مسیر طولانی زوم‌اینفو برای رسیدن به استراتژی ورود به بازار

وقتی زوم‌اینفو (ZoomInfo) در سال ۲۰۰۷ شروع شد، ایده اصلی ساده بود: بدون داده خوب، فروش و بازاریابی بیشتر شبیه حدس‌زدن است تا یک فرایند قابل اندازه‌گیری. اما چیزی که امروز عوض شده خودِ داده نیست؛ محیطی است که داده باید در آن حرکت کند. هنری شوک (Henry Schuck)، بنیان‌گذار و مدیرعامل شرکت، می‌گوید ساخت معماری لازم برای این آینده حدود ۱۹ سال طول کشید. زمانی مشتری فقط می‌خواست داده را داخل CRM ببیند، بعد ابزارهای اتوماسیون بازاریابی وارد شدند، بعد APIها، و حالا عامل‌های هوش مصنوعی آمده‌اند که باید بتوانند بدون وابستگی به رابط اصلی زوم‌اینفو مستقیماً اطلاعات را بخوانند و روی آن عمل کنند.

نکته جالب این است که شوک این تغییر را نتیجه ناگهانی ChatGPT نمی‌داند. از سال‌ها قبل، مشتریان مرتب می‌خواستند داده زوم‌اینفو را خارج از خود نرم‌افزار استفاده کنند. شرکت هم به‌تدریج معماری‌اش را بازسازی کرد تا داده در هر جایی قابل دسترسی باشد. وقتی مدل‌های زبانی بزرگ و بعد پروتکل‌هایی مثل MCP یا Model Context Protocol از راه رسیدند، زیرساخت از قبل برای مصرف خارج از رابط اصلی آماده شده بود. این روایت خلاف داستان رایج بسیاری از شرکت‌هاست که بعد از موج AI ناگهان محصولشان را «AI-native» معرفی کردند؛ زوم‌اینفو می‌گوید بازار فقط سرانجام به مسیری رسید که مشتریانش سال‌ها قبل نشان داده بودند.

خود مفهوم Go-to-Market یا GTM هم تغییر کرده است. شوک می‌گوید در سال ۲۰۲۰ اصطلاح GTM در تماس‌های مالی شرکت‌ها فقط گهگاه شنیده می‌شد، اما حالا استفاده از آن تقریباً ۵۰ برابر شده است. GTM دیگر فقط کاری نیست که تیم فروش با تجربه و حس شخصی انجام دهد؛ تبدیل شده به یک رشته مستقل شامل حدود ۲۰ وظیفه، از جست‌وجوی مشتری بالقوه و تحقیق درباره حساب‌ها تا برنامه‌ریزی قلمرو، شناسایی بازار کل، بررسی معامله و کوچینگ تماس‌ها. زوم‌اینفو قبلاً فقط در یکی دو مورد از این کارها بسیار قوی بود؛ هدفش این است که تا پایان امسال به ۸ حوزه و تا پایان سال ۲۰۲۷ به ۱۵ حوزه برسد.

اما این کارها دیگر الزاماً داخل یک SaaS واحد انجام نمی‌شوند. بخشی از فعالیتی که زمانی داخل رابط زوم‌اینفو یا CRM انجام می‌شد، حالا می‌تواند در Claude Code، کدکس یا ابزار داخلی اختصاصی یک شرکت اتفاق بیفتد. این یعنی زوم‌اینفو می‌خواهد از «جایی که کاربر واردش می‌شود» به «لایه‌ای که همه ابزارها روی آن حساب می‌کنند» تبدیل شود. شبیه تفاوت میان یک فروشگاه و شبکه برق است: فروشگاه مقصد است، اما شبکه برق قرار نیست خودش مقصد باشد؛ باید در هر جایی که مصرف‌کننده نیاز دارد حاضر باشد. در این مدل، رابط کاربری فقط یکی از چند ورودی است و دارایی اصلی، خود داده و امکان دسترسی استاندارد و قابل اعتماد به آن است.

قسمت کمتر جذاب اما حیاتی این آینده، تطبیق هویت یا Identity Resolution است. ممکن است یک نفر در یک سیستم Thomas باشد، در دیگری Tom و در سومی فقط T.؛ یا شرکتی مثل Cisco کسب‌وکاری را خریده باشد که هنوز با نام و ساختار مستقل در داده‌ها ظاهر می‌شود. حتی در مورد شرکتی مثل Disney و ESPN، رابطه مالکیت با ساختار واقعی تصمیم‌گیری و خرید یکی نیست. اگر عامل AI قرار است روی داده تصمیم بگیرد، باید بداند این رکوردها واقعاً به چه شخص یا چه شرکت واحدی تعلق دارند. اشتباه در این لایه مثل دادن نقشه‌ای با خیابان‌های اشتباه به یک راننده خودکار است؛ هرچه عامل سریع‌تر و مستقل‌تر باشد، هزینه داده غلط بیشتر می‌شود.

در نهایت، مقیاس سازمانی بدون اعتماد قانونی جلو نمی‌رود. زوم‌اینفو می‌گوید با حدود ۷۰ درصد شرکت‌های Fortune 50 کار می‌کند و فقط در آمریکا ۱۶ ایالت قوانین حریم خصوصی متفاوت دارند؛ در کنار GDPR اروپا، LGPD برزیل، PIPEDA کانادا و قوانین کشورهای دیگر. بنابراین زیرساخت داده باید بسته به منطقه، رضایت، امکان خروج و نحوه پردازش اطلاعات را متفاوت مدیریت کند. شوک می‌گوید خودش تقریباً در هر فصل با ۱۱۰ مشتری ملاقات می‌کند، اما حتی این گفت‌وگوها را کافی نمی‌داند و شخصاً با ابزارهایی مثل Claude و Vercel کار می‌کند تا فاصله میان گزارش مدیریتی و تجربه واقعی کاربر را ببیند. پیام مقاله روشن است: آینده GTM فقط با AI ساخته نمی‌شود؛ با داده دقیق، زیرساخت باز، انطباق قانونی و مدیرانی ساخته می‌شود که هنوز خودشان ابزار را لمس می‌کنند.