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
Lumen Technologies对美国网络的数据中心和云连接进行重大升级,在16个高连接城市的70多个第三方数据中心提供高达400Gbps以太网和IP服务。该光纤网络支持客户按需开通服务,几分钟内完成带宽配置,最高可扩展至400Gbps且按使用量付费。升级后的网络能够轻松连接数据中心和云接入点,扩展企业应用,并应对AI和数据密集型需求波动。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
RtBrick研究警告,运营商面临AI和流媒体服务带宽需求"压倒性"风险。调查显示87%运营商预期客户将要求更高宽带速度,但81%承认现有架构无法应对下一波AI和流媒体流量。84%反映客户期望已超越网络能力。尽管91%愿意投资分解式网络,95%计划五年内部署,但仅2%正在实施。主要障碍包括领导层缺乏决策支持、运营转型复杂性和专业技能短缺。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。