比计划延迟了近4个星期发这篇,既是因为有一个细节观点查资料和调文字挺耗精力的,也是因为拖延症……

在很多AI报告里,谈到对企业销售业务的价值时,都是先讲Upsell和Cross-sell(向上销售和交叉销售)。

但是我会把最优价格和价格优化放第一篇(链接在这里),而把Upsell和Cross-sell放第二篇——个人观点,现代交叉销售和向上销售,是以价格优化能力作为基础的,换句话说,数据和AI驱动的交叉销售能力能实现,基本上最优价格策略也已经成型。
为啥大部分观点会把Upsell和Cross-sell放在更基础的位置呢?我理解有两个原因:

  1. 传统上这俩策略存在已久,在现代机器学习算法尚未占据人工智能掌舵者宝座时,专家系统和专家法还是人工智能领域最大可能性的时候(上世纪70年代吧),这俩策略已经深入人心了;
  2. 现代推荐算法在B2C端业务上已经非常成熟,大家都会默认把这个复用到B2B端业务会同样流畅——不就是淘宝/京东/抖音/快手的企业应用版嘛?其实真不是。

首先我们来回顾下Upsell和Cross-sell本身

向上销售和交叉销售帮助企业最大限度提高业务潜在收入,可以说是销售方法,可以说是销售技术,也可以说是销售策略。

什么是向上销售(或者译为追加销售)?

  • “先生您好,麦辣鸡腿套餐只需要加一块五就可以升级大杯可乐哦。”
  • “是的,入门款保时捷卡宴没有配倒车影像的,建议您直接上高配。”——(是的你我都没看错)
  • “王总,没错,现在您选的服务器配置是足够了,但是考虑到贵司业务发展飞快,可能下个季度就要升级了,为何不一次到位把私有云的架子都搭起来呢?价格嘛我们交个朋友好商量。”

向上销售是企业尝试激励客户购买高端产品、升级/换代产品或购买升级版本等以进行以实现更高客单价/收益,实现更有利可图销售业务的一种做法。

什么是交叉销售?

  • “您需要来份配餐甜点吗?”
  • “烧烤马上来,本店新出特酿鲜啤配烧烤特别好吃,先生女士来一扎?”
  • “X总您看,您这个月底前能签约付款的话,我给你承诺每台设备都能7折价格买耗材,今年内。”

交叉销售是指企业尝试向客户出售与采购需求产品/服务关联的产品/服务(客户可能已经完成购买,也可能正在购买/采购过程中),如果您尝试交叉销售,那么您建议的产品/服务应该是补充客户已经拥有的产品/服务。

然后我们看看传统上B2B业务如何做Upsell和Cross-sell

和2C的冲动式消费不同,在对企业进行Upsell操作时会略复杂:

  • 企业教会销售员工加价销售产品和服务,并向最成功的人员提供奖励和奖金。成功销售人员需要了解客户的背景、需求、痛点、决策链、预算和其他限制条件,从而可以更好地让决策者更好地了解真实价值或包装出来价值。
  • 向上销售的另一种方式是让购买者对持久性产生恐惧,特别是对昂贵的商品(例如电子产品)有效,因为延长保修可以使购买方决策链上各相关人员更放心。

作为策略,Cross-sell需要企业层面去做好产品捆绑或者推荐产品关联,甚至是为捆绑包准备折扣价和专用话术。

关于这两种策略方法在什么时候执行,参考下图

基于CRM项目的一些客户接触和推进的思维,定位出几个接触点——都是传统意义上Upsell和Cross-sell会触发的点。

无论是基于意向产品、还是客户类型、还是历史购买记录、还是促销策略推荐升级产品或者关联产品,我们都会发现,触发点并不那么重要,重要的是:

  • 如何建立客户意向产品和升级产品或关联产品的关系?
  • 如何建立客户类型和产品的关系?
  • 如何从历史购买记录里面找到产品推荐列表?
  • ……

有经验的销售人员和决策者可以靠商业直觉和Excel表得到一些结论,但是绝对不会是最完整或者最准确的——人脑能注意到自己能认知的信息,但是总会遗失某些习以为常或者看不到的业务信息。


既然有如此系列问题存在,AI能帮我们解决吗?

