AI变革销售？AI销售软件栈将如何质变？！

每个初创公司与现有企业之间的竞争归结于初创公司是否在现有企业实现创新之前获得分销。

在销售技术领域，人们很容易认为Salesforce和Hubspot这样的现有企业具有优势。

首先，它们被嵌入为“记录系统”，因此销售领导者不愿意将放弃它们并替换掉。

其次，这些现有企业（和它们那些根深蒂固的同行）并没有袖手旁观AI革命；意识到要保护自己的竞争优势，它们正在迅速增加AI功能以保持相关性。

我们相信，AI将从根本上重新构想核心记录系统和销售工作流程，以至于没有任何现有企业是安全的。

下一代销售平台的核心将不再是基于文本的数据库，而是多模态的（文本、图像、声音、视频），包含来自整个公司的每一个客户洞察。

一个原生的AI平台将能够从客户和他们的思维方式中提取出比我们今天拥有的工具所能组合的更多的洞察。

销售工作流程将发生根本性的变化。

借助AI，销售团队将不再需要花费无尽的时间研究新线索或准备电话——AI能在几秒钟内完成这些工作。

代表们不必去揣摩潜在客户的准备情况，因为AI将自动编制一份准备好的买家排名列表，并持续更新。

需要为交易准备个性化的营销资料吗？你的AI助手将生产你需要的任何资产，并在你通话时提供实时建议，帮助你完成交易。

虽然现有企业经常适应新的平台转变，但它们很少能够完全重新思考自己的架构。

Salesforce（成立于1999年）和Hubspot（成立于2006年）首先是由关系数据库的出现所推动的，当然，后来还有云技术。

这些公司的基础是销售机会的结构化表示，以行和列的形式，并以文本形式表示其相关标准。

如今，由于对单点解决方案的依赖，数据通常被孤立在销售漏斗沿线的离散活动中。没对于整个销售过程中发生的端到端情况，没有完整的视图。

在漏斗顶部增加个性化以提高转化率的解决方案，没有数据表明这种个性化的接触最终是否提高了成交率。

有了大型语言模型（LLMs），下一代销售平台的核心可能完全是非结构化的和多模态的，包括文本、图像、声音和视频。

一家公司的销售平台可以包括来自无数来源的现有客户和潜在客户的数据：与公司任何人的任何对话的录音和文字记录、电子邮件和Slack消息、销售支持材料、产品使用情况、客户支持活动、公共新闻、财务报告……列表是无穷无尽的。

有了这个数据基础设施，常见的销售活动可能会被重新定义，甚至可能完全消失。同时，我们很可能会看到卖家的工作流程出现，而这些在今天是不可能的。

本质上，卖家和买家互动的方式将会有根本的不同。

新兴的原生AI销售解决方案不仅仅是现有类别的AI增强版本。相反，它们正在使新的主动销售动作成为可能，并发展为服务于多种用例。

结果，在看似相邻的空间中，点解之间的重叠比以往任何时候都多。

传统上，例如，转换进入网站的潜在客户线索和自动化外出活动被认为是分开的任务。

有了AI代理，最初为这样一项任务设计的工貝可以无缝扩展，同时处理这两项任务。

不久的将来，AI代理将能够跨所有渠道增长组织的销售渠道。

在为销售中的AI应用绘制市场地图时，定义更广泛的活动类型类别是有帮助的：

• 智能渠道：这是任何销售团队的命脉，也许是AI最自然的切入点。在不久的将来，将有许多AI驱动的方法来自动化渠道建设。例如，团队使用Clay的丰富功能和AI研究代理为他们的销售员准备高质量的潜在客户列表进行外联。销售人员甚至可以使用AI个性化的消息，而不是自己起草。

  
  

• 数字工作者：许多AI解决方案的目标是尽可能多地拥有端到端的的销售流程，从资格认定到交易完成。例如，团队今天使用11x来自动化SDR角色的端到端，这意味着11x可以与潜在客户预订会议。在未来，范围可能会扩展到完全闭环交易。

  
  

• 销售支持+洞察：在处理交易时，AI可以提供有价值的上下文和信息，超出销售活动的范围。例如，Naro会自动浏览销售人员的电子邮件，并呈现与回答购买者问题相关的公司文件。

