אתם מוסיפים חברה ל-HubSpot על ידי הקלדת דומיין אחד, ופתאום לרשומה יש industry, תיאור, עיר ולוגו שאף פעם לא הזנתם. תובנות החברה של HubSpot ממלאות אוטומטית פרטים פירמוגרפיים - תחום, גודל, מיקום, תיאור ועוד - מתוך דאטהבייס ש-HubSpot מתחזקת, כך שרשומה שנבנתה מדומיין אחד מגיעה כבר מאוכלסת חלקית. זה חוסך זמן אמיתי, אבל גם מתפרש לא נכון לעיתים קרובות: אנשים מתייחסים לזה כאל אמת מוחלטת, או לא יודעים בכלל שזה קיים, או דורסים את זה בטעות. הנה המבט המקצועי על מה זה עושה, מאיפה מגיעה הדאטה, ואיך להשתמש בזה בלי להיכוות.
זו יכולת מילוי אוטומטי שמאכלסת פרופרטיז סטנדרטיים של חברה - כמו תחום, מספר עובדים, revenue שנתי, עיר, מדינה ותיאור קצר - מתוך הדאטהסט של HubSpot עצמה, על בסיס הדומיין של החברה. כשאתם יוצרים רשומת חברה ונותנים לה דומיין של אתר, HubSpot מחפשת את הדומיין וכותבת את מה שהיא יודעת לתוך הפרופרטיז ברירת-המחדל המתאימים. תראו שדות שמופיעים בלי שהקלדתם אותם. זה עובד כי HubSpot מתחזקת דאטהבייס של מידע ציבורי על חברות ומתאימה את הרשומה שלכם אליו. הדומיין הוא המפתח - בלי דומיין, אין תובנות, וזו הסיבה הנפוצה ביותר לכך שרשומה נשארת ריקה.
היא מגיעה מהדאטהבייס המצרפי של HubSpot עם מידע ציבורי זמין על חברות - מה שהופך אותה לנקודת פתיחה חזקה, אבל לא למקור אמת מאומת. הדאטה רחבה ושימושית כדי להרים רשומה מהר, אבל היא יכולה להיות לא מעודכנת, גנרית או שגויה לגבי חברות קטנות וחדשות שמשאירות חתימה ציבורית קטנה יותר. חברה גדולה ומוכרת בדרך כלל מתמלאת במדויק; סטארטאפ של 12 איש עלול לקבל מספר עובדים מיושן או תווית תחום מעורפלת. דוגמה מהשטח: רשומה של חברה שעברה רברנדינג לאחרונה ועדיין הציגה את התיאור הישן ואת העיר הקודמת של המטה - נכון לפני שנתיים, שגוי היום. תתייחסו לתובנות כאל טיוטה ראשונה שאדם מאשר לפני שמישהו מקבל החלטה על בסיסה, ולא כאל שדה שאתם מצטטים במצגת הנהלה בלי לגעת.
תשתמשו בזה כדי לזרוע רשומות מהר, ואז תאמתו את השדות שעליהם תפלחו או תדווחו - ותגנו על העריכות הידניות שלכם מדריסה. זרימת עבודה מעשית:
המשמעת כאן היא לדעת אילו שדות "מספיק טובים מהדאטהבייס" ואילו תהליך ההכנסות שלכם תלוי בהם. תפלחו, תנקדו ותנתבו על דאטה מאומתת - לא על ניחוש ש-HubSpot עשתה מתוך דומיין.
אתם בונים פילוח, scoring ודיווח על פירמוגרפיה משוערת - והצוות שלכם מתחיל לקבל החלטות אמיתיות על דאטה רכה. אם "גודל חברה" מניע ניתוב לידים וחלק נכבד מהגדלים האלה הוא הערכה, אתם מנתבים deals לנציגים הלא נכונים. אם "תחום" מזין קמפיין והתוויות לא עקביות, המיקוד שלכם מטשטש. המילוי האוטומטי בסדר גמור להתחלה מהירה; הוא הופך לסיכון כשתהליך מתייחס אליו כאל מאומת. הפתרון הוא לא לכבות את התובנות - אלא לאמת את השדות הבודדים שנושאים משקל ולקבל ששאר השדות הם הקשר מועיל. זה אותו כלל שאנחנו מיישמים על פני כל HubSpot: לדעת איזו דאטה היא נושאת-משקל, ולהחזיק אותה בסטנדרט גבוה יותר.
תובנות החברה הן אחד החלקים השימושיים בשקט של HubSpot - הן חוסכות זמן אמיתי בהזנת דאטה ונותנות לכל רשומה צורת פתיחה הגיונית. הטעות שאנחנו רואים היא צוותים שמתעלמים מזה לגמרי (ומקלידים דאטה שכבר הייתה שם) או סומכים על זה לחלוטין (ומנתבים deals של שש ספרות על בסיס מספר עובדים משוער). העמדה הנכונה נמצאת באמצע: תנו לזה לעשות את המעבר הראשון המשעמם, ואז תאמתו את השניים-שלושה שדות שתנועת ההכנסות שלכם באמת רצה עליהם. מילוי אוטומטי הוא יתרון פתיחה, לא תשובה.
לא בטוחים אילו מהשדות שלכם ב-HubSpot מספיק אמינים כדי לבנות עליהם? תקבעו אודיט פורטל של 30 דקות ונראה לכם איפה הדאטה שלכם מוצקה ואיפה היא מנוחשת בשקט. לתמונה המלאה, ראו איך אנחנו ניגשים להטמעה ואופטימיזציה של HubSpot.
למה רשומת החברה שלי לא ממלאת שום תובנות?
כמעט תמיד כי אין דומיין אתר על הרשומה. הדומיין הוא המפתח ש-HubSpot משתמשת בו כדי לחפש דאטה על חברות - תוסיפו אותו והפירמוגרפיה הסטנדרטית אמורה להתמלא.
האם תובנות החברה של HubSpot יכולות לדרוס דאטה שהזנתי בעצמי?
הן מאכלסות פרופרטיז סטנדרטיים מתוך הדאטהבייס של HubSpot. כדי להגן על דאטה שהצוות שלכם מגדיר בכוונה, שמרו אותה בשדות בבעלות ברורה והכירו אילו פרופרטיז ברירת-מחדל המילוי האוטומטי מנהל, כך שרענון לא יפתיע אתכם.
כמה מדויקת הדאטה של החברה שמתמלאת אוטומטית?
זו נקודת פתיחה חזקה לחברות מוכרות וחלשה יותר לחברות קטנות, חדשות או כאלה שהשתנו לאחרונה. תאמתו את השדות שעליהם אתם מפלחים, מנקדים או מדווחים לפני שאתם מקבלים החלטות על בסיסם.
האם תובנות החברה עולות כסף נוסף?
המילוי האוטומטי הסטנדרטי של פרופרטיז פירמוגרפיים הוא חלק מ-CRM של HubSpot. כלי העשרה מתקדמים בתשלום קיימים בנפרד - אבל התובנות הבסיסיות שאתם רואים כשמוסיפים דומיין מובנות מראש.