Model Struktur Tim Penjualan yang Efektif Menggunakan Ilmu Data

Banyak organisasi mengubah kompensasi insentif atau kuota untuk tim penjualan mereka ketika mereka gagal mencapai tujuan pertumbuhan pendapatan. Kegagalan ini dapat dikaitkan dengan proses yang ketinggalan zaman, konfigurasi tim, atau masalah pengambilan keputusan yang menghambat kinerja.

Namun, ilmu data dapat membantu memberikan solusi efektif untuk organisasi penjualan. Alih-alih hanya bereaksi terhadap kinerja yang buruk, ilmu data dapat memungkinkan organisasi penjualan menyesuaikan diri dengan perubahan dan menghindari kegagalan.

Kesepakatan Kompleks dengan Peningkatan Masukan Pemangku Kepentingan Membuat Struktur Tim Penting

Sebagian besar proses penjualan dalam organisasi mengikuti pola yang sudah dikenal . Tahapan klasik dari perolehan prospek hingga kualifikasi, pendefinisian masalah, dan negosiasi dapat terus bekerja secara efektif di beberapa lingkungan yang berorientasi pada produk dan penjualan transaksional.

Namun, dalam lingkungan bisnis saat ini, banyak keputusan pembelian menjadi lebih luas, dengan lebih banyak pemangku kepentingan yang memberikan kontribusi sudut pandang unik yang harus ditangani secara khusus. Tahap klasik awalnya dirancang untuk dilaksanakan oleh individu dengan dukungan minimal dari tim back-office. Dalam realitas penjualan baru saat ini, kerja tim jauh lebih penting.

Menurut Challenger , prospek tidak membuat keputusan sebanyak 38 persen. Mungkin yang lebih penting lagi, alasan paling umum dari kurangnya keputusan ini adalah ketidakmampuan para pemangku kepentingan untuk mencapai kesepakatan. Agar berhasil dalam mempromosikan konsensus pembeli, tim penjualan Anda membutuhkan banyak bidang keahlian dan banyak titik kontak dengan prospek. Jika penjualan berhasil, tim implementasi, manajemen akun, dan/atau pelanggan sukses juga terlibat untuk mendukung klien baru.

Konfigurasi dan efektivitas tim sangat penting ketika Anda menurunkan tim besar untuk menutup penjualan yang kompleks. Ini berarti menggiring pelanggan melalui pengalaman mereka dengan produk, layanan, atau perusahaan Anda.

Faktor yang sama yang membuat kerja tim menjadi lebih kritis juga membuat cara lama untuk menentukan bagaimana kinerja tim penjualan bersama menjadi usang. Cara lama hampir sepenuhnya bergantung pada hasil penjualan dengan beberapa tinjauan kualitatif sentuhan ringan. Pemimpin penjualan biasanya bergabung dengan panggilan prospek dan pertemuan pitch untuk memberikan pelatihan, yang kemudian dapat digunakan saat mereka melakukan tinjauan saluran dan mengevaluasi tingkat konversi. Hari ini, ini mungkin tidak cukup.

Cara baru untuk mengevaluasi kinerja tim penjualan menggabungkan yang terbaik dari yang lama dengan tiga teknik bertenaga tinggi menggunakan data terkait, keharusan strategis untuk menganalisis dan mengoptimalkan struktur tim penjualan yang efektif.

Teknik Ilmu Data #1: Pemodelan Peran Tim Penjualan

Pemodelan peran tim penjualan menganalisis perilaku spesifik untuk mengembangkan dan memperkuat seperti apa penampilan "hebat"; kemudian buat profil peran tim berdasarkan kesenjangan dan kekuatan dalam kemampuan tim penjualan Anda.

Data yang Diperlukan

Untuk menjalankan inisiatif strategis ini, Anda memerlukan data tertentu tentang anggota tim Anda, khususnya biodata pendidikan dan pekerjaan serta karakteristik kepribadian. Untuk menambahkan objektivitas dan data tambahan ke dalam proses, akan berguna untuk memberikan tes kepribadian yang komprehensif kepada anggota tim dan menggabungkan informasi yang dikumpulkan.

