Hvad er virksomhedsdata og hvordan kan den hjælpe dig at sælge mere?

Hvordan ville de være, hvis det var muligt kun at fylde din pipeline med de bedste potentielle kunder? Fantastisk, ikke også? For at du kan finde dine mest værdifulde prospekt, må du først definere din ideelle kundeprofil. Dette er ikke muligt uden adgang til opdateret og relevant virksomhedsdata.

I dag findes der næsten uendeligt med information tilgængeligt om alle virksomheder i verden. Al den data er dog til meget lille nytte for dig som sælger, når den er usorteret og spredt ud på en milliard forskellige hjemmesider. Moderne teknik kan hjælpe dig med at samle, analysere og tolke virksomhedsdata. På den måde kan du forvandle virksomhedsdata til nyttig viden om dine kunder og prospekt for at få fuldstændig styr på deres egenskaber, styrker, udfordringer, interesser og nuværende situation.

I den her artikel graver vi dybere ned i, hvad virksomhedsdata er samt hvilke forskellige typer af virksomhedsdata der findes. Vi kigger også nærmere på hvorfor virksomhedsdata er så værdifuldt for dig om sælger, samt hvordan du kan anvende den for at øge dine resultater.

Hvad er virksomhedsdata?

Virksomhedsdata er, præcis som navnet beskriver, data om virksomheder. Virksomhedsdata indeholder information om en virksomheds egenskaber, interesser og aktivitet. Den hjælper sælgere med at tage gennemtænkte beslutninger om, hvilke virksomheder de skal forsøge at sælge til, og hvilket tilbud de skal komme med, når de skal tage kontakt. Denne type af data hjælper dig, med andre ord, med at skræddersy dit arbejde som sælger efter hver enkelt prospekts individuelle behov samt med at forbedre din timing i salgsprocessen.

Virksomhedsdata kan deles ind i intern og ekstern data. Intern virksomhedsdata er information, som du selv samler ind gennem interne systemer som eksempelvis dit CRM eller Marketing Automation værktøj. Virksomheder som er lykkedes med at strukturere og udnytte al den her virksomhedsinformation i sin salgsproces, har en stor konkurrencefordel i dagens salgslandskab.

Ekstern virksomhedsdata er baseret på firmografisk og teknografisk data samt data fra åbne kilder - købssignaler. Længere nede i den her blogartikel går vi i dybden med dem.

A Complete Guide to Company Data

Fire kategorier af virksomhedsdata:

  1. Firmografisk data
  2. Teknografisk data
  3. Købssignaler
  4. Predictive og prescriptive analyser

Firmografisk virksomhedsdata

Firmografisk data, også kaldet grunddata, er grundlæggende virksomhedsinformation som eksempelvis branche, adresse og størrelse. Virksomheder kan analyseres ved at anvende grunddata, på samme måde som mennesker kan analyseres ved hjælp af demografisk data.

Eksempel: Vainus firmografiska profil ser sådan her ud:

Branch: Software, SaaS, Cloud

Adresse: Trommesalen 5, København (HQ Helsingfors)

Virksomhedsstørrelse: 150 ansatte, 13 m€ i omsætning i 2019.

At finde nye potentielle kunder ved hjælp af firmografisk data er ikke usædvanligt. De fleste sælgere bruger især de grundlæggende datapunkter, når de skal forsøge at finde tvillingekunder til sine bedste kunder og prospekt. Man leder efter virksomheder indenfor en specifik branche og et vist geografisk område eller indenfor et bestemt størrelsesinterval.

Men netop fordi firmografisk data udelukkende inkluderer grundlæggende data, så er den største ulempe også, at den ofte er for…grundlæggende. For at du som sælger skal have mulighed for at tage velbegrundede beslutninger om hvorvidt en virksomhed er et godt prospekt eller ej, så har du formodentlig brug for mere information om virksomheden, end hvad denne type data kan give dig. At virksomheder tilhører samme branche eller har nogenlunde samme virksomhedsstørrelse betyder ikke nødvendigvis, at de har samme behov.

Lad os kigge nærmere på virksomhedsstørrelse: En virksomhed i vækst med 100 millioner i omsætning kan være villig til at investere store summer i noget, som er relevant for deres nuværende situation. En virksomhed af samme størrelse, som for nylig har gennemført en sparerunde, har formodentlig helt andre prioriteringer og behov.

