Автоматизация ABM: что отдать ИИ, а что оставить за маркетологом

Алексей Токарев — 18 лет в B2B-маркетинге, шесть лет строил ABM в «Контуре» с топ-500, потом собрал платформу автоматизации ABM. Здесь он разбирает, что из этой работы реально отдать машине.

Ручной ABM работает и приносит деньги — ровно до арифметического потолка. Один персональный менеджер держит в голове около ста аккаунтов: кто двигается по сделке, что обещали на прошлой встрече, кто сидит в закупочном комитете. Дальше память сдает. Приоритет незаметно начинает строиться по свежести последнего разговора; близость аккаунта к решению уходит из виду.

В статье — методология автоматизации ABM от практика: что автоматизируется без потерь, что ломается при попытке передать это модели, и по какому признаку рабочая автоматизация отличается от красивого прототипа. Сквозной пример — клиент из промышленности, которому продают станок для производства: проект честно назван как есть, без придуманных цифр по выручке.

Главное за неделю — в дайджесте

Подпишитесь, чтобы не пропустить

Подписаться

Потолок ручного ABM: почему приоритет нельзя доверять памяти

Ручной ABM в «Контуре» работал и давал результат. По его данным, выручка сегмента росла от 25 до 33% в год, удержание держалось на уровне 95–98%, NPS от 70 до 75,3%. Сегмент — топ-500 по отраслевым рейтингам, компании уровня «Росатома», РЖД, «Роснефти», с циклом сделки от полугода до полутора лет и несколькими ролями заказчика в каждой.

Потолок здесь упирается в арифметику. Мотивация команды тут ни при чем: сто аккаунтов на менеджера — это сто состояний, которые нужно держать в голове одновременно. Первый риск: договоренности забываются незаметно. Маркетолог не осознает, что перестал работать с аккаунтом, а потом выясняется, что последнее касание было четыре месяца назад.

Второй риск тоньше и опаснее. Работа идет с теми, кто вспомнился, с кем недавно говорили; те, кто ближе к сделке, остаются в стороне. Приоритет строится по свежести собственной памяти. Никто этого не замечает, потому что каждое отдельное решение выглядит разумным.

Переломным стал расчет — провала для этого не понадобилось. На датасете больше миллиона событий были выделены сигналы роста, проверены пять гипотез и отобраны 15 целевых аккаунтов — конверсия по ним составила 10,4%. Эти 15 руками бы никто не выбрал: сигналы размазаны по сотням строк поведения. По тому же принципу — правило вместо памяти — построена и ABM-воронка на реальном контракте.

Отсюда первый вывод. Автоматизация в ABM нужна не ради экономии времени. Ее смысл в другом: приоритет задает правило, одинаковое для всех аккаунтов, а не память конкретного маркетолога.

Почему не докрутить CRM, рассылки и таблицы

Первая реакция — обойтись тем, что уже стоит. CRM отвечает на вопрос, что было со сделкой. Рассылочный сервис — кому отправили письмо. Сквозная аналитика — откуда пришел трафик. Ни один из них не отвечает на главный вопрос ABM: с кем работать сегодня и почему именно с ним.

Докрутить эти инструменты до ответа мешают три проблемы.

Первая — отсутствие данных о поведении в CRM. Клиент может трижды за две недели открыть страницу интеграции, но в карточке сделки об этом не появится ни строки. Поведение фиксируется в аналитике, а сделки — в CRM, поэтому связать их удаётся только ручной выгрузкой.

Вторая причина — таблица не возвращается в работу продавца. Маркетолог нарезал сегмент в Excel, показал на планерке, все согласились. Через неделю продавец открывает CRM — там пусто. Сегментация осталась упражнением маркетолога и до отдела продаж не дошла.

Третья причина — сегмент, собранный выгрузкой, невоспроизводим. Через месяц база изменилась, а правило нарезки осталось в голове автора. Повторить его, поправить или объяснить новому сотруднику уже нельзя.

Платформа «ABM Персона» собирает рабочее решение из трёх шагов по единому потоку событий. Система одновременно учитывает три оси приоритета, а результат возвращает в карточку компании в CRM — туда, где работает продавец. Сам сегмент хранится в виде правила: его можно прочитать словами и пересчитать в любой момент, а не просто задать статичным списком.

