Snowflake
كيف قال الذكاء الاصطناعي لهم مين الجاهز يشتري—قبل مندوبيهم
النتايج اللي غيّرت قواعد الـ ABM
الحسابات عالية الاهتمام مقارنةً بالمنخفضة
اللي كان بيتصرف على حسابات مش مهتمة
زيادة في متوسط حجم الصفقة
الـ Pipeline المؤهل للمبيعات
التحدي: شغل تعب على الغلط
Snowflake: منصة البيانات السحابية اللي كلهم بيدوروا عليها
Snowflake واحدة من أسرع شركات البرمجيات للمؤسسات نمواً في التاريخ. منصة البيانات السحابية بتاعتهم بيستخدمها آلاف الشركات حول العالم.
المنتج قوي. البراند معروف. السوق ضخم.
بس فريق الـ ABM عندهم كان عنده مشكلة: كانوا بيشتغلوا على آلاف الحسابات كل ربع سنة—ومعظمها كان مش هيشتري أبداً.
مشكلة ميزانية الـ ABM اللي محدش بيتكلم فيها
فريق ABM في Snowflake كان شغال ومجتهد وعنده تمويل كويس. بس ماكنش عنده طريقة علمية لترتيب الأولويات.
💡 اللحظة اللي فيها فهموا
السؤال ماكانش "إزاي نشتغل أكتر؟"
السؤال كان "إزاي نعرف فين نركز؟"
المشكلة ماكانتش في التنفيذ. المشكلة كانت في ترتيب الأولويات.
38% من الميزانية كانت بتتصرف على حسابات ماكانتش هتتحول—مش لأن الفريق وحش، لكن لأنهم ماكانوش يعرفوا أنهي الحسابات الجاهزة.
الحل: نماذج الذكاء الاصطناعي التنبؤية (Propensity Models)
Snowflake بنت نموذج ذكاء اصطناعي تنبؤي باستخدام Snowflake Cortex AI بيدي نقطة لكل حساب بناءً على احتمالية استجابته للتواصل وحجزه لاجتماع.
النموذج ماحلش محل فريق المبيعات. لكنه قالهم مين يتصلوا بيه، امتى يتصلوا، وإيه يقولوا.
نموذج احتمالية الاجتماع (Meeting Propensity Model)
النموذج دمج أربع إشارات بيانات في نقطة ترتيب أولويات واحدة لكل حساب:
أنهي صفحات زاروا؟ قعدوا قد إيه؟ حملوا محتوى؟ شافوا ديموز؟
الإشارة: حد شاف ديمو للمنتج 20 دقيقة أكتر جاهزية من حد فتح الصفحة الرئيسية وراح.
إيه المواضيع اللي بيبحثوا عنها على الإنترنت؟ بيقروا عن "مستودعات البيانات السحابية" ولا "بدايل Snowflake"؟
الإشارة: شركة بتبحث عن "الانتقال من On-Premise لـ Cloud Data Warehouse" دي في السوق دلوقتي.
هل صناع القرار من الحساب ده بيتفاعلوا مع محتوى Snowflake على LinkedIn؟ بيعجبهم بوستات؟ بيعلقوا؟ بيشاركوا؟
الإشارة: VP of Data Engineering يعجبه 3 بوستات Snowflake في أسبوع واحد—ده معناه إنه منتبه.
إيه اللي بيشترك فيه الصفقات الناجحة اللي اتعملت قبل كده؟ حجم الشركة؟ الصناعة؟ التقنيات المستخدمة؟ التفاعلات السابقة؟
الإشارة: الحسابات اللي بتشبه الصفقات الناجحة السابقة أكتر احتمال تتحول.
نقطة الاحتمالية (Propensity Score)
كل حساب أخد نقطة من 0 إلى 100 بناءً على الأربع إشارات دول.
- • حسابات عالية الاحتمالية (80-100): أقصى تخصيص للميزانية، أولوية قصوى لمندوبي الـ SDR، حملات مخصصة
- • حسابات متوسطة الاحتمالية (50-79): معالجة ABM عادية، تسلسلات رعاية تلقائية
- • حسابات منخفضة الاحتمالية (0-49): أقل ميزانية ممكنة، إزالتها من التواصل النشط، نقلها لقائمة رعاية طويلة الأمد
الميزانية وطاقة الـ SDRs اتوجهت للحسابات ذات النقط العالية—وانسحبت من الحسابات المنخفضة.