Af og til refererer firmografisk data også til andre faktorer end ovennævnte, eksempelvis præstation (vækst, kreditværdighed), status og struktur (retslig status, relation mellem organisationer), alder, ejerret og position (markedsandel, industriposition).

Teknografisk virksomhedsdata

Teknografisk data er information om en virksomheds tekniske portefølje - hvilke webteknikere som bruges, digitaliseringsniveau, hvordan hjemmesiden er bygget op og så videre. Den beskriver hvilke systemer, som virksomheden anvender, eksempelvis om de har et marketing automation, e-handelsværktøj, customer feedback management, application tracking-system, chatbot, event management system med flere.

Lad os illustrere hvad teknografisk data er med et eksempel:

Teknikvirksomheden, Synopsys, som er baseret i Californien, udgav en ny e-bog for nogle måneder siden. Gennem at studere virksomhedens kampagneside, kan vi se, at Synopsys bruger systematisk content marketing i stor skala (gennem Eloqua). De forsøger at øge sin konverteringsgrad (gennem Crazy Egg som tilbyder A/B-test), og er villige til at betale for at markedsføre sit indhold (gennem Facebook Pixel). Synopsys satser derudover på at bruge account-based marketing og personlige kampagner på webben. Den konklusion kommer vi frem til, da vi kan se, at de arbejder med værktøj i disse kategorier (Demandbase og Adobe Target).

Om du sælger en marketing automation-tjeneste tilpasset til store virksomheder, kan firmografisk data hjælpe dig med at sortere de virksomheder væk med en for lav omsætning, eller som er geografisk placeret i en forkert by. Teknografisk data kan derimod hjælpe dig med at finde virksomheder, som bruger moderne teknologi, eller som ikke er digitale overhovedet. Og det er jo ikke en dårlig indsigt at få om en ny potentiel kunde. Gennem at studere en virksomhed på den her måde, får du en bedre forståelse for organisationen og dens behov, samt at din prospektering bliver betydeligt mere kraftfuld.

Hvad indebære købssignaler?

Købssignaler refererer til hændelser hos en virksomhed, som indikerer at det er den rette tid for dig som sælger at tage kontakt. Købssignaler hjælper dig med at forstå, når en virksomhed er i behov af dit produkt eller service. På den måde kan du finde ud af, hvilke prospekt som har størst chance at blive dine betalende kunder indenfor en kort fremtid.

Mange forandringer hos virksomheder, såkaldte triggers, åbner flere muligheder op for dig som sælger. Et eksempel på forandringer er rekruttering, ny kapital, ekspansion, produktlancering, sammenlægning med/eller erhvervelse af en anden virksomhed. Du kan hurtigt forbedre din hit-rate mellem hvert skridt i salgsprocessen gennem at lede efter virksomheder, som matcher din ideelle kundeprofil, og som for nylig har udsendt købssignaler, som indikerer, at de har et øget behov af dit produkt eller service lige nu.

Om du kan identificere et kvalitativt lead gennem en eller flere signaler, bør størstedelen af din prospektering gå ud på at søge efter virksomheder, som har sendt lignende signaler. Når du derefter har fundet en sammenhæng mellem en tilfreds kunde og et købssignal, kan du hurtigt og enkelt finde flere kvalitative prospekt.

30-page Guide to Real-Time Sales

Predictive og prescriptive analyse

Firmografisk data, teknografisk data og købssignaler kan alle ses som et resultat af grundlæggende, beskrivende (descriptive) analyser. Disse typer af virksomhedsdata sammenfatter hårde fakta om en virksomhed, og tillader dig at begynde på en mere avanceret analyse. Det er her, at predictive og prescriptive analyse kommer ind i billedet. Når du har adgang til tilstrækkeligt store mængder grundlæggende virksomhedsdata, kan du ved hjælp af ny teknik begynde at se et mønster.

Gennem at studere hvordan bestemte datapunkter hænger sammen med hinanden, kan du forudse fremtidige hændelser og udfald ud fra specifikke handlinger.

Predictive data

Predictive data er resultatet a predictive (forudsigende) analyse - en form af avanceret analyse, som anvendes for at forudse fremtiden. Predictive analyse anvender flere forskellige typer af teknik, blandt andet dataudvinding, modellering, maskinindlæring og artificiel intelligens, for at analysere nuværende data og derefter forudse fremtidige data.

