人工智能可以促进盈利的 B2B 销售增长。七个用例展示了 B2B 领导者如何通过量身定制的人工智能策略实现利益最大化并推动可持续影响。
人工智能可以促进盈利的 B2B 销售增长。七个用例展示了 B2B 领导者如何通过量身定制的人工智能策略实现利益最大化并推动可持续影响。
B2B 领导者习惯于使用技术来帮助他们实现盈利增长。最近，他们一直在研究一种有可能加速整个销售旅程销售转型的技术 ——人工智能 。人工智能可以通过提高收入、提高销售效率和简化内部流程来帮助推动超额的盈利增长 。这些领导者认为这种潜力是巨大的。根据麦肯锡最新的 B2B 决策者 B2B 脉搏调查 ，19% 的受访者已经在 B2B 买卖中实施人工智能用例，另有 23% 的受访者正在实施。
这是令人鼓舞的。然而，另一方面，大多数 B2B 领导者尚未接受或甚至未参与其中。一些领导者告诉我们，他们不确定收益来自何处，以及业务影响是否值得投资。有些人被大量的想法弄得不知所措，并寻求有关优先考虑哪些方面的建议。
在本文中，我们通过分析新一代人工智能的部署及其对销售投资回报率和客户体验的影响，探索了整个交易周期中的七个引人注目的用例（图表） 。1 这些用例可以提高效率和效力，并开始产生近乎立竿见影的影响。我们还研究了领先组织的实际部署情况。最后，我们提出了一些关键考虑因素，这些因素可以帮助组织制定符合其目标和愿望的新一代人工智能实施战略，以推动销售盈利增长。
1. 次佳机会
B2B 卖家经常会遇到过于简单的规则、手动客户研究、缺乏数据集成或销售工具培训不足等问题。人工智能可以帮助他们找到“下一个最佳机会”。它可以处理多个不同的数据源，以优先考虑各种可能性。Gen AI 可以解析大量非结构化数据（例如 PDF、平面文件或照片），以提供高级建议和说明。Gen AI 还可以将有关潜在客户的相关信息综合到综合战斗卡上，让卖家能够根据清晰、关键的信息寻找下一个最佳机会。
此用例可以显著加快进行客户研究、映射关系和确定其他利益相关者的耗时过程。可以通过挖掘各种来源（例如新闻文章、公司报告和交易数据）来训练 Gen AI 模块来回答问题。生成的输出可以直接集成到公司的客户关系管理 (CRM) 中，以帮助卖家优先考虑客户和机会。
处理大量产品和潜在客户的企业对此用例最为感兴趣。在 B2B Pulse 调查中，建筑材料、航运、化学品或石化公司（这些公司的潜在客户通常由人工生成和管理）的 B2B 商业领袖对此用例的热情高于其他公司 。2
案例研究
人工智能在现场的应用：增强推广
一家工业材料分销商希望促进增长，但在识别和抓住机会方面面临挑战。这个过程可能很麻烦，而且耗时。例如，现场销售人员会驾驶车辆在城市或城镇中四处转悠，以直观地识别新建筑项目的位置。为了解决这个问题，该公司首先构建了一个人工智能引擎，该引擎使用内部和外部数据源对现有机会进行评分和优先排序，并确定有针对性的产品推荐。然后，它使用人工智能从非结构化公共数据（在本例中为建筑许可证）中提取有关即将实施的资本项目的见解，识别新机会并提高现有机会的优先级。最后，它利用人工智能大规模个性化推广。这带来了价值超过 10 亿美元的新机会（将渠道增加了 10%），并且第一个财年的点击率增加了一倍以上。
2. 下一步最佳行动
即使根据参与度和意向数据对机会进行优先排序，一些销售组织仍然难以知道需要采取哪些步骤才能利用需要立即参与的机会。
Gen AI 和机器学习可以更好地指导卖家采取“下一步最佳行动”，例如是否将潜在客户放在参与度较低的培养细分市场中，以备下个月使用，还是将其放入优先级最高的营销活动队列中。Gen AI 还可以根据渠道操作对潜在客户进行分类，例如确定邀请谁参加网络研讨会或谁可能从即时一对一互动中受益。Gen AI 甚至可以个性化外联，例如根据客户流失风险建议电子邮件或语音邮件脚本。
