B2B 데이터 + AI 과대 광고: Seismic의 데이터 및 분석 부사장과의 Q&A

디지털 마케팅/마테크 업계의 많은 사람들은 AI에 대한 과장된 소문을 너무 잘 알고 있습니다. 우리는 또한 B2B 공간에서 데이터를 처리하는 문제를 알고 있습니다.

우리 중 많은 사람들이 시장에서 "AI 기반" 도구를 많이 봅니다. 문제를 해결하기 위해 소음을 어떻게 정제할 수 있습니까? BI 도구를 사용하는 것과 비교하여 우리가 직접 수행해야 하는 데이터 분석의 종류는 무엇입니까?

데이터 분석을 처음 접하는 사람들을 위해 어디에서 배울 수 있습니까?

Seismic의 데이터 및 분석 부사장인 Al Bsharah와 함께 그 질문에 대한 그의 두뇌를 짚어보았습니다.

참고로 Seismic은 12월 말에 유니콘이 되었습니다. 약 1억 달러의 시리즈 E 자금이 이 이정표를 넘어섰습니다. 현재 가치는 10억 5천만 달러입니다.

Al이 말했듯이 "정말 재미있었습니다."

ClickZ: 귀하의 배경에 대해 간단히 말씀해 주시겠습니까?

Al Bsharah: 저는 디트로이트 자동차 산업에서 전기 엔지니어로 시작하여 몇 년 동안 경력을 쌓았습니다. 그 후 샌디에이고로 이사하여 스타트업에 참여했습니다. 나는 인수한 첫 번째 입사한 회사의 두 번째 직원이었다. 그 이후로 나는 몇 개의 다른 회사를 가졌습니다.

가장 최근의 Email Copilot은 일부는 ReturnPath에, 일부는 Seismic에 판매했습니다.

CZ: 현재 귀하의 역할은 Seismic의 데이터 및 분석 부사장입니다. 당신의 하루 하루 모습은 어떤가요?

AB : 그래서 Seismic에서의 첫 해는 매우 전술적이었습니다. 가까운 장래에 우리를 지속할 수 있는 올바른 방식으로 기술을 구축합니다.

그 다음 해에 우리는 전략에 매우 집중했습니다. 우리는 어디로 가고 있고 무엇을 구축하고 있으며 플랫폼 내부에서 어떤 종류의 기술을 활용해야 하며 어떻게 거기에 도달할 수 있습니까? 웹사이트에서 좋은 검색을 구축하려면 어떻게 해야 합니까? 관련 콘텐츠를 얻으려면 어떻게 해야 합니까?

올해는 제품 전략에 매우 집중할 것입니다. 작년과 비슷하지만 제품 자체에 더 중점을 둡니다. 고객의 워크플로와 고객이 해결하려는 문제에 대해 어떻게 생각합니까? 그리고 이를 통해 인텔리전스를 구축할 수 있는 방법은 무엇입니까?

CZ: Seismic은 영업 지원 및 마케팅을 수행합니다. 다룰 데이터가 많습니다.

AB : 네, 그렇습니다. 그 지역은 매우 넓고 깊습니다. 영업 지원 담당자에서 마케터, 판매자, 구매자에 이르기까지 다양한 페르소나를 다룹니다. 사람들이 업무를 수행하기 위해 거쳐야 하는 여러 워크플로에 대해 생각합니다.

우리는 특정 워크플로에 대한 정보를 제공하려고 노력합니다.

어떤 콘텐츠를 무엇에 사용할지 결정하는 방법은 무엇입니까? 유입경로의 어느 단계에서? 어떤 매체를 통해? 해당 콘텐츠는 다양한 페르소나에게 사용되고 있습니다.

우리는 콘텐츠의 전체 수명 주기와 작동 위치를 보여주는 일종의 히트 맵을 제공하려고 노력합니다.

저는 특히 B2B 세계에서 데이터에 대해 생각하는 방식입니다.

CZ: B2B 대 B2C 데이터로 작업할 때 마케터가 직면하는 특정 문제는 무엇입니까?

