想象一個有效，簡化的方式，讓擁有B2C和B2B業(yè)務線的企業(yè)識別交叉銷售和新的增長機會。今天存在。對于那些不斷尋求新的收入增長策略的品牌來說，這是個好消息。杭州品牌設計公司消費品牌已經在市場營銷和客戶體驗方面進行投資，以此來區(qū)別和增加其在競爭激烈的市場中錢包的份額。現在，他們明智地將注意力轉向了數據驅動的流程。這樣一來，您就可以開辟出創(chuàng)新的途徑來推動交叉銷售的增長，而無需不斷尋找新客戶。

具有諷刺意味的是，消費品牌最有前途和最大的增長領域之一在于其商業(yè)解決方案。許多品牌已經認識到并利用了向現有消費者客戶交叉銷售商業(yè)解決方案的巨大機會。依靠他們對這些消費者的信任和接觸，他們在其商業(yè)的商業(yè)方面產生了新的收入。他們通過與消費者的關系確定并尋求商業(yè)機會來實現這一目標。

考慮一些企業(yè)的例子，這些企業(yè)可以利用其成千上萬的消費者客戶來確定獲得更多商業(yè)收入的途徑。花旗銀行和富國銀行等銀行可以推銷目前使用個人銀行服務的商業(yè)銀行業(yè)務所有者。對于像Hartford和Progressive這樣的保險提供商，或者像LendingTree這樣的貸方來說，情況也是如此，杭州品牌設計公司可以從數百萬的消費者借款人那里找到潛在的商業(yè)借款人為其新的SMB貸款。以Spotify為例，該公司剛剛推出了Ad Studio，以幫助更多企業(yè)制作音頻廣告。Spotify擁有超過2億的用戶，可以定位正在成長中的品牌中擔任營銷，數字或領導角色的現有用戶。示例列表不勝枚舉。

在許多情況下，這些品牌都知道其現有消費者客戶群中的現有商業(yè)客戶的某些子集。但是，借助正確的技術和數據，他們可以識別出一組既是企業(yè)主又是很有前途的潛在消費者，在圖中將其標記為受眾B。

對于消費者品牌來說，這是最理想的選擇，也是低落的果實。一旦杭州品牌設計公司在銷售和營銷工作中確定并交叉銷售給該細分市場，他們就會看到巨大的業(yè)務影響。即，他們可以將業(yè)務范圍擴大到整個潛在客戶群體。

解決基礎數據鏈接問題的挑戰(zhàn)

像許多客戶體驗和增長策略一樣，這歸結為解決技術和數據挑戰(zhàn)。大多數品牌已經具備有效向這些潛在商業(yè)客戶進行營銷的要素：郵寄地址，電子郵件地址和電話號碼。然而，他們并不能看到，他們的消費者也是企業(yè)所有者和企業(yè)決策者，以及他們所工作的企業(yè)。該疏忽是由于未能將消費者和企業(yè)客戶的身份聯(lián)系起來

公司需要將第三方數據源連接到其消費者數據以識別重疊。盡管某些解決方案有望實現這種可見性，但到目前為止還不夠。像Epsilon這樣的數據集成解決方案和服務提供商缺少B2B數據，無法實現消費者與企業(yè)之間的聯(lián)系。另外，在啟用實時匹配的API方面，它們通常是不足的。這種聯(lián)系中斷的原因是，消費者記錄包含基本數據，例如個人電子郵件，電話和地址，而業(yè)務記錄包含屬性，例如公司電話，公司電子郵件，標題，角色和公司。由于兩組數據不共享公共數據字段，因此對于這些供應商來說，鏈接這些記錄（即使不是不可能的）也是一項挑戰(zhàn)。現在可以使用一種解決方案來消除這些挫敗感。它解決了以下關鍵要求，以克服迄今為止的這些限制。

1. 消費者聯(lián)系到企業(yè)聯(lián)系鏈接。

第一步是將消費者聯(lián)系人記錄鏈接到業(yè)務聯(lián)系人記錄以識別匹配項。這很復雜，因為杭州品牌設計公司消費者記錄可能只包含姓名，電子郵件地址和電話號碼。使用正確的數據和API，可以在一個配置文件中通過其他消費者數據有效地豐富業(yè)務聯(lián)系信息，從而可以與現有的消費者聯(lián)系記錄進行匹配。這不僅使您的企業(yè)能夠找到每個消費者的企業(yè)資料，還使您能夠挖掘消費者客戶群中與您相關的角色（例如所有者，副總裁，董事，總經理，控制人員等）。

2. 業(yè)務記錄鏈接到業(yè)務聯(lián)系記錄。

下一步可以發(fā)現有關業(yè)務的信息，從而幫助品牌根據業(yè)務概況進一步細分并個性化其業(yè)務解決方案。這種聯(lián)系還使運營和數據團隊能夠利用現有業(yè)務客戶端上的關鍵數據點來豐富其內部系統(tǒng)。繼續(xù)上面的示例，我們現在看到有關Tim工作的公司的詳細信息，包括行業(yè)，規(guī)模和位置。

3.匹配技術，以鏈接記錄并解析身份。

就像您的解決方案與基礎數據一樣好，準確匹配和高匹配率的能力也同樣重要。此過程將來自許多數據源的同一企業(yè)和聯(lián)系人記錄匹配并鏈接到具有企業(yè)ID或聯(lián)系人ID的單個記錄。理想情況下，該解決方案將使用實時，模糊匹配模型，這些模型應用機器學習來最大化匹配的準確性和速率。