MarTech + AI 的 MLG,将为 B2B 企业的规模化发展带来哪些营销


B2B 企业应该根据自身的实际需求和发展阶段情况,选择可以支撑企业数字化营销工具和增长模式。

 文 | 王琤 Convertlab联合创始人兼COO 

如今,我们的日常生活已经处于一个非常高程度数字化的大环境之中。数字化本身只是一个手段或现象,但对于企业来说,我们都要去理解数字化为一个企业和它的客户带来了什么影响。

经过数字化改变的生活场景或业务场景,会让企业获得很强的感知能力,企业可以很快并很频繁地感知到数字化背后涌动的那些数字所带来的感受,数字化程度比较高的各个场景还可以互相融合起来;而没有完成数字化的企业,非实时、非实质的反馈会让他们对数字化经营的感知偏弱,需要通过一些传统的手段事后才能知道,且结果之间还会互相割裂,导致最后无法协同。

透过数字化的表象去看本质,其实它是真正地赋予了一种新的能力、潜力或者机会的,企业应该去抓住这样的可能性。

01

提升 B2B 采购体验,弥补数字化营销欠缺:

MLG 迅速发展并广受欢迎
B2B 企业营销面对的客户是另一家企业的业务或者采购部门(如下图)。在受到数字化大环境的影响后,Buyer/买家/采购方的行为发生了很大程度的迁移。
当越来越多的 B2B 买家在线上搜索相关品牌、产品或功能等关键词,并在接触销售之前,就完成超过 60% 的采购决策流程的情况下,企业需要改变,市场部需要更好地在广泛的公域(内容平台/垂直媒体/论坛社区/自有官网等)去增加影响力,运用基于数据的洞察以及数字化内容和物料产生的有实质性内容的一些营销手段,让企业被更多人看到
现在 B2B 在数据之外的营销手段也已经变得非常多,属于一种爆发式成长。我们也应该以相对开放和积极的心态去拥抱这些变化,考虑怎么将它们纳入到整个数字化营销工作体系中。
另一方面,成熟的 B2B 企业在经历着各个发展阶段,整体的数字营销仍有欠缺(如下图),这体现在与数字化成熟度有密切关系,但又会被大家普遍忽视的典型营销漏斗里。
营销漏斗通常分为 Top of Funnel、Middle of Funnel 和 Bottom of Funnel 三段(如下图),市场管好上段,管到留资,销售管好下段。但销售只想从商机开始管,商机之前他就不愿意,他觉得你最好来一个线索就是商机,下个月就能直接去谈解决方案和价格。所以中间这段很多时候没人管,因此产生断层。销售捡起中段效率极低,因此还需要市场来管。
基于目前 B2B 企业整体数字化水平不高的现状,应用 MLG(Marketing-led Growth 营销带动式增长)的方法论,不失为一个较为适合的解决方法(如下图)。
与更为注重单个销售拓客和成交能力、以销售团队规模决定营收规模,以及市场投入大量工作输出线索占比较低的 SLG(Sales-led Growth 销售带动式增长)不同,MLG 的侧重点在于影响最终成交的获客来源占比会发生较大的变化。也就是说,在市场做完前期获客工作之后,大量的线索能够比较有效地转化成较大比例的最终成交,对于销售自拓转成交的依赖性会显著下降。
在这个方式下,关键点在于协同和各阶段的转化率,市场要持续地输出高质量 MQL(Marketing Qualified Lead,营销合格线索),销售团队要有较强的成单转化能力,它更加强调把市场和销售的关系进行梳理,以一个顺畅高效的协作模式来助力增长。
有一些 B2B 企业正在利用 MLG 增长方式,与这些企业探讨经验后发现,在所有新增客户中,通过市场手段(广告投放、线上线下活动、社交营销、内容营销等)获取的客户占比明显高于销售自拓等方式,这就代表着这些企业的 MLG 增长体系已经较为成熟。
数字化的获客手段在逐渐变多,这意味着获客漏斗可以扩得更大,市场也需要筛选适合企业自身情况的营销渠道和方式;市场线索的转化目前也有了包括流程、技术、数据、协同的一些新手段,所以在 MLG 模式内,市场和销售协同式的增长,加上销售自拓成交的能力不变,这会对最后营收的规模非常有益。可以说,外部数字化环境的推动和企业内部对精益化运营的追求,共同促成了 MLG 模式的发展并广受欢迎。
我们根据评估模型来评估企业离 MLG 的差距(如下图),它将市场工作按照一个潜客的生命周期分成认知、线索、MQL 到成交,企业市场工作在这个漏斗里面做的深浅,就代表了企业的成熟度。
第一阶段是品牌市场,即 brand marketing/MarComm/PR,百分百的企业都在做;第二阶段是线索开发,这个事情大概 90% 的企业都在做,只有一些特别传统的工业企业没有做。这时可能更关注留资,更关心获客成本,但明显对质量不负责,所以销售也不那么买账,这和 SLG 模式有些吻合,销售觉得你只不过在花钱,并没有产生被我认可的和成交相关的效果。
第三阶段是需求挖掘,这是一个分水岭,现在可能只有 30% 的 B2B 企业在做这件事情,去获取销售认可的 MQL 甚至是商机,大部分企业是需要从第二阶段突破到第三阶段的,这时就会关注到市场和销售怎么做配合,做精益化运营及潜客运营,以及把流程打通,此时也会带来一些对人、技术、工具,以及对内部协作的挑战;第四阶段是收入市场,revenue marketing在国内基本上还没有企业做到,这对于市场部内部的协同要求非常之高,也就是说市场部要能够看透整个营销后链路的数据和问题,要能够知道市场部供给的 MQL,离开市场部到了销售甚至到了售后这个环节之后,是怎么被处理/跟进的,有没有可能再进一步优化,市场部还能做什么再去提供支撑,这对内部协作的要求达到了更深的层次。