AB : 우선, 데이터가 적습니다. 그러나 장단점이 있습니다. 데이터는 항목당 더 높은 값을 갖습니다. 맞추면 더 효과적입니다. 하지만 틀리면 더 큰 영향을 미치기도 합니다. 거기에 아주 조심해야 합니다.

B2B 데이터에도 희소성 문제가 있습니다. 모든 수준에서 테스트를 수행하려는 경우 해당 데이터를 모든 수준에서 분할하려고 하면 데이터가 얇아지면 통찰력을 구축하기 어려울 수 있습니다. 적어도 실제로 신뢰할 수 있는 통찰력, 믿을 수 있는 것.

B2C에서는 수백만 명의 사용자가 있을 수 있습니다. 이것은 추측일 뿐이지만 Spotify에는 Salesforce보다 100배 또는 1000배의 일일 활성 사용자가 있을 수 있습니다.

데이터를 수집하고 정리하는 데 정말 많은 투자를 해야 하므로 훨씬 더 높은 품질을 얻을 수 있습니다. 사용할 데이터가 훨씬 더 많은 B2C 세계와 비교합니다.

따라서 필요한 레이블이 지정된 훈련 데이터의 양을 줄이기 위해 많은 노력이 필요합니다. 일반적으로 학습 데이터인 모델이 있고 기계가 학습할 수 있도록 레이블을 붙입니다. B2B를 사용하면 필요한 금액을 줄이기 위해 노력해야 합니다.

궁극적으로 이 모든 것에서 가장 큰 도전 중 하나는 신뢰를 유지하는 것입니다. 판매 및 상호 작용의 가치는 더 높고 빈도는 낮기 때문에 오류의 여지가 적습니다.

우리가 이 특정 구매자와 어떻게 관계를 맺을 것인지에 대해 큰 예측을 하고 있는데 우리가 뭔가 잘못하면 매우 고통스러울 수 있습니다.

따라서 Seismic에서는 데이터를 가져와 B2B 공간에서 실행 가능하고 사용할 수 있는 것으로 전환하는 것이 큰 도전입니다. 재미있고 흥미진진합니다. 하지만 매우 어렵습니다.

이 세상에서 그 번역을 할 수 있는 기술을 가진 사람이 거의 없기 때문에 어렵습니다. 또한 마케터마다 요구 사항이 다르기 때문에 어렵습니다. 모든 사람을 위해 모든 문제를 해결할 수는 없습니다.

마케터가 자신의 질문에 답할 수 있도록 기술적으로 좀 더 능숙해지는 방법은 무엇입니까? 그들이 원하는 답을 얻지 못할 수도 있기 때문입니다. 아마도 그들이 가지고 있는 것을 답변으로 번역하는 것은 어려울 것입니다.

CZ: 아니면 어떤 질문을 해야 할지조차 모를 수도 있습니다.

AB : 아, 물론입니다. 그리고 이러한 솔루션을 제공하는 사람들도 질문을 모르는 경우가 많으며 문제를 해결하는 방법을 알아내려고 노력하고 있습니다.

CZ: 마케터는 자신의 데이터에 대해 배우기 시작하기 위해 무엇을 할 수 있습니까?

AB : 따라서 마케터는 원시 형식으로 제공되는 모든 데이터에 액세스할 수 있도록 노력하십시오.

스프레드시트에 던지기만 하면 됩니다. Excel, Google 시트, 무엇이든. 피벗 테이블에 대해 배우고 몇 가지 형식을 사용하십시오. 데이터에 대해 알려주는 몇 가지 도구에 익숙해지십시오. 일상 생활이나 직장에서 도움이 될 수 있는 차트나 그래프를 작성하십시오.

잠시 동안 그것을 가지고 놀 수도 있습니다. 그런 다음 Power BI 또는 Tableau와 같은 BI 도구로 졸업합니다. 요점은 데이터에서 몇 가지 기본적인 통찰력을 얻을 수 있다는 것입니다.

데이터에 대해 알려주는 도구를 이미 사용 중일 수 있습니다.

하지만 그것은 당신의 데이터입니다. 가지고 있는 중요한 능력입니다.

들어가, 불편해. 엑셀 사용법이나 피벗 테이블 사용법을 모르실 수도 있습니다. 데이터를 가져오는 방법을 모를 수도 있습니다.

