Effektives Vertriebsteam-Strukturmodell unter Verwendung von Data Science

Viele Unternehmen optimieren die leistungsbezogene Vergütung oder Quoten für ihr Vertriebsteam, wenn sie die Umsatzwachstumsziele nicht erreichen. Dieser Fehler kann auf veraltete Prozesse, Teamkonfigurationen oder Entscheidungsprobleme zurückgeführt werden, die die Leistung beeinträchtigen.

Data Science kann jedoch dazu beitragen, effektive Lösungen für die Vertriebsorganisation bereitzustellen. Anstatt einfach auf schlechte Leistung zu reagieren, kann Data Science es der Vertriebsorganisation ermöglichen, sich an Veränderungen anzupassen und Misserfolge zu vermeiden.

Komplexe Deals mit erhöhtem Stakeholder-Input machen die Teamstruktur entscheidend

Die meisten Verkaufsprozesse innerhalb von Organisationen folgen einem vertrauten Muster . Die klassischen Phasen von der Lead-Generierung bis zur Qualifizierung, Problemdefinition und Verhandlung können in einigen produktorientierten und transaktionalen Verkaufsumgebungen weiterhin effektiv funktionieren.

In der heutigen Geschäftswelt sind jedoch viele Kaufentscheidungen auf breiterer Basis erfolgt, wobei mehr Interessengruppen einzigartige Standpunkte einbringen, die speziell berücksichtigt werden müssen. Die klassischen Phasen wurden ursprünglich entwickelt, um von Einzelpersonen mit minimaler Unterstützung durch Backoffice-Teams implementiert zu werden. In der heutigen neuen Vertriebsrealität ist Teamwork viel wichtiger.

Laut Challenger trifft der Interessent in 38 Prozent der Fälle keine Entscheidung. Vielleicht noch wichtiger ist, dass der häufigste Grund für diese fehlende Entscheidung die Unfähigkeit der Beteiligten ist, sich zu einigen. Um den Käuferkonsens erfolgreich zu fördern, benötigt Ihr Vertriebsteam mehrere Fachgebiete und viele Kontaktpunkte mit einem Interessenten. Sollte der Verkauf zustande kommen, werden auch die Implementierungs-, Account Management- und/oder Kundenerfolgsteams involviert, um den neuen Kunden zu unterstützen.

Teamkonfiguration und Effektivität sind entscheidend, wenn Sie große Teams einsetzen, um komplexe Verkäufe abzuschließen. Das bedeutet, den Kunden durch seine Erfahrungen mit Ihrem Produkt, Ihrer Dienstleistung oder Ihrem Unternehmen zu begleiten.

Dieselben Faktoren, die Teamarbeit wichtiger machen, machen auch die alte Methode zur Bestimmung der gemeinsamen Leistung von Vertriebsteams obsolet. Der alte Weg stützt sich fast ausschließlich auf Verkaufsergebnisse mit einer leichten qualitativen Überprüfung. Früher nahmen Vertriebsleiter an Gesprächen mit potenziellen Kunden und Pitch-Meetings teil, um Coaching anzubieten, das dann später verwendet werden konnte, wenn sie Pipeline-Überprüfungen durchführten und Konversionsraten bewerteten. Heute reicht das vielleicht nicht mehr aus.

Die neue Methode zur Bewertung der Leistung des Vertriebsteams kombiniert das Beste der alten mit drei leistungsstarken Techniken, die datenbezogene, strategische Imperative verwenden, um die effektive Struktur des Vertriebsteams zu analysieren und zu optimieren.

Data-Science-Technik Nr. 1: Rollenmodellierung des Vertriebsteams

Das Rollenmodell des Vertriebsteams analysiert spezifische Verhaltensweisen, um zu entwickeln und zu verstärken, wie „großartig“ aussieht; erstellt dann Teamrollenprofile basierend auf Lücken und Stärken in den Fähigkeiten Ihres Vertriebsteams.

Daten erforderlich

Um diese strategische Initiative durchzuführen, benötigen Sie bestimmte Daten zu Ihren Teammitgliedern, insbesondere Bildungs- und Beschäftigungsdaten sowie Persönlichkeitsmerkmale. Um dem Prozess Objektivität und zusätzliche Daten hinzuzufügen, kann es sinnvoll sein, den Teammitgliedern einen umfassenden Persönlichkeitstest durchzuführen und die gesammelten Informationen einzubeziehen.

