a16z最新发布了一篇关于AI如何改变销售技术的文章。还别说，a16z也学到了标题党的精髓。
原文标题：《“Death of a Salesforce”: Why AI Will Transform the Next Generation of Sales Tech》，链接：https://a16z.com/ai-transforms-sales/
//
每家初创公司和老牌企业之间的竞争都归结于初创公司是否先获得分销，而老牌企业是否获得创新。在销售技术领域，很容易认为 Salesforce 和 Hubspot 等老牌企业具有优势。首先，它们作为“记录系统”嵌入其中，因此销售主管不愿意将它们拆除并替换掉。其次，这些老牌企业（及其根深蒂固的同行）并没有袖手旁观 AI 革命；他们意识到要保护自己的竞争优势，因此正在迅速添加 AI 功能以保持相关性。
我们相信，人工智能将从根本上重塑核心记录系统和销售工作流程，让任何现任者都无法安然无恙。
下一代销售平台的核心将不再是基于文本的数据库，而是多模态（文本、图像、语音、视频），包含来自整个公司的所有客户洞察。人工智能原生平台将能够从客户及其心态中提取比我们今天使用现有工具所能拼凑的更多的洞察。
销售工作流程将发生根本性变化。有了人工智能，销售团队将不再需要花费无数个小时研究新线索或准备电话——人工智能可以在几秒钟内完成。销售代表不必了解潜在客户的准备情况，因为人工智能会自动编制一份优质买家排名列表，并不断更新。需要个性化的营销材料吗？您的人工智能助手将提供您需要的任何资产，并在您通话时为您提供实时提示，以帮助您完成交易。
在这篇文章中，我们将深入探讨人工智能将如何改变我们所知的销售方式、哪些早期公司正在引领这一趋势以及对更广泛行业的影响。
新的记录系统
虽然现有企业经常适应新的平台转变，但他们很少能够完全重新考虑其架构。Salesforce（成立于 1999 年）和 Hubspot（成立于 2006 年）首先得益于关系数据库的出现，后来当然是云计算的出现。这些公司的基础核心是销售机会的结构化表示，以行和列表示，并以文本表示相关标准。
如今，由于依赖单点解决方案，数据通常被孤立在销售漏斗中的离散活动中。无法全面了解整个销售流程中发生的情况。添加个性化功能以提高漏斗顶端转化率的解决方案没有关于个性化接触是否最终提高成交率的数据。
有了 LLM，下一个销售平台的核心可能完全是非结构化的和多模式的，包括文本、图像、语音和视频。一家公司的销售平台可能包含来自无数来源的现有和潜在客户的数据：与公司某人的任何对话的录音和记录、电子邮件和 Slack 消息、销售支持材料、产品使用情况、客户支持活动、公共新闻、财务报告……清单无穷无尽。此外，为平台提供支持的 LLM 将不断获取数据以创建最新的上下文。
重新定义工作流程
有了这种数据基础设施，常见的销售活动可能会被重新定义，甚至完全消失。同时，我们可能会看到今天根本不可能出现的卖家工作流程。
本质上，卖家和买家互动的方式将会有根本的不同。
未来的早期
新兴的 AI 原生销售解决方案不仅仅是现有类别的 AI 版本。相反，它们正在实现新的主动销售动作，并不断发展以服务于多种用例。因此，看似相邻空间中的点解决方案比以往任何时候都更加相互重叠。例如，传统上，转换入站网站潜在客户和自动化出站活动将被视为单独的任务。借助 AI 代理，最初为此类任务设计的工具可以无缝扩展以处理这两项任务。不久之后，AI 代理将能够扩大组织在所有渠道中的销售渠道。
在规划销售中人工智能应用的市场时，定义类型活动的更广泛的类别是有帮助的：
智能管道：这是任何销售团队的命脉，也许是人工智能最自然的插入点。近期将有许多人工智能驱动的方法来实现管道建设的自动化。例如，团队使用Clay的丰富功能和人工智能研究代理来准备高质量的潜在客户名单，供销售人员外发。销售人员甚至可以使用人工智能个性化的消息，而不是自己起草。
数字工作者：许多 AI 解决方案的目标是尽可能多地掌握端到端销售流程，从资格审查到成交。例如，团队目前使用11x来端到端自动化 SDR 角色，这意味着 11x 甚至可以预约与潜在客户的会面。未来，范围可能会扩大到完全成交。
销售支持 + 洞察：在达成交易时，AI 可以提供超出销售活动范围的宝贵背景和信息。例如，Naro会自动查看卖家的电子邮件，并显示与回答买家问题相关的公司文件。
