מה למדתי על חברות B2B שמצליחות יותר מהאחרות בעידן ה – AI?

בשנתיים האחרונות ליוויתי יצואני B2B ישראלים רבים.

לרובם יש מוצר טוב, לקוחות מרוצים, אנשי מכירות טובים, ריסלרים וכולם כבר עובדים

עם ChatGPT, Claude ,Apollo ו - Sales Navigator, למרות זאת, חלקם מצליחים להאיץ משמעותית את החדירה והצמיחה בשוק, בעוד אחרים מרגישים שהשימוש ב – AI אולי שיפר את היעילות של העבודה, אבל לא השפיע על הגדלת המכירות.

מה מקור ההבדל?

זה אף פעם לא היה קשור לבחירה בכלי AI כזה או אחר.

ההבדל נבע מהדרך שבה ההנהלה השתמשה בכלים כדי לקבל החלטות.

באחד הפרויקטים ליוויתי חברה ישראלית שפיתחה ציוד לתעשיית המזון. ציוד שמשפר את היעילות התפעולית. החברה לא היתה מוכרת כלל בשוק בארה"ב למרות שהיו לה 2 התקנות.

המטרה הייתה פשוטה: לייצר יותר פגישות עם יצרני מזון בארה"ב.

לא פנינו לאפולו וביקשנו לבנות רשימת לקוחות פוטנציאליים גדולה, אלא שאלנו שאלה אחרת:

אילו יצרני מזון צפויים לקבל החלטות השקעה בחצי השנה הקרובה?

זו כבר שאלה אחרת לגמרי.

בשלב הראשון מיפינו מאות יצרני מזון.

אבל לא כולם היו שווים את הזמן של אנשי המכירות.

התחלנו לחפש סיגנלים שקשורים להחלטות עסקיות של יצרני מזון - האם קורה עכשיו משהו משמעותי אצלם שמייצר כאב, שיבוש, דחיפות, תזמון שמצביע על כך שיקשיבו למסר מחברה לא מוכרת.

אחרי כשעתיים של עבודה עם AI ומקורות מידע שונים הבנו משהו שלא היה לנו ברור בתחילת הפרויקט.

מתוך מאות יצרני מזון, רק מיעוט קטן הציג באותו זמן שילוב של שני סיגנלים או יותר המעידים על הסתברות גבוהה קודם כל שיקשיבו לנו ואח"כ לרכישה.

הבנו שלהשיג רשימה של לקוחות שתואמים לפרופיל גנרי ופניה אליהם לא תספיק.

חסר לנו סדר עדיפויות וזיהוי יצרנים שקורה בעסק שלהם משהו שיעזור לנו לעניין אותם.

למשל, יצרן שהודיע על הרחבת קו ייצור.

למה זה סיגנל חשוב?

כי הרחבת קו ייצור אינה רק רכישת מכונות. זו תקופה שבה מתקבלות עשרות החלטות על ציוד, תהליכי ייצור, אוטומציה, ספקים ופתרונות חדשים. דווקא בתקופה הזו ארגונים פתוחים הרבה יותר לבחון ספק חדש מאשר בשגרה.

סיגנל נוסף היה יצרנים שיש להם בעיות איכות, יציבות וכיו"ב בייצור.

מאחורי בעיות מסתתרות בדרך כלל השקעות בקווי ייצור, שינויים באריזה, התאמות רגולטוריות ושיפור תהליכי איכות. כל אלה יוצרים חלון הזדמנות שבו ההסתברות להיכנס לשיחה עסקית גבוהה יותר.

השאלה הבאה הייתה: איפה בכלל מוצאים מידע כזה?

התשובה - לא במקום אחד.

שילבנו חיפוש הודעות לעיתונות של החברות, מודעות דרושים למהנדסי ייצור ומנהלי מפעל, פרסומים של ספקי ציוד, אתרי חדשות מקצועיים, אתרי תערוכות, מאגרי מידע ענפיים, LinkedIn וכמובן כלי AI שסייעו לאתר, לחבר ולנתח את כל פיסות המידע. AI הצליח לאתר מאות פריטי מידע בתוך דקות.

אבל הוא לא ידע להבחין בין ידיעה מעניינת לבין ידיעה שמשנה הסתברות לרכישה.

כאן נכנסים הבנת עקרונות ה-GTM.

הניסיון של הלקוח ושלי לימד אותנו אילו אירועים באמת משנים את התנהגות הקונה, ואילו רק נראים מעניינים.

אף אחד מהמקורות בהם השתמשנו לא סיפק את התשובה הכוללת.

היתרון נוצר מהיכולת לחבר ביניהם ולהבין מה הם מספרים על מצב החברה ופתיחותה להקשיב לחברה ישראלית לא ידועה.

בסופו של התהליך לא הגדלנו את רשימת הלקוחות.

עשינו בדיוק את ההפך.

צמצמנו אותה ממאות חברות לכמה עשרות שהציגו שניים או יותר סיגנלים המעידים על הסתברות גבוהה יותר לקבלת החלטת השקעה בתקופה הקרובה.

רק אז עברנו לשלב הפנייה.

השימוש ב -AI לא באמת מצא לנו יותר לקוחות.

הוא עזר לנו להחליט במי כדאי להשקיע את הזמן, מתי לפנות ולמה דווקא עכשיו.

זו אחת התובנות החשובות ביותר שלי מהשנתיים האחרונות.

החברות שמצליחות יותר אינן אלה שמשתמשות ביותר כלי AI ורודפת אחרי המתקדמים ביותר.

אלא על מנהלים שיודעים לשלב – החלטות GTM (בחירת השוק, הסגמנט, והלקוחות הנכונים, בחירת ערוץ החדירה הנכון ובחירת המסר הנכון בענף ספציפי) + שימוש ב – AI + שיקול דעת עסקי של מנהלים מנוסים שמכירים את הדינמיקה בענף.

לדעתי, שם ייווצר היתרון התחרותי של יצואני ה - B2B בשנים הקרובות.

לא בעוד כלי.

לא בעוד אוטומציה.

אלא ביכולת לשאול את השאלות הנכונות, לזהות את הסיגנלים הנכונים ולהפוך אותם להחלטות שמייצרות יותר פגישות, יותר הזדמנויות ויותר מכירות.

אם גם אצלכם השימוש ב-AI שיפר את הפרודוקטיביות, אבל לא את מספר ההזדמנויות העסקיות, ייתכן שהבעיה אינה בכלים אלא בהחלטות שמקדימות את השימוש בהם.

זה בדיוק סוג השאלות שאני מאבחן עם הנהלות של חברות B2B.

אשמח לחשוב על זה יחד אתכם.

כתבו לי - michael@michaelgally.com.