  
  

• CRM + 自动化：最终，仍然需要一种方法来捕获和组织非结构化和多模态数据，使之对人类和AI工作者都有用。例如，Day加入销售人员与客户的对话，以捕获上下文并不断刷新其知识库。然后，它在客户“页面”上总结洞察，这些页面不仅销售团队容易消化，公司中的任何人也容易消化。

  
  

有了更全面、共享的上下文和洞察，市场团队将更加同步，能够更好地相互协作。

实际上，随着所有重要的客户上下文反映在同一事实来源中，并且活动由AI指导，工作职能可能开始融合在一起。

销售和账户管理以及客户成功可能仅仅被视为在市场推广中增加人为触点的不同方式。

不再争夺谁在升级销售中获得哪部分荣誉——你甚至可以想象一个世界，在这个世界中，配额被重新设计，更多地基于团队而不是基于个人代表，以更准确地反映在整个销售周期中流动协作的机会。

如今，公司通常根据目标细分市场和年度合同价值范围决定资源集中的地方——例如，自上而下的销售动作或内部销售辅助动作。它们经常围绕既定策略招聘和建立团队。

在一个以AI为先的世界里，围绕这些经济的假设将会看起来非常不同。

公司可能能够根据对客户最有利的方式来重新调整资源分配——要闭环这个交易，什么是最好的进入市场方法？

这也对品牌有影响。如今，许多公司选择刻意将自己描述为企业级或开发人员优先；在未来，公司应该能够通过高度定制化的销售旅程同时迎合这两种买家角色，这意味着母品牌可以更广泛、更全面。（换句话说，未来的B2B公司的销售动作实际上可能是一切，无处不在，同时发生。）

我们的合作伙伴Alex Rampell认为Zendesk是这里的典型例子：

设想一家公司支付给1000名支持代理每人每年75,000美元，每个代理每年回答2000张票。

像今天通常的那样，每个代理都配备了每月115美元的Zendesk许可证，使得客户支持的年度软件总支出接近140万美元。

在这种情况下，每张票的人力成本——750万美元代理工资 / 200万张总票——是37.50美元，而每张票的软件成本——138万美元Zendesk支出 / 200万张总票——仅为0.69美元。

在新的以AI为先的范式下，一切都转向销售结果，Zendesk将面临困境——如何最好地为成功解决的票定价？

正如Gokul Rajaram所指出的，AI创始人需要思考的问题是，哪些指标或结果应该是作为计费的基本单位的正确选择。

在销售中，从最不值钱到最有价值的结果范围是：生成不合格的潜在客户（例如，漏斗顶部的潜在客户列表）到完全自动化地完成交易（例如，AI软件在没有人类参与的情况下销售你的产品）。

不合格的潜在客户往往很便宜，因为它们不是特别有价值——很难确定它们是否会购买您的产品的任何可能性。

与其他在线商业模式相比，对不合格潜在客户收费最类似于每次点击成本广告。

另一方面，AI销售公司可能对最有可能的结果——闭环交易并收费。

这里的货币化模型可能更像许多在线借贷市场的模型，它们通常对发放的贷款收取一定比例的费用（通常是本金的3-5%）。

这个模型当然交易量较低，但收益较高——通过整个漏斗到获得资金的贷款（或关闭交易）的可能性相对较低，这意味着必须有可观的收益。

在AI销售软件的背景下，一个有趣的考虑是将潜在的收费比例与AE（账户执行）的比例进行比较。而AE通常通过佣金（除了他们的工资）赚取交易年合同价值（ACV）的10-15%，一个完全靠自己闭环交易的AI销售代理可以以更低的成本做到这一点，提供了一个马上明显可衡量的投资回报率（ROI）的机会。

当然，这里没有“正确”的答案——我们期待看到哪些模型在这些早期销售AI辅助结果的日子里最受创始人（也许更重要的是，他们的客户）欢迎。

就像今天的现状一样，销售潜在客户和结果之间的相对价格差异将始终是软件将潜在客户转化为交易闭环的效率的函数。

未来的销售软件栈

将出现质变

因此，未来的销售软件栈在本质上将会看起来完全不同。