CRM + 自动化：最终，仍然必须有一种方法来捕获和组织非结构化和多模式数据，以便对人类和人工智能工作者都有用。例如，Day加入卖家与客户的对话，以捕捉背景信息并不断更新其知识库。然后，它将见解总结在客户“页面”上，不仅销售团队，而且公司中的任何人都可以轻松理解。
市场影响
销售、营销和客户成功将融合在一起
如今，销售、营销和客户成功团队常常感到各自为政，彼此之间知识共享不畅，交接流程粗糙。有了更全面、共享的背景和见解，上市团队将更加同步，能够更好地相互协作。事实上，由于所有重要的客户背景都反映在同一个事实来源中，并且活动由人工智能引导，因此工作职能可能会开始融合在一起。销售和客户管理以及客户成功可能只是被看作是为上市增添人性化的不同方式。不再需要为谁获得追加销售的哪一部分而争吵——你甚至可以想象一个世界，在这个世界中，配额被重新设计为基于团队而不是基于个人代表，以更准确地反映整个销售周期中流畅协作的机会。
流动的GTM策略
另一个有趣的结果是，在同一家公司内，上市方式将更具活力和灵活性。如今，公司通常根据目标细分市场和年度合同价值范围来决定将资源集中在哪里——例如，自上而下的销售行动或内部销售助理行动。他们经常根据既定的战略来招聘和组建团队。在人工智能优先的世界中，围绕这些经济学的假设将大不相同。公司可能能够根据对客户最有利的因素重新调整资源分配——要关闭这个账户，最好的上市方式是什么？这也对品牌有影响。今天，许多公司选择刻意将自己定位为企业级或开发者优先；在未来，公司应该能够通过高度定制的销售旅程来满足这两种买家角色，这意味着母级品牌可以更广泛、更全面。（换句话说，未来 B2B 公司的销售行动实际上可能是无处不在、同时实现一切。）
按人头定价 → 基于结果的定价
AI 原生软件公司的盛行可能意味着按席位定价的终结，因为显然存在一个将定价与交付价值更紧密地结合起来的机会。我们的合伙人 Alex Rampell 认为Zendesk 就是一个典型的例子：假设一家公司每年向 1,000 名支持代理支付 75,000 美元，每位代理每年处理 2,000 票。按照今天的惯例，每位代理都拥有 Zendesk 许可证，费用为每月每席位 115 美元，这使得客户支持软件的年度总支出接近 140 万美元。在这种情况下，每票的人力成本（代理工资 7500 万美元/总票数 200 万张）为 37.50 美元，而每票的软件成本（Zendesk 支出 138 万美元/总票数 200 万张）仅为 0.69 美元。在新的 AI 优先模式下，一切都转向销售成果，Zendesk 将面临一个困境——对成功解决的票据进行定价的最佳方式是什么？
正如Gokul Rajaram指出的那样，AI 创始人需要解决的问题是，哪些指标或结果才适合作为计费的基本单位。在销售中，从最不值钱到最值钱的结果范围是从产生不合格的线索（例如，渠道潜在客户列表的顶部）到完全自动化地达成交易（例如，AI 软件无需人工参与即可销售您的产品）。不合格的线索往往很便宜，因为它们并不是特别有价值——很难确定他们是否会购买您的产品。与其他在线商业模式类似，对不合格线索的收费最类似于按点击付费广告。
另一方面，AI 销售公司可以收取最丰厚的回报——达成交易。这里的货币化模式可能更像许多在线借贷市场，这些市场通常会对发放的贷款收取一定的佣金（通常为本金的 3-5%）。这种模式当然是低交易量、高回报的——通过整个渠道获得贷款（或达成交易）的可能性相对较低，这意味着佣金必须相当可观。在 AI 销售软件的背景下，一个有趣的考虑是将潜在的佣金率与 AE 的佣金率进行比较。虽然 AE 通常以佣金的形式赚取交易年度合同价值 (ACV) 的 10-15%（除了工资），但完全独立完成交易的 AI 销售代理可以以低得多的价格完成交易，从而提供立即获得明显投资回报的机会。
当然，这里没有“正确”的答案——我们期待看到在销售人工智能辅助成果的早期，哪些模式最受创始人（也许更重要的是他们的客户）的欢迎。与今天的现状一样，销售线索和成果之间的相对价格差异将始终取决于软件将潜在客户转化为成交的效率。
结论
AI 的潜力不仅限于简化我们今天的销售活动；相反，AI 将迫使我们彻底重新构想销售流程和工作流程。卖家和买家之间的关系将发生变化，GTM 策略也将发生变化。因此，未来的销售软件堆栈将有根本的不同。
END.
延伸阅读
