如果你能被赋予任何超级能力的话，会是什么?对于销售人员来说，没有什么比预知更有用的了——也就是预知未来事件。如果销售人员可以准确预测谁是他们的客户，会是怎样?这是销售人员迫切需要的。近一半(40%)的销售人员表示，寻找客户是销售过程中颇具挑战的部分，这笔完成交易还要难!
由于人工智能技术的进步，想要能够预知也不是太遥远的梦想。通过以下三种方式，人工智能可以帮助你找到适合客户，并加入超能英雄的行列。
预测购买意愿
大多数成熟在通路中不乏潜在客户，挑战是要过滤掉“噪音”。无论是通过电子邮件、公司网站还是社交媒体，绝大多数接触到企业的客户都没有准备好进行购买。事实上，企业网站的访问者中，有96%的人并不准备购买产品。无论销售亮点或者打折力度多么吸引人，客户就是没有准备好“上钩”。
利用AI。销售团队通过利用人工智能，可以把更少的时间花在追逐那些尚未准备购买的潜在客户上。相反，他们可以专注于那些钱包打开、已经准备好拔草的客户。人工智能最令人兴奋的主张之一是在社交倾听的背景下。今天的消费者身处于各种社交场合，AI能够监控很多不同的社交平台，使用自然语言处理(NLP)来确定客户的购买准备情况。通过过滤诸如“购买”、“采购”、“决定”和“现在”等词语，品牌可以精确定位处于购买周期后期阶段的客户。
当自然语言处理与情绪分析相结合的时候，结果尤其令人印象深刻。情感分析有助于销售人员确定客户对品牌的感受，这其中考虑到了极端性，即客户对品牌的感受是积极的、中立的还是消极的——无论一段文字是陈述事实(客观)还是表达个人感受、观点或信仰(主观)。如果极性为正，且消息是主观的，则这个客户更可能成为主要目标。
很多企业都认识到社交倾听的好处，加入这个行列中来。思科是利用人工智能和社交聆听的众多企业之一。由于采用了社交倾听，思科在不到一年的时间内实现了281%的投资回报。人工智能可以帮助销售人员找到即将结束购买之旅的公司，从而改变游戏规则。
制造紧迫感是销售人员面临的一大挑战。当你知道顾客准备购买时，培养紧迫感会轻松得多。人们在准备购买时购买，而不是在销售人员需要销售时购买。
预测购买动力
仅仅确定客什么时候准备好购买是不够的。销售人员还必须确定客户准备购买的原因是什么。毕竟，我们生活在客户至上的时代。有79%的B2B买家表示，与值得信赖的销售顾问进行互动，绝对至关重要或非常重要。
你的公司拥有大量可以使用的数据。你有很多年、甚至是几十年的销售历史信息保存在CRM中。人工智能拥有独特的能力可以理解所有这些信息。它可以挖掘数百万或者更多的数据点，并从中提取相关信息。然后，它可以使用一系列算法将此信息梳理并索引为结构化数据。通过评估你的赢/输数据库，人工智能可以根据客户整体拟合度来计算倾向评分。人工智能不仅能够展示出与过去成功销售记录最相似的潜在客户，而且还可以揭示出为什么具有很高的购买倾向。
“为什么”在当前这个销售时代是非常重要的。当人工智能是在黑匣子中提供解决方案的时候，它带来的效果最小。洞察销售是关键。据Salesforce称，65%的B2B买家表示，如果他们没有被视为一个独特的组织，他们可能会转向别的品牌。客户希望企业了解他们的需求。祈祷式营销策略不再奏效。人工智能可以做到大海捞针。也许企业方向的变化，标志着对你售卖的特定技术类别的预算也要增加。也许技术评估可以揭示企业技术堆栈中的空白。如果一家公司没有使用竞争对手的解决方案，这可能是一个好的机会。
有75%的B2B买家希望到到2020年供应商可以准确预测他们的需求。随着消费者旅程变得更加复杂，人工智能有可能通过恰当的对话和交谈话题为销售人员提供帮助。人工智能是很强大的。
利用关系智能
即便是准确掌握了客户准备购买的时间和原因，这也无法完全保证销售。最终，企业是由人组成的，要进入市场，销售人员必须利用关系智能的力量。人工智能的进步改变了这种关系智能的力量。
虽然LinkedIn、Twitter和Facebook等传统社交网络平台根据连接数量来衡量关系强度，但关系智能关注的是连接质量，它说明了我们与网络成员进行的互动次数、对话的性质、连接的新鲜度、相互关联以及其他一系列不同因素，以确定我们与某人的关联有多强。然后，人工智能将这些信息与个人成功推荐的次数、他们成为客户的时间、以及他们花了多少钱等信息相结合，来确定品牌推广的效果如何。这可以映射出销售人员的完整关系Rolodex，以确定他们如何连接到目标客户。总而言之，人工智能、机器学习和关系智能可以帮助确定触及目标客户的途径。
有84%的买家通过推荐开始了他们的购买之旅。大约有90%的购买是通过别人推荐的。了解要触及哪些决策者，可以帮助你达成销售。
Forrester预测，到2020年将有100万销售人员失业。人工智能革命正在推动着销售的发展。通过分析与客户何时购买、为什么会购买以及如何关联这些给客户，人工智能承诺以预知的形式，让销售人员具有“超能力”。
