B2B领域的领导者习惯于利用技术帮助他们实现盈利增长。最近，他们正在关注一种有望在整个销售流程中加速销售转型的技术——GenAI。GenAI可以通过提高收入、增加销售效率和精简内部流程，推动超额盈利增长。这些领导者认为其潜力巨大。根据麦肯锡最新的B2B决策者脉动调查，19%的受访者已经实施了B2B购销中的GenAI用例，另有23%的受访者正在实施中。
这很有希望，然而，另一方面是，大多数B2B领导者尚未接受GenAI，甚至尚未与其接触。一些领导者表示，他们不确定收益从何而来，以及业务影响是否足以证明投资是合理的。一些人觉得想法太多，难以应对，并寻求关于如何确定优先级的建议。
在本文中，我们通过分析GenAI的部署及其对销售投资回报率和客户体验的影响，探讨了交易周期中的七个有说服力的用例。这些用例可以提高有效性和效率，并开始产生近乎即时的影响。我们还研究了领先企业的实际部署情况。最后，我们提出了关键考虑因素，以帮助企业制定与他们的目标和愿望相一致的GenAI实施战略，以推动销售盈利增长。
1.下一个最佳机会
B2B销售人员经常受到过于简化的规则、手动客户研究、数据集成不足或销售工具培训不足等问题的困扰。AI可以帮助他们找到“下一个最佳机会”。它可以处理多个不同的数据源，以优先排序可能性。GenAI可以解析大量非结构化数据(例如，PDF、平面文件或照片)，以提供高级建议和说明。GenAI还可以将有关潜在客户的相关信息综合到一张整合的作战卡片上，让销售人员根据清晰、关键的信息来追踪他们的下一个最佳机会。
这个用例可以显著加快耗时的账户研究、关系映射和识别其他利益相关者的过程。GenAI模块可以通过挖掘各种来源(如新闻文章、公司报告和交易数据)来回答问题。输出结果可以直接整合到公司的CRM系统中，以帮助销售人员优先排序客户和机会。
处理大量产品和潜在客户的公司对这个用例最为兴奋。在B2B脉动调查中，建筑材料、航运、化学品或石化产品公司等B2B商业领导者——他们通常以手动方式生成和管理潜在客户——相较于其他公司，对这个用例的热情要高得多。
GenAI应用实例：提升拓展效率
一家工业材料分销商寻求增长，但在识别和把握机会方面面临挑战。该过程可能既繁琐又耗时。例如，现场销售人员需要驾车在城市或城镇中穿梭，以视觉识别新的建设项目位置。为了解决这一问题，该公司首先构建了一个AI引擎，该引擎使用内部和外部数据源对现有机会进行评分和优先排序，并提出有针对性的产品建议，然后，它使用GenAI从非结构化的公共数据(在本例中为施工许可证)中提取有关即将进行的资本项目的见解，识别新机会，并改进对现有机会的优先排序。最后，它利用GenAI实现大规模个性化拓展。这为其带来了价值超过10亿美元的新机会(使其业务管道增加了10%)，并在第一个财政年度中将点击率提高了一倍以上。
在没有AI时
机会列表杂乱无章(例如，电子表格和CRM系统中的信息不一致，或新客户和现有客户之间的平行列表)。
对于从何处开始把握机会缺乏指导。
倾向评分不清晰(即评估客户采取行动的可能性)，数字或机会排名显示时没有解释。
有了AI之后
整合了外部和内部数据的客户特定建议的优先列表，帮助销售人员针对正确的机会。
根据互动历史提供下一个最佳机会的指令性排名。
支持销售人员讨论的排名方法清晰解释。
2.下一个最佳行动
即使机会是基于参与度和意向数据进行优先排序的，一些销售企业仍然难以确定要采取哪些步骤来利用需要立即参与的机会。
