Цифровая лидогенерация в B2B: как пандемия открыла новые возможности для СИБУРа

Термин «лидогенерация» обычно ассоциируется с b2c-сектором. Однако он применим и в b2b. Причем не просто в бизнесе, связанном с товарами и услугами широкого потребления, но и в такой индустрии как нефтехимия. Рассказываем, как СИБУР искал новых клиентов в пик пандемии в Китае, а нашел эффективный инструмент генерации лидов в промышленности в России и по всему миру.

Летом прошлого года Европа закрыла границы. Мы экспортирующая компания, поэтому по многим категориям продукции могли сформироваться большие товарные остатки. Требовалось оперативно найти запасные каналы реализации сырья. В частности, беспокоил синтетический каучук. Во время мозгового штурма возникла идея попробовать Китай. Мы уже работали с компаниями в КНР, но наша клиентская база не была исчерпывающей и не закрывала весь рынок. Нужны были новые лиды.

Но как b2b-компании быстро найти покупателей за рубежом в период пандемии? В обычное время промышленные организации летают для поиска клиентов на выставки и конференции – приезжаешь, знакомишься, получаешь клиента. Но летом 2020-го такой способ не подходил по очевидным причинам.

Другой вариант — покупка готовых маркетинговых исследований, а также полуручной поиск и анализ в открытых источниках. Такой подход возможен, но занимает много времени — нужно найти, изучить и отфильтровать существующих покупателей и клиентов конкурентов, понять, кто на самом деле «квалифицированный лид» (в отчетах не 100% компаний являются целевой аудиторией). При этом если заказать исследование страны у агентства, есть риск, что выгрузка не охватит средние и маленькие компании (фильтры могут быть неточными). А такие покупатели тоже нужны.

Отягощала ситуацию специфика потенциальных лидов. Чаще всего они производят не commodity-товары вроде шариковых ручек, а узкоспециализированные продукты, в изготовлении которых используется не только наш тип сырья, но и аналоги.

Чтобы ускориться, мы обратились к нашим наработкам по автоматизации лидогенерации, где применяется продвинутая аналитика. За месяц программисты набросали алгоритм (который потом дорабатывали), и мы запустили процесс поиска клиентов. Разбили его на шесть этапов:

Этап 1. Оцифровка экспертизы отдела маркетинга. Создание базы фильтров.

Этап 2. Сбор команды лидогенерации

Этап 3. Сбор данных.

Этап 4. Фильтрация данных.

Этап 5. Квалификация лидов.

Этап 6. Отправка коммерческих предложений и совершение сделок.

Рассказываем про каждый из них.

Цель первого шага — аккумуляция знания о клиентах и создание фильтров на базе этого знания.

Мы обратились к маркетологам и их экспертизе по целевой аудитории. Они знали, кто наши текущие покупатели и клиенты конкурентов, в каких сегментах они работают и что производят. На основании этой экспертизы и исследований маркетологи предложили гипотезы о потенциальных клиентах, а затем сформулировали конкретные ключевые фразы. Например, в список вошла фраза «резиновые конвейерные ленты» — в их производстве используется синтетический каучук.

Экспертный метод мы дополнили автоматическим. Его суть — анализ текущих клиентов по разным описательным критериям во всевозможных базах. Для этого мы изучили международные классификаторы наподобие наших ОКВЭД или ТНВЭД. Также искали характерные фразы в описаниях компаний.

Затем мы нашли самые частотные варианты и «подсказали» их маркетингу. По итогам мы сформировали базу критериев, в которую вошло более 3000 фильтров 10-ти разных типов.

Перед тем, как переходить к действиям по поиску лидов — сбору данных и фильтрации — мы позаботились о человеческих ресурсах. Это был новый проект, и люди должны были выделять на него достаточно времени.

В первую очередь, мы отобрали специалистов отдела операционного маркетинга. Им поставили задачи по мониторингу качества работы фильтров и их доработке. Маркетологи проверяли, насколько полученные после каждой итерации лиды соответствовали целевой аудитории. Если результаты были не похожи на наших клиентов, в фильтры вносились изменения, и выполнялась новая итерация.

Для первичной квалификации лидов после фильтрации мы привлекли стажеров и разработали для них обучающие курсы, тесты и скрипты по общению с холодными клиентами и идентификации релевантных компаний.

Для проработки потенциальных клиентов с уже подтвержденным интересом мы выделили фронт-менеджеров.

Также кому-то нужно было управлять всем этим процессом. Подход был новый, как и многие задачи в проекте Чтобы встроить всю процедуру в рабочий процесс мы привлекли представителей отделов развития коммерческих служб и цифрового маркетинга. В их задачи вошла разработка и донесение до сотрудников их новых целей.

