PipelineIQ: 행동을 유도하는 미래 지향적 영업 인텔리전스

요약

영업 및 고객 관계 관리(CRM) 데이터는 복잡합니다. 수십 년 동안 저희는 기록 시스템(예: Salesforce) 내에서 영업 데이터의 정확성을 강제로 개선하려고 노력했지만, 데이터는 여전히 복잡한 상태입니다. 소비 중심 CRM 환경에서 복잡한 CRM 데이터 문제는 상당한 관리 부담(>20% 생산성 저하)을 야기하며 예측(및 수익) 예측 가능성에 심각한 영향을 미칩니다.

PipelineIQ는 복잡한 CRM 데이터를 명확한 조치로 변환합니다. 즉, 어떤 거래를 포기해야 하고, 어떤 거래를 전환해야 하며, 어떤 거래를 가속화해야 하는지를 알려줍니다. 과거를 돌아보고 데이터의 정확성을 가정하는 전통적인 예측과 달리, PipelineIQ는 AI를 사용하여 실제 파이프라인에서 미래 예측 신호를 추출합니다. 즉, 불완전한 필드, 지연된 업데이트 등을 모두 고려하여 팀에 정확히 무엇을 해야 하는지 알려줍니다.

PipelineIQ는 Databricks에서 Databricks를 사용하여 구축된 사례입니다. 저희 영업팀은 모든 B2B 영업팀이 겪는 것과 동일한 파이프라인 관리 문제에 직면했습니다. 즉, 불완전하고 일관성이 없으며 과거 지향적인 CRM 데이터를 수동으로 검토하는 데 시간을 소비하는 것이었습니다. 그래서 저희는 Foundation Model API, Unity Catalog, Delta Lake 및 AI/BI 대시보드를 사용하여 Databricks에서 PipelineIQ를 구축하여 자체 복잡한 영업 파이프라인 데이터를 노이즈를 제거하는 미래 예측 실행 엔진으로 전환했습니다. 저희는 사람들이 집중할 수 있도록 돕고 영업 리더가 영업 문제를 진단하여 실행을 최적화할 수 있는 도구를 만들었습니다. 이 게시물에서는 AI를 실제로 어떻게 적용했는지, 그리고 왜 사용해야 하는지에 대해 논의합니다.

대부분의 "영업 AI" 게시물이 핵심을 놓치는 이유

대부분의 영업 AI 콘텐츠는 모호한 "통찰력" 또는 "데이터 기반 의사 결정"을 약속합니다. 또한 모든 것을 회고적 우선 철학으로 접근합니다. 즉, 발생한 일을 바탕으로 앞으로 무엇이 발생할 수 있을지에 대한 것입니다. 이를 뒤집으면 처방적 분석이 됩니다. 즉, 현재 알고 있는 것을 바탕으로 다음에 무엇을 해야 하는지에 대한 것입니다.

예측보다는 실행과 위험에 집중한 이유, AI의 강점을 활용한 방법 등에 대해 이야기하겠습니다. 질문에 집중하는 것이 솔루션 구축의 핵심입니다. 의미 있는 조치를 위해서는 프롬프트를 개선하는 것이 중요합니다.

속도가 중요했습니다. 간단하게 유지하고 구매 대신 직접 구축하는 것이 비결이었습니다. 이 접근 방식을 통해 CRM 소프트웨어 공급업체가 작동 방식이 아닌 실제 비즈니스 방식을 존중하는 도구를 구축할 수 있습니다.

또 다른 예측 솔루션을 구축하지 않은 이유는 무엇인가요?

영업 분야의 많은 AI 솔루션은 완벽한 예측이라는 꿈을 팔거나 모든 사람이 접근할 수 있도록 합니다. 이는 몇 가지 이유로 대부분 허황된 이야기입니다. 그들은 왜 어려운지에 대한 부분을 간과합니다. 이것은 예측에 관한 게시물이 아니므로 다른 접근 방식을 택한 이유를 설명하겠습니다.