Pendekatan Analisis

Langkah selanjutnya adalah menganalisis komposisi tim Anda dan tim lain untuk membandingkan komposisi dengan kinerja. Pertanyaan yang paling penting untuk dijawab adalah:

• Karakteristik/pengalaman apa yang dimiliki sebagian besar anggota tim?
• Karakteristik/pengalaman apa yang dimiliki/tidak dimiliki oleh tim penjualan berkinerja tinggi/rendah?

Dua pendekatan analitik data dasar dapat diterapkan pada data yang telah Anda kumpulkan: regresi dan pengelompokan.

Regresi adalah fungsi pembelajaran mesin yang memprediksi angka, seperti angka penjualan tahunan. Tugas regresi dimulai dengan kumpulan data di mana nilai target diketahui. Dalam proses pembuatan model (pelatihan), algoritme regresi memperkirakan nilai target (kinerja penjualan) sebagai fungsi dari prediktor (ciri kepribadian, masa kerja, dll.) untuk setiap kasus dalam data pembangunan. Hubungan antara prediktor dan target ini diringkas dalam model. Model-model ini dapat membantu mengidentifikasi karakteristik dan pengalaman anggota tim dan tim secara keseluruhan, yang paling baik memprediksi kinerja penjualan.

Teknik pengelompokan adalah jenis pembelajaran mesin yang menggunakan karakteristik dan pengalaman anggota tim penjualan Anda untuk mengidentifikasi kategori umum. Misalnya, untuk melakukan analisis yang membandingkan jumlah pengalaman pelatihan anggota dengan waktu mereka berinteraksi dengan pelanggan, pengelompokan mungkin mengidentifikasi dua kelompok karyawan – satu kelompok yang memiliki lebih banyak pelatihan dan lebih banyak waktu dengan pelanggan, dan kelompok lain yang memiliki lebih sedikit pelatihan dan menghabiskan lebih sedikit waktu dengan pelanggan. Profil ini kemudian dapat dihubungkan ke KPI (indikator kinerja utama).

Contoh: Spotting Patterns Points Way to Improvement

Dengan menggunakan teknik berbasis ilmu data, satu perusahaan teknologi dapat menemukan beberapa karakteristik umum dari tim penjualan mereka yang berkinerja rendah. Mereka lebih tersebar secara geografis, memiliki daftar penargetan penjualan yang lebih tersebar, dan memiliki kompetensi penjualan yang kurang selaras dengan peran mereka dibandingkan tim berkinerja tinggi. Memiliki pengetahuan tentang pola yang sulit dipahami dapat mengarah pada perbaikan kinerja di bawah standar yang berhasil.

Teknik Ilmu Data #2: Pengambilan Keputusan Tim Penjualan

Analisis pengambilan keputusan dapat menunjukkan waktu tertentu selama waktu pembelian pelanggan (dan kesuksesan pelanggan) ketika tindakan tertentu harus diambil untuk memaksimalkan KPI penjualan.

Data yang Diperlukan

Dua jenis data yang diperlukan untuk teknik ini adalah:

• Data pergerakan waktu yang dihadapi pelanggan (aktivitas pra-penjualan, penjualan, dan pasca-penjualan)
• Data komunikasi (email, janji temu kalender, pertukaran pada platform jaringan profesional)

Pendekatan Analisis

Analisis ini secara khusus menemukan waktu terbaik bagi anggota tim penjualan untuk terlibat dalam aktivitas tertentu yang dihadapi pelanggan dengan memeriksa lintasan tindakan, keputusan, dan komunikasi tim penjualan di seluruh perjalanan pembelian pelanggan. Ini kemudian dipetakan terhadap proses penjualan Anda dengan menghubungkan waktu dengan kinerja tim penjualan.

