Denna guide går steg för steg igenom hur man skapar en intelligent AI-agent som automatiserar processen för leadskvalificering och ser till att högkvalitativa leads identifieras och dirigeras till försäljning snabbare än någonsin. För att förenkla processen inkluderar vi också en kostnadsfri checklista och taktikbok som hjälper dig att skapa en intelligent AI-agent.
AI-kvalificerade leads ‒ en smartare metod
Med dagens hårda konkurrens är det av avgörande betydelse att kunna kvalificera leads på ett snabbt och exakt sätt. Att gå igenom inkommande leads manuellt är tidsödande och ger ofta en bristande överensstämmelse. Upptäck hur ni kan omvandla strategin för er leadslivscykel genom att övergå från statiska bedömningsmodeller till dynamiska AI-driven kvalificering (AIQL).
Denna artikel beskriver implementeringen av en AI Marketing Agent i Marketo Engage. Denna agent utvärderar kontinuerligt leads, tilldelar poäng, utvärderar nivåer samt genererar rekommendationer för nästa steg sammanfattningar för säljteamet. Allt detta aktiveras automatiskt när nya engagemang sker.
Vi täcker allt från början till slut med en kostnadsfri checklista, taktikbok och video som du ser nedan, och som ger dig mer information om:
- Definiera en detaljerad idealisk kundprofil (ICP) som vägleder det AI-styrda beslutsfattandet i Marketo Engage.
- AI-processer triggas genom användningen av aktivitetsbaserad interaktion för att kontinuerligt omvärdera personliga poäng och livscykelsteg.
- Använda Marketo Engage inbyggda funktioner och AI-verktyg för att generera färdiga sammanfattningar och rekommendationer om nästa åtgärd åt säljarna.
- Skapa ett AIQL-ramverk som passar organisationen, och hur det används i er egen Marketo Engage-instans.
”Den traditionella poängmodellen för MQL:er är statisk och har ingen möjlighet att anpassa sig till nyanserat leadbeteende eller till förändrade marknader. Genom att träna AI-modellerna till att kvalificera leads kan ni ta automatiseringen av arbetsflödet till nästa nivå och ett kontinuerligt, intelligent beslutsfattande. Du kan bygga upp den första poängsättningsagenten på ungefär en timme och sedan fortsätta med att upprepa, samtidigt som du är med och granskar. När du förbättrar AI-agentens poängmodell ökar intressenternas förtroende och din produktivitet.”
‒ Josh Arrington, Adobe Marketo Engage Champion
4 kärnkomponenter för att skapa en agent
1. Först får den hjärnan ‒ det är den underliggande modellen: OpenAI, Gemini, LAMA, Grok ‒ den grundmodell som passar bäst för era behov vad gäller resonemang, hastighet eller kostnad.
2. Sedan laddar vi den med kunskap. I vårt fall innebär det att vi ger den vår idealiska kundprofil (ICP) ‒ dokumenterade kriterier för vad betecknar en bra lead. Detta ger AI:n verksamhetskontext ‒ den får veta vad den ska söka och hur man jämför leads på ett objektivt sätt.
3. Därefter tillhandahåller vi verktyg. Detta är de saker som AI:n kan använda för att utföra sitt jobb, till exempel att anropa ett LinkedIn-beriknings-API, fråga om lead-aktivitet från Marketo Engage eller utlösa en smart kampanj med hjälp av Marketos REST API.
4. Slutligen definierar vi instruktionerna. Detta är logiken och resonemangsprocessen ‒ stegvis vägledning om hur man analyserar leads, använder ICP, utvärderar beteende och väljer rätt åtgärd.
Precis som en mänsklig praktikant har vår AI-agent en hjärna, den har tränats med affärskunskap, den är utrustad med verktyg och får tydliga instruktioner om hur man gör jobbet. Bäst av allt är att när ni väl har gjort allt detta kan agenten börja utvärdera leads objektivt och i stor skala, omedelbart och konsekvent.
Taktikbok och checklista
Tips för utrullning
- Börja med en väldefinierad idealisk kundprofil och tydliga leadkategorier . AI:n är inte bättre än de instruktioner och riktlinjer som vi ger den.
- Börja med ett godkännandeflöde ‒ ett mänskligt steg i loopen ‒ så att du kan bygga upp förtroendet hos säljteamet. De kommer att uppskatta att få veta varför AI rekommenderar vissa leads, innan de börjar få dem direkt.
- Till att börja med ger du AI en begränsad uppsättning verktyg ‒ till exempel kan du låta den utlösa begäranskampanjer, men vänta med att låta den uppdatera leadposter tills du har sett hur det fungerar.
- Logga AI-beslut och visa dem för säljarna . Det är också viktigt att logga AI-besluten och visa dem för säljarna ‒ denna transparens hjälper säljarna att förstå processen och lita på den.
- Utvecklas stegvis: enkla åtgärder först, mer självbestämmande med tiden. Arbeta stegvis ‒ börja med enkla lågriskåtgärder först och ge AI mer självbestämmande när förtroendet växer.
- Involvera säljarna tidigt och kommunicera med dem ofta. Ta med dem i processen, visa vad AI:n gör och uppmuntra till feedback. Ju mer involverade säljarna känner att de är, desto bättre blir AIQL-programmet.
Viktiga lärdomar
- AI-agenter möjliggör en holistisk, intelligent leadkvalificering. Vi sitter inte längre fast i stelbenta bedömningsmodeller eller osammanhängande arbetsflöden. Med agenter kan vi utvärdera varje lead utifrån helhetsbilden ‒ demografi, firmografi, beteende ‒ och fatta kloka beslut i stor skala.
- Agentmodellen skalas ‒ snabbt, transparent och förklarligt. Agentmodellen kan skalas på ett mycket framgångsrikt sätt. Och det går inte bara snabbt ‒ utan även transparent och begripligt. Säljarna behöver inte längre undra varför ett lead dök upp. De får kontexten, anledningen och en smartare pipeline.
- Genom att kombinera agenter med begäranskampanjer får ni kraftfulla, flexibla arbetsflöden. Genom att kombinera agenter med Marketo Engage Request Campaigns låser du upp flexibla, modulära arbetsflöden. Agenten kan utlösa vilket program som helst, skicka tokens och passa in i den befintliga Marketo Engage-arkitekturen.
- Använd arbetsflöden för personer i loopen för testning och kontroll. På så sätt kan du, i synnerhet under utrullningen, testa och känna att du har kontroll innan du lugnt lämnar över rodret till agenten. Detta kan också användas när du utökar agentens verktyg.
- Samma mönster kan skapa värde utöver leadkvalificeringen. Agenter kan hantera datarensning, prospektering, livscykelövergångar, kampanj-QA ‒ allt som kräver affärslogik och åtgärder.
- Börja i liten skala och utöka undan för undan. Du behöver inte automatisera allt redan dag ett. Börja med ett användningsfall, ge agenten tydliga instruktioner, konfigurera kontroller och verifieringar och bygg vidare därifrån.
Genom att utnyttja kraften i Microsoft Azure AI Studio och integrera den med Marketo Engage skapar du en avancerad agent som kan analysera lead-data, berika den med extern information, utvärdera den mot din idealiska kundprofil (ICP) och vidta direkta åtgärder på er automatiseringsplattform för marknadsföring. Med denna kraftfulla kombination kan ni kan bygga en skalbar, enhetlig och mycket effektiv motor för kvalificering av leads, som är skräddarsydd efter företagets behov.