大客戶管理、數(shù)字化資產(chǎn)和AI應用

楊峻
0 評論 719 瀏覽 5 收藏 10 分鐘
🔗 B端产品经理需要更多地进行深入的用户访谈、调研、分析,而C端产品经理需要更多地快速的用户测试、反馈、迭代

本文介紹了如何基于CRM3.0大客戶管理中2條暗線(人脈線和項目規(guī)律線)及1條服務線積累的數(shù)字化資產(chǎn),應用于大客戶管理的3條明線(客戶線、打單線和支持線)關(guān)鍵業(yè)務場景中,通過AI來分析、指導和建議,從而在客戶運營、打單和售前支持中實現(xiàn)數(shù)字化驅(qū)動和AI賦能。感興趣的同學,一起來看一下。

我在之前文章中針對CRM提過三個問題:1.客戶關(guān)系管理(CRM)中沒有關(guān)系管理是否還算CRM? 2.重要信息得依賴于銷售人員輸入的CRM系統(tǒng),能有多少銷售人員愿意使?無法提升銷售業(yè)績的CRM又有多少企業(yè)愿意做大的投資?

傳統(tǒng)CRM在數(shù)字化時代大客戶管理理論體系上有欠缺,才致使CRM的業(yè)務價值沒有充分體現(xiàn)和發(fā)揮。通過CRM3.0的五維銷售理論,結(jié)合數(shù)字化資產(chǎn)和AI應用,CRM才能在大客戶銷售領(lǐng)域幫助企業(yè)和銷售人員大幅提升銷售業(yè)績。

  • 針對問題1 – 關(guān)系管理:針對關(guān)系,我提出了商業(yè)關(guān)系管理(BRM)的概念,其中的企業(yè)人脈資源管理(ECM)就是對客戶關(guān)系的管理。企業(yè)人脈資源管理(ECM)通過對關(guān)鍵人關(guān)系量化、決策鏈關(guān)系量化、客戶關(guān)系量化、員工關(guān)系量化、我司關(guān)系量化和友商關(guān)系量化這六量化,把客戶關(guān)系可視化、量化和貨幣化,構(gòu)建了企業(yè)最核心的數(shù)字化資產(chǎn)。
  • 針對問題2 – 使用粘度:基于企業(yè)人脈資源量化(ECM)和企業(yè)項目行為(PBM)數(shù)據(jù),通過銷售過程管理(TAS+)中四問四點一線的方法,以AI對銷售關(guān)鍵數(shù)據(jù)進行預測,指導打單最佳實踐,從而成為銷售贏單的最佳武器,產(chǎn)生使用粘度。
  • 針對問題3 – 業(yè)務價值:基于企業(yè)人脈資源量化(ECM)和企業(yè)項目行為(PBM)數(shù)據(jù),通過AI在大客戶管理(ESP+)、銷售過程管理(TAS+)和銷售支撐體系(MCI)的指導,在銷售金額、銷售周期、贏單率、銷售潛力等方面創(chuàng)造可量化的業(yè)務價值。

圖 1 大客戶管理、數(shù)字化資產(chǎn)和AI應用

如上圖所示,區(qū)別于傳統(tǒng)CRM中AI應用(郵件內(nèi)容自動起草,提問回答等),CRM3.0大客戶管理中,基于2條明線、3條暗線和1條服務線,通過與時間和空間的組合,形成一個個AI應用場景。其中2條暗線是大客戶管理的數(shù)字化資產(chǎn),3條明線加1條服務線實現(xiàn)大客戶管理的方法、流程和行為。也就是當數(shù)字化資產(chǎn)與方法、流程和行為時空組合,就形成眾多AI應用的場景。

上圖中明線和暗線由6部分組成。而傳統(tǒng)CRM只有銷售過程管理和小部分大客戶管理,也就是最多1.5部分,其缺少數(shù)字化資產(chǎn)部分(企業(yè)人脈資源管理和項目行為管理)、銷售支撐管理部分、銷服一體化部分(服務線)和大客戶識別、覆蓋和運營部分(大客戶管理的一部分)。由于理論體系的欠缺,傳統(tǒng)CRM沒有數(shù)字化資產(chǎn)和缺乏對大客戶管理的有效方法,所以很難通過數(shù)字化和AI大幅產(chǎn)出業(yè)務價值。

圖2 大客戶管理關(guān)鍵業(yè)務場景AI應用示例

如上圖所示,如果我們有了完善的大客戶管理五維體系,我們可以在眾多的關(guān)鍵業(yè)務場景完成AI驅(qū)動。大客戶管理五維體系具體內(nèi)容請見之前文章,本文不再贅述。相關(guān)業(yè)務場景示例如下:

1)場景一:如何數(shù)字化判定大客戶AI應用

大客戶管理(ESP+)五步法第一步“如何數(shù)字化判定大客戶”中我介紹過綜合評分法,其中有一個判斷條件是“能贏能做”。我司關(guān)系數(shù)字化包括三個量化:客戶關(guān)系數(shù)字化,關(guān)鍵人關(guān)系數(shù)字化和員工私域關(guān)系數(shù)字化。通過這三個數(shù)字化我們就知道該客戶和客戶的關(guān)鍵人在關(guān)系緊密度、方案認可度和價格接受度上對我們的態(tài)度,也知道我們的員工能否深度影響客戶關(guān)鍵人。給AI規(guī)則,AI自動就能判斷出該客戶在“能贏能做”維度的得分。

