我想，B2B產業變革行進當中，技術的功勞需被記上一筆。無論是從互聯網到物聯網，從傳統軟件到SaaS，還是從云計算到如今的人工智能（以下簡稱AI），這些進步都作用于產品的更新迭代中，也作用于人們日常工作中。

億歐過往從采訪過的多家B2B企業發現，AI等新技術已經融入產品的中，并且這些技術也在改變著銷售行為、辦公溝通。

我們同樣發現，2017年隨著B2B產業變革滲透的不斷成熟，各家企業紛紛把搶占更大市場份額作為今年主要目標，但是B2B銷售市場不同于C端靠地推、明星代言等宣傳方式帶動流量，這時的“你”需要懂企業客戶想要的是什么，而AI的運用有效的幫助這一點。

現在人工智能的發展更多是一種時尚的潮流，它超越規則，提供理解內容或語言的能力，找到可以應用于未來的模式，消化各種信息，做出推理的決定。

所以一個接一個，B2B供應商們正在推出他們的AI“標簽”，例如定位平臺Demandbase，CRM和營銷平臺Salesforce，賬戶參與平臺YesPath，會話式平臺Conversica，以及B2B預測營銷CaliberMind，這樣的應用覆蓋越來越多的企業。

AI對企業銷售行為究竟會產生哪些影響，CaliberMind的CEO兼聯合創始人Raviv Turner認為最具有影響意義的是AI有助于解決特別是B2B方面所遇到的關鍵挑戰。

首先，和企業做生意是復雜的。

此前Gartner研究發現，企業購買決定團隊平均有5.4人，這個數字現在估計為6.8人。與C端消費者銷售不同，購買決定通常由一人或兩個個體作出決策，商業購買則要求達成廣泛而有根據的共識和決定。

“AI幫助你確定采購團隊購買意向，”通過平臺繪制組織圖表，篩選出線索以確定團隊成員購買意向、分析和細分成員背景，并預測哪些優惠可能會對他們有吸引力。

展現更多意向信號

B2B的特點是銷售周期長，而且可能越來越長。研究公司Sirius最近發現，銷售周期比幾年前的時間長25%，交易額為50到10萬美元，平均每7到8個月時間完成。

這意味著一個乙方（賣家）最好將營銷和銷售與客戶采購周期相匹配，在需要的時候提供產品信息、競爭比較，適時提供合適的優惠。這種對客戶意愿和采購周期的追蹤，需要的不止是“危險”時所提供的意愿信號，而是在這些信號產生之際，乙方的人就已經開始有方案供以解決。

然而意愿信號并不完全具有預測性，它表明了人們的興趣，但并不完全是這個進程的發展階段，Turner提到因為這沒有體現B2B采購決策模式（三種）：①以總部為中心的公司；②以項目組或事業部的分散管理為主；③或者以上兩種都包括。而去中心化模式的耗時甚至長于平均銷售周期，部分原因是決定層級往往不太成熟。

分公司為了購買新的辦公打印機，可能必須要從各種用戶那里獲取信息，這意味著決策者比往常多了起來，增加了決策難度，花費的時間成本也更大。據Turner說，在一個冗長的銷售周期中，B2B客戶的平均消費決定需要溝通多達17個內外部。

遺憾的是，AI無法改變決策結構、團隊成員數量或銷售周期。但它可以跟蹤數據庫的數據，因此所有的線索、特征屬性、意圖信號、網站訪問、電子郵件交流、白皮書下載、主要動作、營銷和銷售之間的協調，以及幾十而不是幾百個非重要因素都可以被收集并分析成預測結果。

數據孤島是B2B相對B2C銷售中面臨的一個較大問題，因為有更多的決策者參與，B2B并不是直接型交易。也就是說，消費者不是用信用卡購買一件新外套這樣簡單。

B2B交易是一個努力爭取的過程、出價、報價、授權信、訂購單、訂購單，有時也是電子支付方式的請求。即使B2B的支付過程也是復雜的，這也和很多方面的數據有關。

要編排各種不同數據的關鍵是，AI能夠處理非結構化數據，非格式化數據。這就包含大多數企業通訊生活，例如有多小時的電子郵件、自然語言處理和分析電話、社交帖子等等。

大數據的運用不斷更新B2B的要求。工具和平臺中AI層的豐富使得這種數據爭奪更多的客戶資源，因為這意味著你不必雇用數據科學家才能進入戰場。

從投資回報方面看，隨著周期的延長，團隊規模越來越大，決策流程越來越復雜，相關數據越來越豐富，需要各種各樣的AI輸入工具，以確定哪些因素會影響銷售增長。

在任何人都知道AI是什么的前提下，企業面對B端客戶展開了相關業務。但現在競爭的優勢在于數據的供給，而AI已成為維持生存的動力。