GenAI和机器学习可以改善对销售人员的指导，告知他们应采取的“下一个最佳行动”，例如，是将潜在客户放入低参与度培养环节以备后续月份使用，还是将其排入高优先级营销活动的队列。GenAI还可以根据渠道操作对潜在客户进行分类，例如，确定应邀请谁参加网络研讨会，或谁可能从即时的一对一互动中受益。GenAI甚至可以个性化拓展，例如，根据流失风险建议电子邮件或语音邮件脚本。
在B2B脉动调查中，下一个最佳行动在技术服务、耐用设备和保险等行业脱颖而出，这些行业的销售人员面临着相对较多的选项来扩展账户和推进机会。
GenAI应用实例：加速售后和服务销售
一家领先的企业设备制造商希望加速其售后和服务销售。该公司面临的主要挑战是销售团队反应迟钝、客户群高度分散、流失率高，以及对客户现场安装情况的可见度低。经过几个月的开发，该原始设备制造商(OEM)能够部署一个潜在客户开发引擎来清理销售数据、为实时售后数据库提供信息，并建立分析来生成机会。算法通过预测维护计划来确定公司的下一个最佳行动。销售人员在其CRM中收到了按升级或交叉销售机会以及估计的交易价值分类的优先潜在客户列表。然后，虚拟销售助理通过高度个性化的电子邮件发起客户联系，筛选回复，将热门潜在客户传回给销售人员。总体而言，该OEM的新客户和现有客户的业务管道增加了超过总收入的20%。
在没有AI时
冗长且没有紧急联络明确性的任务列表
销售人员或营销人员缺乏行动指示
关于哪个渠道最适合参与的指导有限
有了AI之后
明确的指令性指导(例如，优先任务、每个账户的下一步)
基于建议对行动进行分类和优先排序
针对特定渠道的个性化拓展
3.会议支持
由于销售人员需要处理大量复杂信息，因此准备关键客户会议可能是一个耗时的过程。GenAI和其他类型的自动化可以节省销售人员的时间并改善对话。这些技术可以从多个来源(如服务工单或交易数据)综合关键信息，并以易于理解的方式提供相关见解。大型语言模型甚至可以起草谈话要点和反对意见回复，以便更高效地进行准备，同时又不牺牲对话质量。
会议支持用例的部署不必耗时过长。有现成的GenAI赋能工具可供使用，这些工具与行业的关联性较低，可以引用跨多个行业的有意义来源，并且可以通过现成的解决方案轻松进行定制。
会议支持用例通常在销售周期长、会议多、交易金额大的行业中引起最大兴趣，在这些行业中，节省行政管理时间的效果可能十分显著。例如，在航空航天和国防、石油和天然气精炼以及能源分配领域，超过40%的B2B脉动调查受访者表示他们对此用例感到兴奋。
GenAI应用实例：提高销售效率
材料行业通常很复杂，产品和产品应用数量庞大。成功的销售人员需要对市场有深入了解，而准备会议可能是一项艰巨的任务。一家材料公司面临着难以实现雄心勃勃的增长目标的挑战。例如，其销售人员只有20%的时间用于与客户开会(而所有行业中其他成功的B2B销售团队可以将三分之一到一半的时间花在客户身上)。为了减少会议准备时间，该公司使用AI来优先排序关键机会，并使用GenAI来生成研究材料和脚本，以及处理直接的客户拓展。一款用于制作会议准备笔记的GenAI工具在七周内开发完成，其中吸收了来自30多名销售人员的意见，并整合了20多个数据源。GenAI生成的会议笔记包括财务概要、战略目标、历史销售数据、过去会议的见解和行动、已知客户偏好和要求概要，以及关键利益相关者的信息。结果是，目标销售人员组节省了10%以上的时间。
在没有AI时
耗时的手动客户互动准备。
客户信息的平台不连通，存在信息孤岛。
有助于改善会议成果的关键因素关联无序。
有了AI之后
预先起草的销售支持材料(包括谈话要点、互动目标和反对意见回复)。
