영업 자동화란 무엇인가요?

영업팀은 포스트잇 메모장과 파일 캐비닛을 사용하던 시절부터 많은 발전을 거듭해 왔습니다. 초반에는 컴퓨터가 등장해 컴퓨터를 사용했지만, 고객 데이터는 여전히 찾기 어려웠습니다. 수많은 시스템에 흩어져 있었기 때문입니다.

그러다 영업 자동화가 등장했습니다. 이제 여러 데이터 툴에서 데이터를 동기화하고, 수동 전달을 줄이고, 모든 팀이 동일한 데이터에 액세스할 수 있습니다. 그 위에 데이터 분석 기능을 더할 수도 있습니다. 잘된 일이죠. 하지만 가장 좋은 점은 영업 자동화는 이제 시작에 불과하다는 사실입니다.

오늘날 영업 자동화는 AI의 도움으로 또 한 번 비약적인 발전을 거듭하고 있습니다. 이번 포스팅에서 영업 자동화의 시작과 현재, 그리고 앞으로 나아갈 방향을 살펴보세요.

학습 내용

• 영업 자동화의 의미
• 영업 자동화의 이점
• 영업 자동화 작동 방식
• 영업 자동화 예시
• 영업 자동화 소프트웨어 및 도구: 살펴봐야 할 기능

• 영업 자동화는 기술을 활용해 기존에는 수작업으로 수행해야 했던 지루한 작업을 수행하는 프로세스를 뜻합니다. 이로써 수작업 시간과 노력, 오류를 줄입니다.
• 기존의 영업 자동화는 크게 두 가지 용도로 사용됐습니다. 첫째는 고객 데이터 수집과 업데이트입니다. 이메일에서 거래 정보를 가져와 계정 기록에 추가하는 등의 작업입니다. 두 번째는 워크플로 자동화입니다. 수작업으로 처리하던 견적 승인 요청 같은 작업을 자동화합니다.
• 영업 자동화를 위한 고급 영업 소프트웨어 프로그램은 데이터 분석에 중점을 둡니다. 영업 파이프라인 관리가 좋은 예입니다. AI와 결합된 자동화 분석은 예상 KPI와의 편차를 기반으로 파이프라인에서 기회에 대한 위험 신호를 발견합니다. 이러한 신호를 영업 담 당자와 영업팀 리더가 계속 추적할 수 있도록 권장 조치를 제공합니다.

더욱 인상적인 것은 영업 자동화와 생성형 AI의 결합입니다. 생성형 AI는 자동화된 데이터 분석이나 프롬프트를 기반으로 이메일, 통화 요약, 영업 보고서와 같은 새로운 콘텐츠를 생성할 수 있습니다. 그러면 CRM 또는 기록 시스템이 내부 이해관계자나 고객에게 자동으로 이러한 콘텐츠를 전송하도록 설정이 가능합니다.

현재 영업 담당자가 일주일 중 실제 영업에 할애하는 시간은 28% 정도입니다. 나머지는 리드 우선순위 지정, 잠재 고객 조사, 영업 정보 입력 등 중요하지만 지루한 작업으로 채워져 있습니다. 영업 자동화가 이러한 수작업을 더 많이 대체할수록 중요한 고객 데이터를 확보하면서도 영업 담당자는 실제 영업에 더 많은 시간을 집중할 수 있게 됩니다.

다른 부분에서도 자동화의 혜택을 누릴 수 있습니다. AI와 자동화를 결합해 파이프라인 및 영업 통화 분석을 지원하면, 관리자는 개인 맞춤형 코칭에 도움이 되는 인사이트를 얻을 수 있습니다. 영업팀 리더는 보다 정확한 예측에 도움이 되는 거래 신호를 얻게 됩니다. 영업 운영팀의 경우에는 연결된 최신 데이터를 기반으로 영업 프로세스를 더욱 효율적으로 운영할 수 있게 되죠.

영업 자동화는 사실 데이터에 관한 이야기입니다. 가장 기본적인으로 영업 자동화는 영업에 관련된 특정 활동이 발생할 때(전화가 걸려 오거나, 이메일이 수신되거나, 거래가 다음 단계로 이동하는 등)에 따라 데이터를 업데이트합니다. 예측 AI의 도움으로 영업 자동화는 한 단계 더 나아갔습니다. 파이프라인 데이터를 분석하고 거래를 진행하기 위해 취해야 할 최선의 조치에 대한 예측을 제공합니다. 생성형 AI를 추가하면 기존 데이터를기반으로 이메일 등의 자료를 자동으로 생성할 수 있습니다. 이는 영업 프로세스의 속도를 높이는 데 큰 도움이 됩니다.

이 모든 기능이 어떻게 작동하는지 자세히 살펴보세요:

CRM 소프트웨어는 고객 데이터를 저장, 정리하고 우선순위를 지정한다는 점에서 영업 자동화의 정점이라고 할 수 있습니다. 모든 고객과의 상호 작용에는 이메일, 상호 간 대화와 미팅, 서명을 기다리는 견적서와 계약서 등 데이터의 흔적이 남습니다. 영업 자동화는 이러한 데이터를 수작업으로 기록하는 대신 제안된 미팅 시간, 가격 세부 정보, 새 연락처 정보 등 관련 정보를 가져와 거래 기록을 자동으로 업데이트합니다. 그러면 고객 기록을 불러올 때마다 표시되는 정보가 최신 정보라는 것을 알 수 있게 됩니다.

