잠재 고객 발굴을 위한 AI

영업 프로세스의 고도로 개별화된 특성과 영업팀이 플랫폼 전반에 걸쳐 얻는 방대한 양의 데이터를 감안할 때 AI 기반 툴은 전체 영업 프로세스에서 점점 더 중요해지고 있습니다. 잠재 고객 발굴에서 조직은 일반적으로 AI를 사용하여 영업 데이터를 분석하여 고부가가치 잠재 고객을 식별하고, 시간이 많이 소요되는 수동 작업을 줄이고, 선별된 고객 상호작용을 자동화합니다. 생성형 AI의 성능과 활용도가 증가함에 따라 영업 전문가는 가상 어시스턴트를 사용하여 고객 조사를 수행하거나 후속 이메일과 같은 커뮤니케이션을 생성합니다.

잠재 고객 발굴 프로세스에서 AI를 성공적으로 활용하면 개별 영업사원을 넘어 기업 전체에 가치를 제공할 수 있습니다. 예를 들어, AI는 반복적인 작업을 처리하여 개발자 생산성을 높이고 영업팀을 위한 더 빠르고 효율적인 기술 스택을 촉진합니다. 경영진 수준에서 AI는 비즈니스에 대한 높은 수준의 인사이트를 발견하여 임원들이 잠재 고객 발굴 프로세스가 더 광범위한 기업 목표에 어떻게 부합하는지에 대해 보다 정보에 입각한 결정을 내릴 수 있도록 지원합니다. 보안팀은 AI 데이터 거버넌스 플랫폼을 사용하여 클라이언트 데이터가 적절하게 관리되고 안전하게 유지되도록 합니다.

B2B 및 B2C 영업 모두에서 재무 성과에 긍정적인 영향을 미치고, 전환율을 높이고, 영업 참여를 개선하고, 리드 생성 관행을 간소화하는 AI의 역량은 최근 몇 년 동안 점점 더 분명해지고 있습니다. 예를 들어, 경영 컨설팅 회사인 McKinsey가 작년에 실시한 설문조사에 따르면¹ 개인화된 고객 경험과 생성형 AI를 결합한 데이터 기반 B2B 영업팀은 그렇지 않은 팀보다 시장 점유율을 높일 확률이 1.7배 더 높습니다. 

수십 년 동안 기술 발전이 가속화됨에 따라 영업팀은 잠재 고객과 고객의 행동에 대한 보다 세분화된 데이터 세트를 확보할 수 있게 되었을 뿐만 아니라 여러 채널에서 고객에게 다가갈 수 있는 거의 무한한 기회를 얻었습니다. 잠재 고객 발굴 초창기에는 전화 권유나 기업 전화번호부 검색과 같은 상대적으로 비효율적인 아웃바운드 잠재 고객 발굴 방식에 의존했습니다.

1990년대에 간단한 고객 관계 관리(CRM) 시스템이 등장하면서 영업사원은 디지털 툴을 사용하여 고객 데이터를 보다 효율적으로 저장하고 관리했습니다. 이러한 데이터 기반 잠재 고객 분석을 통해 보다 미묘하고 효과적인 리드 검색이 가능해졌습니다.

수년에 걸쳐 선도적인 기업들은 이러한 관행을 기반으로 자동화, 머신 러닝 및 분석과 같은 기술을 통합해 왔습니다. 이러한 기술은 데이터 입력과 같은 수동 작업에 소요되는 시간을 줄이고 전환 가능성을 보다 효율적으로 예측합니다. 예를 들어, 많은 기업이 잠재 고객과 빠르게 소통하기 위해 이메일 템플릿과 같은 자동화를 도입하거나 일반적인 제품 관련 질문에 답변하기 위해 간단한 챗봇을 출시했습니다.

이러한 작업을 더욱 최적화하기 위한 생성형 AI(Gen AI)의 광범위한 도입은 ChatGPT와 같은 고급 툴이 출시된 후 빠르게 이루어졌습니다. 최근 연구에 따르면 2023년에서 2024년 사이에 마케팅 및 영업 부서에서의 생성형 AI 도입은 다른 부서보다 훨씬 더 많이 증가했습니다.²

오늘날 여러 부서들이 생성형 AI 영업 툴을 활용하여 고충 분석을 통해 고객에게 맞춤형 제안을 제공하고, 고객을 조사하여 프레젠테이션이 요구사항을 효과적으로 충족하는지 확인하고, 영업 회의를 요약하고, 잠재 고객과의 후속 커뮤니케이션을 신속하게 생성합니다.

