Modello efficace della struttura del team di vendita utilizzando la scienza dei dati

Molte organizzazioni modificano la compensazione o le quote degli incentivi per il proprio team di vendita quando non riescono a raggiungere gli obiettivi di crescita dei ricavi. Questo errore può essere attribuito a processi obsoleti, configurazione del team o problemi decisionali che frenano le prestazioni.

Tuttavia, la scienza dei dati può aiutare a fornire soluzioni efficaci per l'organizzazione di vendita. Invece di reagire semplicemente alle scarse prestazioni, la scienza dei dati può consentire all'organizzazione di vendita di adattarsi ai cambiamenti ed evitare errori.

Accordi complessi con un maggiore input da parte delle parti interessate rendono critica la struttura del team

La maggior parte dei processi di vendita all'interno delle organizzazioni segue uno schema familiare . Le fasi classiche dalla generazione di lead alla qualificazione, alla definizione del problema e alla negoziazione possono continuare a funzionare efficacemente in alcuni ambienti orientati al prodotto e alla vendita transazionale.

Tuttavia, nell'ambiente aziendale odierno, molte decisioni di acquisto sono diventate più ampie, con più stakeholder che contribuiscono con punti di vista unici che devono essere affrontati in modo specifico. Le fasi classiche sono state originariamente progettate per essere implementate da individui con un supporto minimo da parte dei team di back-office. Nella nuova realtà di vendita di oggi, il lavoro di squadra è molto più importante.

Secondo Challenger , il potenziale cliente non prende alcuna decisione il 38% delle volte. Forse ancora più importante, il motivo più comune di questa mancanza di decisione è l'incapacità delle parti interessate di raggiungere un accordo. Per avere successo nella promozione del consenso dell'acquirente, il tuo team di vendita ha bisogno di molteplici aree di competenza e molti punti di contatto con un potenziale cliente. Se la vendita va a buon fine, anche i team di implementazione, gestione dell'account e/o successo del cliente vengono coinvolti per supportare il nuovo cliente.

La configurazione e l'efficacia del team sono fondamentali quando si schierano grandi team per concludere vendite complesse. Ciò significa guidare il cliente attraverso la sua esperienza con il tuo prodotto, servizio o azienda.

Gli stessi fattori che stanno rendendo il lavoro di squadra più critico stanno anche rendendo obsoleto il vecchio modo di determinare le prestazioni dei team di vendita insieme. Il vecchio modo si basa quasi esclusivamente sui risultati di vendita con una leggera revisione qualitativa. I responsabili delle vendite si univano alle chiamate di potenziali clienti e alle riunioni di presentazione per fornire coaching, che poteva quindi essere utilizzato in futuro quando conducevano revisioni della pipeline e valutavano i tassi di conversione. Oggi, questo potrebbe non essere sufficiente.

Il nuovo modo di valutare le prestazioni del team di vendita combina il meglio del vecchio con tre tecniche avanzate che utilizzano imperativi strategici relativi ai dati per analizzare e ottimizzare l'efficace struttura del team di vendita.

Tecnica di data science n. 1: modellazione dei ruoli del team di vendita

La modellazione dei ruoli del team di vendita analizza comportamenti specifici per sviluppare e rafforzare l'aspetto "fantastico"; quindi crea profili di ruolo del team in base alle lacune e ai punti di forza nelle capacità del team di vendita.

Dati richiesti

Per realizzare questa iniziativa strategica, avrai bisogno di alcuni dati sui membri del tuo team, in particolare dati anagrafici e di istruzione e caratteristiche della personalità. Per aggiungere obiettività e dati aggiuntivi al processo, può essere utile somministrare un test completo della personalità ai membri del team e incorporare le informazioni raccolte.

Approccio all'analisi

Il passaggio successivo consiste nell'analizzare la composizione della tua squadra e di altre squadre per confrontare la composizione con le prestazioni. Le domande più importanti a cui rispondere sono:

• Quali caratteristiche/esperienze ha la maggior parte dei membri del team?
• Quali caratteristiche/esperienze hanno/non hanno i team di vendita ad alto/basso rendimento?

Ai dati raccolti possono essere applicati due approcci di base di analisi dei dati: regressione e clustering.

La regressione è una funzione di apprendimento automatico che prevede un numero, ad esempio un fatturato annuo. L'attività di regressione inizia con un set di dati in cui è noto il valore di destinazione. Nel processo di costruzione del modello (formazione), un algoritmo di regressione stima il valore dell'obiettivo (rendimento di vendita) in funzione dei predittori (tratti della personalità, ruolo, ecc.) per ciascun caso nei dati di costruzione. Queste relazioni tra predittori e target sono riassunte in modelli. Questi modelli possono aiutare a identificare quali caratteristiche ed esperienze dei membri del team e di un team nel suo insieme predicono meglio le prestazioni di vendita.

Le tecniche di clustering sono un tipo di apprendimento automatico che utilizza le caratteristiche e le esperienze dei membri del team di vendita per identificare categorie comuni. Ad esempio, per eseguire un'analisi che confronta il numero di esperienze di formazione dei membri con il tempo trascorso nell'interazione con un cliente, il raggruppamento potrebbe identificare due gruppi di dipendenti: un gruppo che ha più formazione e più tempo con il cliente e l'altro gruppo che ha meno formazione e trascorre meno tempo con il cliente. Questi profili possono quindi essere collegati a KPI (indicatori chiave di prestazione).

