2019 年，我领导了一家名为 atSpoke 的风险投资人工智能公司的销售团队和增长战略。 Okta 最终收购的这家公司使用 AI 来增强传统的 IT 服务管理和公司内部沟通。
在非常早期的阶段，我们的转化率很高。只要我们的销售团队可以与潜在客户交谈——并且那个潜在客户花时间在产品上——他们往往会成为客户。问题在于获得足够强大的潜在客户与销售团队建立联系。
传统的 SaaS 需求生成手册不起作用。购买广告和建立专注于“人工智能”的社区既昂贵又吸引了缺乏购买力的爱好者。为我们的特定价值主张购买搜索词——例如，“自动路由请求”——没有用，因为这些概念是新的，没有人搜索这些词。最后，更常见的“工作流程”和“票务”等术语使我们与 ServiceNow 和 Zendesk 等鲸鱼直接竞争。
作为 B Capital Group 平台团队的一员，我为处于成长阶段的企业技术公司提供咨询服务时，我观察到与我交谈过的几乎所有 AI、ML 和高级预测分析公司都存在类似的动态。健康的管道生成是这个行业的难题，但关于如何解决它的内容却很少。
保持与早期消息传递中众所周知的类别的链接，即使该类别不是您的价值主张的核心，也不是人们最终签署合同的原因。
有四个关键挑战阻碍了 AI 和 ML 公司的需求生成以及应对这些挑战的策略。虽然没有灵丹妙药，也没有在圣巴巴拉举行的秘密 AI 买家会议或 ML 爱好者 Reddit 帖子，但这些技巧应该可以帮助您构建营销方法。
挑战 1：仍在定义 AI 和 ML 类别
如果您正在阅读本文，您可能知道 Salesforce 和“SaaS”作为一个类别的故事，但其辉煌值得重复。 1999 年公司成立时，软件即服务还不存在。在早期，没有人会想，“我需要找到一个 SaaS CRM 解决方案”。商业媒体称该公司为“在线软件服务”或“网络服务”。
Salesforce 早期的营销主要集中在传统销售软件的问题上。该公司在 2000 年举行了一场令人难忘的“软件终结”抗议活动。（Salesforce 仍在使用该消息。）首席执行官马克·贝尼奥夫（Marc Benioff）还强调重复“软件即服务”一词，直到它流行起来。 Salesforce创建了他们主导的类别。
人工智能和机器学习公司面临着类似的动态。虽然机器学习等术语并不新鲜，但“决策智能”等特定解决方案领域并不属于明确的范畴。事实上，即使对“AI/ML”公司进行分组也很尴尬，因为与商业智能 (BI)、数据、预测分析和自动化有太多交叉。更新类别的公司可以映射到持续集成或容器管理等术语。