그렇다면 예측 솔루션은 왜 일반적으로 실패할까요? 솔직히 말해서 예측은 과학이며, 아무도 그것을 할 시간이 없습니다. 효과적인 예측을 보장하기 위해 제대로 파악하거나 고려해야 할 두 가지 주요 고려 사항이 있습니다.

과거 데이터는 거래가 이미 완료되었기 때문에 완전해 보입니다

예측 모델은 정확하고 완전한 과거 데이터를 사용하며 활성 거래도 동일하다고 가정합니다. 하지만 그렇지 않습니다. 성사된 거래는 모든 필드가 채워져 있습니다. 영업 프로세스가 완료되고, 서류 작업이 완료되었으며, 여정이 문서화되었기 때문입니다. 하지만 진행 중인 거래는 어떻습니까? 영업 담당자는 시간이 있을 때 또는 파이프라인 검토 중에 필요할 때 CRM에 입력합니다. 필드는 "나중에 할 것"이라는 메모와 함께 비어 있습니다. 중요한 정보(다음 단계 날짜, 주요 연락처, 경쟁 정보 등)가 누락되었거나 몇 주 동안 업데이트되지 않았습니다.

전통적인 예측은 현재 CRM에 있는 것을 바탕으로 영업 여정을 재구성할 수 있다고 가정합니다. 현실에서는 매일 완전한 데이터를 캡처하지 않았다면(캡처하지 않았습니다), 불완전한 스냅샷을 기반으로 모델을 구축하는 것입니다. 예측은 미래를 예측하는 것이 아니라 허구를 기반으로 추측하는 것입니다.

예측은 예측하려는 시스템의 작동 모델이 필요합니다

영업에서 '시스템'은 거의 전 세계입니다.

완전한 데이터가 있어도 모델이 현실을 포착하지 못하면 예측은 실패합니다. 인간을 모델링해야 합니다. 즉, 주 단위로 업데이트되는 단계, 영업 담당자의 과소 또는 과대 보고, 피드백 루프 문제(예측에서 하락이 예측되면 수많은 사람들이 이를 "수정"하기 위해 몰려들어 예측을 무효화하는 경우)를 모델링해야 합니다. 이것은 매우 복잡합니다.

비즈니스를 모델링해야 합니다. 즉, 제품 라인, 영업 방식, 단계 정의, 조직 계층 구조 및 팀 역학이 모두 복잡성을 야기합니다. 올바른 규모를 선택해야 합니다. 즉, 일별, 주별, 월별, 분기별입니까? 부서별, 제품 라인별, 지역별 또는 비즈니스 단위별입니까? 각 차원은 난이도를 배가시킵니다.

마지막으로, 종종 팬데믹, 사이버 공격 및 인프라 중단으로 인해 규칙이 하룻밤 사이에 바뀔 수 있는 시장을 모델링해야 합니다.

이 모든 것을 올바르게 수행하는 것은 전담 데이터 과학 팀이 필요합니다. 대부분의 영업 조직에는 그런 팀이 없으며, 있다 하더라도 따라가기 어렵습니다.

PipelineIQ를 전통적인 예측과 구분하는 세 가지 원칙

분석보다 실행. 더 이상 해석이 필요한 "흥미로운 통찰력"은 없습니다. PipelineIQ는 영업 담당자와 관리자를 위한 한 줄의 다음 최적 조치를 즉시 실행 가능하게 제공합니다.

과거보다 미래 신호. 과거 승률을 예측하는 대신, PipelineIQ는 현재 변화하는 것들을 추출합니다. 즉, 주요 지지자의 강도 변화, 조달 지연, 다자간 협상 가속화 등을 파악합니다.

불완전한 데이터를 위해 구축됨. 필드가 누락되거나 신호가 충돌해도 PipelineIQ는 실패하지 않고 신뢰도 점수를 조정하고 격차가 있는 부분을 알려줍니다.

