Case study: jak na lead generation pro klienta se 6 developerskými projekty? (Marcel Milo, GROOW)

V rozhovoru se dozvíte:

• 02:14 Jaký byl hlavní problém klienta a jak znělo zadání?
• 04:48 Jak funguje prodej developerských projektů?
• 06:47 Marketing vs. sales?
• 08:10 Je to celé jen klasický CRM systém?
• 13:24 Podle čeho se filtrují a oslovují leady?
• 15:46 Jak do toho zapojují AI?
• 20:22 Jak proběhla transformace klienta na nový systém?

Když marketing dodává leady, ale obchod je nestíhá zpracovat

Developerské projekty se z pohledu marketingu až tak neliší od jiných produktů. Rozdíl je především v hodnotě nákupu a délce rozhodování. I tady je potřeba zákazníka nejdříve oslovit, dostat projekt do jeho povědomí, posunout ho do fáze zvažování a až následně získat kontakt. Samotným formulářem ale práce nekončí.

Právě tady často vzniká problém. Marketingové oddělení sleduje své výsledky a tvrdí, že kampaně fungují, obchodníci zase říkají, že mají málo kvalitních kontaktů. V silné sezoně jich přitom může být tolik, že je nestíhají zpracovat, mimo sezonu zase nemají co dělat. U drahé nemovitosti může rozhodovat i to, jestli se někdo zájemci ozve za pár minut, nebo až za dva či tři dny.

Od jednoho projektu až po celý obchodní proces

Spolupráce s klientem začala poměrně běžně, performance marketingem pro jeden menší developerský projekt. Postupně přibyly newslettery, další komunikační kanály a nakonec správa několika developerských projektů v Bratislavě. Až tehdy začalo dávat smysl podívat se i na to, co se s kontaktem děje po odeslání formuláře.

Původní proces byl velmi jednoduchý. Kontakt přišel do e mailu, obchodník ho přenesl do Excelu a evidoval, jestli se z něj stal obchod, nebo ne. Cílem proto bylo celý proces zrychlit, doplnit o další informace a zároveň umět zájemce průběžně zahřívat, pokud ještě nebyl připraven okamžitě nakoupit.

CRM nestačí, pokud neví, odkud zákazník přišel

Většina developerů už CRM používá. V českém a slovenském prostředí se často objevuje například RealPad. Samotné CRM ale nemusí automaticky vědět, z jaké reklamní kampaně člověk přišel, na jaké platformě reklamu viděl, o který konkrétní byt se zajímal nebo jak se před odesláním formuláře choval na webu.

Právě tyto informace se proto doplňují do existujícího systému. Obchodník se nemusí přihlašovat do další aplikace, všechno podstatné vidí přímo ve svém CRM. Nad marketingovými a obchodními daty vzniká další vrstva, která je zpracuje, vyhodnotí a převede do podoby využitelné pro lidi i další systémy.

Data ukážou problém v marketingu i obchodu

Výhodou takového propojení je možnost sledovat celou cestu zákazníka. Na jedné straně je vidět, kolik se utratilo za kampaně a jaké výsledky přinesly. Na druhé straně lze vyhodnotit, kolik kontaktů přišlo obchodníkům, jak rychle na ně reagovali a jakého konverzního poměru následně dosahovali.

Agentura tak může fungovat jako nezávislá strana, která se neopírá pouze o pocit marketingového nebo obchodního týmu. Pokud vznikne problém na webu, v kampaních nebo při zpracování leadů, data ho dokážou odhalit. Cílem je postupně takové situace vyhodnocovat v reálném čase a při problému automaticky upozornit odpovědné lidi.

Ze sta kontaktů nemusí být všech sto stejně důležitých

Jednou z nejdůležitějších funkcí je prioritizace leadů. Systém je rozděluje do pěti kategorií od nejžhavějších po studené a při hodnocení pracuje přibližně se sedmnácti faktory. Do výsledného skóre vstupují údaje, které člověk sám poskytl, jeho chování, projekt, o který projevil zájem, i další dostupné signály.

Výsledkem může být situace, kdy ze sta nových kontaktů systém označí deset jako výrazně perspektivnější. Obchodník tak nemusí postupovat pouze podle pořadí, v jakém formuláře přišly. Pokud vidí vysoce prioritní kontakt od člověka, který působí jako reálný zájemce o drahý byt, má důvod reagovat okamžitě.

Kvalitu leadu určují i další datové signály

Samotné vyplnění formuláře u bytu za půl milionu eur ještě neznamená, že si ho člověk může dovolit. Při odhadu kvality se proto pracuje s několika vrstvami informací. Základem může být behaviorální chování podobné tomu, s jakým pracují reklamní platformy, dále serverové měření, agregovaná data a v určitých případech také data třetích stran.