2)場景二:構(gòu)建客戶覆蓋體系AI應用

員工關(guān)系數(shù)字化包括三個量化:負責的客戶關(guān)系數(shù)字化,負責的關(guān)鍵人關(guān)系數(shù)字化和員工私域關(guān)系數(shù)字化。通過這三個數(shù)字化我們就知道該該員工負責的客戶和客戶的關(guān)鍵人在關(guān)系緊密度、方案認可度和價格接受度上對我們的態(tài)度,也知道我們的員工能否深度影響客戶關(guān)鍵人。也就是該員工維護負責的客戶和關(guān)鍵人的成果,和該關(guān)鍵人對客戶的影響力,基于此,我們給出AI規(guī)則,AI自動就能判斷出該銷售是否合適負責該客戶

3)場景三:客戶策略、戰(zhàn)術(shù)和規(guī)劃數(shù)字化AI應用

基于每個客戶關(guān)系數(shù)字化和項目行為5要素,結(jié)合大客戶管理(ESP+)中五類客戶策略和戰(zhàn)術(shù),及客戶計劃方法,我們通過給出AI規(guī)則,由AI制定客戶戰(zhàn)略和戰(zhàn)術(shù),編寫客戶計劃。

4)場景四:大客戶數(shù)字化運營AI應用

a.)在客戶計劃指導下,基于每個客戶關(guān)系數(shù)字化和項目行為5要素,我們通過給出AI規(guī)則,由AI給出建議,完成大客戶運營。b.)在售后階段,基于互動增值數(shù)字化平臺互動和數(shù)字資產(chǎn)積累,由AI給出建議,完成大客戶運營。

5)場景五:大客戶數(shù)字化整體評估

基于前面場景一到四,就是大客戶管理五步法中前四步的數(shù)字化資產(chǎn)和AI建議,由AI給出大客戶的整體評估報告。

6)場景六:評估銷售機會

贏單五步法的四問中后2問是:“我們有競爭力嗎?”和“我們能贏嗎“。針對這2問,基于決策鏈關(guān)系數(shù)字化、項目行為數(shù)據(jù)、互動增值數(shù)字化平臺中的數(shù)字化資產(chǎn),通過AI給出這2問的評估。

7)場景七:分析決策鏈和競爭對手

基于決策鏈關(guān)系數(shù)字化,通過AI完成決策鏈和競爭對手分析。

8)場景八:制定競爭策略和戰(zhàn)術(shù)

基于決策鏈關(guān)系數(shù)字化和銷售過程管理(TAS+)中五類競爭策略和戰(zhàn)術(shù),由AI來制定競爭策略和戰(zhàn)術(shù)。

9)場景九:制定關(guān)系策略和戰(zhàn)術(shù)

針對每個關(guān)鍵人,基于聯(lián)系人關(guān)系數(shù)字化與銷售過程管理(TAS+)中五類關(guān)系策略和戰(zhàn)術(shù),制定關(guān)系策略和戰(zhàn)術(shù)。

10)場景十:制定工作計劃并執(zhí)行

基于前面場景七到九,就是銷售過程管理贏單五步法中前四步的數(shù)字化資產(chǎn)和AI建議,由AI制定打單工作計劃并執(zhí)行。

11)場景十一:售前支持(匹配、協(xié)同和整合)

基于智能工單系統(tǒng)五大功能,完成銷售支撐管理的資源匹配、過程協(xié)同和資源整合,同事基于智能工單系統(tǒng)的數(shù)字資產(chǎn),由AI給出銷售支撐管理中的建議。

總結(jié):本文介紹了如何基于CRM3.0大客戶管理中2條暗線(人脈線和項目規(guī)律線)及1條服務線積累的數(shù)字化資產(chǎn),應用于大客戶管理的3條明線(客戶線、打單線和支持線)關(guān)鍵業(yè)務場景中,通過AI來分析、指導和建議,從而在客戶運營、打單和售前支持中實現(xiàn)數(shù)字化驅(qū)動和AI賦能。

專欄作家

楊峻,公眾號:CRM30,人人都是產(chǎn)品經(jīng)理專欄作家。暢銷書《營銷和服務數(shù)字化轉(zhuǎn)型?CRM3.0時代的來臨》一書作者?,F(xiàn)任微軟數(shù)字化方案資深專家,曾任海爾全球服務數(shù)字化轉(zhuǎn)型和信息化建設(shè)總負責人。

本文原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可,禁止轉(zhuǎn)載

題圖來自Unsplash,基于CC0協(xié)議

該文觀點僅代表作者本人,人人都是產(chǎn)品經(jīng)理平臺僅提供信息存儲空間。

更多精彩內(nèi)容,請關(guān)注人人都是產(chǎn)品經(jīng)理微信公眾號或下載App
評論
評論請登錄
  1. 目前還沒評論,等你發(fā)揮!
专题
13752人已学习15篇文章
深度学习(Deep learning)是一种机器学习的分支,它是通过构建多层神经网络来实现自主学习和预测的能力。本专题的文章分享了解读深度学习。
专题
11826人已学习12篇文章
数据管理系统在后期能够为企业提供基础数据服务,保证企业往更好的方向运营。本专题的文章分享了如何做好数据管理。
专题
12402人已学习16篇文章
栅格系统在页面排版布局、尺寸设定方面给了设计者直观的参考,它让页面设计变得有规律,从而减少了设计决策成本。本专题的文章分享了浅析栅格系统。
专题
17937人已学习17篇文章
数据可视化的方式,能够更加清晰明确的进行数据分析。本专题的文章分享了数据可视化的设计思路。
专题
16170人已学习12篇文章
本专题的文章分享了支付风控系统的设计指南
专题
37669人已学习20篇文章
“搜索功能”拆解:小功能,大细节。