Vastaväitteiden voittaminen: tekoäly tarjoaa täydellisen vastauksen – reaaliaikaiset perusteluapuvälineet myyntikeskustelujen aikana

”Asiakas haluaa vielä miettiä kustannuksia.” Kuulostaako lause tutulta? Silloin tiedät myös, miltä tuntuu, kun täydellinen vastaus puuttuu oikealla hetkellä.

Sillä aikaa, kun myyjäsi arpoo vastausta asiakkaan vastaväitteeseen, on asiakas päässään siirtynyt jo seuraavaan asiaan. Kauppa taitaa siis jäädä tekemättä.

Mutta entä jos tiimilläsi olisi juuri tällaisissa tilanteissa aina oikea vastaus valmiina? Ei mikään ympäripyöreä fraasi, vaan räätälöity argumentti, joka sopii juuri asiakkaallesi ja tuotteeseesi?

Tässä kohtaa Astuu Keinoteköinen Äly kuvaan. Enkä puhu nyt kännykästä löytyvästä ChatGPT:stä. Tarkoitan ammattimaisia KI-järjestelmiä, jotka tukevat myyntitiimiäsi reaaliaikaisesti – oikeilla, tuloksia tuottavilla argumenteilla.

Miksi perinteinen vastaväitteiden käsittely kohtaa rajansa

Tarkastellaanpa tilannetta suomalaisissa yrityksissä. Useimmilla myyjillä on muutama vakiovastaus yleisimpiin vastaväitteisiin.

Ongelma: Nykyaikainen ostopäätös on entistä monimutkaisempi. Asiakkaasi ovat tiedostavampia, kriittisempiä ja heidän huolensa usein hyvin yksityiskohtaisia.

Aikapaine modernissa myynnissä

Thomas, teknologia-yrityksen toimitusjohtaja, tiivistää haasteen: ”Projektipäällikkömme käyvät päivittäin 3–4 keskustelua. Jos jokaisessa pitää keskeyttää ja etsiä vastaus, keskustelu menettää rytminsä.”

Myyjät käyttävät vain murto-osan ajastaan varsinaiseen myyntipuheeseen – loppu menee taustatöihin, selvityksiin ja dokumentointiin.

Mistä tämä johtuu? Useimmat yritykset luottavat edelleen vanhentuneisiin toimintatapoihin:

• Staattiset myyntimateriaalit: PDF-esitteet ja PowerPointit eivät auta, jos kysymyksiä tulee yksityiskohdista
• Kokemuspohjainen tieto: Löytyy lähinnä kokeneilta myyjiltä – ja siirtyy harvoin uusille
• Reaktiivinen vastaväitteiden käsittely: Vasta kun asiakas epäilee, aletaan etsiä perusteluja

Monimutkaisemmat tuotteet, vaativammat asiakkaat

Anna, HR-järjestelmiä tarjoavan yrityksen henkilöstöjohtaja, sanoo asian eri näkökulmasta: ”Asiakkaat pyytävät nykyään tarkkoja ROI-laskelmia, tietoja vaatimustenmukaisuudesta ja esimerkkejä integraatioista. Kukaan myyjä ei pysty muistamaan kaikkea ulkoa.”

Tässä piilee ongelman ydin. Siinä missä aiemmin hyvä tulos syntyi lähinnä suhteen rakennuksesta ja vakuuttavuudesta, tänä päivänä painavat kovemmat faktat:

Kokemuksen siirtymisen pulma uusille myyjille

Markus, IT-palveluyhtiön johtaja, kiteyttää asian: ”Kun kokenut myyjä lähtee, hänen koko osaamisensa katoaa hänen mukanaan. Uudet työntekijät tarvitsevat kuukausia päästäkseen samalle tasolle.”

Uudet myyjät saavuttavat kokeneiden kollegoidensa myyntitulokset vasta useiden kuukausien jälkeen.

Miksi tässä kestää näin kauan?

1. Tuotekompleksisuus: Mitä vaikeammin selitettävä tuote, sitä pidempi perehdytys
2. Toimialakohtainen tieto: Jokaisella kohderyhmällä omat prioriteetit ja pelot
3. Tilanneherkkyys: Oikean argumentin löytäminen oikeaan aikaan on taitolaji

Tämä on mahdollisuus KI:n hyödyntämiseen myynnissä. Entä jos voisit kerätä koko yrityksesi myyntiviisauden yhteen järjestelmään?

