至顶网CIO与应用频道 03月06日 北京消息:如果您所在的企业已置身于竞争激烈的物联网(IoT)市场,那么现在是时候在销售支持(sales enablement)方面采取行动以确保业务成功了。
规模较小但灵活敏捷的技术服务提供商正面临着销售资源短缺的困境,而大型提供商则须应对一系列有关销售支持的挑战,特别是它们不仅需要使其物联网业务目标与目标市场保持一致,而且还必须协调大量内部销售资源与流程。
向市场传达的销售信息通常不够聚焦且过分强调技术细节,最终往往在竞争激烈的市场中被其它“声音”所淹没。许多企业竭力展示经过市场验证的能力与价值;而有些企业则由于客户需要更完整的解决方案、漫长的销售流程以及不具时代竞争力的销售人员薪酬计划,不得不为实现收入目标而绞尽脑汁。
鉴于此,Gartner认为到2020年,就职于技术服务提供商的物联网业务销售高管的离职率将会是非物联网业务销售高管的两倍。
如何销售物联网解决方案
以下是三条成功销售物联网解决方案的最佳实践:
1. 将物联网应用场景纳入销售工具与营销信息
了解客户的首要痛点,将物联网的商业价值与成果作为卖点。创建重点介绍物联网具体应用的销售工具及信息。因为它们最能凸显商业情景下真实客户的使用成果,无疑是体现价值与能力的最引人注目的方法。
但是,目前市场中依然有大批的技术提供商还是一味强调技术或功能细节、而非关注于如何利用物联网解决方案与客户需求相结合以实现真正商业价值。因此,物联网技术与服务提供商需要重点传达物联网所带来的商业收益,例如:业务价值、数字化商业模式等。
举个例子,戴尔科技(Dell Technologies)将物联网的应用聚焦到三大垂直市场——能源、制造以及交通与物流,从而加快其边缘计算的销售过程。在上述市场中实施边缘计算的流程均通过解决方案的“蓝图”得到详细说明,展现各应用场景的主要收益推动因素及客户价值。戴尔表示其82%的边缘计算项目合同都因这种解决方案“蓝图”而成功签订。
2. 充分利用客户体验中心
客户体验中心(创新实验室/设计中心)可成为销售的有力支持,帮助证明贵公司实现商业价值的能力。您可以邀请潜在客户或已有客户现场参与,与训练有素的员工合作设计和/或构建物联网战略或解决方案,于此同时还能充分演示您的物联网产品线。
例如,高知特信息技术有限公司(Cognizant)建立了一家客户体验中心,以便与客户互动以及销售物联网咨询服务,具体包括:确定商业价值和描绘客户旅程、构思设备工业设计、定义架构以及评估企业在利用物联网整合IT/OT系统准备情况。销售团队可以在整个销售生命周期内充分利用这种中心资源。
3. 创建训练有素的咨询型销售机构
鉴于物联网解决方案的复杂性,销售团队需要具备技术与解决方案的销售能力。为了取得最佳销售效果,建议创建训练有素且拥有跨职能技能的销售团队,并根据市场行情更新销售薪酬计划,重新设定销售周期指标。
上述举措意味着您必须投入资源和开展培训以了解客户的商业需求、具备帮助客户制定物联网商业计划的能力以及掌握相关的产品知识,才能成功销售更完整的解决方案和系列产品。
沃达丰(Vodafone)是一家具有跨职能物联网销售团队的服务提供商。该公司的专属物联网业务部门由1400多名员工组成,堪称全球各大电信公司中物联网人员最雄厚的团队。最近,它开始将物联网销售专家分派至各个区域来提供销售支持,同时还扮演着为本地销售支持“传播技术”(skill seed)的作用。Gartner建议充分培训企业内部专家,以拓展物联网销售机会。
好文章,需要你的鼓励
在我们的日常生活中,睡眠的重要性不言而喻。一个晚上没睡好,第二天的工作效率就会大打折扣,而充足的睡眠不仅能让我们恢复精力,还能帮助大脑整理和巩固当天学到的知识。有趣的是,AI模型竟然也表现出了类似的“睡眠需求”。
Patronus AI发布突破性研究,构建了首个系统性AI代理错误评估体系TRAIL,涵盖148个真实案例和21种错误类型。研究发现即使最先进的AI模型在复杂任务错误识别上准确率仅11%,揭示了当前AI代理系统在长文本处理、推理能力和自我监控方面的重大局限,为构建更可靠的AI系统指明方向。
尽管模型上下文协议(MCP)自11月推出以来用户数量快速增长,但金融机构等监管行业仍保持谨慎态度。银行等金融服务公司虽然在机器学习和算法方面是先驱,但对于MCP和Agent2Agent(A2A)系统的采用较为保守。监管企业通常只使用内部代理,因为其API集成需要经过多年审查以确保合规性和安全性。专家指出,MCP缺乏基本构建块,特别是在互操作性、通信标准、身份验证和审计跟踪方面。金融机构需要确保代理能够进行"了解您的客户"验证,并具备可验证的身份识别能力。
这项研究首次从理论和实践证明AI模型可通过模仿生物睡眠-学习周期显著提升性能。研究发现AI训练中存在自发的"记忆-压缩循环",并据此开发了GAPT算法,在大语言模型预训练中实现4.8%性能提升和70%表示效率改善,在算术泛化任务中提升35%,为AI发展指出了注重信息整理而非单纯数据扩展的新方向。