Målet med predictive analyse er ikke at informere om, hvad der kommer til at ske i fremtiden; det kan den ikke gøre. Målet er snarere at lave en så præcis prognose af fremtiden som muligt.

Prescriptive data

Til forskel fra predictive analyse anbefaler prescriptive (rådgivende) analyse en eller flere handlinger i en given situation, og viser det mest sandsynlige resultat af forskellige beslutninger.

Prescriptive analyse er på en måde en type af predictive analyse, da den forudsiger mulige fremtidige konsekvenser af forskellige handlinger. Denne type af analyse laves med maskinindlæring og kan vise dig, hvordan du bør agere for at lykkedes med at opnå dit ønskede resultat. Prescriptive data kan foreslå, hvordan du bør ta kontakt med et prospekt, samt hvilke tilbud du skal give.

Majoriteten af alle virksomheder spekulerer stadigvæk på, hvordan de skal få deres predictive lead scoring-modeller på plads. De virksomheder, som er på forkant, er dog allerede gået videre fra predictive til prescriptive analyse. Sælgere er trods alt ikke så interesseret i alle de, både positive og negative, attributter, som kommer med i predictive-modellerne. De vil helst vide, hvad det næste skridt i salgsprocessen er.

Hvorfor er virksomhedsdata så værdifuldt for sælgere?

Nu hvor vi har dækket det grundlæggende, og forklaret hvad virksomhedsdata er, samt hvad som kendetegner de forskellige typer af virksomhedsdata, skal vi gå videre med at undersøge hvorfor detaljeret, opdateret virksomhedsdata er så værdifuld for sælgere.

Der er meget konkurrence i B2B-salg i dag. Samtidig er de moderne købere langt mere orienteret og up-to-date end de var før i tiden. En for generel eller svag salgspitch leder ingen vegne for nutidens sælgere. For at blive en fremgangsrig sælger i dag, er du nødt til at arbejde datadrevet.

Ved hjælp af detaljeret og opdateret virksomhedsdata kan du:

  • Identificere købssignaler hos eksisterende konti i dit CRM-system
  • Definere en detaljeret profil for din ideelle kunde
  • Enklere finde gode potentielle kunder med perfekt timing
  • Justere din salgspitch efter ethvert prospekts unikke virksomhed og behov.

Automatisér tilstrømmen af relevant og aktuel virksomhedsdata

Et studie udført af Salesforce viser, at den gennemsnitlige sælger bruger 21 procent af sin arbejdsdag på at lave research. Andre studier viser, at det at finde nye potentielle kunder kan tage op til halvdelen af en sælgers arbejdstid. Ved at minimere tiden du lægger på at lede efter potentielle kunder og virksomhedsinformation ved hjælp af salgsværktøjer og automatisering, får du mere tid til rent faktisk at sælge og tage dig af dine allerede eksisterende kunder.

Du kan korte ned på den tid, som du bruger på at finde nye potentielle kunder og leadkvalificere ved at automatisere så mange som mulige af disse opgaver. Der findes ingen bedre tid end netop nu, at arbejde med B2B-salg. I dag findes der sales intelligence-værktøj, som hjælper dig med at få adgang til kvalitativ og opdateret virksomhedsdata i realtid.

Med et salgsværktøj som forsyner dig med realtidsdata, behøver du ikke længere at gøre det til din livsopgave at abonnere på utallige virksomhedsnyhedsbreve, gå igennem alle dine sociale medier tusind gange per dag eller forsøge at læse alt, som står i samtlige trykte medier, bare for at være helt sikker på, at du ikke har misset relevant virksomhedsinformation. I dag kan du automatisere dataindsamlingen gennem at koble din CRM til en dynamisk virksomhedsdatabase. Din data opdateres per automatik så snart en forandring sker, hvilket sikrer, at dine sælgere altid har den seneste information at agere på.

Disse sales intelligence-værktøj samler dagligt store mængde data fra millioner af åbne og offentlige datakilder. Gennem maskinindlæring kan teknikken læse, forstå og strukturere al data og sortere den i dit eksisterende system, så den bliver lettilgængelig og enkel at tyde for dig. Du kan også få systemet til at påminde dig om vigtige købssignaler, så du ikke selv behøver at finde ud af, hvem du skal snakke med og hvornår.