Ansatz zur Analyse

Der nächste Schritt besteht darin, die Zusammensetzung Ihres Teams und anderer Teams zu analysieren, um die Zusammensetzung mit der Leistung zu vergleichen. Die wichtigsten zu beantwortenden Fragen sind:

• Welche Eigenschaften/Erfahrungen haben die meisten Teammitglieder?
• Welche Eigenschaften/Erfahrungen haben leistungsstarke/schwache Vertriebsteams/keine?

Auf die von Ihnen gesammelten Daten können zwei grundlegende Datenanalyseansätze angewendet werden: Regression und Clustering.

Regression ist eine maschinelle Lernfunktion, die eine Zahl vorhersagt, z. B. eine jährliche Verkaufszahl. Die Regressionsaufgabe beginnt mit einem Datensatz, in dem der Zielwert bekannt ist. Beim Modellaufbau (Training) schätzt ein Regressionsalgorithmus den Wert des Ziels (Verkaufsleistung) als Funktion der Prädiktoren (Persönlichkeitsmerkmale, Betriebszugehörigkeit usw.) für jeden Fall in den Aufbaudaten. Diese Beziehungen zwischen Prädiktoren und Zielen werden in Modellen zusammengefasst. Diese Modelle können dabei helfen, herauszufinden, welche Eigenschaften und Erfahrungen von Teammitgliedern und einem Team als Ganzes die Verkaufsleistung am besten vorhersagen.

Clustering -Techniken sind eine Art maschinelles Lernen, das die Eigenschaften und Erfahrungen Ihrer Vertriebsteammitglieder nutzt, um gemeinsame Kategorien zu identifizieren. Um beispielsweise eine Analyse durchzuführen, die die Anzahl der Schulungserfahrungen der Mitglieder mit ihrer Zeit für die Interaktion mit einem Kunden vergleicht, könnte Clustering zwei Gruppen von Mitarbeitern identifizieren – eine Gruppe, die mehr Schulungen und mehr Zeit mit dem Kunden hat, und die andere Gruppe, die mehr Zeit mit dem Kunden hat weniger Schulung und verbringt weniger Zeit mit dem Kunden. Diese Profile können dann mit KPIs (Key Performance Indicators) verknüpft werden.

Beispiel: Das Erkennen von Mustern weist auf den Weg zur Verbesserung hin

Mithilfe von Data-Science-basierten Techniken konnte ein Technologieunternehmen einige gemeinsame Merkmale seiner leistungsschwachen Vertriebsteams entdecken. Sie waren geografisch stärker verstreut, hatten uneinheitlichere Vertriebsziellisten und Vertriebskompetenzen, die weniger auf ihre Rolle abgestimmt waren als leistungsstarke Teams. Die Kenntnis ansonsten schwer wahrnehmbarer Muster kann zu einer erfolgreichen Behebung einer unterdurchschnittlichen Leistung führen.

Data-Science-Technik Nr. 2: Entscheidungsfindung im Vertriebsteam

Die Analyse der Entscheidungsfindung kann bestimmte Zeitpunkte während des Kundenkaufs (und des Kundenerfolgs) bestimmen, zu denen bestimmte Maßnahmen ergriffen werden sollten, um die Verkaufs-KPIs zu maximieren.

Daten erforderlich

Die zwei Arten von Daten, die für diese Technik erforderlich sind, sind:

• Kundenbezogene Zeitbewegungsdaten (Pre-Sales-, Sales- und Post-Sales-Aktivitäten)
• Kommunikationsdaten (E-Mail, Kalendertermine, Austausch auf beruflichen Networking-Plattformen)

Ansatz zur Analyse

Diese Analyse findet speziell die besten Zeiten für Mitglieder des Vertriebsteams, um sich an bestimmten kundenorientierten Aktivitäten zu beteiligen, indem sie den Verlauf der Aktionen, Entscheidungen und Kommunikationen des Vertriebsteams während der Kaufreise des Kunden untersucht. Dies wird dann Ihrem Verkaufsprozess zugeordnet, indem das Timing mit der Leistung des Verkaufsteams verknüpft wird.