데이터가 다른 소프트웨어에 보관되어 있다면 어떻게 해야 할까요? 영업 자동화가 이루어지면 여러 도구에서 데이터를 즉시 동기화할 수 있어 담당자가 기술 스택의 모든 것을 수동으로 업데이트할 필요가 없습니다. 가장 큰 장점은 고객이 한 플랫폼에 참여하면 다른 모든 플랫폼에도 해당 정보가 업데이트되어 그 어디에서도 정보가 누락되지 않습니다.

약 10년 전, AI의 등장과 함께 영업 자동화의 범위가 확장되었습니다. 단순히 조직을 자동화하고 데이터를 동기화하는 데 그치지 않게 되었죠. 분석도 자동화되었고, 예측 AI의 도움으로 일련의 목표 지표에 따라 추세, 이상 징후, 이상값을 파악하는 데까지 이르렀습니다.

오늘날 AI 기반 CRM은 자동으로 영업 파이프라인을 분석하고 거래가 지연될 위험이 있는 시점을 예측합니다. 이로써 그 시점에 영업 리더가 개입하여 성과 예측을 정상화할 수 있도록 지원합니다. 그렇다면 AI는 어떻게 이러한 위험 신호를 감지할까요? 영업관리팀이나 영업 운영팀은 CRM에서 알림을 트리거하는 매개변수와 목표 지표를 설정합니다.

예를 들어 하나의 거래가 특정 단계에서 10일 이상 정체되면 알림이 생성되도록 트리거를 설정할 수 있습니다. 또한 AI는 영업 통화에서 대화 데이터를 가져와 관련 키워드, 트렌드, 코칭 가능한 순간을 자동으로 표시할 수 있습니다. CRM에 설정된 매개변수는 이의 제기부터 가격 문제, 경쟁사 언급에 이르기까지 무엇을 찾아야 하는지 알려줍니다.

최근 몇 년 동안 영업 자동화는 생성형 AI를 통해 또 한 번 비약적인 발전을 이루었습니다. 이 신기술은 단순히 행동을 추천하는 수준을 넘어 영업 담당자를 위한 조치를 취하는 데 이르렀습니다. 활동 트리거나 프롬프트에 따라 이메일을 작성하고, 조사를 수행하고, 과거 고객 데이터를 사용하여 예측을 포함한 영업 보고서를 작성합니다. 심지어 영업 프레젠테이션도 작성합니다. 최근 연구에 따르면 영업 전문가들이 생성형 AI를 통해 일주일에 평균 4.5시간을 절약할 수 있다고 생각하는 것으로 나타났습니다.

그럼 일상 업무에서 영업 자동화를 어떻게 활용할 수 있는지 사례를 통해 살펴보겠습니다.

영업 자동화는 리드부터 세일즈 클로징까지 영업 프로세스의 모든 부분에 영향을 미칩니다. 리드 우선순위 지정부터 이메일 작성, 보다 정확한 예측 생성에 이르기까지 가장 중요한 사용 사례를 살펴보세요.

연락처 관리: 연락처를 스프레드시트에서 CRM으로 가져오세요. 영업 자동화를 통해 모든 고객과의 상호 작용을 업데이트할 수 있습니다. 전화나 이메일을 받으면 영업 자동화가 전화번호나 이메일 주소를 가져와 연락처 기록에 추가합니다. 나아가 잠재 고객 데이터를 조회할 때마다 활동 내역, 고객 커뮤니케이션, 내부 계정 논의, 소셜미디어의 인사이트 등 주요 정보를 표시할 수 있습니다.

잠재 고객 발굴: 영업 자동화는 사전 설정된 기준을 토대로 새로운 마케팅 리드를 평가합니다. 이렇게 통화할 가치가 있는지 확인한 다음, 통과한 리드를 담당자에게 전달할 수 있습니다. 영업 참여는 이 작업을 자동으로 수행하므로 어떤 거래가 성사될 가능성이 가장 높은지 알 수 있습니다. 또한 첫 접촉 후 리드에게 자동으로 전송할 이메일을 준비해 퍼널로 유도하는 데 도움을 줍니다.

기회 관리: 자동화된 워크플로는 각 기회에 대해 영업 팀이 다음 단계로 나아갈 수 있도록 안내하여 파이프라인에서 지연되는 일이 없도록 돕습니다. 또한 각 단계에서 자동 트리거를 설정해 담당자가 거래를 진행하기 전 특정 작업을 완료하도록 요구할 수 있습니다. 예를 들어 CRM은 발견 단계가 완료되기 전에 영업 담당자에게 경제적 의사결정자와 접촉했는지 확인한 후 협상 단계로 넘어가도록 요구할 수 있습니다.