02

获客-培育-转化,

良好的数字化管理实现更好的MLG实践

MLG的实践会涉及到流程、系统与组织架构的一些支撑(如下图),这部分很多其实都是一个数字化管理的问题。
首先是获客管理。我们并不是说 MLG 突然产生了很多以前没有的获客手段,获客手段从来都在那里,但是你是有效的管理还是粗放的管理,还是说有很大的漏洞,这都需要管理起来,之后会进入到线索管理及整个精细化的运营,其中最重要的是建立市场部统一的线索池,如果企业销售部比较强的话,可能销售部门有一个销售运营的职能,他们会建立自己的线索池,或者自己建立公海池,管理整个的分配和回收,而市场部要建立集中的线索池,把线索全部放在一起,接下来做有质量的评估,以及培育的SOP(Standard Operating Procedure,标准作业程序)。第三阶段就是市场和销售协同,这是MLG里面最关键的,没有协同,你的产出没有承接,线索会漏掉一大半。需要注意的是,整个流程并不是1-2-3,而是1-3-2,需要先做数字化获客管理,再做市场和销售协同,然后再来做更为精细化的线索管理与培育
在这个过程中,很多企业都没有办法特别快的进入状态,他们会遇到一些来自内容生产能力、数据分析能力、SOP 运营思维、敏捷迭代思维,以及对工具掌握方面的挑战。
获客管理
今天的获客手段越来越多,我们也确实看到很多 B2B 企业在抖音和 B 站做营销,效果也挺好。我们认为可以尝试多种手段,但是当面对眼花缭乱的获客场景时,我们需要认识到它们并没有跳出过三大核心框架(数字化推广、活动营销、内容营销),它们只是在这三大框架内产生了新的方式而已。
我们最终需要从这些方式里面去做留资,通过传统表单/添加企微等形式,比较复杂的可能是内容营销,又分成公域和私域,但是如果有了这些框架,结构会更清晰。
在所有的获客方式中,下面这些可能是见效特别快的,其他的比如说投百度、做活动,只要把一些数字化的工具应用起来就可以。此外,内容营销这几年在 B2B 球赛押注app(中国)有限公司官网崛起得很快,这跟大环境是有关系的,当然也有移动化、多样性和实时性的几个特点。
我们通过百度搜索行为触达的潜在客户主要集中在 PC 端,如果想要通过内容去触达其他潜在客户的话,千万不可忽略移动端场景。因为他们的注意力都在移动端,在 PC 端场景接触到你的内容会很少,所以,你要把以前在企业内部投入的内容,在移动端重新做一遍。
此外需要注意的是,以前的内容形式比较单一,可能就是做一个白皮书/球赛押注app(中国)有限公司官网解读,现在会比较多,比如产品展示、DEMO、客户案例、活动回放等等,现在每做一次活动,每做一次直播,都相当于带来了一个新的内容。相较于传统内容主战场在官网,且一年可能只更新一两次,现在的内容营销的特点是每周都可以/需要更新,信息的及时发布和反馈能感受到当前营销脚步变化得非常快。
在过去一两年,国内最大的一个变化就是用工具做到“去技术化”。当我们有了视频、文件、文章等等内容,只需要一键上传,剩下的都可以交给内部嵌入Call-to-Action、留资功能等 MarTech 工具去完成。以前可能要请内部的 IT 团队或者外部供应商来帮助建站、创建内容,现在都不需要了,这是一个很大的根本性变化。
线索管理
B2B 的私域其实就是市场线索中心。以前是没有私域的,或者说以前私域可能在销售部,销售部把线索池搭建起来,它也算是一个私域,哪怕用 100 个 Excel 管理线索,如果有个地方集中把它沉淀下来了,还有人管理,那就是私域。其实很多销售部门做得并不好,漏斗漏到那里是一次性的,没有沉淀下来。
