En 2019, lideré el equipo de ventas y la estrategia de crecimiento de una empresa de inteligencia artificial respaldada por empresas llamada atSpoke. La empresa, que finalmente adquirió Okta, utilizó IA para mejorar la gestión de servicios de TI tradicionales y la comunicación interna de la empresa.
En una etapa muy temprana, nuestra tasa de conversión era alta. Mientras nuestro equipo de ventas pudiera hablar con un prospecto, y ese prospecto pasara tiempo con el producto, la mayoría de las veces se convertiría en un cliente. El problema era obtener suficientes prospectos sólidos para conectarse con el equipo de ventas.
El libro de jugadas tradicional de SaaS para la generación de demanda no funcionó. La compra de anuncios y la creación de comunidades centradas en la “IA” eran costosas y atraían a entusiastas que carecían de poder adquisitivo. La compra de términos de búsqueda para nuestras propuestas de valor específicas, por ejemplo, “solicitudes de enrutamiento automático”, no funcionó porque los conceptos eran nuevos y nadie estaba buscando esos términos. Finalmente, términos como “flujos de trabajo” y “emisión de boletos”, que eran más comunes, nos pusieron en competencia directa con ballenas como ServiceNow y Zendesk.
En mi función de asesorar a empresas de tecnología empresarial en etapa de crecimiento como parte del equipo de plataforma de B Capital Group, observo dinámicas similares en casi todas las empresas de inteligencia artificial, aprendizaje automático y análisis predictivo avanzado con las que hablo. La generación saludable de proyectos es la pesadilla de esta industria, pero hay muy poco contenido sobre cómo abordarla.
Mantenga un enlace a las categorías que son bien conocidas en los primeros mensajes, incluso si la categoría no es el núcleo de su propuesta de valor o por qué las personas finalmente firmarán un contrato.
Hay cuatro desafíos clave que se interponen en el camino de la generación de demanda para las empresas de IA y ML y las tácticas para abordar esos desafíos. Si bien no existe una bala de plata, una conferencia secreta de compradores de IA en Santa Bárbara o un hilo de Reddit para entusiastas de ML, estos consejos deberían ayudarlo a estructurar su enfoque de marketing.
Desafío 1: las categorías de IA y ML todavía se están definiendo
Si está leyendo esto, es probable que conozca la historia de Salesforce y “SaaS” como categoría, pero vale la pena repetir la brillantez. Cuando la empresa comenzó en 1999, el software como servicio no existía. En los primeros días, nadie pensaba: “Necesito encontrar una solución SaaS CRM”. La prensa de negocios llamó a la compañía un “servicio de software en línea” o un “servicio web”.
El marketing inicial de Salesforce se centró en los problemas del software de ventas tradicional. La compañía organizó de manera memorable un “fin del programa” protesta en 2000. (Salesforce todavía usa ese mensaje). El CEO Marc Benioff también se aseguró de repetir el término “software como servicio” hasta que se popularizó. Salesforce creó la categoría que dominaron.
Las empresas de IA y ML se enfrentan a una dinámica similar. Si bien términos como aprendizaje automático no son nuevos, las áreas de soluciones específicas como “inteligencia de decisiones” no se encuentran dentro de una categoría clara. De hecho, incluso agrupar empresas de “AI/ML” es incómodo, ya que hay muchos cruces con inteligencia comercial (BI), datos, análisis predictivo y automatización. Las empresas en categorías aún más nuevas pueden asignarse a términos como integración continua o gestión de contenedores.