그런 것들을 알아내세요. 연결을 시작하십시오. 지난 12개월 동안 당신을 괴롭혔던 몇 가지 질문에 답하기 시작하십시오. 자연스럽게, 당신은 몇 가지를 우연히 발견하게 될 것입니다. 당신은 약간의 아하 순간을 가질 것입니다.

몇 달 안에 당신은 당신의 직업에 대해 더 나은 정보를 제공하는 사람이 아니라 당신의 회사에 더 가치 있는 자원이 될 것입니다.

CZ: 이것은 데이터 소유에 대한 정말 중요한 포인트입니다. 누군가가 데이터 및 분석의 세계에 입문하는 수준에 있다고 가정해 보겠습니다. 어디로 가야 할까요?

AB : 확실한 답은 없지만 선택할 수 있는 다양한 경로가 있습니다.

어떤 사람들은 "나에게 밧줄을 보여주세요"라고 말합니다. 그들에게 Udemy나 다른 온라인 과정에 온라인으로 가서 배우고 싶은 과정을 찾으라고 말하고 싶습니다. Excel, Power BI에 대한 훌륭한 과정이 있습니다.

비교적 저렴하거나 때로는 무료입니다. 귀하의 직업과 관련이 있는 경우 귀하의 회사는 해당 분야의 전문가로부터 교육을 받을 수 있도록 이러한 과정 중 일부의 저렴한 비용을 기꺼이 지출할 것입니다.

다른 사람들은 더 DIY/스스로 알아냅니다. 따라서 그들에게는 아마도 도구를 가지고 놀아야 할 것입니다. 아마도 그들은 어떤 장애물에 부딪힐 것입니다. 그래서 그들은 그들이 하려고 하는 것을 구글링하고, 답을 찾고, 다음으로 넘어갈 것입니다.

우리는 다양한 경로로 자신을 교육하는 방법을 알아낼 수 없다면 아마도 충분히 노력하지 않는 세상에 살고 있습니다. 사용할 수 있는 정보가 너무 많습니다.

CZ: 일반적으로 디지털 마케터의 경우 도구에 의존하는 것이 아니라 모든 사람이 습득해야 하는 기술입니까?

AB : 최소한 어떤 종류의 데이터가 있는지 이해해야 합니다. 어떤 데이터를 사용할 수 있습니까? 우리는 "데이터는 어디에나 있다"는 방향으로 움직이고 있습니다. 특히 B2B 공간은 이제 '이런 소여, 여기에 데이터가 많다'는 사실을 더욱 자각하고 있다.

최소한의 인식이 있어야 합니다. 그런 것들을 생각할 줄 알아야 합니다.

새로운 도구나 기술을 평가하는 경우 업계에서 수행하는 작업의 유형, 사용 가능한 데이터 또는 특정 기술이 특정 데이터를 학습하여 작업을 수행하는 방법을 파악해야 합니다.

예를 들어, 특정 기술이 잠재 고객이 보고 있는 특정 페이지, 콘텐츠 및 시간을 이해할 수 있는 경우 — 그것이 가능한지조차 알지 못하면 수행할 수 있는 작업을 이해하기 어렵습니다. .

그 정보는 그들이 보고 있는 페이지와 그 페이지에 있는 내용을 안다면 그들이 가장 중요하게 생각하는 것이 무엇인지 알고 있기 때문에 가치가 있습니다.

가지고 있는 데이터에 주의를 기울이지 않으면 연결할 수 없습니다.

CZ: AI 기반 마테크 도구 시장에 있다고 가정해 보겠습니다. 다른 위험 신호 또는 필수품은 무엇입니까?

AB : 위험 신호가 많이 있습니다. AI 열풍이 한동안 통제 불능 상태였던 것 같아요. 그리고 현재 어떤 종류의 기술이 존재하는지에 대한 기준을 엄청나게 높게 설정했습니다.

그것은 무엇이 가능한가가 아니라 무엇이 신뢰할 수 있고 무엇이 정확하고 무엇이 잘 작동하는지에 대한 약간의 오해를 설정합니다.

B2B의 경우 다시 한 번 틀리면 큰 문제입니다.

