Oracle augmente ses ventes de cloud sur base installée grâce à un modèle de machine learning
En utilisant le machine learning dans Oracle Database pour la génération de la demande, les commerciaux d'Oracle identifient les prospects les plus probables et les plus rentables pour les clients du cloud.
“Les représentants ont estimé qu'ils ont reçu des informations de ML qu'ils n'avaient pas auparavant. Cela a encouragé tous les bons comportements - les représentants étaient plus enthousiastes à l'idée de créer des plans de compte et étaient prêts à travailler plus dur pour obtenir un rendez-vous. Les réunions se sont mieux déroulées et nous avons trouvé de nouvelles opportunités plus rapidement. Cela a créé une boucle de rétroaction positive.”
Difficultés de l'entreprise
Oracle Global Sales gère la génération de la demande pour les solutions Oracle Cloud Infrastructure (OCI). Pour motiver les représentants plus entièrement et augmenter les ventes, l'équipe a besoin d'identifier les clients Oracle existants qui étaient les plus susceptibles de passer à Oracle Cloud.
L'objectif était d'aider les commerciaux à se concentrer sur les prospects de base installée les plus appropriés tout en maintenant les bonnes pratiques de vente. De plus, ces commerciaux pouvaient mieux connecter les clients Oracle aux solutions cloud les plus adaptées à leurs cas d'emploi, ce qui améliore la satisfaction globale.
Les solutions existantes de l'équipe étaient incapables de gérer ce niveau d'analyse sophistiquée en temps opportun.
Nous avons constaté que 5 % des comptes ayant les meilleurs scores génèrent 80 % de l'argent gagné au cours d'un trimestre.
Pourquoi Oracle a choisi le machine learning
Afin d'encourager des ventes plus rapides et avec de meilleures marges, Oracle Global Sales a décidé qu'il lui fallait un modèle de machine learning spécifique aux ventes. Ce modèle utiliserait les données historiques pour créer rapidement des scores et identifier les meilleurs comptes. Les responsables associeront le modèle aux programmes de génération de la demande existants afin de rationaliser le processus d'alimentation du pipeline des ventes cloud Oracle avec les meilleurs prospects.
L'équipe a chargé Oracle Labs de créer un modèle d'intelligence de machine learning pour transformer la génération de la demande mondiale et la conception des campagnes. Oracle Labs a utilisé Machine Learning in Oracle Database pour créer un modèle robuste et évolutif permettant de gérer 9 millions de points de données sur les produits et les clients et 2 400 variables de notation dans Oracle Cloud. Le modèle de notation a nécessité des données pluriannuelles sur les achats des clients et sur le secteur d'activité afin de prédire les comportements d'achat futurs.
Oracle Global Sales a lié le modèle de machine learning à plusieurs programmes de génération de demande pour des résultats concrets et mesurables sur le terrain. Les représentants commerciaux de l'entreprise se formeront à ce modèle, auront confiance en son utilité et s'y fieront à long terme, ce qui permettra un retour sur investissement immédiat du projet.
Les leads recommandés par Oracle en matière de machine learning donnent lieu à des contrats trois fois plus importants que ceux des comptes d'autres territoires, avec un taux de réussite 160 % plus élevé dans les comptes principaux.
Résultats
Oracle Machine Learning in Oracle Database permet à Oracle Global Sales d'identifier rapidement les clients de base installés les plus susceptibles de migrer vers Oracle Cloud. Chaque trimestre, les ventes peuvent identifier les 5 % principaux des comptes et les produits sur lesquels elles dépensent le plus d'argent.
Oracle Global Sales peut alors accélérer le cycle de vente et permettre aux commerciaux de se concentrer sur les prospects les plus probables et les plus rentables du cloud. Les ventes peuvent également cibler les meilleurs sous-segments d'un compte donné, ce qui est particulièrement utile pour les clients internationaux plus importants.
Le modèle d'évaluation et les programmes de génération de demande suggèrent les produits cloud les plus probables pour chaque compte et améliorent la satisfaction du client. Oracle Global Sales peut également signaler un prospect cloud qui n'a pas de commercial pour son territoire afin qu'Oracle puisse embaucher de manière appropriée pour répondre à ces besoins.
Sur trois ans, les leads recommandés par Oracle Machine Learning ont donné lieu à des transactions trois fois plus importantes que celles de comptes similaires dans d'autres territoires, avec un taux de réussite supérieur de 160 % dans les comptes les plus importants.
Le modèle de machine learning crée une table volumineuse présentant un score pour chaque compte. Les ventes clôturées constituent la validation finale de la réussite du modèle. Elles prennent en compte le modèle pour les rapports et les scores trimestriels futurs. En raison du succès récurrent du modèle, les commerciaux sont prêts à y faire confiance sans trop d'explications techniques ni de formation.
Le moteur de notation alimente les rapports de vente quotidiens en prospects, sur lesquels les représentants peuvent agir immédiatement. De leur côté, les représentants commerciaux travaillent davantage sur les comptes de meilleure qualité dans les plus grands territoires, en appliquant les bonnes pratiques.
À propos du client
Oracle propose des suites intégrées d'applications et une infrastructure sécurisée et autonome dans Oracle Cloud. La société est présente dans 175 pays, sert 430 000 clients et génère un chiffre d'affaires annuel de 40 milliards de dollars américains.