Du bör inte förvänta dig att lägga mer än några timmar i veckan på att hantera en marknadsföringsautomatiseringsapplikation efter att den är igång. Den stora investeringen av tid ligger i fronten. Förutom att uppskatta tiden det tar att sätta upp dina kampanjer, bör du också uppskatta tid för utbildning, träning, planering och databasrensning enligt följande:
-
Utbildning: Den bästa tiden att investera i att utbilda dig själv i marknadsföringsautomationstekniker är innan du köper en lösning. På så sätt är det mer sannolikt att du får reda på vad du behöver när du lär dig att tänka helt annorlunda om allt från e-post till innehåll. Tiden för att läsa och delta i seminarier och webbseminarier bör läggas till din tidsuppskattning.
Du bör fokusera din utbildning på ämnena lead tracking, beteendedata och modern lead nurturing. Att ha ett grepp om dessa ämnen kommer att spara otaliga timmar i framtiden. Beräkna minst 10–20 timmars lärande innan du utvärderar verktyg.
-
Utbildning: Utbildning för dig och alla dina intressenter måste beaktas. Att träna själv kan sträcka sig från tio timmar till en hel vecka, även för de enklaste verktygen. Oavsett hur enkelt ett verktyg är eller hur intuitivt det kan vara, behöver du och dina intressenter tränas för att använda det.
Du bör planera tid för att träna ditt säljteam också. Leverantörer bör tillhandahålla denna utbildning som en del av din lösning. Om inte, be om utbildning under dina köpförhandlingar.
-
Planering: Du bör lägga en god del tid på att beskriva och planera för dina behov innan du köper ett verktyg.
Beräkna fem timmars planering innan du köper ett verktyg, och fem till tio timmars planering för hur du ska möta dina behov med ditt specifika verktyg efter att du har gått igenom din utbildning. Kom ihåg rådet från "This Old House"-värden Bob Vila, som alltid sa: "Mät två gånger och skär en gång."
-
Databassanering: De flesta företag glömmer att ta hänsyn till tid som går åt till att städa upp sin databas i sin planering. Din databas är sannolikt mycket dålig om du inte har rensat upp den på några år.
I genomsnitt har de flesta företag en databas med dåliga e-postadresser som står för 30 procent eller mer av deras databas. Detta gäller särskilt för företag som har köpt en lista med e-postadresser någon gång i det förflutna.