نموذج هيكل فريق المبيعات الفعال باستخدام علم البيانات

تقوم العديد من المؤسسات بتعديل تعويضات الحوافز أو الحصص لفريق المبيعات الخاص بهم عندما يقصرون في تحقيق أهداف نمو الإيرادات. قد يُعزى هذا الفشل إلى العمليات القديمة أو تكوين الفريق أو مشكلات اتخاذ القرار التي تعيق الأداء.

ومع ذلك ، يمكن أن يساعد علم البيانات في تقديم حلول فعالة لمؤسسة المبيعات. بدلاً من مجرد الرد على الأداء الضعيف ، يمكن لعلم البيانات أن يسمح لمؤسسة المبيعات بالتكيف مع التغييرات وتجنب الفشل.

التعاملات المعقدة مع زيادة مدخلات أصحاب المصلحة تجعل هيكل الفريق أمرًا بالغ الأهمية

تتبع معظم عمليات البيع داخل المؤسسات نمطًا مألوفًا . قد تستمر المراحل الكلاسيكية من توليد العملاء المحتملين إلى التأهيل وتحديد المشكلة والتفاوض في العمل بفعالية في بعض بيئات البيع الموجهة نحو المنتج والمعاملات.

ومع ذلك ، في بيئة الأعمال التجارية اليوم ، أصبحت العديد من قرارات الشراء واسعة النطاق ، حيث يساهم المزيد من أصحاب المصلحة في وجهات نظر فريدة يجب معالجتها على وجه التحديد. تم تصميم المراحل الكلاسيكية في الأصل ليتم تنفيذها من قبل الأفراد مع الحد الأدنى من الدعم من فرق المكتب الخلفي. في واقع المبيعات الجديد اليوم ، يعد العمل الجماعي أكثر أهمية بكثير.

وفقًا لـ Challenger ، لا يتخذ العميل المحتمل أي قرار بنسبة 38 بالمائة من الوقت. ولعل الأهم من ذلك ، أن السبب الأكثر شيوعًا لعدم اتخاذ القرار هذا هو عدم قدرة أصحاب المصلحة على التوصل إلى اتفاق. لكي تنجح في تعزيز إجماع المشتري ، يحتاج فريق المبيعات الخاص بك إلى مجالات خبرة متعددة والعديد من نقاط الاتصال مع العميل المحتمل. في حالة إتمام عملية البيع ، تشارك فرق التنفيذ و / أو إدارة الحساب و / أو نجاح العملاء أيضًا في دعم العميل الجديد.

يعد تكوين الفريق وفعاليته أمرًا بالغ الأهمية عندما تقوم بإيفاد فرق كبيرة لإغلاق المبيعات المعقدة. هذا يعني رعاية العميل من خلال تجربته مع منتجك أو خدمتك أو شركتك.

العوامل نفسها التي تجعل العمل الجماعي أكثر أهمية تجعل الطريقة القديمة لتحديد كيفية أداء فرق المبيعات معًا عفا عليها الزمن. تعتمد الطريقة القديمة بشكل كامل تقريبًا على نتائج المبيعات مع بعض المراجعة النوعية الخفيفة. اعتاد قادة المبيعات على الانضمام إلى مكالمات العملاء المحتملين واجتماعات العروض التقديمية لتقديم التدريب ، والتي يمكن استخدامها بعد ذلك عند إجراء مراجعات لخط الأنابيب وتقييم معدلات التحويل. اليوم ، قد لا يكون هذا كافيا.

تجمع الطريقة الجديدة لتقييم أداء فريق المبيعات بين أفضل ما في القديم وثلاث تقنيات عالية القوة تستخدم ضرورات إستراتيجية متعلقة بالبيانات لتحليل هيكل فريق المبيعات الفعال وتحسينه.

تقنية علوم البيانات رقم 1: نمذجة دور فريق المبيعات

تعمل نماذج دور فريق المبيعات على تحليل سلوكيات محددة لتطوير وتعزيز الشكل "الرائع" ؛ ثم يقوم بإنشاء ملفات تعريف لأدوار الفريق بناءً على الثغرات ونقاط القوة في قدرات فريق المبيعات لديك.