New Call-to-action

Data som er relevant og opdateret er alfa og omega for en salgsvirksomhed

Et typisk problem indenfor markedsføring og B2B-salg er forældet data. Data i indkøbte lister med prospekt baseres ofte på data fra virksomheders årsrapporter samt andre kilder, som udelukkende opdateres en eller få gange per år. Dertil kommer at det kan tage et stykke tid inden at din listeleverandør ekstraherer listen du arbejder med, til at du kan bruge informationen i en salgssamtale eller i kontakten med nye potentielle kunder.

At arbejde med data fra statiske lister med prospekt indebærer ofte at arbejde med forældet data. Det gør at du ofte fremstår som om, du ikke har gjort dit forarbejde, når du tager kontakt med et prospekt, hvor dit tilbud eller timing er helt forkert. Du demonstrerer ingen videre tillid, og dine chancer for at få gang i en handel er meget lille, hvis ikke ikke-eksisterende.

Moderne salgsteknikker kan tilbyde dig opdateret data, såkaldt realtidsdata. Denne type af virksomhedsdata er dynamisk virksomhedsinformation, som opdateres automatisk når virksomheders egenskaber og tilstand forandres. Nu til og med direkte i dit CRM-system (eller i dit Marketing Automation-værkøj). En hurtigtvoksende virksomhed som havde 100 ansatte ved årsskiftet, kan have fordoblet sin personalestyrke eller tredobblet sine indtægter ved starten af H2. Realtidsdata om nævnte virksomhed hjælper dig med at skræddersy din salgspitch baseret på virksomhedens nuværende situation og udfordringer.

Studier viser at 74 procent af alle handler vindes af den sælger, som var først til at tage kontakt med en virksomhed, da virksomheden fik nye behov.

Forstå værdien af samtlige former af virksomhedsdata

En virksomheds firmografiske og teknografiske data giver dig meget information om dets organisation og behov. Om du derudover får indsigt gennem købssignaler samt predictive- og prescriptive analyser, får du en meget dybdegående viden om, hvordan din ideelle kunde ser ud, samt om en specifik virksomhed er værd din tid eller ej. Ved at kigge på virksomhedsdata fra samtlige datakategorier får du endda bedre forståelse for, hvordan og hvornår du bør bearbejde en given virksomhed for at maksimere dine chancer for at sælge til virksomheden.

En traditionel profil for din ideelle kunde, som udelukkende baseres på firmografisk data (som eksempelvis CVR), kan se sådan her ud:

Branche: Software development

Adresse: New York

Størrelse: 70-150 ansatte

Omsætning: $70 - $110 millioner USD/år

En moderne og mere avanceret profil af din ideelle kunde, som er baseret på indsigter fra flere forskellige typer af virksomhedsdata, kan se sådan her ud:

Egenskaber: Digitaliseret i høj grad

Købssignal: Investerer meget i ny teknik, har for nylig ansat en ny CTO eller implementeret et nyt teknisk værktøj

Branche: Software development

Størrelse: 70-150 ansatte

Adresse: New York

Konklusion

Åben og offentlig data tilfører ikke meget værdi, når den er ustruktureret. Sales intelligence-værktøj hjælper dig både med at samle ind, strukturere, tolke og bruge virksomhedsdata. Teknikken aflaster endda dig som sælger, så du kan se mønstre og forstå, hvilke virksomheder, du skal fokusere på. Den kan desuden foreslå hvordan og hvornår du bør tage kontakt med en given virksomhed for at opnå bedst mulige hit-rate.

Ved udelukkende at studere en eller to typer af virksomhedsdata går du glip af flere vigtige indsigter om dine prospekt og eksisterende kunder. Gennem at investere i teknik, som forsyner dig og dit salgsteam med alle typer af virksomhedsdata, kan I tage velfunderede og skudsikre beslutninger gennem hele salgsprocessen og på den måde øge jeres salg.

Vil du vide mere om hvordan Vainu kan hjælpe dig med at strukturere din data samt identificere købssignaler for dig? Registrér dig her for en gratis 30-minutters demo af vores platform og find ud af, hvordan du og dit team kan få nytte af virksomhedsdata fra Vainu i jeres daglige salgsarbejde og i jeres eksisterende system.

Vil du opnå lignende resultater? Bed om en demo nu!

Topics: Company Information

Erika Granath

Vainu's Content Marketing Manager. Grew up next to Sweden's largest cookie factory. Love cookies (of course), ping pong tournaments and word jokes.