Keinoteköälyavusteiset argumentointiapurit: Näin teknologia toimii

Ollaanpa rehellisiä: Suurin osa KI-myynnin työkaluista on markkinointihömppää. Chattibotit tuottavat vakiofraaseja, ”älykkäät” sähköpostigeneraattorit voivat aiheuttaa enemmän haittaa kuin hyötyä.

Oikeat KI-argumentointiapurit toimivat toisin. Ne analysoivat keskustelua reaaliajassa ja tarjoavat juuri sinun tuotteeseesi ja asiakastietoihisi perustuvia vastauksia.

Retrieval Augmented Generation (RAG) myyntitiimeille

RAG (Retrieval Augmented Generation) kuulostaa monimutkaiselta, mutta on käytännössä suoraviivaista. Kuvittele täydellisen assistentin:

• Tietää kaiken tuotetiedon ulkoa
• Tallentanut parhaat myyntiargumentit
• Löytää asiakaskohtaiset tiedot heti
• Muotoilee osuvan vastauksen sekunneissa

Tätä RAG-teknologia käytännössä tarjoaa. Järjestelmä etsii tietokannasta olennaiset faktat ja yhdistää niistä räätälöidyn vastauksen.

Käytännön esimerkki: Asiakas kysyy ohjelmistosi tietoturvasta. Sen sijaan, että myyjä penkoisi materiaaleja, KI-järjestelmä vastaa heti:

”Ratkaisumme täyttää ISO 27001 -sertifikaatin ja on GDPR:n mukainen. Rahoituspalveluihin liittyen tärkeää: Olemme ottaneet käyttöön BaFin:n vaatimukset AT 7.1 ja voimme osoittaa BSI:n pankkistandardin. Haluatteko nähdä tietoturva-auditimme vuodelta [ajankohtainen vuosi]?”

Vastaväitteiden reaaliaikainen tunnistus

Miten järjestelmä tunnistaa hetken, jolloin vastaväite ilmaantuu? Nykyaikaiset KI-työkalut hyödyntävät Natural Language Processingia (NLP – luonnollisen kielen käsittelyä) keskustelun analyysiin.

Järjestelmä tunnistaa tyypilliset signaalit:

• Hinta: ”Tämä on liian kallis”, ”Kilpailija on halvempi”
• Aika: ”Meillä ei ole resursseja”, ”Tämä vie liian kauan”
• Luottamus: ”Voiko tämä varmasti toimia?”, ”Emme tunne toimittajaa”
• Päätösvalta: ”Täytyy ensin keskustella esimiehen kanssa”

Kun vastaväite tunnistetaan, järjestelmä ehdottaa sopivia argumentointilinjauksia – huomioiden keskustelun kontekstin ja asiakkaan tiedot.

Integrointi olemassa oleviin CRM-järjestelmiin

”Kuulostaa hyvältä, mutta miten tämä sopii meidän IT-ympäristöön?” — Markus esittää oikean kysymyksen.

Modernit KI-argumentointiapurit eivät ole irrallisia ratkaisuja. Ne integroituvat suoraan olemassa oleviin järjestelmiisi:

Tekninen toteutus etenee yleensä kolmessa vaiheessa:

1. Datan integrointi: Nykyiset myyntimateriaalit syötetään KI-järjestelmään
2. Koulutus ja kalibrointi: Järjestelmä oppii juuri sinun yrityksesi kielen ja argumentit
3. Tuotantokäyttö: Viedään vaiheittain käyttöön ja optimoidaan jatkuvasti

Varoitus: Valmiiksi paketoidut ratkaisut eivät tuo tulosta. Jokaisella yrityksellä on omat tuotteensa, kohderyhmänsä ja myyntiargumenttinsa – järjestelmä on koulutettava juuri sinun tarpeisiisi.

Käytännön esimerkkejä: KI-myyntikeskustelut tosielämässä

Teoria on tärkeää – mutta miltä KI-avusteinen myynti näyttää käytännössä? Tässä kolme asiakastilanteeseen perustuvaa skenaariota.

Koneenrakennus: Monimutkaiset tarjoukset ymmärrettäviksi

Thomasin erikoiskonevalmistaja tekee laitteita autoteollisuudelle. Tarjoukset sisältävät 40–50 sivua teknisiä tietoja.