С чего начинается ABM: ICP и рабочий сегмент

Профиль идеального клиента почти всегда сводят к фирмографике — отрасль, оборот, штат, регион. Она описывает компанию, но молчит о главном — зачем компании продукт. Два завода с одинаковым ОКВЭД, оборотом и численностью — это две вселенные для сделки, если у одного месяц назад встала линия, а у второго все работает. Фирмографика сольет их в один сегмент.

Есть простой тест, который за минуту отделяет описание рынка от ICP: подставить вместо своего названия ближайшего конкурента. Если формулировка осталась верной — описан рынок; идеального клиента в ней нет. Классический подход к профилю идеального клиента уступает место более узкому — от признаков компании к признакам проблемы.

Масштаб отсева стоит принять заранее. Из списка в 200 компаний по фирмографике реальную проблему испытывают около 20, остальные 180 вежливо отказываются. Цифра согласуется со структурной закономерностью B2B-рынка. По данным Ehrenberg-Bass, лишь малая доля целевых аккаунтов готова покупать в конкретный момент: около 20% в течение года и порядка 5% в квартал. Остальные 95% прямо сейчас не находятся на рынке.

Рабочий ICP держится на пяти элементах — их удобно собрать на аккаунте того самого завода:

• Проблематика. Задачу нужно декомпозировать и честно спросить, решает ли ее станок. Вопрос «может ли в принципе» тут не годится. Половина аккаунтов отваливается здесь. Так и должно быть.
• Триггер. Событие с датой: расширение линии, выход оборудования из строя, новый заказ. Вместо абстрактной потребности — конкретный момент, в который приходят с предложением.
• Бюджет. Из какой статьи оплачивается, есть ли закупочный комитет, идет ли сделка через тендер — тендер разворачивает весь сценарий иначе.
• Сигналы поведения. Форма обратной связи, звонок, вопрос в чате, вопрос с конференции. Собранные в одно место, они работают; вопрос, оставшийся в блокноте менеджера, для системы не существует.
• Дисквалификаторы. Список тех, кому не пишем: заказная разработка с длинным циклом и несоразмерным чеком. Вычеркивать психологически тяжелее, чем добавлять, — поэтому этот пункт чаще всего пропускают.

Труднее всего дается проблематика. Триггер ловится сигналом, бюджет спрашивается, а формулировку проблемы кто-то должен честно дать словами. Правильный ответ нередко звучит как «не решаем». Отсюда критерий рабочего сегмента: если его состав нельзя объяснить словами и повторить руками, сегмента нет — есть лишь результат разового прогона.

Скоринг аккаунтов и как объяснить его продажам

ICP и рабочий сегмент отвечают на вопрос, с кем вообще работать. Дальше нужно решить, с кем работать в первую очередь, — для этого нужен скоринг. Приоритет собирается из трех осей одновременно:

• RFM по квинтилям: давность, частота и деньги за год — насколько плотно компания контактирует.
• Балл вовлеченности: взвешенная сумма событий за 90 дней с периодом полураспада 30 дней. Событие месячной давности весит примерно вдвое меньше вчерашнего: интерес остывает. Обычный подсчет событий за период этого не видит.
• Стадия жизненного цикла — определяется по фактам, без чьей-то ручной отметки.

Вес события зависит от того, сколько человек в него вложил. Запрос демонстрации и запрос консультации весят кратно больше просмотра страницы: просмотр можно сделать случайно, а на встречу человек тратит время и подставляется перед коллегами. Балл пересчитывается по кнопке, четыре раза в сутки по расписанию и после каждой синхронизации с CRM. Скоринг, который считают руками раз в месяц, перестают считать на второй.

У честного скоринга есть встроенное ограничение. Балл существует только у компаний с событиями и сделками. Нет размеченных целей и пикселя — база ровная. Отсутствие сигнала — не поломка. Экран должен сказать это словами и не рисовать нули, за которыми якобы что-то стоит.