البيانات المطلوبة

لتنفيذ هذه المبادرة الإستراتيجية ، ستحتاج إلى بيانات معينة عن أعضاء فريقك ، وتحديداً البيانات الحيوية التعليمية والتوظيفية وخصائص الشخصية. لإضافة الموضوعية والبيانات الإضافية إلى العملية ، قد يكون من المفيد إدارة اختبار شخصية شامل لأعضاء الفريق ودمج المعلومات التي تم جمعها.

نهج التحليل

الخطوة التالية هي تحليل تكوين فريقك والفرق الأخرى لمقارنة التكوين بالأداء. أهم الأسئلة التي يجب الإجابة عليها هي:

• ما هي الخصائص / الخبرات التي يمتلكها معظم أعضاء الفريق؟
• ما هي الخصائص / الخبرات التي تمتلكها / لا تمتلكها فرق المبيعات عالية / منخفضة الأداء؟

يمكن تطبيق نهجين أساسيين لتحليل البيانات على البيانات التي جمعتها: الانحدار والتكتل.

الانحدار هو إحدى وظائف التعلم الآلي التي تتوقع رقمًا ، مثل رقم المبيعات السنوي. تبدأ مهمة الانحدار بمجموعة بيانات تُعرف فيها القيمة الهدف. في عملية بناء النموذج (التدريب) ، تقدر خوارزمية الانحدار قيمة الهدف (أداء المبيعات) كدالة للمتنبئين (سمات الشخصية ، والحيازة ، وما إلى ذلك) لكل حالة في بيانات البناء. يتم تلخيص هذه العلاقات بين المتنبئين والأهداف في النماذج. يمكن أن تساعد هذه النماذج في تحديد خصائص وتجارب أعضاء الفريق والفريق ككل ، والتنبؤ بشكل أفضل بأداء المبيعات.

تقنيات المجموعات هي نوع من التعلم الآلي الذي يستخدم خصائص وخبرات أعضاء فريق المبيعات لتحديد الفئات المشتركة. على سبيل المثال ، لإجراء تحليل يقارن عدد الخبرات التدريبية للأعضاء بوقتهم في التفاعل مع العميل ، قد يحدد التجميع مجموعتين من الموظفين - مجموعة لديها تدريب أكثر ووقت أكثر مع العميل ، والمجموعة الأخرى التي لديها تدريب أقل وقضاء وقت أقل مع العميل. يمكن بعد ذلك ربط هذه الملفات الشخصية بمؤشرات الأداء الرئيسية (مؤشرات الأداء الرئيسية).

مثال: اكتشاف الأنماط يشير إلى طريق التحسين

باستخدام تقنيات تستند إلى علم البيانات ، تمكنت إحدى شركات التكنولوجيا من اكتشاف بعض الخصائص المشتركة لفرق المبيعات ذات الأداء المنخفض. كانوا أكثر انتشارًا جغرافيًا ، وكان لديهم قوائم استهداف مبيعات أكثر انتشارًا ، وكان لديهم كفاءات مبيعات كانت أقل انسجامًا مع أدوارهم من الفرق عالية الأداء. يمكن أن تؤدي معرفة الأنماط التي يصعب إدراكها إلى معالجة ناجحة للأداء دون المستوى.

تقنية علوم البيانات # 2: صنع قرار فريق المبيعات

يمكن لتحليل اتخاذ القرار تحديد أوقات محددة أثناء الجدول الزمني لشراء العميل (ونجاح العميل) عندما يجب اتخاذ إجراءات معينة من أجل تعظيم مؤشرات الأداء الرئيسية للمبيعات.

البيانات المطلوبة

نوعا البيانات المطلوبان لهذه التقنية هما:

• بيانات حركة الوقت التي تواجه العملاء (أنشطة ما قبل البيع والمبيعات وما بعد البيع)
• بيانات الاتصالات (البريد الإلكتروني ، مواعيد التقويم ، التبادلات على منصات الشبكات المهنية)

نهج التحليل

يجد هذا التحليل على وجه التحديد أفضل الأوقات لأعضاء فريق المبيعات للمشاركة في أنشطة معينة تواجه العملاء من خلال فحص مسار إجراءات فريق المبيعات والقرارات والاتصالات عبر رحلة شراء العميل. ثم يتم تعيين ذلك مقابل عملية المبيعات الخاصة بك عن طريق ربط التوقيت بأداء فريق المبيعات.