所以市场部应该去建立私域,也就是潜客运营的私域,或者叫线索池。我们需要把线索从公域沉淀下来,不管它是一个鱼塘还是一口水井,有了这个池子以后,后面你才有很多可以发力的地方。
以上很多工作是技术可以做的,比如说做数据采集、自动合并等等。然后形成客户画像,我们可以看到这个人是谁,来自哪里,长什么样,产生什么样的行为,有什么价值等等。
线索培育
有了这个私域之后,就需要做线索培育,当一个潜客进入私域,我们会把他分为三个生命周期(如下图)。
第一个是快速识别的黄金 48 小时。48 小时是一个公允值,可能每个企业不同,这跟产品形态有关。很多的线索本来兴趣度、匹配度很高或者实时性很强,所以第一阶段做的不是培育和需求挖掘,而是快速辨别。有一个统计值,大概有 40% MQL 是从这个阶段拿出来的,也就是说48小时内,进来的线索已经能产生40% 的 MQL。这可能是三个周期里面最关键的,它需要有一个中心化的线索池,需要有 SDR(Sales Development Representative,企业销售开发代表)辅助去辨别,需要有自动化的线索流转能力,做到这一点,转化率就能够提高了。
第二个是需求挖掘的 2 周~ 4 周。也就是说有一些线索并不是说已经立项,它还没有决定选哪个供应商来竞标,但其需求也是明确的,这个时候我们需要在两周之内密集地用专业内容跟他做触达,让他明白我们可以充分满足你的需求。这个时候我们需要做自动化营销,因为可能没有足够的人力,而且销售做这个事情效率也极低。用自动化营销做内容,再加上 SDR,大概也能产生 30% 的 MQL。
最后是长期的保持与激活。长期部分的线索现在是没有采购需求的,但他是目标客户,他可能会在下半年、明年或者两年之后再下单。这个时候必须要靠一些技术手段,因为我们并不想用低效的方式去经营这些长尾的线索池,所以使用“自动化营销+线索自动化评分机制+ SDR ”的方式来共同完成这个阶段(如下图)。
建立并强化 SDR 职能
我们一直在琢磨 SDR 和销售的协作关系。销售是开枪的人,他有非常好的射击能力,他是关单的关键。但他的时间和投入成本也是高的,SDR 就是那个辅助他完成射击前所有准备工作的人。
国内大约已经有 30% 的 SaaS 企业建立了 SDR 团队,SDR 面向营销侧的职能是及时反馈各媒体渠道的线索质量,持续完成线索培育孵化以及量化 MQL/SQL 转化率;而面向销售侧的职能除了持续提供高质量的线索,还需要辅助提醒销售跟进,量化 SQL(Sales Qualified Leads 销售合格线索)转化率,缩短成交周期等等。
精细化分工会带来效率的提升,站在市场和销售之间的 SDR 不论是放在市场侧管理还是在销售侧管理,或者既不属于市场侧管理,也不属于销售侧管理,相对独立的存在,都是可以的。按照工作特点来说,市场工作的特点不是点对点进行的,而是点对面进行的,所有的事情都要讲究高效率。SDR 的工作也是一样,需要处理大量的潜在客户。如果想要反馈不同渠道的线索质量并以效率优先来考虑的话,那放在市场侧则是一个比较好的选择。
而如果使用非 MLG 模式,没有 SDR 职能,那么销售处理线索都在碎片化时间,且没有规律,无法高效率地处理线索,1000 个线索要占用大概 8 个销售的全部时间。在线索数量大且质量不确定的情况下,销售又会产生心理抵触,没有精力去一一沟通。两种方式对比下,在成本方面,通过合理的人员配置,SDR 的人力成本普遍要比销售的成本低。在转化率方面,MLG 的转化率要高于传统的 SLG。
