Przygotowałem eksplorację problemów i wyzwań inicjujących zakupy w 3 różnych branżach (marketingowej, IT i chemicznej)

1. Zakup strategii marketingowej w firmach B2B.
2. Zakup systemu zarządzania flotą i procesami transportowymi w polskich firmach logistycznych.
3. Zakupu surowców chemicznych wśród producentów tworzyw sztucznych.
   Każdy PDF zawiera profil uczestnika wywiad, podsumowanie oraz pełny wywiad.

Skąd pomysł na eksperyment?

Specjalizujemy się w brandingu dla firm B2B.

Potrzebujemy sporo wiedzy o klientach. Tej samej wiedzy potrzebuje marketing i sprzedaż.

A z tą wiedzą jest kilka problemów.

• Bywa nieusystematyzowana lub niepełna.
• Bywa schowana w głowach zespołu (np. handlowców)
• Trudno ją wyciągnąć z zespołu (np. przez brak czasu)
• Firmy nie bardzo chcą robić badania, żeby ją pogłębić.

Postanowiłem sprawdzić, czy AI pomoże nam w miarę szybko i tanio wypełnić lukę wiedzy między nami a nowym klientem.

Szczególnie w kluczowych obszarach (potrzeby, problemy i wyzwania, rozważane koncepcje rozwiązania, proces zakupowy, category entry points, jobs to be done)

Czy da się szybko poznać klientów w nowym segmencie B2B?

Nasz cel był prosty.

1. Generujemy i systematyzujemy potrzebną wiedzę za pomocą AI.
2. Weryfikujemy z klientem i dostosowujemy do ich kontekstu.

Przez ~3 miesiące eksplorowałem różne podejścia.

(O całym procesie napisze kiedyś dłuższy artykuł)

Początek był mało obiecujący.

Dostawałem zbyt idealistyczną wersję świata B2B.

W końcu trafiłem na ciekawe podejście.

Oparte na generowaniu syntetycznych person przy pomocy AI, z którymi można przeprowadzać np. wywiady lub ankiety (robi to już kilka startupów).

Przebiłem się przez wyniki licznych badań naukowych.

Rozkminiałem różne strategie promptowania, żeby dostawać bardziej realistyczne i zróżnicowane odpowiedzi.

Aż w końcu coś kliknęło.

Przetestowałem podejście na naszej firmie.

Nie tylko poukładałem sobie wiedzę o naszych klienta, ale też poszerzyłem ją.

Porównałem wyniki kilku naszych prawdziwych badań dla klientów z tym, co otrzymałem od AI.

Rezultaty eksperymentu przerosły moje oczekiwania.

To podejście nie zastąpi klasycznych badań.

Ma swoje słabe strony.

Gdy zaczynałem, miałem sporo obiekcji.

• Obawy o wiarygodność informacji
• Brak ludzkości w odpowiedziach
• Brak kontekstu branżowego
• Niedopasowanie do specyfiki B2B

Sporo z nich da się zminimalizować.
A korzyści są bardzo widoczne.

• Efektywność czasowa i kosztowa (ułamek normalnych badań)
• Zbieranie danych o trudno dostępnych person (np. prezesów)
• Skalowalność i eksploracja nowych rynków