<img src="https://secure.leadforensics.com/133892.png" alt="" style="display:none;">
Under corona har vi set den allerede mærkbare digitaliseringstendens, og behovet for ekstraordinære digitale shoppingoplevelser stiger i mange brancher. Digitalisering af kerneforretningen er således blevet en forudsætning for at kunne opretholde konkurrenceevnen. Det nye normale udfordrer især B2B til en hurtig omstilling for at imødekomme nye udfordringer og forventninger, hvad angår kundeoplevelsen.

Gamle salgsmetoder virker ikke i det nye normale

69 procent af B2B-købere vil have personlige anbefalinger i stil med Amazon 1

Restriktioner eller sygdom i forbindelse med corona har ofte stået i vejen for, at sælgere kunne møde deres kunder som normalt. Samtidig forsvinder forhandlerne i nogle lande. Dette stiller krav om at finde nye salgsmetoder og gøre dig selv uafhængig af individuelle sælgere og forhandlere. Dette betyder store ændringer på kort tid, hvilket naturligvis ikke er nemt. Her spiller den digitale transformation af købsprocessen en vigtig rolle, så kunderne kan købe dine varer hvor og når som helst.

Ni ud af ti millenials foretrækker at lave deres egen research online, før de tager kontakt med en sælger 2

Også inden for B2B forventer kunder i dag en mere digitaliseret og personlig kundeoplevelse på samme niveau, de modtager som forbruger. Dette skyldes delvist, at den yngre generation, der er opvokset i en digital tidsalder, nu i stigende grad findes som købere. Selv forbrugere født før 80'erne påvirkes i stigende grad af millennials og den digitaliserede kundeoplevelse, de får i deres privatliv.

Alt dette betyder, at du ikke længere kan arbejde med salg, som du har gjort tidligere. Derfor skal der være mere fokus på kundeoplevelsen for at kunne imødekomme nye udfordringer og forventninger til B2B-virksomheder. Mens kundeoplevelsen skal digitaliseres mest muligt, er der også et naturligt skift fra nye kunder til eksisterende kunder.

Digital-B2B-kundeoplevelse

Tilbagevendende kunder er altafgørende

Et vellykket salg er 14 gange mere sandsynligt til eksisterende kunder end nye kunder 3

I det nye normale er der en endnu stærkere grund til for B2B-virksomheder at satse på tilbageværende kunder, især hvis man har mulighed for at generere mersalg på eksisterende kunder. Her er der et stort potentiale for at drive mersalg gennem digital transformation. Der er et stort behov for selvbetjening (Self-Service) og også datadrevne servicetilbud, f.eks. service til maskindrift, der kan optimeres og holdes i gang. Skal disse muligheder udnyttes, skal kundeoplevelsen derfor være mere digitaliseret. Men det stiller også krav til din organisation.

Funktionelle siloer står i vejen for en homogen kundeoplevelse

Kundeoplevelsen omfatter alle de individuelle oplevelser, dine kunder har med din virksomhed. I mange tilfælde har kunder en bedre eller dårligere oplevelse af en bestemt del af forretningen end af andre dele. For at løse dette og forbedre kundeoplevelsen skal din behandling af kunderne være ens på tværs af organisatoriske grænser. Det kræver, at hele organisationen har et stærkt kundefokus, kan handle hurtigt og nemt, dele og få adgang til vigtig information og viden om kunder. Problemet er, at det er svært at arbejde på denne måde, hvis medarbejderne sidder og arbejder med kunder i deres egne siloer inden for organisationen.

Planlæg-fødevareproduktion-med-data

Uden en enkelt kilde til data opstår der nemt uoverensstemmelser

Værdifulde data og oplysninger sidder fast i såkaldte funktionelle siloer. Dette kan skyldes, at arbejdsmetoderne for forskellige funktioner såsom marketing, salg og kundeservice fungerer i forskellige systemer, der ikke er sammenkoblet. Man kan også have forskellige rutiner, skabeloner og tilgange, der ikke er synkroniserede. Forestil dig, at en kunde fortæller dig, hvordan de har tænkt sig at anvende en maskine, når du foretager salget. Efter købet opdager kunden så, at der er problemer med maskinen. Support har ingen kontrol over situationen og bruger et sagsstyringssystem, der ikke er integreret med andre systemer. Kunden skal igen forklare sin situation for at blive stillet om til en person med de rette kompetencer.