PipelineIQ 소개

무엇인가요?

PipelineIQ는 CRM의 원시 데이터 위에 구축한 AI 솔루션입니다. 기회를 분석하고 미래 예측 신호를 즉각적인 조치로 전환합니다. 과거를 기반으로 성사될 가능성이 있는 것을 예측하는 대신, 내일 성사될 가능성을 개선하기 위해 오늘 무엇을 해야 하는지를 알려줍니다. 불완전한 데이터, 변화하는 조건, 우선순위가 필요한 팀 등 영업 운영의 현실을 위해 구축되었습니다.

무엇을 다르게 했나요?

PipelineIQ는 B2B SaaS 영업 퍼널에 처방적 분석을 제공하여 CRM의 신호를 일별 데이터 기반 권장 사항으로 전환합니다. 이를 통해 계정 팀은 더 빠르게 움직이고 관리자는 더 스마트하게 코칭할 수 있습니다. 각 역할이 다음에 무엇을 해야 하는지 처방하고 그 이유를 설명함으로써 B2B SaaS 영업에서 누락된 실행 계층을 제공합니다.

세상의 완벽한 모델을 구축하려고 하지 않았습니다. 대신, LLM이 본질적으로 잘하는 것, 즉 불완전한 정보를 종합하고, 복잡한 데이터에서 패턴을 발견하고, 이러한 패턴을 명확한 권장 사항으로 전환하는 것을 활용했습니다.

LLM에 "이 거래에 위험이 있습니까?"와 같이 집중된 질문을 하면 활동 로그, 누락된 필드, 이메일 톤, 이해 관계자 참여를 결합하여 데이터의 절반이 누락된 경우에도 합리적인 답변을 생성할 수 있습니다. 모델은 추측할 때와 확신할 때를 판단할 수 있습니다. 새로운 정보가 도착함에 따라 요약, 비교 및 실시간으로 조정됩니다.

다음은 구체적인 예입니다. 저희의 신뢰도 점수기는 각 사용 사례의 CRM 필드(BDR 노트, 이해 관계자 목록, 경쟁 정보, 차단기 수)를 Foundation Model API를 통해 호스팅되는 Gemma 3 12B 모델의 ai_query()에 전달합니다. 프롬프트는 모델에게 사용 가능한 증거에 엄격하게 근거하여 8가지 MEDDPICC 차원(고통, 챔피언, 구현 계획, 의사 결정 프로세스, 긴급성, 경쟁 인식, 측정 가능한 영향, 주요 차단기)을 0-10 척도로 평가하도록 요청합니다. 누락된 필드는 환각 대신 ≤3으로 평가됩니다. 가중 복합 점수가 사용 사례의 신뢰도 점수가 됩니다. 사용 사례에 3개 이상의 활성 차단기가 있는 경우 다른 신호와 관계없이 점수가 낮음으로 재정의됩니다. 이 "안전 장치" 설계는 PipelineIQ가 데이터가 복잡할 때 잘못된 신뢰도를 생성하는 대신 점진적으로 성능이 저하되도록 합니다.

모든 사용 사례는 데이터 최신성, 이해 관계자 깊이 및 거래 모멘텀을 기반으로 매일 새로 고쳐지는 동적 신뢰도 점수를 받습니다. 각 점수에는 명확한 근거와 영업 담당자 및 관리자 모두를 위한 권장 다음 조치가 함께 제공되어 신호와 실행 간의 루프를 닫습니다. 빠른 반복, 집중된 프롬프트, 완벽함보다 현실 존중.

대시보드는 파이프라인 상태를 시각화할 뿐만 아니라 처방합니다. 관리자의 경우 빠른 요약과 한 줄 문구를 통해 코칭을 빠르고 확실하게 할 수 있습니다. 영업 담당자의 경우 매일 분석 기반의 명확하고 우선순위가 지정된 할 일 목록을 받게 됩니다.