Všechno musí zůstat v souladu s legislativou a udělenými souhlasy. Pokud není možné pracovat s konkrétním člověkem na individuální úrovni, používají se anonymizovaná, agregovaná a klastrovaná data. Nejde tedy o prohlížení sociálních sítí konkrétního zájemce, ale o pravděpodobnostní vyhodnocování dostupných signálů a podobnosti s určitými skupinami zákazníků.

Lead se dá dál zahřívat už pár minut po registraci

Do hodnocení nemusí vstupovat pouze informace získané před odesláním formuláře. Krátce po registraci může zájemci automaticky přijít potvrzovací e mail a dalším signálem se stane i to, jestli ho otevřel nebo na něco klikl. Takové chování může výsledné skóre dál měnit.

Komunikace přitom nemusí zůstat pouze u e mailu. Podle potřeb klienta lze doplnit SMS, push notifikaci nebo jiný komunikační scénář. Důležitá je vysoká míra přizpůsobení. Systém nemá klienta nutit měnit zaběhnutý obchodní proces, ale doplnit ho o data a automatizaci tam, kde mu skutečně pomohou.

Umělá inteligence dnes radí, později může i rozhodovat

Řešení už prošlo fází MVP a běží přibližně na pěti až šesti projektech. Základní automatizace jsou otestované a stabilní. AI dnes funguje především jako poradní vrstva, která v pravidelných intervalech může PPC specialistovi nebo marketingovému manažerovi doporučit úpravu nastavení či upozornit na vývoj v datech.

Dalším krokem má být definování pravidel, při kterých systém získá větší autonomii a některé změny bude provádět sám. Automatizovat lze například i přerozdělování rozpočtu mezi jednotlivými reklamními platformami podle toho, kde aktuálně přináší nejlepší výsledek.

Největší smysl dává propojení marketingu a salesu

Ideální stav nastává tehdy, když se na jednom místě propojuje správa marketingu, vyhodnocování dat i obchodní proces. Díky tomu lze sledovat nejen cenu za lead, ale také jeho skutečnou kvalitu a to, jestli nakonec přinesl obchod. Cílem je ze stejného rozpočtu dostat přibližně o 20 až 30 procent více výsledků.

U konkrétního developerského klienta už reálná data ukazují zkrácení doby potřebné ke zpracování zájemce i zvýšení konverzního poměru. Lidé, kteří jsou skutečně připraveni nakupovat a mají potřebný rozpočet, se dostávají k obchodníkům dříve a jejich kontakt nezůstává několik dní bez povšimnutí.

Využití nemusí zůstat jen u nemovitostí

Přestože se řešení momentálně soustředí především na reality a firmy pracující s leady, princip je použitelný mnohem šířeji. Může jít o B2B firmu s několika stovkami potenciálních zákazníků v Česku nebo na Slovensku, automotive se zájemci o testovací jízdy nebo prakticky jakýkoliv byznys, který používá CRM a potřebuje rozhodovat, kterému obchodnímu kontaktu se věnovat jako prvnímu.

Podmínkou je především možnost technického napojení na existující nástroje. Právě integrace se přitom ukázaly jako jedna z komplikovanějších částí vývoje. Jednoduché konektory v praxi často nebyly dostatečně stabilní, proto bylo potřeba najít způsob, který nebude nutit klienta ani dodavatele neustále řešit chyby a opravovat padající propojení.

Nový systém musí obchodníkovi práci ubrat, ne přidat

Při zavádění bylo potřeba obchodnímu týmu vysvětlit, že nejde o další nástroj vytvořený pouze pro potřeby marketingu. Smyslem je přesný opak, ušetřit obchodníkovi čas a dát mu více informací ještě před prvním telefonátem.

Pokud každých pár minut přichází další neznámý kontakt bez kontextu, obchodník jen těžko pozná, kdo má skutečný zájem. Pokud ale u leadu vidí jeho prioritu, projekt, který ho zaujal, a další relevantní signály, dokáže se rozhodovat výrazně efektivněji. Právě tam se z obyčejného seznamu kontaktů začíná stávat nástroj, který může skutečně ovlivnit prodej.

Produkt se dál testuje na reálných klientech

Systém už funguje v reálném nasazení, ale stále se dál rozvíjí. GROOW proto hledá další klienty, na kterých může řešení testovat a přizpůsobovat různým obchodním procesům. Zájemci si mohou prohlédnout, co systém už dokáže, kde má aktuálně své limity a jaké další funkce lze doplnit.