Haaste: Asiakas kysyy: ”Miksi koneenne maksaa 200 000 euroa enemmän kuin kilpailijan?”

Ilman KI-tukea projektipäällikkö ehkä vastaisi: ”Käytämme parempia komponentteja ja meillä on enemmän kokemusta.”

KI-avusteisesti hän saa heti ehdotuksen:

”Hintaero johtuu kolmesta tekijästä: Ensinnäkin käytämme Siemens S7-1500 -ohjaimia vakiomallien sijaan – tämä vähentää tuotantonne seisokkiaikoja 30 %. Toiseksi energiatehokkuutemme on 15 % parempi, mikä säästää 8 500 euroa vuodessa kolmivuorotyössä. Kolmanneksi huoltopaketti 4 tunnin vasteajalla sisältyy hintaan – kilpailijalla tästä veloitetaan 35 000 euroa vuodessa.”

KI yhdisti automaattisesti olennaiset tiedot tarjouslaskennasta, energia-auditista ja huoltohinnoittelusta.

Ohjelmistomyynti: ROI-laskelmat sekunneissa

Anna myy HR-ohjelmistoa keskisuurille yrityksille. Yleisin vastaväite: ”Olemme tyytyväisiä nykyiseen ratkaisuun.”

KI-avusteinen vastaus nojaa asiakastietoihin ja tuottaa:

”Ymmärrän tyytyväisyytenne nykyjärjestelmään. Katsotaanpa numeroita: 80 työntekijällänne HR-osaston manuaalinen työ vie 12 tuntia viikossa. Automatisointimme vähentäisi ajan 2 tuntiin. Säästö vuodessa on 26 000 euroa, ohjelmiston kustannus vain 18 000 €. Lisäksi compliance-riskinne pienenevät 80 %, koska kaikki prosessit dokumentoidaan GDPR:n mukaisesti.”

KI yhdisti esimerkiksi seuraavat tiedot:

• Työntekijämäärä CRM:stä
• Alan keskimääräiset HR-palkat
• Tuotteen tehokkuusvaikutukset
• Toimialan compliance-tilastot

Palvelut: Vaativiin tietosuoja­kysymyksiin vastaaminen

Markuksen palveluyhtiö tarjoaa IT-ulkoistusta pankeille ja vakuutusyhtiöille. Näissä compliance-vaatimukset ovat erittäin tiukkoja.

Asiakkaan kysymys: ”Voitteko taata, etteivät tietomme koskaan poistu Saksasta?”

KI:n tuottama vastaus:

”Täysi tietosuvereniteetti on meille standardi. Kaikki tiedot käsitellään vain ISO 27001 -sertifioidussa Frankfurtin datakeskuksessamme. Meillä on kirjallinen takuu, että tietoja ei siirretä alihankkijoille tai pilvipalveluihin Saksan ulkopuolelle. Voitte myös tehdä ennalta ilmoittamattomia auditointeja. Viimeisin BaFin-tarkastuksemme keväällä 2024 sujui moitteettomasti. Haluatteko tutustua turvallisuussuunnitelmaamme tarkemmin?”

Järjestelmä kokosi tähän automaattisesti kaikki olennaiset sertifikaatit, tarkastusraportit ja oikeudelliset takuut.

Kaikissa näissä esimerkeissä KI ei tarjoa pelkkiä perusteluja, vaan konkreettisia, mitattavia faktoja. Se erottaa mitäänsanomattoman myyntipuheen aidosti vakuuttavasta argumentista.

Implementointi: Ideasta tuotantokelpoiseen ratkaisuun

”Kuulostaa lupaavalta, mutta miten tämä viedään käytäntöön?” Tätä kysytään jokaisessa työpajassa.

Hyvä uutinen: KI-argumentointiapureiden käyttöönotto ei vaadi kaikkien aikojen suurinta mullistusta. Voit aloittaa pienimuotoisesti ja laajentaa vaiheittain.

Laadukkaan tietopohjan rakentaminen

Ensimmäinen askel on myös tärkein: oman tietopohjan strukturointi. Useimmilla yrityksillä tieto on jo olemassa – mutta hajallaan.

