Data B2B + Kehebohan AI: T&J dengan Data & Analisis VP Seismic

Banyak dari kita di industri pemasaran digital / martech tahu betul hype seputar AI. Kami juga mengetahui tantangan dalam menangani data di ruang B2B.

Bagi banyak dari kita, kita melihat banyak alat “bertenaga AI” di pasaran. Bagaimana kita bisa menyaring kebisingan untuk menyelesaikan masalah kita? Analisis data seperti apa yang harus kita lakukan sendiri, dibandingkan menggunakan alat BI?

Bagi mereka yang baru mengenal analisis data, di mana kita bisa belajar?

Kami duduk bersama Al Bsharah, VP Data & Analytics di Seismic, untuk menjawab pertanyaan tersebut.

Catatan tambahan, Seismic menjadi unicorn pada akhir Desember. Pendanaan Seri E sebesar $100 juta mendorong mereka melewati tonggak sejarah ini. Mereka sekarang bernilai $ 1,05 miliar.

Seperti yang dikatakan Al, “sangat menyenangkan.”

ClickZ: Ceritakan sedikit tentang latar belakang Anda?

Al Bsharah: Saya mulai sebagai insinyur listrik di industri otomotif Detroit, dan berkarir dari itu selama beberapa tahun. Kemudian saya pindah ke San Diego dan terlibat dalam startup. Saya adalah karyawan kedua di perusahaan pertama saya bergabung, yang diakuisisi. Sejak itu, saya memiliki beberapa perusahaan lain.

Yang terbaru, Email Copilot, kami menjual sebagian ke ReturnPath dan sebagian ke Seismic.

CZ: Dan sekarang peran Anda saat ini adalah VP Data & Analytics di Seismic. Seperti apa penampilan Anda sehari-hari?

AB : Jadi tahun pertama saya di Seismic sangat taktis. Membangun teknologi dengan cara yang benar agar dapat bertahan lama untuk masa depan jangka panjang yang dapat diperkirakan.

Kemudian tahun berikutnya kami sangat fokus pada strategi. Ke mana kita akan pergi, apa yang kita bangun, jenis teknologi apa yang harus kita manfaatkan di dalam platform kita dan bagaimana kita sampai di sana? Bagaimana kami membangun pencarian yang baik di situs web kami, bagaimana kami mendapatkan konten yang relevan?

Tahun mendatang akan sangat fokus pada strategi produk. Mirip dengan tahun lalu tetapi lebih fokus pada produk itu sendiri. Bagaimana pendapat kami tentang alur kerja klien kami dan masalah yang mereka coba selesaikan? Dan bagaimana kita bisa membangun kecerdasan di semua itu?

CZ: Seismic melakukan pemberdayaan penjualan dan pemasaran. Itu banyak data untuk menutupi.

AB : Ya, memang. Daerahnya sangat luas dan dalam. Ini mencakup sejumlah persona, dari penggerak penjualan hingga pemasar hingga penjual hingga pembeli. Memikirkan banyak alur kerja yang harus dilalui orang hanya untuk melakukan pekerjaan mereka.

Kami mencoba memberikan kecerdasan seputar alur kerja tertentu.

Bagaimana cara memutuskan konten apa yang akan digunakan untuk apa? Pada tahap corong apa? Melalui media apa? Konten itu digunakan untuk persona yang berbeda.

Kami mencoba memberikan semacam peta panas yang menunjukkan konten itu di seluruh siklus hidupnya dan di tempat kerjanya.

Begitulah cara saya berpikir tentang data, terutama di dunia B2B.

CZ: Saat bekerja dengan data B2B vs B2C, tantangan spesifik apa yang dihadapi pemasar?

AB : Untuk memulainya, hanya ada sedikit data. Tapi ada pro dan kontra. Data memiliki nilai yang lebih tinggi per item. Ini lebih berdampak jika Anda melakukannya dengan benar. Tapi itu juga lebih berdampak jika Anda salah. Anda harus sangat berhati-hati di sana.

