Mike Tong
مساهم
شارك على Twitter
Mike Tong لديه أكثر من عقد من الخبرة في قيادة استراتيجية GTM وعمليات لشركات التكنولوجيا والبيانات كجزء من McKinsey TMT و ATSPOKE و Splunk و VC Firm B Capital.
في عام 2019 ، قادت فريق المبيعات واستراتيجية النمو لشركة منظمة العفو الدولية المدعومة من المشاريع تسمى ATSPOKE. استخدمت الشركة ، التي اكتسبتها Okta في النهاية ، منظمة العفو الدولية لزيادة إدارة خدمات تكنولوجيا المعلومات التقليدية والاتصالات الداخلية للشركة.
في مرحلة مبكرة جدًا ، كان معدل التحويل لدينا مرتفعًا. طالما أن فريق المبيعات لدينا يمكن أن يتحدث إلى احتمال - وهذا الاحتمال الذي قضى وقتًا مع المنتج - فإنهم في كثير من الأحيان يصبحون عميلًا. كانت المشكلة هي الحصول على آفاق قوية كافية للتواصل مع فريق المبيعات.
لم ينجح كتاب اللعب التقليدي SaaS لتوليد الطلب. كان شراء الإعلانات ومجتمعات البناء التي تركز على الذكاء الاصطناعي باهظة الثمن ووجهوا إلى المتحمسين الذين يفتقرون إلى القوة الشرائية. شراء مصطلحات البحث لمقترحات القيمة المحددة لدينا-على سبيل المثال ، طلبات التوجيه التلقائي-لم تنجح لأن المفاهيم كانت جديدة ولم يكن أحد يبحث عن هذه الشروط. أخيرًا ، جلبتنا مصطلحات مثل سير العمل وتذاكرات التذاكر ، والتي كانت أكثر شيوعًا ، إلى منافسة مباشرة مع الحيتان مثل Servicenow و Zendesk.
في دوري المشورة ألاحظ ديناميات مماثلة عبر كل من AI و ML وشركات التحليلات التنبؤية المتقدمة التي أتحدث معها. إن توليد خطوط الأنابيب الصحي هو Bugbear لهذه الصناعة ، ومع ذلك يوجد القليل جدًا من المحتوى حول كيفية معالجتها.
الحفاظ الفئة ليست جوهر اقتراح القيمة الخاص بك أو لماذا سيوقع الناس في النهاية على عقد.
هناك أربعة تحديات رئيسية تقف في طريقة توليد الطلب لشركات AI و ML وتكتيكات لمعالجة هذه التحديات. على الرغم من عدم وجود رصاصة فضية ، لا يوجد مؤتمر سري لمشتري الذكاء الاصطناعى في سانتا باربرا أو ملعب Reddit Thread ، فإن هذه النصائح يجب أن تساعدك على تنظيم نهجك في التسويق.
التحدي 1: لا تزال فئات AI و ML محددة
< Br> إذا كنت تقرأ هذا ، فمن المحتمل أن تعرف قصة Salesforce و SaaS كفئة ، لكن التألق يحمل تكراره. عندما بدأت الشركة في عام 1999 ، لم تكن البرمجيات كخدمة موجودة. في الأيام الأولى ، لم يكن أحد يفكر ، أحتاج إلى العثور على حل SaaS CRM. وصفت الصحافة التجارية بالشركة خدمة برامج عبر الإنترنت أو خدمة ويب.
ركز التسويق المبكر لـ Salesforce على مشاكل برامج المبيعات التقليدية. نظمت الشركة بشكل لا يطاق احتجاجًا على البرمجيات في عام 2000. (لا يزال Salesforce يستخدم هذه المراسلة.) قام المدير التنفيذي مارك بنيوف أيضًا بتكرار برنامج المصطلح كخدمة حتى يتم اكتشافه. أنشأ Salesforce الفئة التي سيطر عليها.
تواجه شركات AI و ML ديناميكية مماثلة. على الرغم من أن المصطلحات مثل التعلم الآلي ليست جديدة ، إلا أن مجالات حلول محددة مثل استخبارات القرار لا تندرج ضمن فئة واضحة. في الواقع ، حتى تجميع شركات AI/ML أمر محرج ، حيث يوجد الكثير من التقاطع مع ذكاء الأعمال (BI) والبيانات والتحليلات التنبؤية والأتمتة. يمكن للشركات في الفئات الأحدث أن تخطط لشروط مثل التكامل المستمر أو إدارة الحاويات.