Tyypillisiä tietolähteitä, jotka sinulla todennäköisesti jo on:

• Tuote-esitteet ja tekniset dokumentaatiot
• Onnistuneet tarjoukset ja asiakasreferenssit
• Usein kysyttyjen kysymysten vastaukset tukipalvelusta
• Uusien työntekijöiden koulutusmateriaalit
• Hävittyjen ja voitettujen kauppojen muistiot
• Compliance-dokumentit ja sertifikaatit

Haaste on tiedon jalostamisessa: KI ei hyödy huonosti strukturoiduista PDF-tiedostoista. Data pitää muotoilla semanttisesti.

Käytännön esimerkki Thomasin koneenrakennuksesta:

Tiimin koulutus ja muutosjohtaminen

”Myyntitiimimme on yli 50-vuotiaita – eivät he opi uutta.” Tätä väitetään usein – täysin turhaan.

Nykyaikaiset KI-argumentointiapurit tukevat tuttua työskentelytapaa, eivät korvaa sitä. Harjoittelu on teknisesti yllättävän helppoa.

3-vaiheinen harjoittelumalli:

1. Viikot 1–2: Perustason ymmärrys
   • Mitä KI voi – ja mitä ei?
   • Käytännön demo asiakkaan tilanteesta
   • Ensimmäiset harjoitukset turvallisessa ympäristössä
2. Viikot 3–4: Pilotti
   • Käyttö valikoiduissa asiakastapaamisissa
   • Päivittäinen palautteen keruu ja optimointi
   • Kehitysehdotusten tunnistaminen
3. Viikosta 5 eteenpäin: Täysi käyttö
   • Integrointi normaaliin myyntiprosessiin
   • Viikottaiset tiimikatsaukset
   • Jatkuva KI-tietopohjan kehittäminen

Anna toteaa: ”Neljän viikon jälkeen myyntitiimini ei halunnut enää luopua järjestelmästä. Iäkkäämmätkin kollegat olivat innoissaan, kun pystyivät argumentoimaan samalla tasolla kuin nuoremmat.”

Mittarit ja seuranta

Hype ei maksa palkkoja – tehokkuus maksaa. Siksi KI-investoinnin onnistumista pitää mitata.

Oikeasti merkittävät suorituskykymittarit (KPI:t):

Tärkeää: Mittaa määrän lisäksi laatu. Yksi lisäkauppa kuussa on laiha saavutus, jos samalla asiakastyytyväisyys heikkenee.

Markus löysi tähän hyvän ratkaisun: ”Pyydämme asiakasta arvioimaan kompetenssimme joka keskustelun jälkeen. KI:n käyttöönoton myötä asiantuntijuusarviomme kasvoivat 0,8 pistettä.”

Kustannus–hyöty-laskelma: Mitä KI-argumentointiapurit todella tuovat

Nyt päästään tärkeimpään: Paljonko kaikki tämä maksaa – ja kannattaako investointi todella?

Rehellinen vastaus: Se riippuu. KI-argumentointiapureihin sijoittaminen ei tuo kaikille yrityksille yhtä paljon hyötyä.

ROI-laskelma myynnin tuelle

Katsotaanpa realistista esimerkkiä – asiakkaidemme kokemusten pohjalta:

Esimerkkiyritys: Keskisuuri B2B-yritys, 5 myyjää

Hyötylaskelma (konservatiivinen arvio):

• Kaupan klousausprosentti: +15 % lisää voitettuja kauppoja
• Keskimääräinen kaupan arvo: 45 000 €
• Kauppojen määrä/myyjä/vuosi: 8 vs. 7
• Lisäliikevaihto: 5 myyjää × 1 kauppa × 45 000 € = 225 000 €
• Katteellinen osuus (30 %): 67 500 €
• ROI vuosi 1: (67 500 € – 59 000 €) / 59 000 € = 14 %

Tämä koskee vain suoria myyntivaikutuksia. Lisäksi on vaikeammin mitattavia hyötyjä:

Ajan säästön konkretisointi

Aika on rahaa – mutta kuinka paljon? Tässä realistinen jako:

Aikasäästö per myyjä viikossa:

1. Asiakastapaamisten valmistelu: 3 h → 1 h = 2 h säästö
2. Tiedonhaku kesken keskustelun: 1 h → 0,2 h = 0,8 h säästö
3. Jälkityöt ja dokumentointi: 2 h → 1,2 h = 0,8 h säästö
4. Kokonaissäästö: 3,6 tuntia viikossa

Kun tuntikustannus on 75 €, se tarkoittaa 270 € / viikko / henkilö. Vuositasolla: 5 myyjää × 270 € × 48 vkoa = 64 800 €.