做好市场和销售协同
市场与销售协同是 MLG里面特别重要的一环。如果把生命周期划分一下,从认知到 MQL 这一段,肯定是市场部主要负责;从 SQL 直到成交,肯定是销售负责。但是比较棘手的是从 MQL 到商机这一段,虽然是销售主负责,但是市场不要丢,市场可以作为一个辅助角色。
所以我们有两个原则,一个原则是每一个线索都有两个负责人,一个是市场部的负责人,一个是销售部的负责人,市场部的负责人是 SDR,当然有些线索的周期很短,在市场部辨别之后就直接给销售了,但责任人还是可以指定一个 SDR。另一个原则是,什么时候做主负责人切换要非常清晰。
另外,关于 MQL 的定义可能是关键。我一直提醒很多企业,你把市场部的负责人拉过来,把销售部的负责人拉过来,两个人坐在一起,花一个小时在纸上写什么叫 MQL,然后两个人一起讨论,一起完成 MQL 的定义,如果只是单方面市场部的定义,没有用,当两边负责人都认定了就好办了。
用 BANT 模型来定义 MQL 比较好。BANT 是销售管理里面非常成熟的一个商机或者线索成熟度判断模型,从预算、权限、需求和时间四个维度去判断线索是否是 MQL。有了这么一个定义之后,从流程协作来讲,就有了一个很好的基础。其中,有三个最重要的环节。
第一个叫客户查重,意思是我们市场部的新线索会有一定比例不是真正的新线索,而是老客户。可能是销售在跟的商机本身就有兴趣参加你的活动、搜你官网的东西,所以如果你没有办法辨别出这是一个真正的新线索,还是目前销售正在跟的商机,这会让销售感到困扰和嫌弃。如果能够跟CRM的数据打通,这个事情是能做的,这样你给到销售的信息会更准确。
第二个是线索分配它当下有两种情况,一种是把分配的动作放在市场部自动执行,SDR 会按照不同球赛押注app(中国)有限公司官网区域直接就分给某个销售;另一种还是原来的方式自动把线索同步出去,如果能跟 CRM 打通的话,很多成熟的 CRM 系统都有线索分配功能,市场部把 MQL 直接传到这个 CRM 系统上,这样的话在销售部门也能分配。
我还看到有些企业就比较传统,所有线索必须给到销售老大,销售老大通过人工的方式来分,可能有些企业有这个管理的需求,但相对来说效率还是比较低的,其实可以完全把流程和数据打通。
最后一个是线索回传。这个可能难度会大一点,需要让销售部或者销售运营去负责。我们建议 48 小时这个线索没有跟进的话,就直接回收掉,并直接关联这个销售的业绩。跟进不利可能也是市场部本身就很关心的,他们最痛恨的就是辛辛苦苦开发培育的线索,销售不珍惜,这个环节更强调的是怎么跟公司内部管理层达成一致。
如果这个东西都做好了,并且 CRM 的数据也打通了,就能够实现全链路、全渠道的数据追踪,老板或者市场部最想看的一张月报或者是季度报表也就完成了(如下图)。我们可以看到到底钱花在了哪些地方,留资量是多少,到MQL 的转化率是多少,以及最后成交的转化率是多少。
我第一个看到做到这个效果的企业,是一个世界五百强的传统工业企业。他们是 global 已经做得很好了,然后复制到中国,有个 KPI 叫 ROMI(Return on Marketing Investment,营销投资回报),市场部花的每一笔钱都能够一直追踪,追踪到最后到底为成交带来了多少好处。这个客户有天跟我说,他就不怕老板让他砍市场部预算,他可以把这个表拿出来,要砍哪块让老板自己选。老板根本没法砍,或者说该砍的市场部自己已经砍掉了。这可以说是将MLG 做到极致的,以及跟销售协同做完之后达成的一个终极目标了。

