深度｜a16z 合资人最新洞察：AI 若何改变下一代发卖技能

上周，a16z 三位合资人 Zeya Yang、Marc Andrusko 以及 Angela Strange 共同揭橥了一篇关于 AI 如何改变下一代发卖技能的洞察。

a16z 认为 AI 将从根本上重塑核心记录系统和发卖事情流程，而现任者如 Salesforce 以及 Hubspot 将无法“躺赢”。

下一代发卖平台的核心将不再是基于文本的数据库，而是多模态（文本、图像、语音、视频），包含来自全体公司的所有客户洞察。

新一代 AI 原平生台将能够从客户及其心态中提取比我们本日利用现有工具所能拼凑的更多的洞察。
发卖事情流程将发生根本性变革。

未来的发卖团队将不再须要花费无数个小时研究新线索或准备电话 —— AI 可以在几秒钟内完成。

此外，发卖代表不必理解潜在客户的准备情形，由于 AI 会自动体例一份优质买家排名列表，并不断更新。
AI 也将为客户供应任何个性化材料，并在通话时供应实时提示，以帮助您完成交易。

下面，a16z 将深入磋商 AI 将如何改变我们所知的发卖办法、哪些早期公司处于领先地位以及对更广泛行业的影响。

01. 新的记录系统

a16z 认为，虽然现有企业常常适应新的平台转变，但他们很少能够完备重新考虑其架构。

Salesforce 成立于 1999 年，Hubspot 成立于 2006 年，首先得益于关系数据库的涌现，后来当然是云打算的涌现。

这些公司的根本核心是发卖机会的构造化表示，以行和列表示，并以文本表示干系标准。

如今，由于依赖单点办理方案，数据常日被伶仃在发卖漏斗中的离散活动中。
无法完全地理解全体发卖流程中端到端发生的事情。

添加个性化功能以提高漏斗顶端转化率的办理方案没有关于个性化打仗是否终极提高成交率的数据。

有了 LLM，下一个发卖平台的核心可能完备是非构造化的和多模式的，包括文本、图像、语音和视频。

一家公司的发卖平台可能包含来自无数来源的现有和潜在客户的数据：与公司某人的任何对话的录音和记录、电子邮件和 Slack 、发卖支持材料、产品利用情形、客户支持活动、公共新闻、财务报告……清单无穷无尽。

此外，为平台供应支持的 LLM 将不断获取数据以创建最新的高下文。

02. 重新定义事情流

有了这种数据根本举动步伐，常见的发卖活动可能会被重新定义，乃至完备消逝。
同时，我们可能会看到本日根本不可能涌现的卖家事情流程。

实质上，卖家和买家互动的办法将会有根本的不同。

03. 早期迹象

a16z 创造，新兴的 AI 原生发卖办理方案不仅仅是现有类别的 AI 版本。
相反，它们正在实现新的主动发卖动作，并不断发展以做事于多种用例。
因此，看似相邻空间中的点办理方案比以往任何时候都更加相互重叠。

例如，传统上，转换入站网站潜在客户和自动化出站活动将被视为单独的任务。
借助 AI Agent，最初为此类任务设计的工具可以无缝扩展以处理这两项任务。
不久之后，AI Agent 将能够扩大组织在所有渠道中的发卖渠道。

在进行发卖操持时，定义活动的更广泛种别是有帮助的：

智能管道：这是任何发卖团队的命脉，大概是 AI 最自然的切入点。
近期将有许多 AI 驱动的方法来实现管道培植的自动化。

例如，团队利用 Clay 的丰富功能和 AI Agent 来准备高质量的潜在客户名单，供发卖职员外发。
发卖职员乃至可以利用 AI 个性化的，而不是自己起草。

数字事情者：许多 AI 办理方案的目标是尽可能多地节制端到端发卖流程，从资格审查到成交。

例如，团队目前利用11x 来端到端自动化 SDR 角色，这意味着 11x 乃至可以预约与潜在客户的会面。
未来，范围可能会扩大到完备成交。

发卖支持 + 洞察：在达成交易时，AI 可以供应超出发卖活动范围的宝贵背景和信息。

例如，Naro 会自动查看卖家的电子邮件，并显示与回答买家问题干系的公司文件。

CRM + 自动化：终极，仍旧必须有一种方法来捕获和组织非构造化和多模式数据，以便对人类和 AI 事情者都有用。

例如，Day 加入卖家与客户的对话，以捕捉背景信息并不断更新其知识库。
然后，它将见地总结在客户“页面”上，不仅发卖团队，而且公司中的任何人都可以轻松理解。

04. 市场影响1）发卖、营销和客户成功将领悟在一起

如今，发卖、营销和客户成功团队常常感到各不相谋，彼此之间知识共享不畅，交卸流程粗糙。
有了更全面、共享的背景和见地，上市团队将更加同步，能够更好地相互协作。

事实上，由于所有主要的客户背景都反响在同一个事实来源中，并且活动由 AI 勾引，因此事情职能可能会开始领悟在一起。
发卖和客户管理以及客户成功可能只是被看作是为上市增长人性化的不同办法。