Thomas vahvistaa: ”Projektipäälliköt ehtivät nyt 20 % useampaan asiakastapaamiseen, kun tiedon haku vie vähemmän aikaa.”

Kauppojen klousausasteen kasvu

Suurin vipuvarsi on argumentaation laadussa. Asiakkaamme raportoivat seuraavista parannuksista:

Miksi parannus on näin merkittävä? Kolme pääsyytä:

1. Laadun tasaisuus: Jokainen myyjä argumentoivat parhaiden tasolla
2. Faktoihin perustuva myynti: Konkreettiset luvut vakuuttavat paremmin kuin epämääräiset lupaukset
3. Nopea reagointi: Vastaväitteet käsitellään heti ja ammattimaisesti

Anna tiivistää: ”Aiemmin menimme kauppoja sivu suun, koska emme osanneet perustella tarpeeksi hyvin. Nyt häviämme korkeintaan silloin, kun asiakkaalla ei oikeasti ole budjettia.”

On silti hyvä muistaa: KI-argumentointiapurit eivät ole kaiken ratkaiseva ihmelääke. Ne toimivat parhaiten monimutkaisissa tuotteissa ja pitkissä myyntiprosesseissa – tuotekatalogin vakiotuotteissa hyöty on rajallinen.

Riskit ja rajat: Rehellinen arvio modernien KI-työkalujen mahdollisuuksista

Nyt mennään asian ytimeen. Vaikka KI herättää innostusta, riskit eivät saa jäädä huomiotta.

En lupaa markkinointijargonia, vaan rehellisen katsauksen nykyisiin rajoihin ja mahdollisiin ongelmiin.

Tietosuoja ja vaatimustenmukaisuus

”Saammeko edes analysoida asiakaskeskusteluja KI:n avulla?” Markus kysyy tärkeimmän kysymyksen heti alkuunsa.

Oikeustilanne on monimutkainen mutta hallittavissa:

GDPR-vaatimukset:

• Suostumus: Asiakkaalle kerrottava KI:sta etukäteen
• Dataminimointi: Vain olennaiset keskustelun tiedot voidaan käyttää
• Säilytysajat: Tiedot poistettava määräajan jälkeen
• Läpinäkyvyys: Asiakkaalla oikeus tarkastella tallennettuja tietoja

Toimialakohtaiset erityispiirteet:

Käytännön toteutus onnistuu, mutta vaatii tarkkaa valmistautumista. Esimerkki Annan yrityksestä:

”Kerromme jokaiselle asiakkaalle keskustelun alussa: ’Tämä keskustelu saa tukea KI-ohjelmistosta antaakseen teille parempia vastauksia. Tietonne pysyvät meillä eikä niitä luovuteta kolmansille osapuolille.’ Kukaan ei ole tähän mennessä vastustanut ratkaisua.”

Nykyjärjestelmien tekniset rajat

KI on tehokas, mutta ei kaikkeen pysty. Tässä keskeisimmät tekniset rajoitteet:

1. Kielellisen ymmärryksen puutteet:

• Murteita ja aksentteja voi olla vaikeaa tulkita
• Ironiaa ja sarkasmia ei aina tunnisteta
• Aihealueen harvinaiset erikoissanat voivat olla haaste

2. Kontekstin hahmotuksen rajoitukset:

• Pitkät, moniteemaiset keskustelut voivat kuormittaa järjestelmää
• Ei ei-verbaalista kommunikaatiota (ilmeet, eleet)
• Hienovaraiset tunnetilojen vaihtelut jäävät huomaamatta

3. Hallusinaation riski:

Tämä on vaarallisin: KI voi ”keksiä” uskottavia mutta virheellisiä faktoja.

Eräs asiakkaamme huomasi, että järjestelmä ehdotti tuotteen sertifikaattia, jota ei todellisuudessa ollutkaan. Tilanne huomattiin vain ihmisen tarkistuksen ansiosta.

Suojautumiskeinot:

1. Kaksinkertainen tarkastus: Jokainen KI-vastaus kannattaa silmäillä
2. Tarkistettu faktapankki: Vain varmennetut tiedot syötetään järjestelmään
3. Varmuusprosentit: Modernit järjestelmät näyttävät luottamustasonsa

Ihminen ratkaisee edelleen

Kaikkein tärkein johtopäätös: KI ei korvaa hyviä myyjiä – se tekee heistä entistä parempia.

