您知道是“好”的潜在客户是没有道理的。迫切需要考虑尽管任命率很高,但忽略了哪些阶段,并应用DataRobot的预测。

第二是控制要调用的引线数。如果将所有新的流入线索作为目标,那么在展览和活动时,新线索将突然增加。此外,在展览会和活动现场,存在一个问题,即很难由销售人员决定将已升起的芦苇放在通话阶段的优先次序。

Shinna说:“面临的挑战是如何在考虑内部销售资源的情况下调整铅含量限制。”

第三是对内部销售的理解。即使您被告知“打电话给我,因为DataRobot的预测价格很高”,但作为内部销售人员,这本身并不能令人信服。 “使用了什么样的项目以及如何对其进行预测?有必要陈述原因并传播对机器学习的理解,”(Shinna先生)。

经过反复试验和错误(例如文档中的细节错误和乱码),计分的设计问题是“ DataRobot的最有效计分是现有潜在客户自愿访问他们自己的站点。我们得出的结论是当我们参观的那一刻,我们只更新了过去潜在客户的预测分数,” Shinna说。

传统上,我们习惯于打电话给自己的现场访问潜在客户,但是有很多人可以处理所有这些。 DataRobot会根据过去的数据进行分析,然后以较高的约会获取率预测潜在客户的模型很合适。同时,可以调整要调用的引线数,并且可以解决第二个问题。

关于销售和内部销售的理解,我们将提出高度准确的计分和有效利用现有潜在客户的常见问题,并不断寻求理解。

“为证明这一点,我们还建立了一种机制,通过利用DataRobot的功能通过Marketo Engage显示在SFA中对SFA预测有效的项目的理由,从而获得对分数的信念”(Shinna先生)

此外,除了调用所有内容外,还可以将人们判断的部分与DataRobot支持的部分分开,例如可以负担得起的内部销售,这也可以使操作顺畅。

取得潜在客户任命率达到20%或以上

通过以这种方式花费不到一年的时间,进行了改进和改进,我们实现了Marketo Engage x DataRobot和SFA的优化,以及公司的“客户数据中心”链接。

结果,采样数为1.92倍,呼叫线索的约会获取准确度为1.12倍,总约会获取为2.1倍。 “我们还实现了20%或更高的潜在客户任命率,这与流入途径的水平相同,据说有很高的任命率,”(Shinna先生)。还有多个导致订单的项目。订单总额超过了DataRobot许可费用,并且还消除了成本效益问题。

由于“ Marketo Engage,DataRobot和我们公司出售的“客户数据中心”取得了具体的成果,销售人员会说,销售“客户数据中心”变得更加容易。“它变成了”(新名称)

促进特定行业和公司对ABM的利用

利用范围也扩大到了潜在客户评分以外的领域。

Shinna先生说:“在通过培育电子邮件访问我们网站的销售线索中,我们还正在采取措施,通过对DataRobot评分并致电来确定哪些销售线索具有最高的约会获取率。”

我们还针对特定行业和公司推广ABM(基于帐户的营销)计划,以进行现场销售。 “我们通过基于“客户数据中心”中汇总的数据进行分析和预测DataRobot并缩小范围,从而确定具有高概率的行业和公司,从而提高准确性。”(新先生)。

尽管该公司一直在稳步增加新用户的数量,但Shinna先生指出:“对现有客户的追加销售和交叉销售分析也将成为未来的重要主题。”展望未来,我们渴望进一步发展。

作为开发世界上第一个名片管理云服务的技术公司,该公司通过充分利用自己的尖端技术实现了世界上第一个重大挑战。 Shinna说:“作为Sansan和日本行销行业的一员,我想继续努力为世界创造新的价值。”

什么样的化学反应将导致新的创新?我要注意它的下落。

承保日期:2019年8月29日

在引入Marketo Engage之后短短三个月内取得出色成就的秘诀是什么?单击此处进行案例研究

返回案件清单页面