AI 툴은 웹사이트, 소셜 미디어, CRM 시스템에서 데이터를 스크랩하여 포괄적인 리드 프로필을 제공하므로 수동 조사에 필요한 시간을 단축할 수 있습니다. 일부 툴은 실시간 회사, 가격 또는 연락처 세부 정보를 대조하여 고객 데이터를 자동으로 보강할 수 있습니다.

AI 기반 툴은 과거 영업 데이터, 잠재 고객 데이터, 고객 행동을 분석하여 전환 가능성에 따라 잠재 고객의 순위를 매기므로 영업팀이 가장 유망한 잠재 고객에 집중할 수 있습니다. 예를 들어, AI는 예측 분석을 사용하여 웹사이트 방문과 같은 의도 신호를 기반으로 리드에 점수를 매기고 가치가 높은 미래 고객을 식별할 수 있습니다.

AI는 구매 패턴과 행동을 예측하여 영업팀이 고객의 요구사항을 예측하고 그에 따라 영업 접근 방식을 조정할 수 있도록 지원합니다. 영업 리더는 종종 이러한 툴을 사용하여 시장 수요를 예측하거나 전환 가능성이 가장 높은 잠재 고객을 예측합니다. 이러한 데이터 기반 심층 인사이트를 통해 조직은 영업 및 마케팅 정보를 통합하여 방대한 양의 크로스 플랫폼 입력을 실행 가능한 인사이트로 전환할 수 있습니다.

콜드 이메일 발송, 후속 조치, 데이터 입력, 일정 관리와 같은 반복적인 작업을 자동화하는 AI 기능은 영업팀의 생산성을 크게 향상시킵니다. AI는 연구 및 출처 확인을 지원하고, 실시간으로 회의를 자동으로 기록하고 주석을 달며, 사람을 통한 입력을 최소화하여 개인화된 고객 콘텐츠를 생성할 수 있습니다. 따라서 영업 담당자는 훨씬 더 많은 잠재 고객에게 도달할 수 있으며, 관계를 발전시키고 거래를 성사시키는 데 온전히 집중할 수 있습니다. 이는 종종 판매 전환으로 직결되어 더 많은 수익을 창출하고, 궁극적으로 비즈니스를 보다 효과적으로 확장할 수 있도록 합니다.

AI는 개인화된 메시지 또는 제안서를 작성하여 응답률과 고객 참여를 높여 영업 파이프라인을 강화합니다. AI는 특정 고객에 대한 관련 가격 세부 정보를 가져오고, 사용자가 공감할 가능성이 가장 높은 서비스를 제안하거나, 고객 행동에 따라 이메일 시퀀스를 개인화할 수 있습니다. 진정한 고객 신뢰를 구축하는 데 필요한 인간적 접촉을 유지하기 위해 영업 전문가는 종종 AI 기반 커뮤니케이션과 인간적 관계를 결합합니다.

AI 기반 에이전트와 어시스턴트는 영업팀을 위해 내부 및 외부에서 다양한 업무를 수행합니다. 예를 들어, 고객 대면 에이전트는 검색 기록이나 기타 입력을 기반으로 고객의 요구사항을 해석할 수 있습니다. 반면에, 어시스턴트는 잠재 고객과 소통하며 실시간으로 문의에 답변하고 리드를 검증한 후 영업 담당자에게 전달합니다.

이러한 툴은 종종 가장 적합한 리드를 필터링하고 상담원의 개입이 가장 유용한 순간을 지능적으로 식별합니다. 내부적으로는, 특별히 설계된 협업 에이전트와 어시스턴트가 영업팀이 복잡한 고객 문의를 조사하고 영업 담당자에게 회의 또는 영업 통화 전에 정보를 제공할 수 있도록 지원합니다.

AI 영업 어시스턴트는 회사 제품을 특정 고객에게 신속하게 연결하거나, 잠재 고객에 대한 심층적인 인사이트를 제공하거나, 자연어로 맞춤형 거래를 제안할 수 있습니다. AI 어시스턴트 및 에이전트가 제공하는 중요한 인텔리전스는 영업 상담원이 영업 전화를 빠르고 효과적으로 준비하는 데 도움이 될 수 있습니다.