오늘날 PipelineIQ는 저희 영업팀 전체의 모든 자격 있는 사용 사례를 매일 풍부하게 하여 각 사용 사례에 대해 새로 고쳐진 신뢰도 점수, 다음 최적 조치, 지연 평가 및 가속화 권장 사항을 생성합니다. 이전에는 파이프라인 세션당 몇 시간의 수동 CRM 검토가 필요했지만, 이제는 업무 시작 전에 자동으로 제공됩니다. 이것이 PipelineIQ가 노이즈를 제거하는 방법입니다.

어떻게 구축했고 무엇을 배웠는지

집중된 질문과 집중된 프롬프트는 집중된 결과를 낳습니다. 한 번의 프롬프트로 모든 영업 문제를 해결하려고 하지 마십시오. 집중된 접근 방식은 각 프롬프트에 명확하게 정의된 목적이 있으므로 신속한 반복이 가능합니다.

구조화된 접근 방식은 결과 개선에 크게 기여합니다. 질적 분석을 먼저 수행하면 후속 단계를 위해 데이터가 풍부해집니다. 이 초기 단계는 요약에서 불완전하거나 누락된 데이터를 포착하고 강조하며, 모든 영업 데이터의 일관성을 유지하는 데 도움이 되어 후속 AI 또는 ML 단계를 적용하여 영업 데이터의 패턴을 식별하기 쉽게 만듭니다.

모듈성은 민첩성을 향상시킵니다. 정성적 → 정량적 → 권장 조치 파이프라인을 통해 개선이 필요한 단계를 신속하게 파악하고 개선할 수 있습니다. 이러한 단계적 접근 방식 없이는 의미 있고 일관된 결과를 달성하는 것이 어려웠습니다.

과정 중에 추가하는 몇 가지 기능을 강조하는 단순화된 아키텍처를 아래에 그렸습니다.

Databricks 구현

PipelineIQ는 일일 Databricks 워크플로로 실행됩니다. 이는 전체 풍부화 주기를 조정하는 4개의 작업 노트북 DAG입니다. 소스 데이터는 Salesforce에서 Unity Catalog로 관리되는 Delta Lake 테이블로 흐르며, 공유 3단계 네임스페이스(catalog.schema.table)를 사용하여 개발 및 프로덕션 환경을 명확하게 분리합니다.

핵심 노트북은 팬아웃/조인 패턴을 사용합니다. 11개의 임시 SQL 뷰가 병렬로 생성되며, 각 뷰는 단일 Foundation Model API 함수(ai_query(), ai_summarize(), ai_classify(), 또는 ai_gen())를 호출하여 모든 사용 사례의 한 차원을 풍부하게 합니다. 그런 다음 이러한 뷰는 다시 조인되고 워터마크를 사용하여 대상 Delta 테이블에 점진적으로 병합됩니다. 마지막 실행 이후 변경된 레코드만 다시 풍부하게 되어 비용과 지연 시간을 낮게 유지합니다.

세 가지 모델이 풍부화를 지원하며, 모두 Foundation Model API를 통해 제공됩니다. 20B 매개변수 GPT 모델은 요약, 다음 최적 행동, 차단 분석을 처리합니다. Gemma 3 12B는 MEDDPICC 신뢰도 점수 및 비즈니스 사용 사례 분류를 구동합니다. Claude는 반정형 영업 담당자 노트에서 다음 단계를 구조화하여 추출합니다.

결과는 두 개의 (AI/BI) 대시보드를 통해 표시됩니다:

1. 필드 관리자를 위한 포트폴리오 수준 통찰력을 보여주는 대시보드,
2. 영업 관리자를 위한 팀 수준 요약 정보를 제공하는 대시보드.

데이터 저장부터 AI 풍부화, 대시보드까지 전체 스택은 Databricks Asset Bundle로 배포되며, 매개변수화된 개발 및 프로덕션 대상을 사용하여 CI/CD를 통해 완전히 재현 가능합니다.