يمكن هنا أيضًا استخدام تقنيات الانحدار ، كما هو موضح في القسم الأخير. في هذه الحالة ، يمكنك أولاً إنشاء "أكواد" في بياناتك لتمثيل النقاط في الجدول الزمني لفريق المبيعات عند حدوث إجراءات وقرارات واتصالات معينة. يمكن بعد ذلك استخدام هذه الرموز كمؤشرات لأداء المبيعات في نماذجك.

مثال: اكتشاف ما يجب أن تعلمه الأفضل

كانت شركة محاماة تحاول فهم سلوكيات كبار صانعي المطر حتى تتمكن من استخلاص الأفكار حول التدريب الفعال لمطوري الأعمال الآخرين في الشركة. كان مسح الوقت والحركة بالإضافة إلى تحليل أنماط الاتصال أمرًا بالغ الأهمية في تحقيق هذا الغرض.

تقنية علوم البيانات رقم 3: تعاون فريق المبيعات

يمكن أن يساعدك تحليل تعاون فريق المبيعات في تحديد مدى فعالية عمل أعضاء فريق المبيعات معًا ، والتفاعل مع العميل ، وكيف تؤدي تفاعلات الفريق هذه إلى زيادة المبيعات.

البيانات المطلوبة

ستحتاج إلى بيانات تساعد في ترجمة تعاون الفريق إلى إيرادات وأرباح فعلية ، بما في ذلك:

• الاتصالات (البريد الإلكتروني ، مواعيد التقويم ، التبادلات على منصات الشبكات المهنية)
• التعويضات والأداء وإدارة علاقات العملاء وبيانات فواتير العميل

نهج التحليل

يمكن استخدام هذه البيانات لإلقاء الضوء على الأشخاص الذين تتواصل معهم فرق المبيعات ، ومدى تكرار ذلك ، وأنماط الاتصال المرتبطة بأداء المبيعات العالي.

تحليل الشبكة التنظيمية (ONA) هو طريقة لدراسة الاتصالات والشبكات المدفوعة اجتماعيًا داخل الشركة. تنشئ هذه التقنية نماذج رسومية وإحصائية يمكن أن تساعدك على فهم أنماط الاتصال لفريق المبيعات لديك بشكل كامل.

ثلاثة مقاييس الشبكات الشائعة التي تنتجها ONA هي:

• الكثافة - الدرجة التي يتواصل بها أعضاء الفريق مباشرة مع بعضهم البعض.
• المركزية - أي أعضاء فريق المبيعات هم الأكثر تأثيرًا في اتصالاتهم.
• المعاملة بالمثل - الدرجة التي يتبادل عندها أعضاء فريق المبيعات المعلومات بشكل متبادل.

يمكن استخدام هذه المقاييس ، بمجرد تطويرها ، في النمذجة التنبؤية لمؤشرات الأداء الرئيسية لفريق المبيعات.

مثال: إبراز السلوكيات التي تؤدي إلى النجاح

سعت منظمة المستهلك القائمة على الميدان إلى فهم أعمق قائم على البيانات لكيفية مساهمة مديري المبيعات في النمو والربح. من خلال التحليلات التنبؤية ، و ONA ، والنمذجة ، تمكنوا من تحديد نهج المهام والسلوكيات الحاسمة التي تساهم في نجاح مديري المبيعات ذوي الأداء العالي. تنبأت بيانات الشخصية وتوقيعات الشبكة وسلوكيات مدير المبيعات بنسبة 18 بالمائة من التباين في المبيعات على أساس سنوي.

لا تخطئ في افتراض أن الحصص والتعويضات هما المحددان الوحيدان لنجاح المبيعات. العملية حاسمة. تأكد من أن فريق عمليات المبيعات لديك لديه أدوات تستند إلى علم البيانات لتحسين العملية والأداء بالإضافة إلى المعرفة التي يحتاجون إليها لتحقيق أقصى استفادة منها. تعرف على المزيد حول كيفية تحسين فعالية مبيعاتك في دليلنا الأخير ، " إتقان إدارة أداء المبيعات: دليل لتحويل المبيعات الرقمية ."

هذا منشور ضيف بواسطة Tom Hill و Tatem Burns من شركة Axiom Consulting Partners. تعرف على المزيد حول اكسيوم هنا.