答案不言而喻,当代机器学习黑匣子在面对着大量多维度且存在相关性数据时,更显其优势。

提升客户生命周期价值对企业和客户都有意义。为企业增加收入(减少营销支出),并提高客户的相关性和忠诚度。但是,要达到这个最佳状态,就需要对客户,其行为和需求进行复杂的分析。

CPQ使用机器学习来分析历史数据、客户属性和购买模式,以发现特定客户和产品组合的适当追加销售和交叉销售机会。销售人员会在准备报价时收到自动建议,从现有客户群体和潜客群体获得更多的收入,这是一个双赢的过程。

根据IBM的专家建议,以下六个方面可供参考:

1、分析和细分客户

在对客户进行交叉销售分析之前,必须首先根据属性(例如客单价、位置、类型等)将数据集划分为细分分组。

要成功分割数据集,需要使用数据挖掘技术来正确决定应如何创建分割——组织不仅可以查看哪些客户可能会购买更多商品,甚至还可以了解可能购买的商品以及购买时间。

2、增长建模

应用一些针对性或预测性分析工具,不仅可以确定谁可以花更多钱,还可以确定他们是否愿意花更多的钱。包括系列使用随机科学控制来衡量营销活动有效性并建立预测模型的技术。

3、选择下一个最佳产品

一旦确定了目标客户群来进行交叉销售或追加销售,就必须选择令人信服的报价。选择下一个最佳产品来构建推荐模型是交叉销售定位分析的基础——包括触发器、细分分组、回归模型和优化。此类模型提供了此练习的内容(产品),对象(客户),时间(时间)和方式(渠道)的答案。该模型中还需要进一步考虑购买间隔时间,尤其是在零售中。

4、市场篮分析

使用客户数据的历史分析可以突出显示所购买产品的某种组合是否使再次购买的可能性更高。这称为市场篮分析(Market Basket Analysis, MBA)。这是一种广泛使用的技术,可以确定经常购买的产品或服务的最佳组合。这也称为产品关联分析。
关联分析主要基于Apriori算法进行。这种分析的结果称为关联规则,可以在营销活动中实施以触发追加销售和交叉销售动作。

5、聚类

通过使用机器学习技术,可以挖掘和处理多变量数据,以识别显示出紧密匹配的活动和特征的客户群体。这些共同点使他们在提出购买提议或挖掘购买动机时,有可能表现得彼此相似。
聚类分析不单指某种特定的算法,在每种情况下使用的适当算法取决于单个数据集和结果的预期用途。

6、深度学习和深度神经网络

深度学习是机器学习领域的一部分。较广泛的机器学习和深度学习之间的主要区别在于,与其他机器学习领域中发现的某些特定于任务的技术相比,深度学习在技术上应用的学习水平更高。
深度学习消除了交叉销售和追加销售分析的更多人为因素,并允许系统从基础数据中学习和实施自己的发现

各位读到这里可能会发现,只有当价格可以根据每个客户或者每类客户智能确定时,关联推荐产品才会有意义……

而这正是当代CPQ在处理Upsell和Cross-sell时和传统做法不一样的地方。

最可怕的是,ML对商业模式的变革促进

新的业务模型应部署基于数据的分析,以有效评估客户的购买偏好。 机器学习工具和人工智能可以通过使用更多数据源来提供洞察力以确定未来客户的行为并确定利用它们的最佳渠道,从而对传统的交叉销售模型进行补充。

建立有效的交叉销售策略已被证明是金融机构/零售端市场面临的主要挑战领域。 随着客户期望的快速变化以及数字颠覆者通过新的数字销售工具的不断试验进入市场,B2B领域也……面临挑战。


总结

目前,CPQ正在经历一个黄金时代。天时地利人和均已就绪:来自需求方对个性化产品组合的市场需求、来自供给方对利润保障的需求,产生快速提供准确报价以及交叉销售和追加销售的需求。随着市场对技术的需求日益增加和利润指向变化,CPQ供应商将开始寻找与众不同的功能,这将改变CPQ过去的表现方式并加深其作用。

此外,随着个性化在所有行业中渐受重视,CPQ市场正朝着这个方向发展。更好的UI、易于使用、集成和自定义方能力将成为和AI技术同步发展的CPQ关注点。

像AI和IOT这样的技术正在发挥更大的作用,并且我们会持续体验到更高水平的服务和客户满意度,未来已经不远。

今日薅羊毛

买一得二,三联官方店的链接,比财新周刊官方链接还便宜几块钱……

【三联中读&财新通】联合会员1年会员VIP兑换码 【包邮】
【在售价】498.00元
【券后价】483.00元
【下单链接】https://m.tb.cn/h.VLLtUH4

请完整复制右边编码信息,$khc91EAFiRo$,到【手机淘宝】即可查看

$khc91EAFiRo$


Reference

Here’s How Cross-selling Strategies and Data-driven Analytics Will Take the Financial Sector to New Heights

Industry & Innovation Insights on CPQ for 2019 - SoftClouds - Medium

Five Ways to Increase Your Cross-Selling | Bain & Company

Upsell and Cross-Sell with AI-Powered Product Recommendations

Six ways to use Data Science to drive your cross-sell and upsell activity - IBM Digital Nordic