在 B2B Pulse 调查中，下一步最佳行动脱颖而出，成为技术服务、耐用设备和保险等行业中最令人兴奋的用例之一，在这些行业中，卖家面临着相对大量的选择来扩大账户和推进机会 。3
案例研究
人工智能在现场的应用：加速售后市场和服务销售
一家领先的企业设备制造商希望加速其售后市场和服务销售。该公司面临的主要挑战是销售人员反应迟钝、客户群高度分散、客户流失严重以及客户现场安装情况不明晰。经过几个月的开发，OEM 能够部署潜在客户生成引擎来清理销售数据、为实时售后市场数据库提供数据并构建分析以创造机会。算法通过预测维护计划来确定公司的下一个最佳行动。卖家收到了嵌入在其 CRM 中的潜在客户优先列表，按追加销售或交叉销售机会分类，并附有估计交易价值。然后，虚拟销售助理通过高度个性化的电子邮件发起客户联系，筛选回复以将热门潜在客户传回给卖家。总体而言，OEM 来自新老客户的渠道增加了超过 20% 的总收入。
3. 会议支持
由于销售人员需要处理大量复杂信息，因此为重要客户会议做准备可能是一个耗时的过程。Gen AI 和其他类型的自动化技术可以节省销售人员的时间并改善对话。这些技术可以综合来自多个来源（例如服务单或交易数据）的关键信息，并以易于使用的格式提供相关见解。大型语言模型 (LLM) 甚至可以起草谈话要点和对异议的回应，以便在不牺牲对话质量的情况下更有效地进行准备。
会议支持不需要花费很长时间来部署。目前已有现成的 gen-AI 支持工具，这些工具相对与行业无关，可以引用各行各业中有意义的来源，并且可以使用现成的解决方案轻松进行定制。
会议支持用例往往在销售周期长、会议次数多、交易金额大的行业中引起最大轰动，因为这些行业可以节省大量管理时间。例如，超过 40% 的航空航天和国防、石油和天然气精炼以及能源分配行业的 B2B Pulse 调查受访者表示他们对这一用例感到兴奋 。4
案例研究
人工智能在现场的应用：提高销售效率
材料行业通常很复杂，产品和产品应用数量庞大。成功的销售人员需要深入了解市场，而准备会议可能是一项繁重的任务。一家材料公司在实现雄心勃勃的增长目标方面面临挑战。例如，其销售人员只有 20% 的时间用于与客户会面（而其他行业其他公司成功的 B2B 销售团队可以将三分之一到一半的时间花在与客户会面上）。为了减少会议准备时间，该公司使用人工智能确定关键机会的优先顺序，并使用人工智能生成研究材料和脚本，以及处理简单的客户拓展。在七周内开发了一种用于制作会议准备笔记的人工智能工具，反映了 30 多名销售人员的意见并整合了 20 多个数据源。人工智能生成的会议记录包括财务摘要、战略目标、历史销售数据、过去会议的见解和行动、已知客户偏好和要求摘要以及有关关键利益相关者的信息。结果为目标销售人员群体节省了 10% 以上的时间。
4. 征求建议书答复
响应提案请求 (RFP) 可能非常耗时。但 gen AI 可以提高 RFP 响应的效率和准确性，缩短响应时间并管理内部跟踪。由于多个职能团队会就如何响应 RFP 提供意见，因此 Gen AI 有助于提高一致性并改善客户体验。
这一用例让各行各业的领导者都兴奋不已，尤其是生命科学公司，它们经常处理高度复杂、受监管且数据密集型的 RFP 响应，而这些响应通常需要大量人工才能解决。在 B2B Pulse 调查中，约 40% 的生物制药领导者和 30% 的医疗保健领导者对支持 gen-AI 的 RFP 响应器的潜力感到非常兴奋 。5