Data B2B juga memiliki masalah kelangkaan. Jika Anda ingin melakukan pengujian di level mana pun, jika Anda mencoba memotong data itu di level mana pun dan menjadi tipis, itu bisa jadi sulit untuk membangun wawasan. Setidaknya wawasan yang benar-benar dapat diandalkan, sesuatu yang dapat Anda percayai.

Di B2C, Anda mungkin memiliki jutaan dan jutaan pengguna. Ini hanya tebakan, tetapi Spotify mungkin memiliki 100x atau 1000x pengguna aktif harian yang dimiliki Salesforce.

Anda harus berinvestasi sangat besar dalam mengumpulkan dan membersihkan data, sehingga kualitasnya jauh lebih tinggi. Dibandingkan di dunia B2C di mana ada lebih banyak data untuk digunakan.

Jadi ada banyak upaya dalam mencoba mengurangi jumlah data pelatihan berlabel yang diperlukan. Anda biasanya memiliki model yang merupakan data pelatihan, dan meletakkan label di atasnya sehingga mesin dapat belajar darinya. Dengan B2B, kita perlu berusaha untuk mengurangi jumlah yang dibutuhkan.

Pada akhirnya, salah satu tantangan terbesar dalam semua ini adalah menjaga kepercayaan. Karena nilai yang lebih tinggi dan frekuensi penjualan dan interaksi yang lebih rendah, ada sedikit ruang untuk kesalahan.

Jika kita membuat prediksi besar tentang bagaimana kita terlibat dengan pembeli tertentu ini dan kita melakukan sesuatu yang salah, itu bisa sangat menyakitkan.

Jadi bagi kami di Seismic, ini adalah tantangan besar untuk dapat mengambil data dan mengubahnya menjadi sesuatu yang dapat ditindaklanjuti dan digunakan untuk ruang B2B. Ini menyenangkan dan mengasyikkan. Tapi itu sangat sulit.

Sulit karena sangat sedikit orang di dunia ini yang memiliki keahlian untuk membuat terjemahan itu. Ini juga sulit karena setiap pemasar memiliki kebutuhan yang berbeda. Anda tidak dapat menyelesaikan setiap masalah untuk semua orang.

Bagaimana seorang pemasar menjadi sedikit lebih mahir secara teknis sehingga mereka dapat menjawab beberapa pertanyaan mereka sendiri? Karena mereka mungkin tidak mendapatkan jawaban yang mereka butuhkan. Mungkin sulit untuk menerjemahkan apa yang mereka miliki menjadi sebuah jawaban.

CZ: Atau mungkin mereka bahkan tidak tahu pertanyaan apa yang harus diajukan

AB : Oh ya, tentu saja. Dan sering kali orang yang memberikan solusi tersebut juga tidak mengetahui pertanyaannya — dan mereka mencoba mencari cara untuk menyelesaikannya.

CZ: Apa yang dapat dilakukan pemasar untuk mulai mempelajari data mereka sendiri?

AB : Jadi untuk pemasar, cobalah untuk mendapatkan akses ke data apa pun yang diberikan kepada Anda dalam format mentah.

Mulailah dengan hanya melemparkannya ke dalam spreadsheet. Excel, lembar google, apa pun. Pelajari tentang tabel pivot, mainkan dengan beberapa format. Dapatkan kenyamanan dengan beberapa alat yang memberi tahu Anda tentang data. Buat bagan atau grafik yang mungkin bermanfaat bagi Anda dalam kehidupan atau pekerjaan sehari-hari.

Mungkin bermain-main dengan itu untuk sementara waktu. Kemudian Anda beralih ke alat BI seperti Power BI, atau Tableau, sesuatu seperti itu. Intinya adalah Anda dapat mengumpulkan beberapa wawasan dasar dari data Anda.

Anda mungkin sudah menggunakan alat yang memberi tahu Anda tentang data Anda.

Tapi itu data Anda. Ini adalah keterampilan yang penting untuk dimiliki.

Masuk ke dalamnya, merasa tidak nyaman. Anda mungkin tidak tahu cara menggunakan excel atau cara membuat tabel pivot. Anda bahkan mungkin tidak tahu cara mendapatkan data Anda.