Thomas kiteyttää: ”KI antaa minulle argumentteja, mutta asiakkaan vakuuttaminen on aina minusta kiinni.”

Mitä KI ei osaa:

• Suhteiden rakentaminen: Luottamus syntyy ihmisten välillä, ei koneen
• Tunteiden aistiminen: Onko asiakas valmis ostamaan? Tämän aistii vain kokenut myyjä
• Luovan ratkaisun löytäminen: Poikkeukselliset toiveet ratkoo vain ihminen
• Eettinen arviointi: Mikä on oikeudenmukainen – mikä liian aggressiivista? Tämän päätös jää ihmiselle

Täydellinen yhdistelmä:

Anna summaa: ”Parhaat myyjämme ovat KI:n avulla tulleet paremmiksi. Heikommat ovat parantuneet – mutteivät muuttuneet tähdiksi itsestään.”

Tämä on rehellinen totuus: KI-argumentointiapurit ovat tehokas työkalu, mutta eivät taikasauva. Ne toimivat parhaiten alan osaajien käsissä.

Usein kysytyt kysymykset

Kuinka kauan KI-argumentointiapurin käyttöönotto kestää?

Perusasennus vie 4–6 viikkoa. Ensimmäiset tuotantotestit voidaan käynnistää tyypillisesti 8–10 viikon kohdalla. Täydellinen optimointi ja koko tiimin käyttöönotto vievät 3–6 kuukautta, riippuen tiimin koosta ja tuotteiden monimutkaisuudesta.

Voiko KI auttaa myös puhelinkeskusteluissa?

Kyllä, modernit järjestelmät tukevat sekä videopuheluja että puheluita. Live-transkriptio toimii reaaliajassa, mutta puhelun äänenlaadun heikentyminen laskee tunnistusvarmuutta 10–15 % verrattuna videoon.

Mitä tapahtuu, jos KI ehdottaa virheellistä vastausta?

Ammattilaisten järjestelmissä on aina varmuusprosentit (confidence score). Alle 80 %:n luottamuksella olevat vastaukset merkitään automaattisesti. Lisäksi suosittelemme tuplavarmistusta ja tarkistusta ennen kriittisten vastausten käyttöä.

Paljonko jatkuva käyttö yleensä maksaa?

Kuukausittaiset kustannukset ovat tyypillisesti 400–800 € per myyjä, riippuen toiminnallisuudesta ja käytön laajuudesta. Yritysratkaisut erityisvaatimuksilla voivat maksaa 1 000–1 500 € käyttäjää kohden.

Onko iällä merkitystä KI-työkalujen hyödyntämisessä?

Kokemuksemme osoittavat: Iällä ei ole väliä, vaan suhtautumisella teknologiaan. Jäsentynyt koulutus ja konkreettiset esimerkit auttavat myös 60-vuotiaita käyttämään KI-pohjaisia apureita menestyksekkäästi – ja usein he ovat entistä tyytyväisempiä saatuaan tukea arkeensa.

Mitkä toimialat hyötyvät eniten KI-argumentointiapureista?

Erityisen hyvin soveltuvat alat, joilla myydään monimutkaisia, selitystä vaativia tuotteita: koneenrakennus, ohjelmistot/IT, medisiinitekniikka, rahoituspalvelut ja tekniset palvelut. Vakiotuotteiden myynnissä hyöty on rajallinen.

Kuinka nopeasti tuloksia näkyy?

Ensimmäiset muutokset keskustelujen laadussa näkyvät jo 2–3 viikon harjoittelun jälkeen. Huomattavia muutoksia klousausprosentissa mitataan yleensä 2–3 kuukauden kuluttua. Täysi ROI syntyy yleensä 6–12 kuukaudessa.

Voiko KI auttaa myös kansainvälisessä myynnissä?

Modernit järjestelmät tukevat englantia, ranskaa, espanjaa sekä muita kieliä. Laatuerot ovat kuitenkin merkittäviä. Suomalaisyrityksille suositellaan aloittamaan suomenkielisillä keskusteluilla ja laajentamaan myöhemmin kansainvälisille markkinoille.