案例研究
现场应用的 Gen AI：简化响应
一家医疗管理护理组织 (MCO) 通过采用新一代人工智能改变了其对 RFP 的响应方式。在研究起草响应时，其销售团队经常需要筛选数百份文件，每份文件都有数千页。在一个 RFP 可能每三到四年才针对每个市场发布一次的行业中，风险很高。激烈的竞争要求响应凸显财务稳健性和超越竞争对手的特定能力。任何失误都可能导致每年损失数十亿美元的合同。
新一代人工智能工具的引入标志着范式转变。通过向新一代人工智能输入来自 MCO 历史响应的非结构化数据（以及来自公开合同记录的信息），销售团队可以在几秒钟内生成竞争情报。该工具提供对相关创新和竞争对手基准的即时访问，从而在起草过程中做出更具战略性和更明智的决策。例如，新一代人工智能工具可以即时综合客户对供应商语音邮件响应时间、呼叫中心运营时间以及获得事先授权所需时间的期望，这些关键细节以前需要大量人工研究。自推出该工具以来，MCO 能够将评估竞争对手能力所需的时间缩短 60% 到 80%。生成的见解增强了其对竞争性 RFP 的响应。该工具提高了效率，并增强了 MCO 在信息丰富的行业中的竞争优势，因为每个 RFP 都很重要。
5. 智能定价
人工智能对定价的影响可能是巨大的。许多 B2B 行业主要依赖销售团队的基本分析和商业敏锐度。人工智能为重大创新创造了机会。它允许 B2B 参与者定制主要仅在快节奏的 B2C 行业（例如在线零售）中使用的模型。结果是先行者获得了新的机会，落后者则面临新的风险。
人工智能和新一代人工智能在智能定价方面有几种主要应用。一种是人工智能主导的价格制定，通过对客户进行微观细分，可以评估客户在给定价格点的支付意愿和购买意愿。其他应用包括新一代人工智能支持的谈判支持和定价管理。公司已经开始使用新一代人工智能来分析公开数据和与客户的互动，并跟踪谈判的有效性和绩效，以及创建定制论点。这也为卖家提供了他们拥有多少谈判能力的分数和理由。新一代人工智能在价格管理自动化方面的应用也被证明是有效的，包括系统更新和审批工作流程。
在 B2B Pulse 调查中，在定价对盈利能力有重大影响且产品差异化和多变性较低的行业（例如纸张和包装、能源分配和运输），受访者优先考虑智能定价 。6
案例研究
人工智能在现场的应用：动态交易评分
许多 B2B 组织为其客户列出价格，随后在谈判中打折以达成交易。这导致实际最终价格存在很大差异。一些差异是合理的，但销售代表谈判技巧或销售历史的差异带来的折扣可能是不必要的。
一家 B2B 服务公司旨在控制折扣差异并收紧定价模型。该公司使用 AI 工具创建了一个基于数百个客户和交易参数的定价结构，并为新交易和续约交易建立了单独的模型。该模型被打包到一个直观的应用程序中，供销售团队使用，该应用程序会分析和评分他们的交易，为他们提供一系列理想的折扣选项。这反过来又被输入到 CRM 中的审批工作流程中，让人们可以立即了解交易到底有多好。最后，AI 模型的洞察被用于培训销售团队。这些洞察揭示了导致想要和不想要的折扣差异的原因，为销售团队提供了在谈判中应该坚持立场或让步的指导。
通过使用人工智能进行智能定价，该公司的收益提高了 10%。值得注意的是，定价解决方案不仅仅是提高价格。相反，它专注于优化，引导团队尽可能提高价格，同时在必要时降低价格。这种细微差别使公司能够积极引导定价朝着战略目标发展 ，无论是利润、销量还是平衡组合。
6. 智能研究助手