대화 분석: 영업 관리자는 매주 몇 시간씩 고객과의 영업 통화를 듣고, 고객이 말하는 내용의 트렌드를 검색하고, 영업 담당자가 개선할 수 있는 영업 코칭 기회를 찾는 데 시간을 할애합니다. 통화 코칭 소프트웨어의 영업 자동화는 이러한 전화 통화를 검색 가능한 녹취록으로 변환한 다음 키워드 분석을 기반으로 트렌드와 코칭 가능한 순간을 파악할 수 있습니다.

지역 관리: 영업 관리자는 고객 세그먼트와 영업 담당자의 전문 분야와 같은 카테고리를 설정하고 모든 어카운트를 전략적으로 배치해 고객 범위를 극대화하고 수익을 증대해야 합니다. 이는 판매자에게도 공평해야 합니다. 영업 자동화는 이러한 분석과 계획을 수행해 여러 지역 모델을 생성하고, 출시 전에 미리 확인하고, 연중 내내 지속적으로 최적화하고 균형을 맞출 수 있도록 도와줍니다.

매출 예측: 영업 리더는 미래 수익을 최대한 정확하게 예측해야 한다는 압박을 받고 있습니다. AI와 결합된 영업 자동화는 실시간으로 영업 파이프라인 상태를 모니터링해 놓칠 위험이 있는 거래를 강조해 표시합니다. 해당 거래와 매출 전망을 정상화하기 위한 개입 방안 권장 사항을 제공함으로써 도움을 줍니다.

견적 구성: 영업 거래 성사를 위해 잠재 고객을 육성하는 데 많은 시간을 투자했지만, 견적서를 작성하는 동안 며칠이나 몇 주를 기다려야 했던 경험이 있을 것입니다. 영업 자동화를 사용하면 이러한 프로세스를 몇 분 안에 완료할 수 있습니다. 어떤 제품이 거래에 포함되는지 추적하고, 관련 고객 데이터로 새 견적을 작성해 몇 번의 클릭만으로 CRM에서 바로 고객에게 이메일로 전송할 수 있습니다.

영업 자동화를 본격화할 준비가 되었다면 알맞은 CRM 소프트웨어를 찾아보세요. 고객 데이터를 하나의 플랫폼에 통합하고, 실시간으로 데이터를 업데이트하며, 분석 및 AI를 사용하고, 데이터를 안전하게 보호하는 신뢰 계층을 제공해야 합니다. 살펴봐야 할 사항은 다음과 같습니다:

플랫폼: 많은 영업 담당자가 툴이 그 자체로는 훌륭하게 작동하더라도 이를 통합할 때 문제가 발생한다고 말합니다. 고객 데이터는 결국 서로 다른 시스템에 갇히게 되고, 이를 조정하는 데 사람의 시간이 필요하게 되죠. 고객 데이터를 하나의 플랫폼에 통합하여 모든 팀에 단일 고객 뷰를 제공함으로써 이러한 문제를 해결하세요.

실시간 데이터: 어떤 CRM을 사용하든 실시간 기능이 있는지 확인해 데이터가 수집되는 즉시 처리되어 사용할 수 있도록 하세요. 이를 통해 영업 통화, 웹사이트 방문, 컨퍼런스 스캔과 같은 모든 상호작용 후에도 고객 데이터를 지속적으로 업데이트할 수 있습니다. 세일즈포스 데이터 클라우드가 좋은 예시입니다.

예측 AI: 플랫폼의 실시간 데이터를 기반으로 그 위에 예측 AI를 계층화하세요. 판매 과정에서 분석 도구가 파이프라인의 잠재 고객과 고객을 지속적으로 모니터링하여 인사이트와 알림을 보낼 수 있습니다. 예를 들어, 기존 SaaS 고객이 낮은 참여도 신호로 인해 이탈할 위험이 있는 경우, 알림을 보내고 계약을 유지하기 위한 할인이나 기타 인센티브를 추천할 수 있습니다.

영업을 위한 생성형 AI: 컴퓨터에게 업무를 대신 처리해 달라고 요청하는 것보다 더 영업 자동화에 도움이 되는 것은 무엇일까요? 공개적으로 사용 가능한 데이터뿐만 아니라 실제 고객 데이터를 활용하여 관련성이 높은 영업 자료를 생성할 수 있는 생성형 AI를 찾아보세요.

트러스트 레이어: AI 모델이 고객 데이터를 볼 수 있도록 허용할 때는 데이터가 보호되도록 해야 합니다. 신뢰 계층은 고객 데이터를 안전하게 비공개로 유지하면서 생성형 AI 모델에 전송할 수 있는 기능을 갖추고 있습니다. 세일즈포스에서 이를 수행하는 방법을 살펴보세요.

영업 자동화는 사람의 업무를 대체하지만 사람을 대체하지는 않습니다. 사람이 업무를 더 잘할 수 있도록 도와줍니다. 그렇기 때문에 영업 운영팀이 할 수 있는 가장 강력한 질문은 바로 이것입니다.

“오늘 또 무엇을 자동화할 수 있을까요?”

답은 언제나 새로울 것입니다. 한 가지 확실한 것은 인간적인 유대감은 사람만이 구축할 수 있다는 점입니다. 나머지는 영업 자동화에 맡기면 어떨까요?