Cari tahu hal-hal itu. Mulailah menghubungkan sesuatu. Mulailah mencoba menjawab beberapa pertanyaan yang mengganggu Anda selama 12 bulan terakhir. Secara alami, Anda akan menemukan beberapa hal. Anda akan memiliki beberapa momen ah-ha.

Dalam beberapa bulan, Anda tidak hanya akan menjadi orang yang memiliki informasi yang lebih baik untuk pekerjaan Anda, Anda akan menjadi sumber daya yang lebih berharga bagi perusahaan Anda.

CZ: Itu poin yang sangat penting tentang memiliki data Anda. Jadi katakanlah seseorang berada di level intro ke dunia data dan analisis. Ke mana mereka harus pergi?

AB : Saya tidak punya jawaban pasti, tapi ada beberapa jalan berbeda yang bisa Anda ambil.

Beberapa orang berkata, "tunjukkan padaku talinya." Bagi mereka, saya akan mengatakan pergi online ke tempat-tempat seperti Udemy atau kursus online lainnya, dan temukan kursus yang ingin Anda pelajari. Ada kursus hebat di Excel, di Power BI.

Mereka relatif murah, atau terkadang gratis. Jika itu terkait dengan pekerjaan Anda, saya yakin perusahaan Anda akan bersedia mengeluarkan biaya rendah untuk beberapa kursus ini sehingga Anda dapat dididik oleh seorang ahli di bidangnya.

Orang lain lebih DIY / cari tahu sendiri. Jadi bagi mereka, mungkin mereka harus bermain-main dengan alatnya. Mungkin mereka akan menemukan beberapa penghalang jalan. Jadi mereka akan mencari di Google apa yang mereka coba lakukan, menemukan jawabannya, dan melanjutkan ke hal berikutnya.

Kita hidup di dunia di mana jika Anda tidak dapat menemukan cara untuk mendidik diri sendiri di sejumlah jalur yang berbeda, Anda mungkin tidak berusaha cukup keras. Ada begitu banyak informasi yang tersedia.

CZ: Untuk pemasar digital secara umum, apakah ini keterampilan yang harus dikuasai semua orang dibandingkan mengandalkan alat untuk melakukannya untuk Anda?

AB : Anda setidaknya harus memahami jenis data apa yang ada di luar sana. Data apa yang tersedia untuk Anda? Kami bergerak ke arah "data ada di mana-mana." Ruang B2B khususnya sekarang semakin menyadari fakta bahwa, “sapi, ada banyak data di sini.”

Anda harus memiliki setidaknya kesadaran. Anda harus bisa memikirkan hal-hal itu.

Jika Anda mengevaluasi alat atau teknologi baru, Anda perlu mengikuti jenis hal yang dilakukan industri, atau data yang tersedia, atau bagaimana teknologi tertentu dapat mempelajari data tertentu untuk melakukan sesuatu.

Misalnya, jika teknologi tertentu mampu memahami halaman tertentu yang dilihat prospek, konten apa, dan untuk berapa lama — jika Anda bahkan tidak tahu itu mungkin, maka sulit bagi Anda untuk memahami apa yang bisa dilakukan .

Informasi itu berharga karena jika saya tahu halaman apa yang mereka lihat dan apa yang ada di halaman itu, maka saya tahu apa yang paling mereka pedulikan, jadi saya tahu apa yang harus mereka bicarakan selanjutnya.

Anda tidak dapat membuat koneksi itu jika Anda tidak memperhatikan data yang Anda miliki.

CZ: Katakanlah Anda berada di pasar untuk alat martech bertenaga AI. Apa bendera merah atau must-have yang berbeda?

AB : Ada banyak bendera merah. Saya pikir kegilaan AI telah di luar kendali untuk sementara waktu. Dan itu menetapkan standar yang sangat tinggi untuk jenis teknologi apa yang ada saat ini.

Ini mengatur beberapa kesalahpahaman di sekitar bukan apa yang mungkin, tetapi apa yang dapat diandalkan dan apa yang akurat dan apa yang bekerja dengan baik.

Dengan B2B, sekali lagi jika Anda salah, itu masalah besar.

Pemikiran saya saat ini adalah bahwa ada banyak teknologi keren yang melakukan banyak hal keren, tetapi ada juga banyak teknologi yang melakukan banyak hal biasa.