AI는 일반적으로 영업 이메일, 소셜 미디어 커뮤니케이션 또는 문자 메시지와 같은 영업 활동 결과물을 개인화하고 최적화합니다. 영업 개발 담당자(SDR)는 AI를 사용하여 이메일을 통한 과거 상호작용을 분석하고 최상의 메시지 및 타이밍을 제안할 수 있습니다. 또한 소셜 미디어 상호 작용을 분석하여 업계 관련 콘텐츠에 대한 참여를 기반으로 잠재 고객을 식별함으로써 잠재 고객 발굴 활동을 강화할 수 있습니다. 유사한 잠재 고객 발굴 툴은 웹사이트 방문자, 회사 성장 추세, 구매 신호의 분석을 통해 잠재 고객을 식별하여 영업팀이 보다 정확한 잠재 고객 목록을 작성하도록 도울 수 있습니다.

감정 분석 및 음성 분석은 조직이 영업 성과를 높이고, 잠재적인 고객 감정을 파악하고, 프레젠테이션 효과를 개선하기 위한 권장 사항을 제공하는 데 도움이 될 수 있습니다. 이러한 툴은 실시간으로 영업 통화를 모니터링, 요약 작성 및 분석하여 성공적인 영업 전술 또는 잠재적 거래 위험을 나타내는 패턴을 식별함으로써 영업 활동을 강화할 수 있습니다.

AI는 과거 데이터, 시장 상황, 고객 행동을 분석하여 미래의 판매 추세를 예측하고, 팀이 데이터에 기반한 의사 결정을 내리고, 변화하는 시장에서 보다 효과적으로 전략을 수립할 수 있도록 지원합니다. AI 잠재 고객 발굴 툴은 예측 모델링을 사용하여 영업팀이 리소스를 효율적으로 배치하여 가장 가시적인 효과를 낼 수 있도록 도와줍니다.

가장 간단한 구현에서 AI는 기본 잠재 고객 발굴 프로세스를 보강하고 개선하여 영업 전문가가 가치가 높은 고객을 정의하고 선별된 커뮤니케이션을 자동화할 수 있도록 지원합니다.

하지만 엔터프라이즈 AI 혁신에는 부서와 역할 전반에 걸쳐 기술을 주입하여 일상적인 운영과 잠재 고객 발굴 프로세스를 개선하는 활동이 포함될 수 있습니다. 여기에는 AI로 개발자 생산성을 높여 잠재 고객 발굴의 효율성을 높이거나, 리더에게 보다 세분화된 예측 데이터를 제공하거나, AI를 사용하여 보안 및 데이터 거버넌스 관행을 강화하는 활동이 포함될 수 있습니다.

구현 수준은 기업마다 다르지만, AI 구현을 통해 잠재 고객 발굴을 강화하기 위한 몇 가지 기본 단계는 다음과 같습니다.

AI를 구현하기 전에 기업은 성공을 위한 명확한 목적, 목표 및 메트릭을 정의하는 것이 중요합니다. 여기에는 이상적인 고객 프로필(ICP)에 대한 보다 세분화된 인사이트를 확보하거나, 리드 생성을 늘리거나, 고객 참여를 개선하는 활동이 포함될 수 있습니다.

AI 툴의 성능은 확보하는 데이터에 달렸습니다. 이 단계에서 기업은 AI가 '학습'하길 원하는 정보를 확보하여 해당 정보가 당면한 작업에 적합하고 오류가 없는지 확인합니다.

이 단계에서 기업은 사전 정의된 목표를 충족하는 데 가장 적합한 AI 모델을 선택합니다.

일반적으로 AI 툴은 고객 관계 관리(CRM) 시스템 또는 마케팅 자동화 플랫폼에 통합되어 AI 툴과 기존 워크플로 간의 가장 원활한 통합을 보장합니다.

테스트 및 검증 단계에서 개발자는 통합 AI 툴의 투명성과 성능을 평가합니다.

특히 초기 단계에 AI 툴을 배포한 후에는 목표를 달성하는지 확인하기 위해 면밀히 모니터링해야 합니다.

