유도 판매란 무엇이며 CX를 개선하는 데 어떻게 도움이 됩니까?

오늘날 조직은 상호 작용하는 각 개인에 대해 완벽한 고객 경험(CX)을 달성하기 위해 노력합니다. 이러한 노력은 부서 차원에 집중되지 않고 조직 전체에 반영됩니다. 그리고 분명히 CX 경영진은 원활하고 능률적인 고객 상호 작용을 보장하는 가장 큰 부담을 짊어지고 있습니다. 완벽하지 않은 상호 작용은 고객을 잃게 만듭니다. 그리고 다른 하나는 입소문과 부정적인 리뷰가 브랜드 평판을 빠른 속도로 손상시킬 수 있기 때문입니다. 다행스럽게도 기술의 발전은 현대적인 영업 솔루션의 형태로 조직에 도움이 되었습니다. AI 채택은 산업 전반에 걸쳐 기하급수적으로 증가했지만 모든 사람이 AI를 모든 CX 문제에 대한 전능한 구원자로 여기지는 않습니다.

현재 CX 경영진의 41%만이 AI 전략이 있다고 주장합니다. AI가 우리 삶의 모든 측면에 존재하는 시대에 이 비율은 스펙트럼의 무의미한 측면에 있습니다. IBM 은 CX 경영진이 조직 내에서 AI를 채택하기를 열망하게 만드는 일련의 요인을 식별했으며 , CX 개선이 주된 이유 중 하나였습니다. 그러나 가이드 판매 및 기술이 공정한 기여를 가져올 수 있는 방법을 아래에서 살펴보겠습니다.

유도 판매란 무엇입니까?

간단히 말해서 유도 판매는 고객 데이터의 도움을 받아 현재 및 과거 판매 추세를 분석하고 제품 권장 사항을 맞춤화하여 전환율을 높이는 프로세스입니다. Gartner 에 따르면 B2B 매출의 75%가 AI 및 ML 기반 판매 솔루션을 통해 관리될 것입니다.

Netflix는 다음으로 좋아하는 시리즈를 추천하는 훌륭한 작업을 수행합니다. 플랫폼에서 시청하는 프로그램의 80%는 가이드 판매 또는 추천을 통해 발견됩니다. 그리고 많은 B2B 및 B2C 비즈니스는 동일한 수준의 "마법"에 도달하기를 열망합니다. 유도 판매는 마술과는 거리가 멀고 AI 기반 데이터 엔지니어링, 맞춤형 소프트웨어 개발 및 배포에 더 가깝습니다.

B2B 영업에서 가이드 판매

B2B에서 구매자 여정은 B2C 또는 전자 상거래보다 더 미묘합니다. 구매자는 올바른 결정을 내리기 위해 구매자 여정의 과거 단계를 다시 방문하는 경향이 있습니다. 그렇게 함으로써 그들은 우리가 B2C 역학에서 접하는 전통적인 프로세스를 깨뜨립니다. 이러한 이유로 B2B에서 유도 판매는 최고의 콘텐츠, 커뮤니케이션 전략, 조치 및 제품을 추천하여 거래를 성사시켜 판매 팀을 지원하는 B2B 소프트웨어 판매 솔루션을 소개합니다.

이 경우 기업은 원시 데이터를 실행 가능한 통찰력으로 변환하는 강력한 AI 도구 가 필요합니다. ML도 여기서 중요한 역할을 합니다. 이 기술이 적용된 도구는 행동 트렌드를 학습하고 정확한 데이터, 과거 트렌드, 시장 조건 및 인구 통계를 기반으로 차선책을 제안함으로써 영업 담당자를 안내할 수 있습니다.

B2C 또는 전자 상거래 판매에서 가이드 판매

B2C 및 eCommerce 판매에서는 주로 추천 도구를 통해 유도 판매가 수행됩니다. 이 기술은 의견, 평점, 페이지 보기, 장바구니 이벤트, 클릭 연결 등의 고객 상호 작용 및 데이터를 기반으로 제품 권장 사항을 필터링하고 표시합니다. 그리고 다시 한 번 Amazon은 10여 년 전에 유사한 엔진을 처음으로 배포했습니다. 나머지는 데이터, 고객 상호 작용 및 복잡하고 민첩한 알고리즘으로 구동되는 기록입니다. 지난 10년 동안 사용자가 생성한 데이터 볼륨은 우수한 사용자 경험을 제공할 기회를 증가시켜 기업이 탁월한 옴니채널 고객 경험을 제공할 수 있도록 지원했습니다. 올바르게 배포된 유사한 도구는 기업이 고객 유지율을 높이고 충성도 높은 고객 기반을 구축하며 수익을 늘리는 데 도움이 될 수 있습니다. AI 기반 판매 안내 소프트웨어는 다양한 수준에서 CX 전략을 촉진하는 데 도움이 될 수 있습니다.