Teknik regresi , seperti yang dijelaskan di bagian terakhir, juga dapat digunakan di sini. Dalam hal ini, pertama-tama Anda dapat membuat "kode" dalam data Anda untuk mewakili poin dalam garis waktu tim penjualan saat tindakan, keputusan, dan komunikasi tertentu terjadi. Kode-kode ini kemudian dapat digunakan sebagai prediktor kinerja penjualan dalam model Anda.

Contoh: Menemukan Apa yang Terbaik untuk Diajarkan

Sebuah firma hukum mencoba memahami perilaku pembuat hujan teratasnya sehingga dapat menyaring wawasan ke dalam pelatihan yang efektif untuk pengembang bisnis lain di firma tersebut. Sebuah survei waktu dan gerak ditambah analisis pola komunikasi sangat penting dalam mencapai tujuan ini.

Teknik Ilmu Data #3: Kolaborasi Tim Penjualan

Menganalisis kolaborasi tim penjualan dapat membantu Anda menentukan seberapa efektif anggota tim penjualan Anda bekerja sama, terlibat dengan pelanggan, dan bagaimana interaksi tim ini mendorong penjualan.

Data yang Diperlukan

Anda akan memerlukan data yang membantu menerjemahkan kolaborasi tim menjadi pendapatan dan keuntungan aktual, termasuk:

• Komunikasi (email, janji temu kalender, pertukaran pada platform jaringan profesional)
• Kompensasi dan kinerja, CRM, dan data faktur klien

Pendekatan Analisis

Data ini dapat digunakan untuk menjelaskan dengan siapa tim penjualan berkomunikasi, seberapa sering, dan pola komunikasi mana yang terkait dengan kinerja penjualan yang tinggi.

Analisis jaringan organisasi (ONA) adalah metode untuk mempelajari komunikasi dan jaringan yang digerakkan secara sosial dalam sebuah perusahaan. Teknik ini menciptakan model grafis dan statistik yang dapat membantu Anda memahami sepenuhnya pola komunikasi tim penjualan Anda.

Tiga metrik jaringan umum yang dihasilkan oleh ONA adalah:

• Kepadatan — sejauh mana anggota tim berkomunikasi secara langsung satu sama lain.
• Sentralitas — anggota tim penjualan mana yang paling berpengaruh dalam komunikasi mereka.
• Timbal balik — sejauh mana anggota tim penjualan saling bertukar informasi.

Metrik ini, setelah dikembangkan, dapat digunakan dalam pemodelan prediktif KPI tim penjualan.

Contoh: Menyoroti Perilaku yang Membawa Kesuksesan

Sebuah organisasi konsumen berbasis lapangan mencari pemahaman yang lebih dalam, berdasarkan data tentang bagaimana manajer penjualan mereka berkontribusi pada pertumbuhan dan keuntungan. Melalui analitik prediktif, ONA, dan pemodelan, mereka dapat mengidentifikasi pendekatan tugas dan perilaku penting yang berkontribusi pada keberhasilan manajer penjualan berkinerja tinggi. Data kepribadian, tanda tangan jaringan, dan perilaku manajer penjualan memperkirakan 18 persen varians dalam penjualan tahun-ke-tahun.

Jangan salah mengira bahwa kuota dan kompensasi adalah satu-satunya penentu keberhasilan penjualan. Proses sangat penting. Pastikan tim operasi penjualan Anda memiliki alat berbasis ilmu data untuk mengoptimalkan proses dan kinerja ditambah pengetahuan yang mereka butuhkan untuk memanfaatkannya sebaik mungkin. Pelajari lebih lanjut tentang cara meningkatkan efektivitas penjualan Anda dalam panduan terbaru kami, “ Menguasai Manajemen Kinerja Penjualan: Panduan untuk Transformasi Penjualan Digital .”

Ini adalah posting tamu oleh Tom Hill dan Tatem Burns dari Axiom Consulting Partners. Pelajari lebih lanjut tentang Aksioma di sini.