결과

PipelineIQ에서 무엇을 배울 수 있을까요? 이 처방 엔진은 '진행', '전환', '가속'이라는 세 가지 명확한 결과를 생성합니다. 이는 정적 CRM 단계가 아닌 실시간 신뢰도 신호를 기반으로 합니다.

전반적인 권장 사항

진행 (Walk): 이 사용 사례는 주요 이해 관계자 부족, 약한 가치 제안, 낮은 구매자 긴급성으로 인해 자격이 부족합니다. 더 나은 기회를 위해 우선순위를 낮추거나 참여를 중단하세요.
전환 (Pivot): 사용 사례는 실행 가능하지만 현재 접근 방식이 효과적이지 않습니다. 이해 관계자 전략을 조정하거나, 가치 제안을 개선하거나, 참여 순서를 수정하여 결과를 최적화하세요.
가속 (Accelerate): 유리한 조건(강력한 지원자, 긴급성, 다중 스레딩)이 마련되어 있습니다. 리소스, 경영진 지원 또는 일정 단축을 통해 승리 확률을 극대화하세요.

가속: 어디에 투자하고 무엇을 해야 하는가

가속화 지침은 좋은 거래를 표시하는 것 이상으로, 왜 가속화되는지, 그리고 이를 어떻게 활용할 수 있는지 해독합니다.

가속할 수 있는 사용 사례
구체적인 근거가 있는 우선순위 거래 목록: "이 거래는 강력한 지원자와 긴급한 일정을 가지고 있으므로, 월말까지 마감하기 위해 임원 후원자 추가를 고려하십시오." 또는 "구매자는 참여했지만 조달 부서가 참여하지 않았으므로, 지연을 피하기 위해 상업 담당자를 추가하십시오."

다음 최적 행동 (NBA)
역할별 한 줄 행동 지침. 영업 담당자: "예산 문제를 해결하기 위해 CFO와 통화 일정을 잡으세요." 관리자: "기술적 승리를 완료하기 위해 엔지니어 지원을 할당하세요." 해석이 필요 없습니다. 그냥 실행하세요.

주요 가속 동인
파이프라인 전반에 걸쳐 성공을 주도하는 테마는 무엇인가요? PipelineIQ는 다중 스레딩 강점, 지원자 참여, 경쟁 우위 확보 등 일반적인 요소를 통합하여 거래별뿐만 아니라 전반적으로 어디에 투자해야 하는지 알 수 있게 합니다.

지연: 무엇이 위험에 처해 있으며 무엇을 해야 하는가

다음 단계 날짜 지연 또는 지원자 활동 누락과 같은 지연 패턴을 분석하여 PipelineIQ는 몇 달 전에 지연을 감지하는 방법을 배웁니다. 설명적 위험 보고를 처방적 복구 플레이북으로 전환합니다.

위험에 처한 사용 사례 및 기회
목표 마감일을 놓칠 가능성이 있는 거래의 순위 목록, 담당자, 단계 및 목표에 대한 잠재적 영향. 순위를 변경하여 이를 사용자 지정하십시오. 총 ARR 또는 지연 가능성은 30,000피트 개요를 제공하고, 지역 및 담당자는 패치에서 위험한 영역을 제공하며, 단계 또는 제품 영역별 순위는 사용자 지정 실행 전략을 생성할 수 있게 합니다.

위험 이유 (및 지연 가능성)
간결하고 증거 기반 설명: "경제적 구매자가 없음 - 마지막 연락이 18일 전이었습니다." 또는 "다음 단계가 정의되지 않음 - 활동이 2주 동안 중단되었습니다." PipelineIQ는 데이터 격차도 표시합니다: "중요 필드가 누락되었습니다 - 이 평가에 대한 신뢰도는 60%입니다."

대처 방법
위험 유형에 매핑된 실행 가능한 수정 단계: 지원자가 약하면 수석 후원자를 소개하십시오. 조달이 지연되면 상업 담당자를 추가하십시오. 가치 제안이 불분명하면 증거 기반 설명 또는 탐색 세션을 실행하십시오.