来自多个来源的综合信息(例如，实时公共信息的简明见解、一套内部内容的综合更新)。
根据参与度和赢率结果不断改进工具输出。
4.提案请求响应
回应提案请求(RFPs)可能会非常耗时。但GenAI可以提高RFP响应的效率和准确性，缩短响应时间，并管理内部跟踪。当多个功能团队就如何回应RFP提供意见时，GenAI有助于保持一致性并改善客户体验。
这一用例令各行各业的领导者感到振奋，尤其是生命科学公司，它们经常需要处理高度复杂、受监管且数据密集的RFP响应，这些响应通常需要大量的手动工作来完成。在B2B Pulse调查中，约40%的生物制药领导者和30%的医疗保健领导者对启用GenAI的RFP响应器的前景极为兴奋。
GenAI在实践中的应用：简化响应
一家医疗保健管理型医疗机构(MCO)通过采用GenAI改变了其回应RFP的方式。在起草响应时，其销售团队经常需要筛选数百份文件，每份文件都有数千页。在这个行业中，每个市场的RFP可能每三到四年才发布一次，因此风险很高。激烈的竞争要求响应能够突出财务稳健性和具体能力，以超越竞争对手。任何失误都可能导致每年损失数十亿美元的合同。
引入GenAI工具标志着范式转变。通过将MCO历史响应中的非结构化数据以及公开可用的合同记录信息输入GenAI，销售团队可以在几秒钟内生成竞争情报。该工具提供了对相关创新和竞争对手基准的即时访问，使起草过程中的决策更加战略化和明智。例如，GenAI工具可以立即综合客户对提供商语音邮件响应时间、呼叫中心运营时间和获得事先授权所需时间的期望，这些关键细节以前需要大量的手动研究。自引入该工具以来，MCO将评估竞争对手能力所需的时间缩短了60%至80%。生成的见解增强了其针对竞争性RFP的提案。该工具提高了效率，并增强了MCO在这个信息丰富的行业中的竞争优势，因为每个RFP都至关重要。
在没有AI时
耗时的RFP响应流程。
对于拥有企业内部和流程中各种输入的B2B客户，答案不一致。
手动回答各种非结构化和可变问题。
有了AI之后
RFP响应细节周转更快且更准确。
在跨利益相关方汇编RFP响应时，企业内部品牌一致性和保护机制。
针对RFP中的具体要点提供定制响应。
5.智能定价
AI对定价的影响可能是巨大的。许多B2B行业主要依赖销售团队的基本分析和商业敏锐度。AI带来了显著创新的机会。它允许B2B参与者采用主要在高节奏的B2C行业(例如在线零售)中使用过的模型。结果是，先行者获得了新的机会，而落后者则面临新的风险。
AI和GenAI在智能定价中有几个主要应用。一个是AI主导的价格设定，其中客户的微细分允许评估客户在给定价格点的支付意愿和购买意愿。其他应用包括启用GenAI的谈判支持和定价管理。公司已经开始使用GenAI来分析公开可用的数据和与客户的互动，并跟踪谈判的有效性和绩效，以及创建定制论点。这也为卖家提供了谈判力量的评分和理由。GenAI在价格管理中的自动化应用(包括系统更新和审批流程)方面也证明是有效的。
在B2B Pulse调查中，智能定价被定价对盈利能力有显著影响且产品差异化和可变性较小的行业(例如纸品和包装、能源分配和运输)的受访者列为优先事项。
GenAI在实践中的应用：动态交易评分
许多B2B企业为其客户列出价格，然后在谈判中打折以促成交易。这导致实际最终价格存在很大差异。一些差异是合理的，但由销售代表谈判技巧或销售历史等因素造成的折扣可能是不必要的。