유도 판매는 어떻게 작동합니까?

AI 기반 판매 가이드를 활용하여 회사 전체의 성과 KPI를 어떻게 높일 수 있습니까? 이러한 시스템은 구매자의 구매 결정을 바꿀 수 있는 다양한 규칙과 모델을 사용합니다. 다음은 B2C 및 전자상거래 역학과 관련된 몇 가지 예입니다.

• 마지막 구매 모델 – 이 모델은 간단한 원칙을 사용합니다. 이 구매자의 이전 구매가 다음 구매일 수도 있습니다.제품 카탈로그는 때때로 변경되며 이전에 구매한 항목은 더 이상 사용할 수 없습니다. 마지막 구매 추천 도구 모델은 사용자 상호 작용에서 정보를 검색하고 상점 카탈로그에서 유사한 항목을 추천할 수 있습니다.
• 인기 모델 – 인기 기반 모델은 특정 기간의 인기도에 따라 카탈로그의 제품 순위를 매기고 이 데이터를 기반으로 제안합니다.전자 상거래에서는 이러한 모델이 무대를 차지합니다.
• 연관 모델 – 사용자가 발렌타인 데이에 초콜릿 한 상자를 구매합니까?와인 한 병이 그것을 바로 보완합니다. 이는 추천 시스템이 비즈니스 성과 KPI를 높이고 장기적으로 고객 경험을 개선하는 데 도움이 되는 또 다른 간단하면서도 효과적인 방법입니다.
• 시계열 모델 – 이 모델은 연관 규칙과 동일한 원리로 작동하지만 좀 더 구체적입니다.순차 기반 알고리즘을 사용하고 장기 및 단기 사용자 기본 설정을 모두 등록합니다.

B2B에서는 프로세스가 더 복잡합니다. 영업 자동화 도구는 유도 판매의 핵심입니다. AI 지원 영업 자동화 및 CRM 도구 는 영업 담당자가 완전한 데이터가 부족하더라도 고유한 통찰력을 발견할 수 있도록 지원합니다. 고성능 소프트웨어는 외부 소스에서 데이터를 수집하고 각 고객에 대한 360도 보기를 위해 내부 기록을 준수합니다.

유도 판매를 고려해야 하는 경우는 언제입니까?

B2B 및 B2C 비즈니스 모두 유도 판매 기술의 이점을 누릴 수 있습니다. 이러한 프로세스를 용이하게 하는 전용 도구에는 다음과 같은 일련의 이점이 있습니다.

• AI가 생성한 인사이트는 회사가 숨겨진 시장 기회를 발견하는 데 도움이 됩니다.
• 파이프라인에서 우선 순위를 지정해야 하는 리드를 파악하여 판매 생산성을 높입니다.
• 영업 담당자가 각 계정의 세부 사항을 기반으로 올바른 결정과 추천을 할 수 있도록 지원하여 고객 만족도를 높입니다.
• 예측 사례 라우팅 및 상황별 데이터를 실시간으로 통해 고객 참여 전략을 개선합니다.
• 포트폴리오에서 이탈할 가능성이 가장 높은 고객을 식별하여 전략적으로 고객과 소통하십시오.

가이드 판매 모범 사례

많은 사람들이 생각하는 것과는 달리, 안내 판매의 추천 상품은 동일한 상품의 집합과는 거리가 멀다. 그리고 여기에서 많은 기업이 고객을 위해 고유한 경험을 맞춤화하고 브랜드 지지자가 되도록 할 수 있는 기회를 놓치고 있습니다(이는 업셀링 기회도 발생하는 방식입니다). 안내된 판매 지원 CX에 대한 가장 안전하고 깨끗한 경로를 따를 수 있는 방법에 대한 설명 입니다.

고객 이해

CX 경영진은 아직 데이터 부족으로 고객을 이해했다고 주장하지 않았습니다. 데이터는 조직 내 모든 부서에서 성공의 열쇠이지만 때로는 데이터가 더 응집력 있고 완전하며 덜 중복되어야 합니다.

고객 행동을 완전히 이해하고 제품 권장 사항 및 안내된 판매를 성공적으로 활용하려면 완전한 데이터 세트가 이러한 권장 사항을 주도하는지 확인해야 합니다. 잘 정의된 고객 페르소나가 있을 수 있지만 해당 풀의 모든 사람이 동일한 설명에 적합하고 정확한 요구 사항 또는 예산이 있는 것은 아닙니다. 이러한 기준은 구매 결정에 영향을 미치며 귀하의 제안은 이에 따라야 합니다.