Vil du vide mere?

Vi har skabt en masse godt indhold relateret til B2B-kundeoplevelsen. Læs mere om, hvordan du kan forbedre kundeoplevelsen i del to her: "Tre fordele ved at forbedre kundeoplevelsen"

Download også vores guide om hvordan du går til værks med at give kundeoplevelsen et løft:

gode-kundeopevelser-i-en-digital-hverdag


1 "5th State of Marketing”

2 "The Millennials are Here"

3 “Marketing Metrics”

Emne

Kommenter indlæg

Recommended posts

Med vores teknologiske modenhed og mange data har vi i Danmark et godt udgangspunkt for at få succes med AI. Men både i virksomhedernes kultur, på det politiske plan og i det sprog, vi omtaler AI med, er der udfordringer, som vi skal adressere. Det mener IT-konsulentvirksomheden Columbus, som er med i Dansk Erhvervs AI-Koalition, der kortlægger danske virksomheders styrkepositioner og barrierer, når det gælder kunstig intelligens.
If you organize your data and use AI strategically, you can make better decisions faster. You can for example improve your market understanding and forecasting, optimize your maintenance or reduce food waste. Choose what is most important for you!
Demand forecasters do the impossible — predict what products and services customers want in the future. Their forecasts inform decision-making about production and inventory levels, pricing, budgeting, hiring and more. "While crystal balls remain imaginary, machine learning (ML) methods can give global supply chain leaders the support they need in the real world to create more accurate forecasts." The goal is to produce exactly the amount of product to meet demand. No more. No less. Demand forecasting is used to anticipate the demand with enough time to manufacture the right stock to get as close to this reality as possible. The cost is high if you don’t get it right. Your customers will go to your competitors if you don’t have what they need. Unfortunately, capacity, demand and cost aren’t always known parameters. Variations in demand, supplies, transportation, lead times and more create uncertainties. Ultimately demand uncertainties greatly influence supply chain performance with widespread effects on production scheduling, inventory planning and transportation. On the heels of the global pandemic, supply chain disruptions and a pending economic downturn, many demand forecasters wish for a crystal ball. While crystal balls remain imaginary, machine learning (ML) methods can give global supply chain leaders the support they need in the real world to create more accurate forecasts.
If you have identified possible AI use cases for your business, the next step will be to test if they are possible to implement and if they will create great value. While there is a lot of momentum and excitement about using AI to propel your business, the reality is only 54% of AI projects are deployed. How do you ensure you’re one of the businesses that does unlock the new opportunities AI promises? Your success with AI begins by discovering AI use cases that work for your business. In the first blog of our Columbus AI blog series, we shared five areas where organizations should focus their efforts to generate ideas for AI implementations based on our experience. After generating some ideas for AI use cases that could potentially benefit your company from the first step of the Columbus AI Innovation Lab, the next step is to test which AI use cases could be operationalized by evaluating them. Columbus AI Innovation Lab
Only half of the companies starting an AI pilot project are actually executing it. The key is to choose an idea that will benefit your business. Read more about how! In 2022, 27% of chief information officers confirmed they deployed artificial intelligence (AI), according to a Gartner AI survey. Even though businesses across all industries are turning to AI and machine learning, prepare your organization before jumping on the AI bandwagon by considering a few factors. Ask yourself: Is AI necessary for achieving the project requirements or is there another way? Does your team have the skills to support AI and machine learning? How will AI impact your current operations if you adopt it? How will you integrate AI with existing systems? What are the data, security and infrastructure requirements of AI and machine learning? The Gartner AI survey found only 54% of projects made it from the pilot phase to production. After significant investment in AI, why aren’t companies deploying it? We found the problem begins when companies define a use case. Too often, companies are not identifying AI use cases that benefit their businesses and end-users will adopt. The question is then, how should companies unlock the value and new opportunities AI promises? It starts with a systematic approach for each stage of the AI life cycle. We developed the Columbus AI Innovation Lab, a comprehensive method to address and account for all challenges when adding AI to your business operations and bring stakeholders into the process at the right time to help you operationalize AI.
right-arrow share search phone phone-filled menu filter envelope envelope-filled close checkmark caret-down arrow-up arrow-right arrow-left arrow-down