表现出色的 B2B 卖家会花费大量时间研究客户、潜在客户和产品。从公司网站、年度报告和财报电话会议以及电子邮件和内部数据中收集见解需要花费大量时间。对于那些试图在实时通话中与客户互动，同时又难以快速查找、消化和综合相关信息的卖家来说，这可能尤其麻烦。这种客户互动方式已被新一代人工智能所改变，它可以帮助卖家在通话过程中快速查找事实。因此，卖家会变得更加敏锐和有洞察力，从而改善整体体验。
B2B Pulse 调查的受访者对智能研究助理用例表现出最高的平均兴趣，其中 27% 表示对其前景感到兴奋 。7
案例研究
现场人工智能：提高卖家生产力
一家陷入停滞的全球工业公司希望在动荡的市场环境中重新点燃盈利增长和生产力。该公司开发了一个人工智能增长引擎来帮助进行市场研究。该工具结合了十多个内部和外部数据源，绘制出现有和潜在新客户的范围，并按钱包份额和账户潜力进行优先排序。该公司还使用人工智能代理来帮助其阐明每个潜在客户的价值主张，包括其在关键购买因素方面与竞争对手相比的表现如何。这项技术支持为公司提供了更强大的研究，使商业组织从传统的在已知客户中“耕种”业务的重点转变为越来越多地在以前从未想象过的产品应用中“寻找”真正的新机会。解决方案在几个月内全面实施后，销售团队的转化率提高了 40%，潜在客户执行速度提高了 30%。
7. 智能教练
鉴于某些 B2B 销售流程和交易周期的长度和复杂性，销售经理和领导者通常很难有效地对卖家绩效进行基准评估。Gen AI 可以分析卖家在所有客户互动中的表现，为经理提供全面的绩效视图，并根据卖家的特定需求推荐有针对性的指导。它还可以直接向卖家提供个性化的绩效洞察，以促进个人发展和成长。
B2B Pulse 调查中，服务行业的受访者使用相对一致的销售宣传方式，他们最渴望通过支持人工智能的智能教练来帮助他们的卖家。例如，35% 的 B2B 保险行业领导者表示他们对智能教练用例充满热情 。8
案例研究
人工智能在现场的应用：提高呼叫中心的销售业绩
一家电信公司旨在提高其呼叫中心的客户满意度和销售业绩，在每次服务呼叫期间持续推销特定产品是一项关键指标。该公司开发了一种人工智能解决方案来评估销售人员的表现，并将洞察输入辅导引擎。该工具根据与销售和满意度结果相关的通话记录进行训练。它使用人工智能来分析通话结构并识别有助于解释出色表现的能力标记，例如同理心。然后，这些洞察被用于在每次通话后向呼叫中心代理提供辅导建议，并被纳入为每位代理量身定制的长期辅导计划中。这种个性化的能力建设使客户满意度得分（衡量客户向他人推荐公司产品或服务的可能性的指标）提高了 7 个百分点，培训成本降低了 20%。
这七个案例研究揭示了新一代人工智能改变端到端销售过程的潜力。行业领导者对这些用例感到兴奋，但他们对下一波创新——代理人工智能更感兴趣。在有限的人工干预下，代理可以推理、解释并自主决定活动或工作流程。考虑下一个最佳行动用例： 代理人工智能不仅可以识别特定操作 （例如将潜在客户归类为中等优先级，需要一到两封热身外联电子邮件），而且实际上会通过自动联系潜在客户、评估他们的兴趣并回复来执行操作（例如，发送一条消息，内容为“我们注意到您对特定产品感兴趣，因此我们希望提供更多详细信息”）。人工智能代理还可以通过多次沟通潜在行动来培养与销售潜在客户的关系，例如安排客户和卖家之间的会面。人工智能代理非常强大，它们有可能将所有七个用例提升到一个新的水平。
在 B2B 销售中部署人工智能的五个关键经验教训
这七个案例研究说明了公司如何利用人工智能从根本上重塑其销售能力，实现超额的盈利增长。有效部署新一代人工智能对于成功至关重要。无论是开始首次试点还是扩大初步努力，任何希望在整个销售组织中实现持久变革的公司都应该考虑这五个教训。
从问题入手，而不是技术