예를 들어 온라인 의류 매장을 소유하고 있는 경우 일부 쇼핑객은 드레스를 타겟팅하고 이 카테고리의 제품만 쇼핑할 수 있습니다. 그러나 모든 드레스가 "완벽한 드레스"라는 설명에 맞는 것은 아닙니다. 일부는 길이에 따라 결정을 내리고 다른 일부는 색상이나 패브릭에 따라 결정을 내립니다. 다른 사람들은 단일 브랜드의 드레스를 종교적으로 구매할 것입니다. 효율적인 제품 추천 엔진은 이러한 모든 변수를 고려하고 각 방문자를 고유한 것으로 인식합니다. 이를 위해 엔진은 각 과거 구매 결정 뒤에 있는 "이유"를 발견해야 합니다. 이 이론은 B2B 시나리오에서도 적용할 수 있습니다 . 완전한 데이터가 있는 경우 귀사의 엔진은 무엇이 고객을 끌어들이고 구매 결정을 촉발하는지 결정합니다. 성공적인 엔진은 그 이상을 할 것입니다. 또한 관련 제품 추천으로 평균 주문 금액을 높이도록 설득할 것입니다.

숫자에는 마법이 있습니다 – 적을수록 좋습니다

그렇다면 완벽한 제품 추천 수는 몇 개입니까? 때때로 전자 상점, B2C 및 B2B 비즈니스는 이러한 엔진을 전환을 가속화하는 수단으로 간주하여 요점을 놓치고 있습니다. 이것이 그들의 제안이 방대한 이유입니다. 그러나 실제로 제품 추천은 고객 경험을 향상하고 방문자에게 즐겁고 편안한 상호 작용을 제공하기 위해 존재합니다.

많은 제품 추천을 제공하는 것은 유혹적이지만, 이것은 빠르게 결정 피로의 원인이 될 수 있으며, 따라서 쇼핑객에게 좌절감을 줍니다. 방문자를 안내하는 것과 전자 매장을 2000년대 웹사이트로 전환하는 것 사이에는 미세한 경계가 있음을 기억하십시오. 이를 염두에 두고 이 접근 방식을 사용할 때 양보다 질을 권장합니다. 고객 및 고객의 현재 쇼핑 세션과 관련된 선별된 짧은 제품 목록이면 충분합니다.

제품을 위한 고품질 이미지 갤러리 선별

전자 상거래 비즈니스에는 제품 자체와 매력적인 이미지라는 두 가지 전제 조건이 있습니다. 온라인 상점의 경우 시각적 콘텐츠는 기본이며 간소화된 고객 경험의 방대한 구성 요소입니다. 고품질의 시각적 콘텐츠는 고객에게 실제 온라인 쇼핑 경험을 제공하는 동시에 고객의 요구에 가장 부합하는 제품을 제공할 수 있습니다. 잘란도를 살펴보세요. 그들의 추천에는 추천 제품의 ​​선명한 이미지가 포함되어 매력을 높이고 고객에게 더 부드러운 경험을 제공합니다.

매우 정확한 추천 엔진 배포

제대로 선별되지 않은 고객 경험은 아마도 방문자를 경쟁업체로 유도할 것입니다. Marketing Dive 에 따르면 응답자의 48%가 그렇게 주장 합니다. 추천 엔진에 투자할 때 시스템이 여러 데이터 입력 지점을 기반으로 고객의 선호도를 예측할 수 있는 유연하고 직관적이며 매우 정확한 방식으로 개발되었는지 확인해야 합니다. STAMP 모델을 사용하여 생성된 엔진은 계산적으로 복잡하지는 않지만 매우 정확한 세션 기반 신경망 엔진입니다. Zalando와 Home Depot 모두 이러한 모델을 성공적으로 구현합니다.

사회적 증거 및 신뢰 배지

고객 경험은 이전 가능합니다. 브랜드에 대한 다른 고객의 신뢰는 고유한 경험을 조정하는 데 있어 누락된 부분일 수 있습니다. 권장 사항에 사회적 증거 및 신뢰 배지를 포함하면 신뢰도를 높일 수 있습니다. 추천 상품 옆에 리뷰 수와 전체 평점을 추가하면 브랜드와 상품에 대한 구매자의 신뢰도가 높아집니다. 또한 평균 주문 금액(AOV)도 증가합니다.

안내 판매 프로세스에 대한 도움이 필요한 경우 SugarCRM에 문의하십시오.

SugarCRM은 CX 및 판매 목표를 달성하기 위해 더 힘들지 않고 더 똑똑하게 일할 수 있도록 도와줍니다. 당사 시스템은 정확한 예측을 생성하여 유도된 판매 프로세스에서 더 나은 결정을 내릴 수 있습니다. AI 기반의 예측 가능성 덕분에 회사는 신뢰할 수 있는 다음 단계 조언을 얻고 외부 데이터를 통해 더 나은 가시성을 얻을 수 있습니다.

여기 에서 데모를 요청하고 SugarCRM이 가이드 판매 프로세스에 어떻게 도움이 되는지 확인할 수 있습니다 .