Saya lupa statistik tepatnya, tetapi perwakilan penjualan menghabiskan mungkin 35-40% dari waktu mereka untuk benar-benar menjual. Sisa waktu itu adalah melakukan hal-hal administratif, mencoba mencari konten, memperbarui CRM.

Saya pikir apa yang orang pikirkan adalah, "Oooh lihat alat ini yang membantu penjual saya dalam 35% penjualan itu." Dan itu bagus, jika Anda menemukan alat yang melakukan itu dan itu dapat diandalkan. Tapi seringkali, itu berisiko.

Hal yang jauh lebih berisiko untuk dilakukan adalah menemukan alat yang menangani 65% barang lain yang tidak ingin dilakukan penjual.

Manfaatkan alat yang secara otomatis memperbarui CRM, misalnya. Atau membantu mengatur pertemuan, hal-hal seperti itu. Sehingga penjual Anda dapat menghabiskan 45% dari 55% waktu mereka untuk benar-benar menjual. Itulah yang mereka kuasai, itulah yang terbaik yang mereka lakukan.

CZ: Jika Anda bekerja di bidang pemasaran atau penjualan, alat apa yang akan Anda andalkan untuk pekerjaan Anda?

AB : Ada banyak alat otomatisasi hebat di luar sana. Otomatiskan yang duniawi.

Ini sangat berharga, mereka membebaskan waktu orang untuk melakukan apa yang mereka dapatkan di bidang ini untuk dilakukan. Menulis konten yang lebih baik, atau menjual ke prospek. Beri mereka waktu untuk melakukan hal-hal semacam itu.

Anda ingin ceri memilih beberapa hal lain juga. Anda tidak ingin menjadi benar-benar konservatif, Anda ingin memiliki kepala Anda dalam permainan. Beberapa hal benar-benar canggih. Melakukan analisis pertemuan dan sentimen, apakah orang-orang berbicara dengan cara yang benar saat mereka menjual. Banyak teknologi keren yang membantu manajer penjualan melatih tim mereka dengan lebih baik, berdasarkan apa yang sebenarnya terjadi dalam panggilan mereka. Ada teknologi prediktif yang sangat keren tentang apa yang harus Anda lakukan selanjutnya, dan kesepakatan apa yang harus Anda perhatikan.

Temukan kombinasi bahagia dari apa yang membuat Anda nyaman antara hal-hal biasa, kurang berisiko yang memungkinkan Anda melakukan lebih banyak dari apa yang Anda kuasai, dan hal-hal mutakhir yang mungkin atau mungkin tidak 100% akurat. Anda harus baik-baik saja dengan risikonya, dan tetap awasi itu.

CZ: Bagaimana kita bisa menyaring beberapa kebisingan / hype di sekitar AI?

AB : Anda seharusnya tidak fokus pada “oh, apakah Anda memiliki AI?” Saya pikir industri ini agak bergeser ke arah ini sekarang. Kami sedikit melewati puncak kegilaan.

Sekarang kita menuju lebih ke arah “oke, saya tidak yakin saya peduli jika Anda memiliki AI atau UI yang lebih baik. Yang benar-benar saya inginkan adalah agar Anda menyelesaikan masalah besar saya yang berbulu. Jika Anda dapat memecahkan masalah berbulu besar saya, saya tidak peduli bagaimana Anda melakukannya. Bantu saja aku melakukan itu.”

Jika kita semua hanya fokus pada itu daripada beberapa algoritma prediktif yang bagus, saya pikir semua orang akan berada di tempat yang lebih baik. Itu yang penting. Jika Anda tidak menyelesaikan satu atau banyak masalah yang dimiliki pengguna, maka sisanya tidak masalah. Buat saja itu lebih mudah atau lebih efisien bagi mereka.

Jika kita tidak menyelesaikan masalah, kita membuang-buang waktu. Itu sebabnya kami di sini. Itu sebabnya perusahaan kami ada di sini, itu sebabnya setiap perusahaan lain di dunia ada di sini. Itu sebabnya kita semua melakukan apa yang kita lakukan, kita mencoba untuk memecahkan masalah. Itu harus menjadi fokus.