일반적인 원인 및 범주
지역, 부문 또는 제품별 집계된 지연 테마. "EMEA 거래는 미국보다 조달에서 40% 더 자주 지연됩니다." 또는 "엔터프라이즈 부문은 위험 거래의 65%에서 다중 스레딩이 부족합니다." 이를 통해 리더는 단일 기회에 대한 임시방편이 아닌 시스템적 문제를 해결할 수 있습니다.
모든 권장 사항에는 데이터 품질, 신호 강도 및 모델 일치도를 기반으로 한 신뢰도 점수가 포함됩니다. 신뢰도가 높으면 단호하게 행동하십시오. 신뢰도가 낮으면 PipelineIQ는 누락된 필드나 모순된 신호를 강조하여 격차를 채우거나 추가 조사를 할 수 있도록 합니다.

영업 실행 개선

훌륭한 도구가 있지만 어떻게 사용해야 할까요?

관리자 보기: 포트폴리오 수준 통찰력

영향별 가속 후보, 범주별(지역, 부문, 제품) 시스템적 지연 위험, 개별 거래 드릴다운 기능이 있는 팀별 동인. 관리자는 리소스를 어디에 할당해야 하는지, 어떤 패턴에 코칭이 필요한지(예: 어떤 팀이 경영진 참여 교육의 혜택을 받을 수 있는지)를 확인합니다.

영업 담당자 보기: 개인화된 조치

각 기회에 대한 개인화된 다음 최적 행동, 명확한 수정 단계가 있는 위험 거래, 단기 목표 달성을 위한 빠른 승리. 영업 담당자는 PipelineIQ를 열고 오늘 무엇을 해야 할지 정확히 압니다.

경영진 보기: 전략적 요약

지역, 부문 및 제품별 요약. 파이프라인 품질이 강하거나 약한 곳을 보여주는 신뢰도 가중치 예측 델타. 리소스 할당 제안: "귀하의 EMEA 팀은 조달 전문 지식이 필요합니다." 또는 "엔터프라이즈 거래는 더 많은 경영진 참여가 필요합니다."

대화형 인터페이스: PipelineIQ에 무엇이든 물어보세요

대시보드 외에도 PipelineIQ의 풍부한 데이터는 Databricks의 AI/BI Genie를 통해 쿼리할 수 있습니다. 이를 통해 관리자는 SQL 없이도 풍부해진 파이프라인에 대해 자연어 질문을 직접 할 수 있습니다. Genie는 기본 Delta 테이블에 기반한 합리적이고 인용된 답변을 반환합니다.

예시 프롬프트:

• "4분기 성장 목표 달성을 위해 집중해야 할 상위 5개 기회는 무엇인가요?"
• "우리 지역의 5가지 가장 큰 위험은 무엇인가요?"
• "어떤 팀이 경영진 참여 교육의 가장 큰 혜택을 받을 수 있나요?"

PipelineIQ는 "실행으로 이어지지 않는 통찰력"에 지친 영업 리더를 위한 것입니다. 파이프라인 노이즈에 압도당하거나, 불완전한 CRM 데이터로 어려움을 겪거나, 질문보다 답변이 더 많이 나오는 파이프라인 검토 준비에 행정 시간만 소비하는 팀을 관리하고 있다면, PipelineIQ는 명확성과 집중력을 제공하고 고객과 더 많은 시간을 보내며 관계를 구축할 수 있도록 합니다.

예측은 파이프라인을 수정하지 않습니다. 행동이 수정합니다. 처방적 렌즈를 통해 영업 퍼널을 살펴보세요. 4주 파일럿을 시작하고 일일 신뢰도 점수 및 다음 최적 행동이 실행 리듬을 어떻게 바꾸는지 경험해 보세요.

(이 글은 AI의 도움을 받아 번역되었습니다. 원문이 궁금하시다면 여기를 클릭해 주세요)