Esempio: i modelli di individuazione indicano la via del miglioramento

Utilizzando tecniche basate sulla scienza dei dati, un'azienda tecnologica è stata in grado di scoprire alcune caratteristiche comuni dei loro team di vendita a basso rendimento. Erano più distribuiti geograficamente, avevano elenchi di target di vendita più diffusi e avevano competenze di vendita meno allineate ai loro ruoli rispetto ai team ad alte prestazioni. Avere la conoscenza di modelli altrimenti difficili da percepire può portare a correggere con successo prestazioni scadenti.

Tecnica della scienza dei dati n. 2: processo decisionale del team di vendita

L'analisi del processo decisionale può individuare momenti specifici durante la sequenza temporale di acquisto (e successo del cliente) in cui è necessario intraprendere determinate azioni per massimizzare i KPI di vendita.

Dati richiesti

I due tipi di dati necessari per questa tecnica sono:

• Dati relativi ai movimenti temporali relativi al cliente (attività pre-vendita, vendita e post-vendita)
• Dati di comunicazione (e-mail, appuntamenti in calendario, scambi su piattaforme di networking professionali)

Approccio all'analisi

Questa analisi individua in particolare i momenti migliori per i membri del team di vendita per impegnarsi in determinate attività rivolte ai clienti esaminando la traiettoria delle azioni, delle decisioni e delle comunicazioni del team di vendita durante il percorso di acquisto del cliente. Questo viene quindi mappato rispetto al tuo processo di vendita collegando i tempi alle prestazioni del team di vendita.

Anche le tecniche di regressione , come descritto nell'ultima sezione, possono essere utilizzate qui. In questo caso, puoi prima creare "codici" nei tuoi dati per rappresentare i punti nella sequenza temporale del team di vendita quando si verificano determinate azioni, decisioni e comunicazioni. Questi codici possono quindi essere utilizzati come predittori dell'andamento delle vendite nei tuoi modelli.

Esempio: scoprire cosa hanno da insegnare i migliori

Uno studio legale stava cercando di capire i comportamenti dei suoi principali produttori di pioggia in modo da poter distillare le intuizioni in una formazione efficace per altri sviluppatori di attività nell'azienda. Un'indagine sul tempo e sui movimenti, oltre all'analisi dei modelli di comunicazione, è stata fondamentale per raggiungere questo scopo.

Tecnica della scienza dei dati n. 3: collaborazione con il team di vendita

L'analisi della collaborazione del team di vendita può aiutarti a determinare l'efficacia con cui i membri del team di vendita collaborano, interagiscono con il cliente e in che modo queste interazioni del team guidano le vendite.

Dati richiesti

Avrai bisogno di dati che aiutino a tradurre la collaborazione del team in entrate e profitti effettivi, tra cui:

• Comunicazioni (e-mail, appuntamenti in calendario, scambi su piattaforme di networking professionali)
• Retribuzione e prestazioni, CRM e dati di fatturazione del cliente

Approccio all'analisi

Questi dati possono essere utilizzati per chiarire con chi comunicano i team di vendita, con quale frequenza e quali modelli di comunicazione sono associati a prestazioni di vendita elevate.

L'analisi della rete organizzativa (ONA) è un metodo per studiare la comunicazione e le reti socialmente guidate all'interno di un'azienda. Questa tecnica crea modelli grafici e statistici che possono aiutarti a comprendere appieno i modelli di comunicazione del tuo team di vendita.

Tre metriche di rete comuni prodotte da ONA sono:

• Densità: il grado in cui i membri del team comunicano direttamente tra loro.
• Centralità: quali membri del team di vendita sono più influenti nelle loro comunicazioni.
• Reciprocità: il grado in cui i membri del team di vendita si scambiano reciprocamente informazioni.

Queste metriche, una volta sviluppate, possono essere utilizzate nella modellazione predittiva dei KPI del team di vendita.

Esempio: evidenziare i comportamenti che portano al successo

Un'organizzazione di consumatori sul campo ha cercato una comprensione più profonda e basata sui dati di come i loro responsabili delle vendite hanno contribuito alla crescita e al profitto. Attraverso l'analisi predittiva, l'ONA e la modellazione, sono stati in grado di identificare gli approcci alle attività e i comportamenti cruciali che contribuiscono al successo dei responsabili delle vendite ad alte prestazioni. Dati sulla personalità, firme di rete e comportamenti dei responsabili delle vendite prevedevano il 18% della varianza nelle vendite anno su anno.

Non commettere l'errore di presumere che le quote e la compensazione siano le uniche determinanti del successo delle vendite. Il processo è fondamentale. Assicurati che il tuo team operativo di vendita disponga di strumenti basati sulla scienza dei dati per ottimizzare il processo e le prestazioni, oltre alle conoscenze necessarie per trarne il massimo. Scopri di più su come migliorare l'efficacia delle vendite nella nostra recente guida, " Padroneggiare la gestione delle prestazioni di vendita: una guida alla trasformazione delle vendite digitali ".

Questo è un post degli ospiti di Tom Hill e Tatem Burns di Axiom Consulting Partners. Scopri di più su Axiom qui.