Auch Regressionstechniken , wie im letzten Abschnitt beschrieben, können hier eingesetzt werden. In diesem Fall können Sie zunächst „Codes“ in Ihren Daten erstellen, um die Punkte in der Zeitachse des Vertriebsteams darzustellen, an denen bestimmte Aktionen, Entscheidungen und Kommunikationen stattfinden. Diese Codes können dann als Prädiktoren für die Verkaufsleistung in Ihren Modellen verwendet werden.

Beispiel: Entdecken, was die Besten zu lehren haben

Eine Anwaltskanzlei versuchte, das Verhalten ihrer Top-Regenmacher zu verstehen, um die Erkenntnisse in effektives Training für andere Geschäftsentwickler in der Kanzlei zu destillieren. Eine Time-and-Motion-Umfrage plus Analyse von Kommunikationsmustern waren entscheidend, um dieses Ziel zu erreichen.

Data-Science-Technik Nr. 3: Zusammenarbeit im Vertriebsteam

Durch die Analyse der Zusammenarbeit des Vertriebsteams können Sie feststellen, wie effektiv Ihre Vertriebsteammitglieder zusammenarbeiten, mit dem Kunden interagieren und wie diese Teaminteraktionen den Umsatz steigern.

Daten erforderlich

Sie benötigen Daten, die dabei helfen, die Teamzusammenarbeit in tatsächlichen Umsatz und Gewinn umzuwandeln, darunter:

• Kommunikation (E-Mail, Kalendertermine, Austausch auf professionellen Networking-Plattformen)
• Vergütung und Leistung, CRM und Kundenabrechnungsdaten

Ansatz zur Analyse

Diese Daten können verwendet werden, um aufzuzeigen, mit wem Vertriebsteams wie häufig kommunizieren und welche Kommunikationsmuster mit einer hohen Vertriebsleistung verbunden sind.

Die Organisationsnetzwerkanalyse (ONA) ist eine Methode zur Untersuchung von Kommunikation und sozial gesteuerten Netzwerken innerhalb eines Unternehmens. Diese Technik erstellt grafische und statistische Modelle, die Ihnen helfen können, die Kommunikationsmuster Ihres Verkaufsteams vollständig zu verstehen.

Drei gängige Netzwerkmetriken, die von ONA erstellt werden, sind:

• Dichte – der Grad, in dem Mitglieder des Teams direkt miteinander kommunizieren.
• Zentralität – welche Mitglieder des Vertriebsteams den größten Einfluss auf ihre Kommunikation haben.
• Reziprozität – das Ausmaß, in dem die Mitglieder des Vertriebsteams gegenseitig Informationen austauschen.

Diese Metriken können, sobald sie entwickelt sind, bei der Vorhersagemodellierung von KPIs des Vertriebsteams verwendet werden.

Beispiel: Hervorheben von Verhaltensweisen, die zum Erfolg führen

Eine im Außendienst tätige Verbraucherorganisation suchte nach einem tieferen, datengesteuerten Verständnis dafür, wie ihre Vertriebsleiter zu Wachstum und Gewinn beigetragen haben. Durch Predictive Analytics, ONA und Modellierung konnten sie die Aufgabenansätze und entscheidenden Verhaltensweisen identifizieren, die zum Erfolg leistungsstarker Vertriebsmanager beitragen. Persönlichkeitsdaten, Netzwerksignaturen und Verhaltensweisen von Verkaufsleitern sagten 18 Prozent der Abweichung der Verkäufe im Jahresvergleich voraus.

Machen Sie nicht den Fehler, anzunehmen, dass Quoten und Vergütung die einzigen Determinanten des Verkaufserfolgs sind. Der Prozess ist entscheidend. Stellen Sie sicher, dass Ihr Vertriebsteam über datenwissenschaftsbasierte Tools zur Optimierung von Prozessen und Leistung sowie über das Wissen verfügt, das es benötigt, um das Beste daraus zu machen. Erfahren Sie mehr darüber, wie Sie Ihre Vertriebseffektivität verbessern können, in unserem aktuellen Leitfaden „ Mastering Sales Performance Management: A Guide to Digital Sales Transformation “.

Dies ist ein Gastbeitrag von Tom Hill und Tatem Burns von Axiom Consulting Partners. Erfahren Sie hier mehr über Axiom.