03

解读营销云三大价值,清晰识别支撑 MLG 的 MarTech 系统

要实现 MLG 模式的最佳实践,市场部需要使用 MarTech 工具。
B2B 球赛押注app(中国)有限公司官网其实在 2020 年开始了对 MarTech 应用的加速。从今天的 B2B 数字营销现状来看,国内还没有形成体系,大家都用得比较少,可能会有一些相对体量较小的 MarTech 工具,因此,我们并不建议企业选择多种不同的工具,并将它们进行组合。
对于国内企业来说,目前最适用的 MarTech 系统形态应该是偏一体化的解决方案。因为它同时涵盖了数据自动化营销、社交营销、内容管理等方方面面的功能,而且它本身是一体化的,集成性比较好,总体成本也较低。
一个是 Marketing Cloud(营销云),我们通常看到的叫 Marketing Cloud 的产品基本上都是一体化的;还有一类是 Social CRM(社交化客户关系管理平台),但需要加个定语,叫全渠道 SCRM。在没有严格定义去辨别的情况下,有些产品它可能并不是一体化/全渠道的,它可能只针对特定的(社交)营销渠道。因此,用营销云去辨别,会比较清晰和简单。
一个营销云系统的价值主要有工具、数据和流程自动化三部分。
工具价值实现了以前在缺乏特定工具情况下,无法实现的一些数字化营销领域的场景和应用,又或者把以前能实现的用更高效率来实现。
数据价值指的是营销云系统通常会带有比较强的一个数据平台底座,它有助于管理大量分散的客户数据,在这之上会形成几个价值:一是客户洞察(将以前可能看不清楚的变得更清楚);二是效果衡量和归因;还有就是把数据变为资产,即把以往一次性、分散的使用数据模式,变成集中的可以持续使用模式;三是流程自动化,市场工作往往会处理海量潜客或线索,在流程自动化缺乏的情况下,想规模化进行一些业务场景(如规模化线索运营)就很难,所以,通过流程自动化可以把以前的人工操作变成自动操作,使某些规模化场景变得可行。另外,流程自动化可以缩短从流量一直到成交,整个链路的某些中间业务环节,加快业务流程,促进客户转化。
我们将工具、数据、流程自动化分别对应进了典型的 B2B 营销实践蓝图(如下图用颜色区分),来阐述在哪些业务布局点上,使用营销云这样的 MarTech 工具可以体现出什么价值。