النتايج: 2.3x اجتماعات أكتر، 150% نمو في الـ Pipeline
نمو الـ Pipeline المؤهل للمبيعات
بالتركيز على الحسابات اللي كانت فعلاً جاهزة تشتري
كفاءة الاجتماعات
الحسابات عالية الاحتمالية اتحولت بمعدل 2.3x
- 2.3x زيادة في الاجتماعات المحجوزة مقارنةً بالحسابات المنخفضة
- الـ SDRs بقوا يصرفوا وقتهم على الحسابات اللي بترد فعلاً
- وقت أسرع من التواصل للاجتماع
- نسبة حضور أعلى للاجتماعات المحجوزة
تحسين الميزانية
تخفيض 38% في الإنفاق المهدر
- 38% أقل ميزانية بتتصرف على حسابات مش مهتمة
- الميزانية اتوجهت للحسابات عالية الاحتمالية
- عائد استثمار أعلى على حملات الـ ABM
- استخدام أكفأ لوقت الـ SDRs
جودة الصفقات
صفقات أكبر من استهداف أفضل
- +80% زيادة في متوسط قيمة الصفقة
- الحسابات عالية الاحتمالية كان عندها ميزانيات أكبر
- التوافق الأفضل = دورات مبيعات أسرع
- معدلات فوز أعلى على الـ Pipeline المؤهل
اختبار الذكاء الاصطناعي مقابل الكتابة البشرية
A/B Test على إعلانات LinkedIn
Snowflake ماستخدمتش الذكاء الاصطناعي في الاستهداف بس. جربته في الكتابة الإعلانية كمان.
الإعلان المكتوب بشرياً
كتّاب إعلانيون محترفون صمموا الإعلانات بناءً على أفضل الممارسات وهوية العلامة التجارية.
الإعلان المولّد بالذكاء الاصطناعي
الذكاء الاصطناعي حلل آلاف الإعلانات الأعلى أداءً وولّد نصوصاً محسّنة للتفاعل.
الذكاء الاصطناعي ماوصلش بس لمستوى كتّاب الإعلانات البشريين—تجاوزهم بنسبة 54%. مش لأن الإنسان وحش في الكتابة، لكن لأن الذكاء الاصطناعي قادر يحلل أنماطاً في آلاف الإعلانات مش في طاقة أي إنسان يعالجها.
إزاي النموذج اشتغل فعلاً
1. جمع البيانات والتكامل
Snowflake سحبت بيانات من مصادر متعددة في Data Warehouse بتاعتهم:
- • تحليلات الموقع (Google Analytics, Snowplow)
- • بيانات الـ CRM (Salesforce)
- • أتمتة التسويق (Marketo)
- • بيانات النية (Bombora)
- • بيانات التفاعل على LinkedIn
- • نتايج الصفقات التاريخية
كل البيانات اتمركزت في منصة Snowflake نفسها—اللي خلّى الاستعلام والتحليل سهل وسريع.
2. تدريب النموذج باستخدام Snowflake Cortex AI
باستخدام Snowflake Cortex AI، درّبوا نموذج تعلم آلي على البيانات التاريخية:
- • الحسابات اللي حجزت اجتماعات (أمثلة إيجابية)
- • الحسابات اللي ماردتش (أمثلة سلبية)
- • كل الإشارات المرتبطة (سلوك الموقع، النية، LinkedIn، الـ CRM)
النموذج تعلم: "إيه اللي بيشترك فيه الحسابات اللي بتحجز اجتماعات؟"
النتيجة: نقطة احتمالية بتتنبأ باحتمال الاجتماع بدقة عالية.
3. التقييم الفوري وترتيب الأولويات
كل حساب في الـ CRM بقى ياخد نقطة بشكل فوري مع كل بيانات جديدة بتيجي:
- • الحساب زار صفحة التسعير ← النقطة بتزيد
- • VP of Data عجبه بوست على LinkedIn ← النقطة بتزيد
- • بيانات النية تبيّن بحثاً عن المنافسين ← النقطة بتزيد
- • مفيش تفاعل لمدة 30 يوم ← النقطة بتنقص
الـ SDRs كانوا بيشوفوا النقط المحدّثة في Salesforce كل صباح—بتقولهم بالظبط مين يستهدفوا أولاً.
4. إعادة توزيع الميزانية بناءً على النقطة
الموارد التسويقية وموارد الـ SDR اتوزعت ديناميكياً بناءً على نقط الاحتمالية:
- • عالية الاحتمالية (80-100): تواصل مخصص، إعلانات في مواضع مميزة، بريد مباشر، تفاعل تنفيذي
- • متوسطة الاحتمالية (50-79): حملات ABM عادية، تسلسلات إيميل تلقائية
- • منخفضة الاحتمالية (0-49): أقل إنفاق ممكن، رعاية طويلة الأمد فقط
من هنا جت وفورات الـ 38% في الميزانية—بالانسحاب من الحسابات اللي ماكانتش جاهزة.
الدرس الأهم
الذكاء الاصطناعي ماحلش محل فريق المبيعات—لكنه خلّاهم أذكى
الـ 38% من الميزانية اللي كانت بتتصرف على حسابات مش مهتمة—ماكانتش بتتهدر بسبب تنفيذ سيئ.
كانت بتتهدر على الحسابات الغلط.
