Oracle zwiększa sprzedaż w chmurze za pomocą modelu uczenia maszynowego
Wykorzystując uczenie maszynowe w Oracle Database do generowania popytu, przedstawiciele handlowi Oracle wskazują najbardziej prawdopodobnych i dochodowych potencjalnych klientów w chmurze.
“Przedstawiciele handlowi czuli, że otrzymują dane oparte na uczeniu maszynowym, których wcześniej nie mieli. Rozwiązanie zachęcało do jedynie właściwych zachowań, a przedstawiciele handlowi z większym entuzjazmem podchodzili do tworzenia planów klientów i byli skłonni do cięższej pracy, aby doprowadzić do spotkania. Spotkania przebiegały lepiej i szybciej znajdowaliśmy nowe możliwości. To stworzyło pętlę pozytywnego sprzężenia zwrotnego.”
Wyzwania biznesowe
Oracle Global Sales zajmuje się generowaniem popytu dla rozwiązania Oracle Cloud Infrastructure (OCI). Aby pełniej zmotywować przedstawicieli i zwiększyć sprzedaż, zespół musiał zidentyfikować istniejących klientów Oracle, którzy najprawdopodobniej przejdą na Oracle Cloud.
Celem było ułatwienie przedstawicielom handlowym skupienia uwagi na najodpowiedniejszych potencjalnych klientach przy zachowaniu najlepszych praktyk sprzedażowych. Ponadto dodatkowo wyposażeni przedstawiciele mogli lepiej połączyć klientów Oracle z rozwiązaniami w chmurze, które najlepiej pasowały do ich przypadków użycia, zwiększając ogólne zadowolenie.
Dotychczasowe rozwiązania, którymi dysponował zespół, nie były w stanie obsłużyć tego poziomu zaawansowanej analizy w odpowiednim czasie.
Konsekwentnie stwierdzaliśmy, że 5% klientów generujących najwyższe wyniki odpowiadało za 80% zysków w każdym kwartale.
Dlaczego Oracle wybiera rozwiązanie uczenia maszynowego?
Aby zachęcać do szybszego zamykania transakcji i uzyskiwania lepszych marż, dział Oracle Global Sales zdecydował, że potrzebuje modelu uczenia maszynowego dostosowanego do potrzeb sprzedaży. Model wykorzystywałby dane historyczne do szybkiego tworzenia ocen i wskazywania najlepszych klientów. Menedżerowie będą łączyć ten model z istniejącymi programami generowania popytu, aby usprawnić proces zasilania linii sprzedaży chmury Oracle najlepszymi potencjalnymi klientami.
Zespół zlecił działowi Oracle Labs stworzenie modelu analiz opartemu na uczeniu maszynowym w celu przekształcenia globalnego generowania popytu i projektowania kampanii. Dział Oracle Labs wykorzystał Machine Learning in Oracle Database do stworzenia solidnego i skalowalnego modelu do zarządzania 9 milionami punktów danych o produktach i klientach oraz 2400 zmiennymi scoringowymi w Oracle Cloud. Model scoringowy wymagał danych dotyczących zakupów klientów z wielu lat oraz danych branżowych do przewidywania przyszłych zachowań zakupowych.
Dział Oracle Global Sales połączył model uczenia maszynowego z wieloma programami generowania popytu, aby uzyskać konkretne, wymierne wyniki w terenie. Przedstawiciele handlowi szkoliliby się na tym modelu, budowali zaufanie do jego przydatności i korzystaliby z niego przez długi czas, zapewniając natychmiastowy zwrot z inwestycji w projekt.
Rekomendowane przez Oracle dane potencjalnych klientów, oparte na uczeniu maszynowym, zaowocowały transakcjami trzykrotnie większymi niż w przypadku klientów w innych regionach, przy 160% wyższym współczynniku sprzedaży w przypadku najlepszych klientów.
Wyniki
Oracle Machine Learning w Oracle Database umożliwia Oracle Global Sales szybką identyfikację klientów z zainstalowaną bazą danych, którzy najprawdopodobniej zmigrują do Oracle Cloud. W każdym kwartale sprzedaż może zidentyfikować 5% najlepszych klientów oraz produkty, na które wydają najwięcej pieniędzy.
Zespół Oracle Global Sales może przyspieszyć cykl sprzedaży i umożliwić przedstawicielom handlowym skupienie się na najbardziej prawdopodobnych i dochodowych potencjalnych klientach w chmurze. Dział sprzedaży może również kierować ofertę do najlepszych podsegmentów danego klienta, co jest szczególnie pomocne w przypadku większych klientów międzynarodowych.
Model scoringowy i programy generowania popytu sugerują najbardziej prawdopodobne produkty w chmurze dla każdego klienta i zwiększają jego satysfakcję. Oracle Global Sales może również oznaczyć potencjalnego klienta w chmurze, który nie ma przedstawiciela handlowego na swoim terytorium, dzięki czemu Oracle może zatrudnić odpowiedniego przedstawiciela, aby zrealizować tę potrzebę.
W ciągu trzech lat dane potencjalnych klientów rekomendowane przez Oracle Machine Learning zaowocowały transakcjami trzykrotnie większymi niż w przypadku podobnych klientów w innych regionach, przy 160% wyższym współczynniku sprzedaży w przypadku najlepszych klientów.
Model uczenia maszynowego tworzy dużą tabelę, która przedstawia wynik dla każdego klienta. Zamknięta sprzedaż jest ostatecznym potwierdzeniem sukcesu modelu i jest uwzględniana w przyszłych raportach kwartalnych i punktacji. Ze względu na powtarzający się sukces modelu, przedstawiciele handlowi są skłonni zaufać mu bez nadmiernych wyjaśnień technicznych czy szkoleń.
Silnik scoringowy wprowadza dane potencjalnych klientów do codziennych raportów sprzedażowych, z których przedstawiciele mogą natychmiast skorzystać. Z kolei przedstawiciele handlowi pracują ciężej z najwyższej jakości klientami na największych terytoriach, stosując najlepsze praktyki.
Informacje o kliencie
Oracle oferuje zintegrowane zestawy aplikacji oraz bezpieczną, autonomiczną infrastrukturę w chmurze Oracle Cloud. Spółka działa w 175 krajach, obsługuje 430 000 klientów i osiąga 40 mld USD rocznego przychodu.