Продажам скоринг легко кажется «магией маркетинга», и здесь важно объяснение. Стоит показывать правило. Сам список компаний остается за кадром: спор про условие заканчивается за одну встречу, спор про конкретные компании — бесконечный. Балл, сегмент и стадия возвращаются обратной записью в карточку Bitrix24, где передача аккаунта продажам оформляется регламентом и метриками; устная договоренность ее не заменяет.

Рядом с каждой цифрой указывают размер выборки: 40% на пяти компаниях и 40% на пятистах — разные показатели. Показывайте динамику балла за 90 дней: было 30 месяц назад, стало 60. Число в конкретный момент даёт мало пользы. Линию на днях без данных дорисовывать нельзя — график прерывается, а под ним указывают число разрывов. Соединить точки проще, но пойманный на приукрашенном графике продавец перестанет верить цифрам.

Дальше расчёт упирается в стену. Система покажет, что эти 20 аккаунтов разогреваются быстрее, но не объяснит, какую проблему им решают и закрывает ли её продукт. Расчёт заканчивается там, где начинается смысл — это уже работа человека.

Где проходит граница ИИ и человека

Персонализация распадается на три уровня, которые нельзя смешивать.

Уровень аккаунта — что происходит с компанией: стадия, просмотренные страницы, прошлые покупки. Данные такого уровня автоматизируются целиком.

Уровень роли — чем эта роль рискует в проекте: инженеру и его руководителю одно и то же внедрение грозит разным. Заготовок под роли конечное число, обычно четыре-пять на продукт. Живут они около года.

Следующий уровень — человек: что конкретный человек сказал, написал, спросил. Вопрос с конференции, фраза «прошлый поставщик сорвал сроки», сообщение в чат про совместимость — такое не выводится из роли и не считается моделью. Имя в письме сюда не относится: это подстановка поля, персонализацией она не считается.

Отсюда ясно разделение труда. ИИ собирает контекст из карточки, пишет черновик под роль и триггер, предлагает формулировку. Человек делает две вещи, которые нельзя делегировать искусственному интеллекту — он приносит факт про конкретного клиента, которого нет ни в одной базе, и вычитывает каждое письмо. В ABM список получателей короткий. Одно неудачное письмо в enterprise закрывает вход к человеку надолго.

Граница между ИИ и человеком проходит по одному вопросу: кто формулирует проблему. Модель заполняет любой пробел правдоподобным текстом. При этом правдоподобный портрет несуществующего клиента выглядит убедительнее настоящего, ведь в нём нет противоречий — в отличие от живых людей. Именно поэтому отдачу от ИИ пока видят единицы из тех, кто на нее рассчитывал: красивый прототип принимают за рабочий инструмент.

Защита от галлюцинаций заложена в самой архитектуре процесса, а не в настройках промпта. Факты подставляются строго из карточки: если поле пустое, в черновике остаётся пропуск, который редактор сразу заметит. Человек контролирует каждую отправку. На небольшом списке компаний такой контроль не перегружает команду.

Персональные данные граждан РФ хранятся на серверах в России по требованию 152-ФЗ. Поэтому черновики пишет российская языковая модель YandexGPT. Западные модели для этого не используют, а контакты при этом обезличены. Функция без данных или доступа отвечает отказом с причиной. Пустого результата она не возвращает.

Честнее всего эту границу показывают собственные провалы:

• Автоматическая отправка писем без участия человека. От неё пришлось отказаться: список компаний небольшой, экономия времени минимальная, а цена ошибки — потеря входа в аккаунт.
• Весь исходящий контур. Архитектуру однажды написали и сразу выключили: ссылка на отписку вела на служебный автоответ и не отписывала пользователя по-настоящему. Включать такую рассылку нельзя по закону.
• Задвоение весов событий. Продукт собирал просмотры страниц и заполнения форм, а формула балла рассчитывала только открытия писем и клики. В итоге совпавших событий вышло всего три. Ошибку нашли во время сверки описания с кодом боевой сборки.

Вывод из всех трёх историй один: скоринг считает только то, что размечено. Просто собранные данные в расчёт не идут. Зазор между размеченными и просто собранными фактами есть почти всегда. В этом зазоре и ломается автоматизация — там, где ошибку никто не заметил. Сам момент, когда модель ошибается, второстепенен. Важнее другое: видит ли команда прозрачность её работы.