一家B2B服务公司旨在控制其折扣差异并收紧其定价模型。它使用AI工具根据数百个客户和交易参数创建了定价结构，并为新交易和续签分别建立了模型。这为销售团队提供了一个直观的应用程序，其中他们的交易被分析和评分，为他们提供了一系列可取的折扣选项。这反过来又输入到CRM中的审批流程中，使交易质量一目了然。最后，AI模型的见解被用于培训销售团队。这些见解揭示了导致期望和不期望的折扣差异的因素，为销售团队提供了在谈判中何时坚持立场或何时让步的指导。
由于使用AI进行智能定价，该公司的收益提高了10%。值得注意的是，定价解决方案不仅仅是为了提高价格。相反，它侧重于优化，在可能的情况下引导团队提高价格，在必要时允许降低价格。这种细微差别使公司能够积极地将定价引导至其战略目标，无论是利润率、交易量还是二者的平衡组合。
在没有AI时
折扣不一致，主要受卖家直觉影响。
手动定价计算和单个电子表格。
审批过程不透明且耗时。
有了AI之后
基于交易数据和交易特征的交易评分。
将定价选项和场景无缝集成到卖家工具和工作流程中。
报价审批和卖家绩效与目标之间的清晰联系。
6.智能研究助理
高绩效的B2B销售人员会花费大量时间研究客户、潜在客户和产品。从公司网站、年报、收益电话会议以及电子邮件和内部数据中收集见解需要大量时间。这对于试图在实时通话中与客户互动，同时努力快速定位、消化和综合相关信息的销售人员来说尤其麻烦。GenAI已经改变了这种客户互动，它可以在通话期间帮助销售人员快速查找事实。因此，销售人员更加敏锐且富有洞察力，从而改善了整体体验。
B2B Pulse调查的受访者对智能研究助理用例的兴趣最高，其中27%的人表示对其前景感到兴奋。
GenAI在实践中的应用：提高卖家生产力
一家陷入停滞的全球工业公司希望在动荡的市场环境中重振盈利增长和生产力。它开发了一个启用AI的增长引擎来帮助进行市场研究。该工具结合了十多个内部和外部数据源，来绘制现有客户和潜在新客户的范围，并根据钱包份额和账户潜力进行优先级排序。该公司还使用AI智能体来帮助其阐述每个潜在客户的价值主张，包括与竞争对手在关键购买因素上的比较情况。这项技术赋能使该公司获得了更强大的研究能力，使商业企业能够从传统的专注于在已知客户中“耕作”业务的模式，转变为越来越多地“寻找”产品应用中前所未有的真正新机会。这导致销售团队的转化率提高了40%，并且一旦该解决方案在几个月内完全实施，销售团队的执行速度提高了30%。
在没有AI时
定位信息的时间密集型研究。
资源冲突，没有单一的事实来源。
客户购买体验不佳。
有了AI之后
跨多个来源加速事实查找。
事实由链接的参考支持，增强卖家信心。
为买家减少冗余对话。
7.智能教练
鉴于一些B2B销售流程和交易周期的漫长和复杂性，销售经理和领导很难有效地对销售人员绩效进行基准测试。GenAI可以分析销售人员与客户互动中的所有表现，为管理人员提供全面的绩效视图，并根据销售人员的特定需求推荐有针对性的辅导。它还可以直接向销售人员提供个性化的绩效见解，以促进个人发展和成长。
在服务行业中，使用相对一致的销售话术的B2B Pulse Survey受访者表示，他们非常希望为销售人员配备基于GenAI的智能教练。例如，35%的B2B保险领域领导者表示，他们对智能教练的应用场景充满热情。
GenAI在销售领域的应用：提升呼叫中心销售业绩
一家电信公司旨在提升其呼叫中心的客户满意度和销售业绩，在每次服务通话中始终如一地推销特定产品是一项关键指标。该公司开发了一种GenAI解决方案来评估销售人员表现，并将这些洞察结果输入到教练引擎中。该工具通过对与销售和满意度结果相关的通话记录进行训练，使用GenAI来分析通话结构，并识别出诸如同理心等能够解释优异表现的胜任力标志。这些洞察结果随后被用于在每次通话后为呼叫中心座席提供教练建议，并被纳入为每位座席量身定制的长期教练计划。这种个性化的能力培养使客户满意度得分(一个衡量客户向他人推荐公司产品或服务可能性的指标)提高了7分，并降低了20%的培训成本。
