En 2019, j’ai dirigé l’équipe de vente et la stratégie de croissance d’une société d’intelligence artificielle financée par du capital-risque appelée atSpoke. L’entreprise, qu’Okta a finalement acquise, a utilisé l’IA pour améliorer la gestion des services informatiques traditionnels et la communication interne de l’entreprise.
Très tôt, notre taux de conversion était élevé. Tant que notre équipe de vente pouvait parler à un prospect – et que ce prospect passait du temps avec le produit – il deviendrait le plus souvent un client. Le problème était d’obtenir suffisamment de prospects solides pour entrer en contact avec l’équipe de vente.
Le playbook SaaS traditionnel pour la génération de la demande n’a pas fonctionné. L’achat d’annonces et la création de communautés axées sur «l’IA» coûtaient cher et attiraient des passionnés qui manquaient de pouvoir d’achat. L’achat de termes de recherche pour nos propositions de valeur spécifiques (par exemple, les « requêtes de routage automatique ») n’a pas fonctionné car les concepts étaient nouveaux et personne ne recherchait ces termes. Enfin, des termes comme « workflows » et « ticketing », qui étaient plus courants, nous ont mis en concurrence directe avec des baleines comme ServiceNow et Zendesk.
Dans mon rôle de conseiller auprès d’entreprises technologiques en phase de croissance au sein de l’équipe de plate-forme de B Capital Group, j’observe une dynamique similaire dans presque toutes les sociétés d’IA, de ML et d’analyse prédictive avancée avec lesquelles je parle. La génération de pipelines sains est la bête noire de cette industrie, mais il y a très peu de contenu sur la façon d’y remédier.
Maintenez un lien vers des catégories bien connues dans les premiers messages, même si la catégorie n’est pas au cœur de votre proposition de valeur ou pourquoi les gens finiront par signer un contrat.
Il existe quatre défis clés qui entravent la génération de la demande pour les entreprises d’IA et de ML et les tactiques pour relever ces défis. Bien qu’il n’y ait pas de solution miracle, pas de conférence secrète d’acheteurs d’IA à Santa Barbara ou de fil Reddit passionné de ML, ces conseils devraient vous aider à structurer votre approche du marketing.
Défi 1 : les catégories IA et ML sont toujours en cours de définition
Si vous lisez ceci, vous connaissez probablement l’histoire de Salesforce et du « SaaS » en tant que catégorie, mais l’éclat mérite d’être répété. Lorsque l’entreprise a démarré en 1999, le logiciel en tant que service n’existait pas. Au début, personne ne pensait : « J’ai besoin de trouver une solution CRM SaaS. La presse économique a qualifié l’entreprise de « service logiciel en ligne » ou de « service Web ».
Le marketing initial de Salesforce s’est concentré sur les problèmes des logiciels de vente traditionnels. L’entreprise a mémorablement organisé un « fin du logiciel» protester en 2000. (Salesforce utilise toujours cette messagerie.) Le PDG Marc Benioff a également tenu à répéter le terme « logiciel en tant que service » jusqu’à ce qu’il fasse son chemin. Force de vente établi la catégorie qu’ils dominaient.
Les entreprises d’IA et de ML sont confrontées à une dynamique similaire. Bien que des termes tels que l’apprentissage automatique ne soient pas nouveaux, des domaines de solutions spécifiques tels que «l’intelligence décisionnelle» ne relèvent pas d’une catégorie claire. En fait, même le regroupement d’entreprises « IA/ML » est délicat, car il y a tellement de croisements avec l’intelligence d’affaires (BI), les données, l’analyse prédictive et l’automatisation. Les entreprises appartenant à des catégories encore plus récentes peuvent correspondre à des termes tels que l’intégration continue ou la gestion des conteneurs.