使用通用人工智能或任何其他技术的决定应以特定的业务考虑为指导。对于 B2B 销售，主要考虑因素应该是确定这项技术可以在哪些方面推动超大规模、盈利性增长。公司可以首先确定核心业务挑战，例如潜在客户获取、服务重要客户或更有效地管理服务。然后，他们可以确定将提供最大价值的用例。一旦明确了优先事项，B2B 领导者就可以决定这些需求是否最好通过基于规则的自动化、机器学习、人工智能或通用人工智能等技术来满足。
在某些情况下，销售组织可能不需要转向人工智能，尤其是当订单管理或潜在客户路由等基础流程仍为手动操作时。当容错率非常低时，直接链接到源的简单自动化可能是一种足够且更可靠的方法，可以避免人工智能幻觉的潜在风险。设计和开发最佳解决方案的关键是对业务问题的清晰理解。只有这样，销售主管才能评估人工智能是否是满足他们需求的正确选择。
以卖家为中心
为了从新一代人工智能解决方案中获得最大价值，必须确保其设计以用户需求为中心。B2B 组织可以从评估当前的销售流程开始，以找到释放卖家时间的方法，或在卖家最需要时为他们提供有价值的见解。这也意味着深入挖掘客户的旅程。能够利用正确的见解和效率创造更多客户愉悦时刻的卖家将更乐于使用该解决方案。
商业领导者可以问自己以下问题，以确保新一代人工智能解决方案以卖家为中心：
有影响力： 解决方案是卖家关心的吗？它会产生有意义的影响吗？
清晰： 输出是否容易理解？
易于理解： 卖家能否轻松地向客户解释输出结果？
规定性： 产出是否明确与卖家的具体行动挂钩？
可靠： 卖家是否会信任输出结果并发现信息一致且准确？
如果这五个问题中的任何一个的答案是否定的，那么就值得重新审视解决方案的设计——包括关键功能、数据源、分析输出或信息呈现方式。另一方面，对这些问题的肯定回答将使卖家更有可能热情地采用新一代人工智能用例。
购买简单的东西并建立竞争优势
毫不奇怪，大多数组织不会从头开始自行构建整个 AI 功能。即使他们选择为特定用例构建，很大一部分功能（例如 LLM）通常来自可微调的公开可用的现成解决方案。从这个意义上讲，“构建”方法更准确地描述为“购买加构建”。
要决定是“购买”还是“购买加构建”策略，重要的是要为影响深远的新一代人工智能用例设定明确的商业优先级，这些用例可以为您的销售组织带来优势。对于复杂度较低且功能基本标准化的用例（例如总结会议记录），领先的组织通常会选择购买并快速部署现成的新一代人工智能解决方案。对于具有独特性能和竞争优势潜力的高价值用例（例如在正确的时间提供正确的产品），最好采取购买加构建的路径，在开箱即用功能之外的有针对性的开发投资可以产生更大的影响。在何时购买以及何时投资构建定制解决方案以获得战略优势方面做出正确的选择，可以让领导者在竞争中脱颖而出。
通过明确的人工智能战略平衡直接影响和持久能力
随着商业领袖开始在 B2B 销售中部署新一代 AI 用例，建立并保持对整体商业技术堆栈以及企业 AI 战略和架构的清晰愿景至关重要。不一致的架构可能会导致浪费精力、解决方案不兼容以及成本增加。通过从一开始就确保协调一致，组织可以防止因不同的开发工作而导致的分裂，并无缝集成各种 AI 计划，从而最大限度地发挥其价值。
领先的组织可以在几周内制定蓝图，从而快速开发有效的新一代人工智能用例，同时保持统一的框架。他们通过仔细确定最小可行产品 (MVP) 的范围并在内部没有合适的人才时利用合作伙伴来实现这一目标。早期的成功可以作为灯塔，激发人们的热情，调动组织，并确保支持和资源以进行大规模实施。
