ABM basado en IA: Más precisión e impacto para el crecimiento B2B

Descubre cómo el equipo de marketing basado en cuentas (ABM) de Snowflake multiplicó por 2,3 las reuniones reservadas y aumentó un 54 % la tasa de clics (CTR) gracias a la IA de Snowflake para campañas focalizadas y mensajes más personalizados, al tiempo que optimizaba el presupuesto y la interacción. 

Hemos visto cómo las herramientas de IA de Snowflake están transformando los resultados de nuestros clientes. De ahorrar 4000 horas al año en la ingesta manual de correos electrónicos a tratar más pacientes en urgencias y ahorrar un 75 % en costes, la IA en Snowflake está causando un impacto real en empresas de todo el mundo. 

Ese mismo poder transformador también está en marcha en Snowflake. En este caso, examinamos cómo el equipo de marketing basado en cuentas (ABM) de Snowflake utiliza las herramientas de IA de Snowflake para impulsar mejoras significativas en nuestra forma de asignar recursos y conectar con cuentas de alto valor. 

Al igual que muchos equipos de marketing empresarial, el equipo de ABM se enfrentaba a un dilema común: cómo distribuir de forma óptima el presupuesto publicitario entre diferentes territorios, tipos de cuentas y sectores. El equipo debía focalizarse en las cuentas correctas con extrema precisión, pero sin perder de vista los recursos. 

Antes, la asignación presupuestaria del equipo de Snowflake ABM era amplia y estaba dividida por territorios mediante diferentes herramientas. Aunque era funcional, carecía de la información detallada necesaria para una optimización real. El equipo no podía ajustar dinámicamente el gasto en función de las características clave de la cuenta y la interacción en tiempo real, y buscaba una forma de obtener una mayor precisión presupuestaria y, al mismo tiempo, contribuir a cumplir los objetivos empresariales trimestrales del equipo en cuanto al número de reuniones reservadas. 

La solución fue crear un modelo de IA con tecnología de Snowflake Cortex AI, que fuera más allá de la focalización básica. Esta herramienta no solo identifica las cuentas adecuadas para las campañas de ABM, sino que ayuda a predecir cuáles son las que es más probable que respondan positivamente a los esfuerzos de comunicación y den lugar a reuniones programadas. Con esta herramienta, el equipo de ABM identificó varias ventajas importantes:

• Asignación presupuestaria basada en datos: Ahora, los miembros del equipo de ABM pueden justificar y proponer presupuestos para cada región y programa, respaldados por modelos predictivos concretos. Esto reduce las conjeturas y optimiza la asignación de recursos.

• Responsabilidad y rendimiento mejorados: Unas predicciones más claras impulsan la responsabilidad y se centran en ofrecer resultados medibles.

• Optimización ágil: El modelo permite realizar ajustes presupuestarios en tiempo real en función del rendimiento de la cuenta y de la dinámica cambiante del mercado, lo que fomenta una adaptabilidad que es crucial para empresas en pleno crecimiento, como Snowflake.

Pusieron a prueba el modelo con una hipótesis sencilla: ¿podría predecir los resultados de las reuniones con una certeza del 80 % e incrementar la tasa de reuniones en un 3 % mediante un gasto optimizado? 

La respuesta fue afirmativa. “Hemos observado un aumento de 2,3 veces en el número de reuniones reservadas en las cuentas de alto potencial en comparación con las cuentas de menor potencial”, afirma Breanna Cherman, Senior ABM Strategic Operations Lead de Snowflake. “En esencia, descubrimos que este modelo puede ayudarnos a gastar un 38 % menos para interactuar más con nuestra audiencia y celebrar más reuniones en las cuentas adecuadas”.

El equipo de ABM ha implementado completamente el modelo en su planificación del territorio de ventas. “Al utilizar el modelo de IA para identificar cuentas de alto potencial y acelerar nuestra estrategia de ventas, no solo estamos ganando más”, afirma Cherman. “Estamos ganando con más rapidez, inteligencia y precisión que nunca”.

El equipo de ABM también se asoció con el equipo de la marca Snowflake para adaptar los mensajes publicitarios a las cuentas de ventas más prioritarias. Dada la cantidad de cuentas que maneja ABM y lo importante que es el mensaje personalizado para la interacción, el equipo decidió probar si los mensajes publicitarios generados por la IA podían mejorar la tasa de clics (CTR) y el ROI general de las campañas. Si fuera así, ayudaría a gestionar la escala. 

El equipo de AEM utilizó Cortex AI y trabajó en estrecha colaboración con el equipo de la marca Snowflake para desarrollar directrices e instrucciones (prompts) para que un large language model (LLM) ejecutara la tarea. Seguidamente, crearon una aplicación de Streamlit basada en el prompt en Cortex AI.

Método 1: La IA frente a los indicadores de referencia históricos

En un primer paso, compararon el rendimiento de los mensajes publicitarios generados por la IA con los datos de rendimiento históricos o los indicadores de referencia regionales establecidos para sus campañas. Esto permitió evaluar directamente si la IA superaba las prácticas recomendadas establecidas anteriormente. El equipo de la marca realizó revisiones para garantizar que el mensaje publicitario cumplía con los estándares de la marca y la calidad de la redacción. En general, los mensajes generados por la IA obtuvieron un mejor rendimiento, lo que a menudo demuestra una mejora de los CTR en comparación con los indicadores históricos o regionales.

Método 2: Pruebas A/B directas en LinkedIn

Para validar aún más estas conclusiones, el equipo de ABM realizó pruebas A/B en LinkedIn. Publicaron campañas en las que la mitad de la audiencia objetivo vio mensajes publicitarios originales, escritos por humanos, mientras que la otra mitad vio mensajes publicitarios generados por IA. Esta comparación directa proporcionó una medición clara e imparcial de la eficacia de la IA.

El mensaje publicitario generado por la IA volvió a dar en el clavo. Después de algunas pruebas finales, en última instancia, las campañas que utilizaron el mensaje generado por IA experimentaron un aumento del 54 % en el CTR en comparación con las que utilizaron la copia original. “Con la IA, ya no tenemos que elegir entre eficiencia y personalización, ahora podemos tener ambas”, afirma Maila Ruggiero, Account-Based Marketing Manager de Snowflake. “Por tanto, podemos escalar un mensaje impactante que capte la atención de clientes potenciales al abordar sus necesidades, desafíos y objetivos”.

Hasta la fecha, el equipo ha implementado con éxito el modelo y ahora se centra en mejorar sus capacidades para generar resultados ampliados e integrarlos en automatizaciones adicionales dentro del proceso de ejecución de campañas. 

Para obtener más información sobre cómo los clientes utilizan la IA generativa con Snowflake y ver resultados reales, descarga el informe Los secretos para alcanzar el éxito con la IA generativa o explora las soluciones de IA de Snowflake.