Как запустить без аналитика и с чего не начинать

Запустить ABM-автоматизацию можно в одиночку, без выделенного аналитика — порядок проверен на собственном ABM, который ведется силами одного специалиста. Пять шагов идут строго по возрастанию сложности данных:

• Три выигранные сделки поименно. Сначала достаточно вручную, без специализированных инструментов, выписать три последние победы и посмотреть, кто именно подписывал счёт. Затем — сравнить этих людей с теми, кому команда пишет сейчас. Это всего один час работы, но именно он чаще всего разворачивает всю кампанию.
• Свести базу в одно место. Excel, почта, мессенджеры, CRM — собрать вместе, а дедупликацию по ИНН и домену отдать инструменту.
• Разметить 3–5 целей и поставить пиксель. Без этого скоринг не работает. Три цели лучше пятнадцати: пятнадцать никто не поддерживает в актуальном виде.
• Одно правило сегмента на 20–30 компаний. Вместо 200 — столько, с кем реально успеть руками.
• Одна цепочка под один триггер. Ровно одна, без пяти параллельных.

Инструменту отдается все механическое:

• Дедупликация.
• Обогащение из открытых источников вроде ФНС и реестра МСП.
• Пересчет скоринга.
• Пересборка сегмента.
• Обратная запись в CRM.
• Сбор поведения с сайта.

За человеком остается:

• Формулировка проблемы.
• Список дисквалификаторов.
• Разметка целей.
• Вычитка текстов.
• Работа с конкретным человеком.

Ключевое — закладываться на данные. Разработка тут не главное. Технический контур для клиента из промышленности собрали за два месяца силами одного разработчика. Дольше и незаметнее делается следующее: разметка целей, пиксель, порядок в базе, договоренность с продажами о полях. Эта работа не выглядит как проект, её никто не планирует. Но именно из-за неё проекты останавливаются. То, что показывает сквозная аналитика на воронке с циклом в полгода, тоже зависит от того, размечены ли данные с первого дня.

Отдельно — с чего начинать не стоит:

• Рассылка. Пока нет правила сегмента и понимания проблемы, рассылка только быстрее расходует базу.
• Покупка базы. Список без признака проблемы — те же 200 компаний, из которых нужны 20, только за деньги.
• Выбор инструмента. Он создает ощущение движения в обход единственного неприятного разговора о том, решает ли продукт эту проблему.
• Генерация писем моделью. Хороший текст на неверной гипотезе работает хуже плохого на верной — он убедительнее, его дочитывают до конца, но с ложным выводом.

Что забрать себе

Начать процесс можно уже сегодня — бесплатно и всего за день. Для этого достаточно выписать три выигранные сделки поимённо и составить список клиентов, кому писать точно не нужно.

На первом этапе оценивают качество входящего потока — долю квалифицированных заявок и число встреч с целевыми ролями. Эффект проявится через один-два месяца. Удержание и выручку сегмента оценивают на длинном горизонте. При этом открываемость писем и размер базы отслеживать не стоит: они растут от маркетинговых усилий и никак не связаны с деньгами.

Одна мысль на весь материал: само ремесло осталось прежним — ИИ изменил его экономику. Исследование сегмента раньше стоило сотен тысяч и полутора месяцев — поэтому его просто не делали. Но проблему сегмента ИИ по-прежнему не формулирует. Граница рабочего ИИ и прототипа проходит по проверяемости, а не по технологии.

Короткий чек-лист, что унести из статьи:

• Приоритет задает правило, одинаковое для всех аккаунтов, а не память маркетолога.
• Сегмент — это правило, которое можно объяснить словами и повторить; список — не сегмент.
• Размер выборки стоит рядом с каждой цифрой: 40% на пяти и на пятистах компаниях — разное.
• Человек читает каждое письмо: в ABM одна ошибка стоит года.
• Старт — три сделки и список «кому не пишем», а не рассылка и не покупка базы.
• Закладываться на данные, не на разработку: разметка, пиксель, порядок в базе, поля в CRM.
• График не дорисовывается: дни без данных остаются разрывом.