지금 제 생각에는 멋진 기술이 많은 멋진 일을 하고 있지만 평범한 일을 많이 하는 기술도 많다는 것입니다.

정확한 통계는 잊어버렸지만 영업 담당자는 실제 영업 시간의 35-40%를 소비합니다. 나머지 시간은 관리 작업을 수행하고 콘텐츠를 찾고 CRM을 업데이트하는 데 사용됩니다.

사람들이 생각하는 것은 "우와 내 판매자가 판매의 35 %에서 도움이되는이 도구를보십시오." 이 작업을 수행하고 신뢰할 수 있는 도구를 찾았다면 정말 좋습니다. 그러나 종종 위험합니다.

훨씬 덜 위험한 일은 판매자가 어쨌든 하기를 원하지 않는 나머지 65%를 처리하는 도구를 찾는 것입니다.

예를 들어 CRM을 자동으로 업데이트하는 도구를 활용하십시오. 또는 회의 준비를 도와주세요. 판매자가 실제 판매 시간의 55% 중 45%를 보낼 수 있도록 합니다. 그것이 그들이 잘하는 것, 그것이 그들이 가장 잘하는 것입니다.

CZ: 마케팅이나 영업에 종사한다면 어떤 도구에 의존하시겠습니까?

AB : 훌륭한 자동화 도구가 많이 있습니다. 일상을 자동화하십시오.

이것들은 매우 가치가 있으며, 사람들이 이 분야에서 처음에 할 수 있는 시간을 무료로 제공합니다. 더 나은 콘텐츠를 작성하거나 잠재 고객에게 판매합니다. 그들에게 그런 종류의 일을 할 시간을 주십시오.

다른 것들도 체리 선택하고 싶습니다. 당신은 완전히 보수적인 것을 원하지 않습니다. 당신은 게임에서 당신의 머리를 갖고 싶어합니다. 어떤 것들은 정말 고급스럽습니다. 회의와 감정을 분석하면 사람들이 판매할 때 올바른 방식으로 말하는 것입니다. 영업 관리자가 실제로 통화 내용을 기반으로 팀을 더 잘 교육하는 데 도움이 되는 멋진 기술이 많이 있습니다. 이 연구는 eally 당신이 다음에 무엇을해야하는지에 대한 예측 기술을 냉각하고, 무엇을 거래하는 경우에 가장주의를 기울여야한다.

당신이 잘하는 일을 더 많이 할 수 있게 해주는 평범하고 덜 위험한 일과 100% 정확할 수도 있고 아닐 수도 있는 최첨단 일 사이에서 당신이 편안하게 느끼는 것의 행복한 조합을 찾으십시오. 당신은 위험을 감수해야 하고, 그것에 대해 주의 깊게 관찰해야 합니다.

CZ: AI 주변의 소음/과대 광고를 어떻게 가려낼 수 있습니까?

AB : "오, AI가 있습니까?"에 초점을 맞추면 안 됩니다. 지금 업계가 이런 방향으로 가고 있다고 생각합니다. 우리는 광기의 정점을 조금 지났습니다.

이제 우리는 "알았어. AI나 더 나은 UI가 있는지 여부에 대해 신경 쓰지 않습니다. 내가 정말로 원하는 것은 당신이 내 큰 털이 많은 문제를 해결하는 것입니다. 당신이 내 큰 문제를 해결할 수 있다면 당신이 어떻게 하든 상관없어요. 그렇게 하도록 도와주세요.”

우리 모두가 멋진 예측 알고리즘 대신에 그것에 집중했다면 모두가 더 나은 위치에있을 것이라고 생각합니다. 그게 중요합니다. 사용자가 겪고 있는 문제 중 하나 또는 여러 개를 해결하지 못한다면 나머지는 중요하지 않습니다. 그들을 위해 더 쉽게 또는 더 효율적으로 만드십시오.

문제를 해결하지 않으면 시간을 낭비하는 것입니다. 그것이 우리가 여기 있는 이유입니다. 그것이 우리 회사가 여기 있는 이유이고, 세계의 다른 모든 회사가 여기에 있는 이유입니다. 그렇기 때문에 우리 모두는 우리가 하는 일을 하고 문제를 해결하려고 합니다. 초점을 맞춰야 합니다.