在没有AI时
当经理只能偶尔观察销售人员的表现时，评估技能和教练反馈变得十分困难。
经理的反馈缺乏具体性和频率，而且销售培训过于笼统。
销售人员的学习曲线减缓了产品上市时间，团队的生产力低下。
有了AI之后
基于所有通话产生的绩效洞察结果，为教练提供了丰富的事实基础。
反馈具体且及时，培训也更具个性化，所有这些都基于推动业务成果的因素。
精确的绩效洞察和量身定制的教练加速了销售人员的就绪程度，提高了生产力。
这七个案例研究揭示了GenAI在重塑端到端销售旅程方面的潜力。行业领导者对这些用例表示兴奋，但他们对下一波创新——自主式AI更为感兴趣。在有限的人类干预下，智能体能够推理、解释，并为活动或工作流程做出自主决策。以下一个最佳行动用例为例：自主式AI不仅能够识别特定行动(例如，将潜在客户分类为中等优先级，需要发送一到两封预热联络邮件)，而且还能实际执行该行动，通过自动联系潜在客户、评估其兴趣并做出回应(例如，发送一条信息：“我们注意到你对某个特定产品感兴趣，因此我们想为你提供更多详细信息”)。AI智能体还可以通过多次沟通潜在行动来培养与销售潜在客户的关系，例如安排客户与销售人员之间的会议。AI智能体功能强大，能够将所有七个用例提升至更高水平。
在B2B销售中部署GenAI的五个关键教训
这七个案例研究展示了公司如何利用AI从根本上重塑其销售能力，以实现超额的盈利增长。GenAI的有效部署对于取得成功至关重要。无论是启动第一个试点项目还是扩大初步努力，任何希望在其销售企业中实现持久变革的公司都应考虑以下五个教训。
从问题出发，而非技术
决定使用GenAI或任何其他技术时，应以具体的业务考量为指导。对于B2B销售而言，首要考量应是确定这项技术如何能够推动超额的盈利增长。公司可以首先从确定核心业务挑战开始，如获取潜在客户、为重要客户提供服务或更有效地管理服务。然后，它们可以确定能够带来最大价值的用例。一旦优先级明确，B2B领导者就可以决定这些需求是否最好通过规则自动化、机器学习、AI或GenAI等技术来满足。
在某些情况下，销售企业可能无需转向GenAI，尤其是如果基础流程(如订单管理或潜在客户路由)仍然是手动操作的话。当错误容忍度非常低时，具有直接链接到源的简单自动化可能是一种足够且更可靠的方法，可以避免GenAI可能出现的幻觉问题。设计和开发最佳解决方案的关键是清楚地了解业务问题。只有这样，销售领导者才能评估GenAI是否是满足其需求的正确选择。
以销售人员为中心
要从GenAI解决方案中获得最大价值，确保其设计以用户需求为中心至关重要。B2B企业可以通过评估当前的销售流程来找到释放销售人员时间或向销售人员在最需要时提供宝贵洞察的方法。这也意味着深入了解客户的旅程。销售人员如果能够利用正确的洞察和效率来创造更多令客户愉悦的时刻，他们将更愿意使用该解决方案。
商业领导者可以问自己以下问题，以确保GenAI解决方案以销售人员为中心：
• 有影响力：解决方案是销售人员所关心的吗?它将产生有意义的影响吗?
• 清晰：输出是否易于理解?
• 可理解：销售人员能否轻松向客户解释输出?
• 指示性：输出是否与销售人员的具体行动明确关联?
• 可靠：销售人员会信任输出，并发现信息一致且准确吗?