AI가 잠재 고객 발굴 프로세스와 인접 워크플로에 통합되면 변화하는 비즈니스 목표에 따라 지속적으로 최적화되어 진화해야 합니다. 이 단계에서는 AI 기반 툴이 정기적으로 업데이트되며, 영업팀은 이를 가장 효과적으로 사용할 수 있도록 지속적으로 교육을 받습니다.

영업 파이프라인에 통합된 많은 기술과 마찬가지로, AI는 구체적인 목표를 지닌 명확한 전략의 일부로 배포하는 것이 가장 좋습니다. AI 툴이 수집하는 데이터의 품질에 따라 성공 여부가 결정됩니다. 직원들이 이러한 툴을 워크플로에 얼마나 효과적으로 통합하는지 주의를 기울임으로써 기업은 성공 가능성을 높일 수 있습니다. 잠재 고객 발굴 프로세스에 AI를 통합하기 위한 몇 가지 모범 사례는 다음과 같습니다.

조직이 AI 기반 잠재 고객 발굴을 통해 달성하고자 하는 구체적인 목표와 주요 KPI를 정의하는 것이 중요할 수 있습니다. 이는 기업이 리드 전환율을 개선하기 위해 AI 분석을 우선시하거나, 영업팀 성과를 개선하기 위해 감정 분석을 우선시하거나, 수동 작업을 줄이고 규모를 확대하기 위해 에이전트를 우선시할 수 있음을 의미합니다. 이러한 AI 전략과 사용 사례는 함께 사용할 때 가장 효율적으로 작동하는 경우가 많지만, 프로젝트를 실행하기 전에 측정 가능한 벤치마크를 확보하면 보다 원활하게 변화를 관리할 수 있습니다. 또한 리더가 결과를 평가할 수도 있습니다.

AI 툴의 성능은 사용하는 데이터에 따라 달라집니다. 즉 CRM 및 잠재 고객 발굴 데이터베이스가 가능한 한 정확하고 관련성이 있어야 합니다. 조직은 자체 잠재 고객 발굴 데이터를 보강하고 개선하기 위해 신뢰할 수 있는 서드파티 데이터에 투자할 수 있습니다. 또한 AI를 배포하는 많은 기업은 고객의 신뢰를 확보하기 위해 데이터 사용 및 저장에 대한 투명한 시스템 기반 접근 방식을 취하여 구체적인 데이터 거버넌스 관행을 개발합니다.

최근 몇 년 동안 Salesforce 및 LinkedIn의 AI 기반 영업 툴을 포함하여 수십 개의 AI 잠재 고객 발굴 툴이 개발되었습니다. 기업이 사용할 수 있는 최고의 AI 기술은 기존 기술 스택과 최대한 원활하게 통합되는 기술인 경우가 많습니다.

AI 잠재 고객 툴이 기업에서 이미 사용하고 있는 영업 전략 및 워크플로와 일치하면 많은 경우 팀은 가파른 학습 곡선 없이도 가치를 더 쉽게 포착할 수 있습니다. 이를 통해 기업은 완전히 새로운 툴 세트로 처음부터 시작하지 않고도 기존 강점을 기반으로 확장할 수 있습니다.

AI 툴을 사용하려면 추가 교육이 필요합니다. 이러한 기술은 종종 팀원 업무의 근본적인 측면을 변화시킬 수 있습니다. 이러한 툴을 가장 효과적으로 사용하는 방법에 대한 기대치를 관리하고 조직 전체에 툴의 가치를 알리는 것은 프로젝트의 성공에 매우 중요합니다. 교육에는 직원들에게 올바른 AI 프롬프팅을 설명하고, 답변을 검토하고, 인간의 입력이 기계의 입력보다 더 가치 있는 경우를 인지하는 방법을 가르치는 것도 포함됩니다. 영업 관리자는 잠재적인 생산성 향상을 활용하거나 업무의 새로운 측면에 대한 추가 지침을 제공하기 위해 영업팀의 역량을 강화하는 방법을 고려할 수 있습니다(예: AI가 지원하는 잠재 고객 발굴 데이터에서 최대한의 인사이트를 얻거나, AI 생성 커뮤니케이션에 개인적인 감성 추가하여 고객 신뢰 유지).