مساهم
شارك على Twitter
Mike Tong لديه أكثر من عقد من الخبرة في قيادة استراتيجية GTM وعمليات لشركات التكنولوجيا والبيانات كجزء من McKinsey TMT و ATSPOKE و Splunk و VC Firm B Capital.
في عام 2019 ، قادت فريق المبيعات واستراتيجية النمو لشركة منظمة العفو الدولية المدعومة من المشاريع تسمى ATSPOKE. استخدمت الشركة ، التي اكتسبتها Okta في النهاية ، منظمة العفو الدولية لزيادة إدارة خدمات تكنولوجيا المعلومات التقليدية والاتصالات الداخلية للشركة.
في مرحلة مبكرة جدًا ، كان معدل التحويل لدينا مرتفعًا. طالما أن فريق المبيعات لدينا يمكن أن يتحدث إلى احتمال - وهذا الاحتمال الذي قضى وقتًا مع المنتج - فإنهم في كثير من الأحيان يصبحون عميلًا. كانت المشكلة هي الحصول على آفاق قوية كافية للتواصل مع فريق المبيعات.
لم ينجح كتاب اللعب التقليدي SaaS لتوليد الطلب. كان شراء الإعلانات ومجتمعات البناء التي تركز على الذكاء الاصطناعي باهظة الثمن ووجهوا إلى المتحمسين الذين يفتقرون إلى القوة الشرائية. شراء مصطلحات البحث لمقترحات القيمة المحددة لدينا-على سبيل المثال ، طلبات التوجيه التلقائي-لم تنجح لأن المفاهيم كانت جديدة ولم يكن أحد يبحث عن هذه الشروط. أخيرًا ، جلبتنا مصطلحات مثل سير العمل وتذاكرات التذاكر ، والتي كانت أكثر شيوعًا ، إلى منافسة مباشرة مع الحيتان مثل Servicenow و Zendesk.
في دوري المشورة ألاحظ ديناميات مماثلة عبر كل من AI و ML وشركات التحليلات التنبؤية المتقدمة التي أتحدث معها. إن توليد خطوط الأنابيب الصحي هو Bugbear لهذه الصناعة ، ومع ذلك يوجد القليل جدًا من المحتوى حول كيفية معالجتها.
الحفاظ الفئة ليست جوهر اقتراح القيمة الخاص بك أو لماذا سيوقع الناس في النهاية على عقد.
هناك أربعة تحديات رئيسية تقف في طريقة توليد الطلب لشركات AI و ML وتكتيكات لمعالجة هذه التحديات. على الرغم من عدم وجود رصاصة فضية ، لا يوجد مؤتمر سري لمشتري الذكاء الاصطناعى في سانتا باربرا أو ملعب Reddit Thread ، فإن هذه النصائح يجب أن تساعدك على تنظيم نهجك في التسويق.
التحدي 1: لا تزال فئات AI و ML محددة
< Br> إذا كنت تقرأ هذا ، فمن المحتمل أن تعرف قصة Salesforce و SaaS كفئة ، لكن التألق يحمل تكراره. عندما بدأت الشركة في عام 1999 ، لم تكن البرمجيات كخدمة موجودة. في الأيام الأولى ، لم يكن أحد يفكر ، أحتاج إلى العثور على حل SaaS CRM. وصفت الصحافة التجارية بالشركة خدمة برامج عبر الإنترنت أو خدمة ويب.
ركز التسويق المبكر لـ Salesforce على مشاكل برامج المبيعات التقليدية. نظمت الشركة بشكل لا يطاق احتجاجًا على البرمجيات في عام 2000. (لا يزال Salesforce يستخدم هذه المراسلة.) قام المدير التنفيذي مارك بنيوف أيضًا بتكرار برنامج المصطلح كخدمة حتى يتم اكتشافه. أنشأ Salesforce الفئة التي سيطر عليها.
تواجه شركات AI و ML ديناميكية مماثلة. على الرغم من أن المصطلحات مثل التعلم الآلي ليست جديدة ، إلا أن مجالات حلول محددة مثل استخبارات القرار لا تندرج ضمن فئة واضحة. في الواقع ، حتى تجميع شركات AI/ML أمر محرج ، حيث يوجد الكثير من التقاطع مع ذكاء الأعمال (BI) والبيانات والتحليلات التنبؤية والأتمتة. يمكن للشركات في الفئات الأحدث أن تخطط لشروط مثل التكامل المستمر أو إدارة الحاويات.
اخلاء مسؤولية! هذا المقال لا يعبر بالضرورة عن رأي جامعة الرازي