如果以上五个问题中任何一个问题的答案是否定的，都值得重新审视解决方案的设计——包括关键功能、数据源、分析输出或信息的呈现方式。另一方面，如果这些问题的答案都是肯定的，那么GenAI用例被销售人员积极采用的可能性就更大。
购买现成的产品，并为竞争优势而构建
大多数企业不会从零开始自行构建整个GenAI能力，这并不奇怪。即使它们选择为特定用例进行构建，很大一部分功能(如大型语言模型)也往往来自可公开获取的现成解决方案，这些解决方案可以进行微调。在这个意义上，“构建”方法更准确地描述为“购买加构建”。
要在“购买”或“购买加构建”策略之间做出决定，重要的是为高影响力的GenAI用例设定明确的商业优先级，这些用例能够给销售企业带来优势。对于复杂性较低且功能大致标准的用例(如总结会议记录)，领先企业通常会选择快速购买并部署现成的GenAI解决方案。对于具有独特性能和竞争优势潜力的高价值用例(如在正确的时间提供正确的报价)，最好采用购买加构建路径，其中对超出标准功能的针对性开发投资可以产生更大影响。在何时购买以及在何时投资构建具有战略优势的自定义解决方案方面做出正确选择，可以使领导者在竞争中脱颖而出。
通过明确的AI战略平衡即时影响和持久能力
随着商业领导者开始在B2B销售中部署GenAI用例，制定并维持对企业整体商业技术栈和企业AI战略及架构的清晰愿景至关重要。不一致的架构可能导致工作白费、解决方案不兼容以及成本增加。通过从一开始就确保一致性，企业可以防止因各自为政的开发工作而产生的碎片化，并将各种AI举措无缝集成，从而最大限度地发挥其价值。
领先企业可以在几周内制定蓝图，使它们能够迅速开发有效的GenAI用例，同时保持一个连贯的框架。它们通过仔细确定最小可行产品(MVP)并在内部没有合适人才时利用合作伙伴来实现这一点。早期的成功像灯塔一样发挥作用，激发热情、动员企业，并为扩大实施争取支持和资源。
虽然快速成功很重要，但它们不应以牺牲基础能力为代价。对正确的技术基础设施进行投资对于长期成功至关重要。这包括强大的数据管理和治理、全面的数据处理能力以及现代化的技术栈。同样重要的是人才。雄心勃勃的企业会培养一支具备随时间构建、维护和增强GenAI功能技能的团队。通过在近期影响和长期能力之间取得适当平衡，企业可以确保其GenAI之旅既有效又可持续。
从一开始就投资销售人员采用
商业领导者通常急于实施新的GenAI解决方案以提高业绩。然而，让销售团队可持续且大规模地采用这些解决方案可能比推出技术更具挑战性。以销售人员为中心的设计和导致首个MVP的实验心态是一个良好的开端，但领导者需要投入时间和精力来最大限度地提高采用率并产生真正的影响。在销售中部署AI解决方案时，至关重要的是采取敏捷的开发方法，包括一个基于销售人员反馈和紧密联系的商业与技术团队内部持续优化的迭代过程，以及频繁的测试和学习周期。
有效的部署还需要仔细进行变更管理，而这一环节往往被忽视。领先的企业采用多种策略来为销售人员准备和支持新的AI解决方案。这些策略包括频繁的沟通和设定明确的期望、使用销售冠军和意见征询小组、提供培训课程和表彰成功案例，以及由销售领导者带头深思熟虑地使用新解决方案。激励尝试AI的销售人员，并将发现错误视为创新的一部分，可以营造一种持续改进的文化。
最后，AI卓越中心可以帮助加速采用和推广AI，并将其扩展到更多的应用场景。这些中心可以优先分配资源、集中资金、确保适当的变更管理，并推动负责任地使用AI。
虽然许多B2B销售企业仍处于技术发展的早期阶段，但领先的公司已经开始扩展其GenAI能力。那些所在公司正在经历高增长的商业领导者往往对通用AI更加热衷，并正在实施多种用例来转变他们的增长策略和销售人员的工作流程。通用AI可以通过提供更好的见解、提高转化率以及提升生产力来赋能团队。自主智能体可能会带来更大的影响。有了正确的增长策略和上市模式，以及将兴趣转化为行动的意愿，B2B领导者可以开启一个潜力巨大的未来。