04

MarTech+AI,MLG将开启Growth Automation模式

随着以 ChatGPT 为代表的 AI 大模型技术与应用不断涌现,营销技术(MarTech)和人工智能(AI)的发展结合趋势,也已经到了不可忽视的地步。企业可以在短时间内生成大量高质量的文本、图像和视频等内容,为 MLG 提供更加丰富多样的素材与创意。
人工智能发展的终极态势是,它应该具有意识上的一个自制能力与自我行动,这肯定会带来很多颠覆性的和底层逻辑上的一些改变。一开始大家都比较喜欢 AIGC(Artificial Intelligenc Genarative Content /人工智能生成式内容),即通过人工智能来产生内容,用一种非常聪明的方式产生文字理论、语言理论。但这个语言里面包含了太多可能性,还没有达到 AGI(Artificial General Intelligence / 通用人工智能),球赛押注app(中国)有限公司官网内也有很多人觉得再发展下去会有很大的可能性诞生。ChatGPT4 还没有成为通用人工智能,它更像是 AGI 的一个雏形,它还会有新的能力不断涌现。
它会推动人和 AI 协同产生三种模式(如下图)。第一种叫 AI Embedded(嵌入)模式。就是说原来的任务流不变,我们按部就班地执行,在中间的某个环节自己不做了,交给 AI。比如写短信或图文,标题会影响到文章打开率,感觉自己写不好的时候,就可以跟 ChatGPT 说出写文案的目的,让它帮忙想几个引人入胜的标题。
第二种叫 AI Copilot(副驾驶)模式。微软Office365 有个广告提出了Copilot 模式,就是在保持原来任务流顺序的情况下,AI 提供一个捷径,一下子执行掉全部的任务流,且全过程透明,我们可以在中间任何一步去干预它。
第三种就是AI Agent(代理/托管)模式,这是会让很多人顾虑的一种模式。就是我们不用管任务怎么被执行,全交给 AI 去做。但从大模型技术的现状、特点和限制来看,这种模式目前还不存在,或者说还不可靠,很多球赛押注app(中国)有限公司官网也都还在解决安全可靠的问题,所以它还没有到完全可以离开人控制的那一步。
Copilot 模式会更受认可和推荐,因为它会同时在安全可靠和效率之间获得一个平衡。人与 AI 其实是一个搭档关系,它并不是谁取代谁,而是一起完成一个任务。最终的控制权在人手上,但没有 Copilot 会变得低效甚至完不成任务。Copilot 模式还会在未来 1 到 2 年成为主流,主动学习与 AI 协作,成为一个合格的 pilot,升级为“超级个体”会成为市场人必须要做的事,每个公司也都会有意愿培养每一个员工尽快成为“超级个体”,企业整体的” AI Copilot 化”程度最终会成为新的竞争力。
「生成式 AI」并不是 MarTech 结合进化的尽头,很少被提起的「合成式 AI」才是。我们认为,「合成式 AI」是今天 AI 技术在 MarTech 领域可以发挥出更大的技能价值所在,将二者结合后,我们只需要告诉「合成式 AI」一些信息,它就会帮我们做出数据洞察/决策判断,甚至来驱动特定工作流。

大模型价值示意:信息生成VS洞察到执行的自动化

市场营销团队+ AI Copilot示意
如上图所示,我们将市场营销工作与 AI Copilot 结合,可以把这些任务从原来的数字化水平进化到自动化水平,或者把原来已经自动化的水平进化到超自动化水平。当所有 AI Copilot 布置完毕,就会有 80% 的工作进入 AI 或以一种 Copilot 的合作模式来完成,进而进化出很多人梦寐以求的“ Growth Automation ”模式,使得 MLG 再次优化与升级。

05

结语
多年来,从理念的先行、技术的更新、策略的实践,再到工具的扩展,价值的沉淀…… MLG 也毫无意外地在不断应用中持续完善。而作为 B2B 企业本身,根据自己的实际需求和企业自身的发展阶段情况,选择成熟且适合的、可以支撑企业数字化营销的 MarTech 工具和营销增长模式,必然会提升营销认知与观念,弥补营销人员为实现具备操作能力,来大规模建立客户体验而花费的大量时间和精力,在降低人工成本的同时,提升工作效率,进而促进企业的营销增长。
-精选文章-


-推荐阅读-

SaaS 观察  |  SaaS 20 年  |  信创  |  SaaS 之辩
云计算  |  销售兵法  |  客户成功  |  大崔侃 SaaS
崔牛读书会  |  对话 SaaS 创业者  |  To B 营销
Cloud 100 China  |  SaaS 生态  |  SaaS 内卷
11月 17-19 日,苏州太湖
SaaS 人专属盛会——中国 SaaS 大会
扫码报名吧!


星标 牛透社 SaaS 洞察不错过~

点击“阅读原文”报名 SaaS 大会