不再须要为谁得到追加发卖的哪一部分而争吵——你乃至可以想象一个天下，在这个天下中，配额被重新设计为基于团队而不是基于个人代表，以更准确地反响全体发卖周期中流畅协作的机会。

2）动态的 GTM 策略

另一个有趣的结果是，在同一家公司内，上市办法将更具活力和灵巧性。
如今，公司常日根据目标细分市场和年度条约代价范围来决定将资源集中在哪里。

例如，自上而下的发卖行动或内部发卖助理行动。
他们常常根据既定的计策来招聘和组建团队。
在 AI 优先的天下中，环绕这些经济学的假设将大不相同。

公司可能能够根据对客户最有利的成分重新调度资源分配——要关闭这个账户，最好的上市办法是什么？这也对品牌有影响。

本日，许多公司选择刻意将自己定位为企业级或开拓者优先；在未来，公司该当能够通过高度定制的发卖旅程来知足这两种买家角色，这意味着母级品牌可以更广泛、更全面。

换句话说，未来 B2B 公司的发卖行动实际上可能是无处不在、同时实现统统。

3）按座位定价 → 基于结果的定价

AI 原生软件公司的盛行可能意味着按席位定价的闭幕，由于显然存在一个将定价与交付代价更紧密地结合起来的机会。

a16z 合资人 Alex Rampell 认为 Zendesk 便是一个范例的例子：假设一家公司每年向 1000 名 Agent 并支付 7.5 万美元，每位 Agent 每年处理 2000 票。

按照本日的老例，每位 Agent 都拥有 Zendesk 容许证，用度为每月每席位 115 美元，这使得客户支持软件的年度总支出靠近 140 万美元。

在这种情形下，每票的人力本钱（ Agent 人为 7500 万美元/总票数 200 万张）为 37.50 美元，而每票的软件本钱（Zendesk 支出 138 万美元/总票数 200 万张）仅为 0.69 美元。

在新的 AI 优先模式下，统统都转向发卖成果，Zendesk 将面临一个困境——对成功办理的票据进行定价的最佳办法是什么？

Gokul Rajaram 表示，AI 创始人须要办理的问题是，哪些指标或结果才适宜作为计费的基本单位。

在发卖中，从最不值钱到最值钱的结果范围是从产生不合格的线索（例如，渠道潜在客户列表的顶部）到完备自动化地达成交易。
例如，AI 软件无需人工参与即可发卖您的产品）。

不合格的线索每每很便宜，由于它们并不是特殊有代价——很难确定他们是否会购买您的产品。
与其他在线商业模式类似，对不合格线索的收费最类似于按点击付费广告。

另一方面，AI 发卖公司可以收取最丰硕的回报——达成交易。
这里的货币化模式可能更像许多在线借贷市场，这些市场常日会对发放的贷款收取一定的佣金（常日为本金的 3-5%）。

这种模式当然是低交易量、高回报的——通过全体渠道得到贷款（或达成交易）的可能性相对较低，这意味着佣金必须相称可不雅观。

在 AI 发卖软件的背景下，一个有趣的考虑是将潜在的佣金率与 AE 的佣金率进行比较。
虽然 AE 常日以佣金的形式赚取交易年度条约代价 (ACV) 的 10-15%（除了人为）。

此外，完备独立完成交易的 AI 发卖可以以低得多的价格完成交易，从而提高获取显著 ROI 的概率。

当然，这里没有“精确”的答案 —— a16z 也期待看到更多 AI+发卖的早期案例，哪些模式最受创始人（大概更主要的是他们的客户）的欢迎。

与本日的现状一样，发卖线索和成果之间的相对价格差异将始终取决于软件将潜在客户转化为成交的效率。

05. 结论

a16z 三位合资人末了表示，AI 的潜力不仅限于简化我们本日的发卖活动；相反，AI 将迫使我们彻底重新构想发卖流程和事情流程。
卖家和买家之间的关系将发生变革，GTM 策略也将发生变革。
因此，未来的发卖软件堆栈将有根本的不同。

本文由大家都是产品经理作者【江天 Tim】，微信"大众年夜众号：【有新Newin】，原创/授权 发布于大家都是产品经理，未经容许，禁止转载。

题图来自Unsplash，基于 CC0 协议。