虽然速胜很重要，但不应以牺牲基础能力为代价。投资正确的技术基础设施对于长期成功至关重要。这包括强大的数据管理和治理、全面的数据处理能力和现代化的技术堆栈。人才也同样重要。雄心勃勃的组织会培养具有技能的团队，以便随着时间的推移构建、维护和增强新一代人工智能功能。这包括聘用合适的人才并不断提升员工的技能，以培养创新和适应性的文化 。通过在短期影响和长期能力之间取得适当的平衡，组织可以确保他们的新一代人工智能之旅既有效又可持续。
从一开始就投资于卖家的采用
商业领导者通常渴望实施新一代 AI 解决方案来提高绩效。然而，让销售团队可持续地大规模采用这些解决方案可能比推出该技术更具挑战性。以卖家为中心的设计和带来第一批 MVP 的实验心态是一个良好的开端，但领导者需要投入时间和精力来最大限度地提高采用率并产生真正的影响。在销售中部署 AI 解决方案时，采取敏捷的开发方法至关重要，包括基于卖家反馈的频繁测试和学习周期的迭代过程以及紧密联系的业务和技术团队的持续改进。
有效部署还需要谨慎的变更管理，而这种做法往往被忽视。领先的组织使用各种策略来为新的 AI 解决方案做好准备并提供支持。这些策略包括频繁沟通和设定明确的期望、使用卖家冠军和意见征询委员会、提供培训课程和表彰成功案例，以及让销售主管深思熟虑地使用新解决方案。激励尝试使用 AI 的卖家并庆祝发现错误作为创新的一部分，可以培养持续改进的文化。
最后，AI 卓越中心可以帮助加速采用并将新一代 AI 扩展到更多用例。这些中心可以优先考虑资源、集中资金、确保适当的变更管理并推动负责任的使用。
虽然许多 B2B 销售组织仍处于技术发展的早期阶段，但领先的公司已经开始扩展其人工智能能力。公司正在经历更高增长的商业领袖往往对人工智能更感兴趣，并正在实施多种用例来改变其增长战略和销售旅程。人工智能可以通过提供更好的洞察力、提高转化率和提高生产力来增强团队的能力。自主代理可能会产生更大的影响。只要牢记正确的增长战略和上市模式，并愿意将对人工智能的兴趣转化为行动，B2B 领导者就可以开启一个潜力巨大的未来 。
这篇文章对您来说有多相关和有用？
关于作者
Alexander Dierks 是麦肯锡慕尼黑分公司的合伙人， Richelle Deveau 是南加州分公司的合伙人， Siamak Sarvari 是新泽西分公司的副合伙人， Sonia Joseph Griffin 是亚特兰大分公司的副合伙人。
作者感谢 Alex Abdelnour、Andy Earnest、Annie David、Carlos Pardo Martin、Enrique González Campuzano、Guy El Khoury、Jay Kaza、Jochen Ulrich、John Karlen、Julian Larcher、Julian Raabe、KT Mishra、Maria Rojas Londono、Michelle Court-Reuss、Philippe Schwob、Philipp Landauer、Rob Huefner、Vicky Chen 和 Wilson McCrory 对本文的贡献。
生物制药行业正面临前所未有的挑战，竞争加剧、政策压力和数字化转型的浪潮让企业应接不暇。麦肯锡的最新研究发现，通过简化运营模式，企业不仅能节省数十亿美元，还能在复杂市场中脱颖而出，加速创新！...
2025年全国两会提出的“科技创新与产业创新深度融合”战略，标志着我国创新驱动发展进入新阶段。在全球科技竞争加剧和产业变革加速的背景下，推动科技创新与产业创新深度融合，是我国深入实施创新驱动发展战略的内在要求，也...
通过更高效的库存管理，医疗科技公司可以减少高达 30% 的库存——释放现金并减少资产减记。...