После распределения ролей мы приступили к действиям — аккумуляции данных из баз.

Существуют разные виды аналоговых и цифровых источников для сбора информации. Это сайты тематических ассоциаций (условный пример — «любители шин»), отраслевые базы-аналоги российского Spark или американского Bloomberg, таможенные статистики, желтые страницы, купленные отчеты и исследования, а также открытые данные в сети. Последние, как правило, собираются ручным или полуавтоматическим методом.

Для нашей задачи мы комбинировали несколько источников. В том числе прибегали к открытым данным. Мы проверили 10 баз. Три из них оказались наиболее эффективными. Из них мы собрали более двух миллионов компаний.

Эту информацию мы аккумулировали в нашем «Озере данных».

Формально мы разделяем этапы 3 и 4. Но фактически фильтрация данных началась с первого дня их загрузки из баз, процессы шли параллельно.

Информация из цифровых баз автоматически обрабатывалась по созданным на первом этапе фильтрам. В некоторых исследованиях (например, если с сайтом нельзя интегрироваться) данные загружались в «Озеро данных» вручную, а после этого обрабатывались. Фильтрация проходила нашим платформенным решением с применением SQL-запросов, Python-алгоритмов и моделей машинного обучения.

По результатам четвертого этапа мы получили чуть более 1500 компаний, которые потенциально могли покупать наши продукты. После фильтрации информация о них загружалась в CRM-систему в виде карточек.

На этом этапе подключались стажеры. Как только информация о новой компании появлялась в CRM, они получали уведомление и приступали к первичной обработке.

Стажеры писали письма и прозванивали лиды. После фильтрации могли остаться компании, которые уже используют аналоги конкурентов или в принципе занимаются бизнесом, не связанным с синтетическим каучуком. Поэтому на этом этапе мы преследовали две цели — подтвердить, что клиенты действительно используют нашу продукцию (закупают синтетический каучук или похожие продукты) и найти рабочие контакты.

Непросто прозвониться через основной контакт-центр, общий номер и добраться до сотрудников отделов закупок. К тому же, это был Китай, и не все сотрудники целевых компаний владели английским. Чтобы пробиться через языковой барьер, мы специально искали людей, говорящих на китайском.

По результатам работы стажеров мы квалифицировали 524 лида. Это были компании, которые пока ещё не хотели покупать у нас синтетический каучук, но точно использовали его. Стажеры передавали их в умелые руки фронт-менеджеров.

После подтверждения интереса фронт-менеджер получал рабочий контакт отдела закупок. На этом этапе он стандартно прорабатывал клиента, отправлял коммерческое предложение и, в случае успеха, заключал контракт.

В результате мы сумели найти клиентов на рынке, недоступном для нас в пандемию, а лидогенерация с применением продвинутой аналитики стала нашим «ноу-хау» для поиска покупателей по всем сегментам и рынкам.

• Благодаря лидогенерации уже в первые месяцы 2021 года мы стали продавать на 6% больше тонн каучука по пилотируемым маркам.

• После нескольких итераций мы в разы улучшили конверсию в квалифицированные лиды по сравнению с первыми версиями алгоритма.

• Мы сократили сроки квалификации лидов. Выставки, покупка отчетов, полуручной анализ баз — все это занимает много времени. Сейчас после тысяч итераций наши фильтры проверены, оттестированы, и весь процесс от постановки задачи до получения квалифицированного лида занимает от нескольких дней до 3-4 недель. И этот срокбудет лишь сокращаться.

• Раньше наша база по региональным клиентам не была исчерпывающей. Благодаря лидогенерации мы нашли оставшийся кусок рынка, про который не знали, и за счет него расширили клиентскую базу. Более того, мы нашли больше покупателей, чем если бы по классике купили готовые отчеты и базы. При их выгрузке часто не захватываются малые и средние компании. Наши фильтры обрабатывают данные точнее, чем это делают фильтры агентств.

• Мы в целом улучшили наше знание о рынке и клиентах. Лидогенерация оказалась хорошим методом для их изучения. Она позволила не только найти покупателей, но и развеять ложные гипотезы о сегментах использования нашего продукта.

• Мы опробовали метод на каучуках в Китае, но впоследствии стали применять его в России и по всему миру для разных направлений. Инструмент постепенно вошел в операционную деятельность сотрудников и сейчас используется наравне с другими каналами по привлечению покупателей. Благодаря нему мы значительно расширили пул клиентов и сейчас получаем ощутимый прирост продаж.