Oracle verbessert den Cloud-Absatz bei Bestandskunden mithilfe eines Modells für maschinelles Lernen
Die Verwendung von maschinellem Lernen in Oracle Database zur Bedarfsgenerierung ermöglicht es Vertriebsmitarbeitern, die vielversprechendsten und rentabelsten Cloud-Interessenten zu finden.
“Die Vertriebsmitarbeiter bemerkten, dass ihnen nun eine Intelligenz für maschinelles Lernen bereitstand, über die sie zuvor nicht verfügt hatten. Das motivierte zu genau den richtigen Verhaltensweisen – die Vertriebsmitarbeiter erstellten nun bereitwilliger Account-Pläne und setzten sich mehr dafür ein, ein Meeting zu bekommen. Die Meetings selbst verliefen ebenfalls besser und wir konnten schneller neue Geschäftschancen finden. Dadurch entwickelte sich ein positiver Feedbackloop.”
Geschäftliche Herausforderungen
Oracle Global Sales führt eine Bedarfsgenerierung für Oracle Cloud Infrastructure (OCI)-Lösungen durch. Um die Vertriebsmitarbeiter noch mehr zu motivieren und den Absatz zu steigern, musste das Team diejeinigen unter den bestehenden Oracle-Kunden finden, die am wahrscheinlichsten zu Oracle Cloud wechseln würden.
Das Ziel dabei war, die Vertriebsmitarbeiter zu unterstützen, ihre Aufmerksamkeit auf die am besten geeigneten Interessenten zu konzentrieren und zugleich die Best Practices für den Verkauf befolgen. Außerdem konnten die so unterstützten Mitarbeiter die Oracle-Kunden besser mit den Cloud-Lösungen in Beziehung setzen, die sich am besten für ihre Anwendungsfälle eignen würden. Dadurch konnte die allgemeine Kundenzufriedenheit verbessert werden.
Die bisherigen Lösungen des Teams waren nicht in der Lage, derart anspruchsvolle Analysen zeitnah zu bewältigen.
Wir stellten fest, dass durchgehend 5 % der Kunden mit den höchsten Bewertungen für 80 % der Gewinne in jedem Quartal sorgten.
Warum Oracle sich für maschinelles Lernen entschieden hat
Um schnellere Abschlüsse mit besseren Gewinnspannen zu fördern, entschied sich Oracle Global Sales, dass es ein vertriebsspezifisches Modell für maschinelles Lernen benötigte. Dieses sollte historische Daten nutzen, um schnell Bewertungen zu erstellen und auf die besten Kunden zu verweisen. Die Manager sollten das Modell dann mit bestehenden Programmen zur Bedarfsgenerierung verknüpfen, um den Prozess, mit dem die Oracle Cloud-Vertriebspipeline mit den besten Leads gespeist wird, zu optimieren.
Das Team beauftrage Oracle Labs damit, ein Modell für maschinelles Lernen zu erstellen, um die weltweite Bedarfsgenerierung und das Kampagnendesign zu transformieren. Oracle Labs verwendete Machine Learning in Oracle Database, um ein robustes und skalierbares Modell zur Verwaltung von 9 Millionen Produkten und Kundendatenpunkten sowie 2.400 Bewertungsvariablen in Oracle Cloud zu generieren. Das Bewertungsmodell erforderte dabei mehrjährige branchenspezifische Daten und Daten zu Kundeneinkäufen, um das künftige Kaufverhalten zu prognostizieren.
Oracle Global Sales verknüpfte das Modell für maschinelles Lernen mit mehreren Programmen zur Bedarfsgenerierung, um konkrete und messbare Ergebnisse aus der Praxis zu erhalten. Die Vertriebsmitarbeiter des Unternehmens wurden mit diesem Modell geschult, wobei sie Vertrauen in seine Nützlichkeit aufbauten und lernten, sich langfristig darauf zu verlassen. Das sorgte für eine sofortige Rendite der Projektinvestitionen.
Die durch maschinelles Lernen empfohlenen Leads von Oracle führten zu Abschlüssen, die dreimal größer als bei Kunden in anderen Gebieten waren. Bei den Top-Kunden war die Gewinnrate um 160 % höher.
Ergebnisse
Oracle Machine Learning in Oracle Database ermöglicht es Oracle Global Sales, schnell die Bestandskunden zu identifizieren, die am ehesten zu Oracle Cloud migrieren würden. Jedes Quartal kann der Vertrieb die besten 5 % der Kunden ermitteln und für welche Produkte diese das meiste Geld ausgeben.
Oracle Global Sales kann dann den Verkaufszyklus beschleunigen und es den Vertriebsmitarbeitern ermöglichen, sich auf die vielversprechendsten – und profitabelsten – Cloud-Interessenten zu konzentrieren. Der Vertrieb kann auch die besten Untersegmente eines bestimmten Accounts anvisieren, was sich insbesondere bei größeren internationalen Kunden als sehr hilfreich erweisen kann.
Das Bewertungsmodell und die Programme zur Bedarfsgenerierung schlagen für jeden Kunden die wahrscheinlich am besten geeigneten Cloud-Produkte vor und stärken so die Kundenzufriedenheit. Oracle Global Sales kann auch einen Cloud-Interessenten markieren, in dessen Gebiet ein Vertriebmitarbeiter fehlt, sodass Oracle entsprechende Einstellungen vornehmen kann, um den Bedarf zu decken.
Im Laufe von drei Jahren führten die Leads, die von Oracle Machine Learning vorgeschlagen wurden, zu Abschlüssen, die dreimal größer waren als bei ähnlichen Kunden in anderen Gebieten. Die Gewinnrate bei den Topkunden war dabei um 160 % höher.
Das Modell für maschinelles Lernen erzeugt eine große Tabelle, die für jeden Kunden eine Punktzahl zeigt. Abgeschlossene Verkäufe sind dabei die letztendliche Validierung des Modells und sie werden bei künftigen vierteljährlichen Berichten und Bewertungen in das Modell miteinbezogen. Aufgrund des wiederkehrenden Erfolgs des Modells, sind die Vertriebsmitarbeiter bereit, diesem auch ohne ausgiebige technische Erklärungen oder Schulungen zu vertrauen.
Der Bewertungs-Engine speist Leads in die täglichen Vertriebsberichte der Mitarbeiter, sodass diese sie sofort verfolgen können. Die Vertriebsmitarbeiter wiederum arbeiten dafür mit umso mehr Einsatz an den hochwertigsten Kunden in den größten Gebieten und setzen dabei die Einhaltung der Best Practices durch.
Informationen zum Kunden
Oracle bietet in Oracle Cloud integrierte Anwendungssuiten und eine sichere und autonome Infrastruktur. Das Unternehmen ist in 175 Ländern aktiv und hat 430.000 Kunden. Sein Jahresumsatz beträgt 40 Milliarden US-Dollar.