- ✅ قال للـ SDRs مين يتصلوا بيه (الحسابات عالية الاحتمالية)
- ✅ قالهم امتى يتصلوا (لما الإشارات بتعلى)
- ✅ قالهم إيه يقولوا (نصوص إعلانية بالذكاء الاصطناعي حققت تحسن 54%)
تصليح مدخل واحد—ترتيب الأولويات—غيّر كل النتايج اللي بعده:
- • اجتماعات أكتر (2.3x زيادة)
- • صفقات أكبر (+80% في متوسط قيمة الصفقة)
- • Pipeline أضخم (+150% نمو)
الفرق بين الشركات اللي بتشتري أدوات الذكاء الاصطناعي والشركات اللي بتنشرها صح هو نموذج واحد مصمم بشكل صحيح.
كيف أطبق الاستهداف بالذكاء الاصطناعي النهارده
الذكاء الاصطناعي لأسواق B2B في MENA
نموذج Snowflake بيشتغل عالمياً—بس محتاج تكييف لسوق MENA
- مصادر بيانات النية مختلفة (Bombora تغطيتها في MENA محدودة)
- تفاعل LinkedIn قوي في أسواق الخليج
- تتبع سلوك الموقع بيشتغل في كل مكان
- جودة بيانات الـ CRM غالباً أكبر فجوة في MENA
ابدأ بما عندك: بيانات CRM + سلوك الموقع. أضف بيانات النية وأنت بتكبر.
مش محتاج ميزانية Snowflake
المبادئ بتشتغل بأي حجم
- الشركات الصغيرة: ابدأ بـ Lead Scoring بسيط في HubSpot أو Salesforce
- الشركات المتوسطة: أضف بيانات النية (Bombora, 6sense, Demandbase)
- المؤسسات الكبيرة: ابنِ نماذج مخصصة زي Snowflake
- المنطق واحد: رتب الأولويات على أساس إشارات، مش حدس
ماتستناش لحد ما تبقى بياناتك مثالية. ابدأ تقيّم الحسابات بالإشارات اللي عندك النهارده.
هدر الـ 38% في الميزانية موجود في كل مكان
معظم شركات B2B بتنفق على الحسابات الغلط
- الـ SDRs بيتصلوا في حسابات بالترتيب الأبجدي أو بالمنطقة الجغرافية
- التسويق بيبعت نفس الحملات للكل
- مفيش فرق بين الجاهز للشراء والمش جاهز
- الميزانية بتتوزع بالتساوي بدل ما تتركز على الأعلى نية
راجع إنفاق الـ ABM بتاعك. قد إيه بيروح على حسابات مش هتتحول أبداً؟
الكتابة بالذكاء الاصطناعي حقيقية
زيادة 54% في الـ CTR مش حظ—ده تعرف على الأنماط
- الذكاء الاصطناعي بيحلل آلاف الإعلانات الأعلى أداءً
- بيكتشف أنماط مش في طاقة الإنسان يشوفها
- بيولّد تنويعات أسرع من أي فريق
- الـ A/B Testing بيثبت إيه اللي بيشتغل
جرّب النصوص المكتوبة بالذكاء الاصطناعي مقابل أفضل نصوصك البشرية. خلّي البيانات تقرر.
نماذج الاحتمالية محتاجة أربع إشارات
إشارة واحدة مش كفاية. أربع إشارات بتعمل دقة حقيقية.
- سلوك الموقع (إيه اللي بيعملوه على موقعك)
- بيانات النية (إيه اللي بيبحثوا عنه في أماكن تانية)
- التفاعل الاجتماعي (LinkedIn, Twitter)
- الأنماط التاريخية (الصفقات الناجحة السابقة بتشبه إيه)
لو عندك إشارة واحدة بس، ابدأ بيها. أضف إشارات أكتر مع نضوجك.
جاهز تبطل تهدر ميزانيتك على الحسابات الغلط؟
لو شركتك B2B وبتصرف على ABM أو Outbound أو Demand Gen—وأنت مش بتستخدم Propensity Scoring—على الأغلب بتهدر من 30 لـ 40% من ميزانيتك.
إزاي تصلح ده:
- • إزاي بترتب أولويات الحسابات النهارده؟
- • أنهي إشارات بتستخدمها (لو في أصلاً)؟
- • قد إيه ميزانية بتروح على حسابات مش مهتمة؟
- • ابدأ ببيانات الـ CRM + سلوك الموقع
- • أضف بيانات النية لو الميزانية تسمح
- • قيّم الحسابات من 0 إلى 100 بناءً على الإشارات
- • اسحب الإنفاق من الحسابات مش المهتمة
- • ضاعف التركيز على الحسابات عالية الاحتمالية
- • قس الزيادة في الاجتماعات والـ Pipeline وحجم الصفقة
هل تريد نتائج مماثلة لعملك؟
دعنا نناقش كيف يمكن لاستراتيجيات المبيعات المؤسسية أن تساعدك في تحقيق نتائج استثنائية
البريد الإلكتروني
ask@mo-yf.me
الأفضل للاستفسارات التفصيلية
استشارة مجانية
احجز مكالمة 30 دقيقة
ناقش مشروعك
لينكدإن
تواصل مهنياً
للتواصل المهني
✓ استشارة مجانية • ✓ رد خلال 24 ساعة • ✓ عربي وإنجليزي