Sales intelligence pro Daimler Truck: správná firma ve správnou chvíli.

Jeden z největších výrobců užitkových vozidel na světě řešil jednoduchou otázku: proč zákazníci, kteří mají zájem, nakonec koupí jinde? Za čtyři týdny jsme z externích dat udělali funkční prototypy, které obchodníkům řeknou, komu a kdy zavolat.

Výzva

Zájem, ze kterého nikdy nebyla objednávka. A žádná data, která by řekla proč.

V Daimler Truck si všimli, že se jim opakuje stejný scénář: firmy projeví o jejich nákladní vozy zájem a nakonec si vyberou konkurenci. Zadání znělo nahradit domněnky fakty – zjistit, co zákazníky odhání a co naopak přivede ty správné. Na strategii si Daimler přizval McKinsey a Cleevio. Zároveň jsme byli technologickým partnerem a stavěli nástroje, které pomohou zjištění odhalit a jednat podle nich.

Práci vymezily dvě otázky. Retence: jak dobře známe zákazníky, které už máme, a kdy budou připravení koupit znovu? Akvizice: kde jsou firmy, které by měly nakupovat u nás, a jak je najít dřív než konkurence? V každém teritoriu jsou tisíce firem a trh se mění každý den. Odpovědět na kteroukoli z otázek proto nešlo jen poradenstvím – bylo potřeba sbírat, propojovat a vyhodnocovat data z desítek zdrojů, a lidský vztah přitom nechat v centru prodeje.

Tisíce firem v teritoriu a nic, podle čeho je seřadit
Načasování nákupu záleží na občasném kontaktu se zákazníkem a na náhodě
Servisní historie a obchod žijí každý ve svém světě

Naše řešení

Za čtyři týdny od datových zdrojů k funkčním prototypům.

S obchodním a strategickým týmem Daimler Truck jsme pracovali bok po boku jako konzultační i technologický partner. Nejdřív jsme zkoumali, co dnešní AI a datová analytika zvládnou, a pak jsme to postavili.

Mapa dat

Prošli jsme desítky externích zdrojů a vybrali firemní data, geoprostorové informace, monitoring zpráv, veřejné zakázky a firemní weby.

Profily zákazníků

Externí data jsme spárovali se stávajícími zákazníky a zhruba u 50 % klientů získali podrobné profily.

Model podobnosti

Zhruba 50 firemních charakteristik (segment, struktura, geografie, provoz, technologie), podle kterých hledáme firmy podobné nejlepším zákazníkům.

Detekce signálů růstu

Růst tržeb, akvizice, nové pobočky a provozy jsme porovnali s historickými nákupy nákladních vozů.

Signály retence

Ze čtyřletého cyklu obměny vozů a četnosti servisních návštěv jsme odvodili, kdy zákazníka oslovit a kdy zapojit péči o zákazníky.

Profilování podle teritoria

Rámec pro prioritizaci leadů v mezích ochrany osobních údajů.

4 týdnyDiscovery a prototypy

~50%Klientů spárovaných s externími daty

50Firemních znaků v modelu podobnosti

Retence

Poznat, kdy je zákazník připravený. A kdy ho nechat být.

Začali jsme u stávajících zákazníků. Data ukázala, že mnozí obměňují nákladní vozy každé čtyři roky. Podle toho se dá odhadnout, kdy se firma nejspíš znovu poohlédne po nových vozech, a ozvat se jí dřív než konkurence.

Stejně užitečná byla servisní data, jen opačným směrem. Vůz, který byl za poslední dva měsíce opakovaně v servisu, patří zákazníkovi s problémem, ne potenciálnímu kupci. Přijít za ním v tu chvíli s nabídkou je necitlivé. Prototyp proto takové účty posílá nejdřív péči o zákazníky, aby se zkušenost zákazníka zlepšila dřív, než se začne mluvit o novém obchodu.

Akvizice

Zítřejší zákazníci v dnešních veřejných datech.

Získávání nových zákazníků začalo fází Discovery: stanovit hypotézy a ověřit je na reálných datech. Signály růstu z obchodních rejstříků – firmy, jejichž tržby naznačují, že budou rozšiřovat flotilu. Oznámení na LinkedInu o nových pobočkách, se kterými obvykle přichází potřeba nových vozů. Geoprostorová analýza rozšiřování areálů a nových provozů. Veřejné zakázky. Firemní weby.

Nad tím stojí model podobnosti: zhruba 50 charakteristik úspěšného zákazníka Daimler Truck – odvětví, organizační struktura a velikost, kde firma působí, jaké má zákazníky, jak funguje provoz a jaké používá technologie. Firmy, které se nejvíc podobají nejlepším stávajícím zákazníkům, budou mít nejspíš stejné potřeby i podobné nákupní chování.

Včasné varování

Od syrových dat k podkladům, podle kterých obchod jedná.

Nejslibnější prototyp je systém, který včas upozorní na obchodní příležitosti. Analýza historie jednoho dlouholetého zákazníka odhalila sled signálů růstu (nárůst tržeb, akvizice, období zotavení), který předcházel nákupu vozů. Vzorek je malý a zjištění předběžná, ale princip je jasný: když propojíte dost zdrojů, přestanete načasování hádat.

Stejně důležité je, co obchodník uvidí. Žádná syrová data, ale denní přehled důležitého dění ve firmách v jeho teritoriu, seřazený seznam leadů a upozornění, jakmile firma začne dávat najevo, že je připravená nakupovat. Systém úsudek obchodníka podporuje, nenahrazuje ho.

Výsledky

Ověřený směr, ne prezentace do šuplíku.

Výzkumná fáze přinesla funkční prototypy a první ověření. Jsou záměrně v rané fázi, poctivě přiznávají velikost vzorků a jasně říkají, co stavět dál. A zodpověděla otázku, která byla pro Daimler Truck nejdůležitější: AI umí obchodní proces zpřesnit, aniž by z něj vytlačila lidi.

Zhruba 50 % vybraných klientů spárovaných s externími daty pro analýzu podobnosti
Zmapované obchodní události, které souvisejí s nákupem nákladních vozů
Konkrétní zjištění pro obchodní týmy Daimler Truck, díky kterým cílí přesněji a efektivněji
Základ a roadmapa produkčních AI nástrojů pro obchod

~50%

vybraných klientů s profilem z externích dat

firemních znaků v modelu podobnosti

4 roky

cyklus obměny vozů, který odhalila data

oblasti – retence a akvizice – a prototypy pro obě

Stefan Hauser, vedoucí AI a obchodu v Daimler Truck

V klíčové druhé fázi našeho GenAI projektu nám Cleevio AI poskytlo podporu na míru a hluboký vhled. Díky tomu jsme udělali strategicky důležitá rozhodnutí a úspěšně si vytyčili směr. Za výjimečnou odbornost a spolehlivé partnerství Cleevio AI moc děkujeme.

Stefan Hauservedoucí AI a obchodu, Daimler Truck

Čtěte dál