データ サイエンスを使用した効果的な営業チーム構造モデル

多くの組織は、収益増加の目標を達成できない場合、営業チームのインセンティブ報酬またはノルマを微調整します。 この失敗は、時代遅れのプロセス、チーム構成、またはパフォーマンスを妨げている意思決定の問題が原因である可能性があります。

ただし、データ サイエンスは、販売組織に効果的なソリューションを提供するのに役立ちます。 パフォーマンスの低下に単純に対応するのではなく、データ サイエンスにより、販売組織は変化に適応し、失敗を回避できます。

利害関係者のインプットが増える複雑な取引では、チーム構造が重要になります

組織内のほとんどの販売プロセスは、おなじみのパターンに従います。 リードジェネレーションからクオリフィケーション、問題の定義、および交渉までの従来の段階は、一部の製品指向およびトランザクション販売環境では引き続き効果的に機能する可能性があります。

しかし、今日のビジネス環境では、より多くの利害関係者が具体的に対処しなければならない独自の視点に貢献することで、多くの購入決定がより広範なものになっています。 クラシック ステージは、もともとバックオフィス チームからの最小限のサポートで個人が実装するように設計されていました。 今日の新しい販売の現実では、チームワークがはるかに重要です。

Challengerによると、見込み客は 38% の確率で決定を下しません。 おそらくさらに重要なことは、この決定の欠如の最も一般的な理由は、利害関係者が合意に達することができないことです。 購入者のコンセンサスの促進に成功するには、営業チームは複数の専門分野と見込み客との多くの連絡先を必要とします。 販売が成功した場合、実装、アカウント管理、および/またはカスタマーサクセスチームも関与して、新しいクライアントをサポートします.

大規模なチームを配置して複雑な販売を成立させる場合、チームの構成と有効性は非常に重要です。 これは、製品、サービス、または会社での経験を通じて顧客を導くことを意味します。

チームワークをより重要なものにしているのと同じ要因が、営業チームがどのように連携しているかを判断する古い方法を時代遅れにしています。 古い方法は、軽いタッチの定性的なレビューを伴う販売結果のみにほとんど依存しています。 セールス リーダーは、見込み客への電話やピッチ ミーティングに参加してコーチングを提供していました。コーチングは、パイプライン レビューを実施し、コンバージョン率を評価する際に使用することができました。 今日、これでは不十分かもしれません。

営業チームのパフォーマンスを評価する新しい方法は、効果的な営業チーム構造を分析および最適化するために、データ関連の戦略的命令を使用して、従来の最高の手法と 3 つの強力な手法を組み合わせたものです。

データ サイエンス手法 #1: 営業チームの役割のモデル化

営業チームのロール モデリングでは、特定の行動を分析して、「素晴らしい」とはどのようなものかを開発および強化します。 次に、営業チームの能力のギャップと強みに基づいて、チームの役割プロファイルを作成します。

必要なデータ

この戦略的イニシアチブを実行するには、チームメンバーに関する特定のデータ、特に教育および雇用のバイオデータと性格特性が必要です。 プロセスに客観性と追加のデータを追加するには、チーム メンバーに対して包括的な性格テストを実施し、収集した情報を組み込むことが役立つ場合があります。

分析へのアプローチ

次のステップは、自分のチームと他のチームの構成を分析して、構成とパフォーマンスを比較することです。 答える必要がある最も重要な質問は次のとおりです。

• ほとんどのチームメンバーが持っている特徴/経験は?
• パフォーマンスの高い/低い営業チームが持っている/持っていない特徴/経験は?

収集したデータには、回帰とクラスタリングという 2 つの基本的なデータ分析アプローチを適用できます。

回帰は、年間売上高などの数値を予測する機械学習関数です。 回帰タスクは、ターゲット値がわかっているデータ セットから開始します。 モデルの構築 (トレーニング) プロセスでは、回帰アルゴリズムが、構築データの各ケースの予測因子 (性格特性、在職期間など) の関数として、ターゲット (販売実績) の値を推定します。 予測変数とターゲットの間のこれらの関係は、モデルにまとめられています。 これらのモデルは、チーム メンバーおよびチーム全体のどの特性と経験が、販売実績を最もよく予測するかを特定するのに役立ちます。

クラスタリング手法は、営業チーム メンバーの特性と経験を使用して共通のカテゴリを特定する一種の機械学習です。 たとえば、メンバーのトレーニング経験の回数と顧客とのやり取りの時間とを比較する分析を実行するために、クラスタリングは従業員の 2 つのグループを特定する場合があります。トレーニングが少なくなり、顧客との時間を短縮できます。 これらのプロファイルは、KPI (主要業績評価指標) にリンクできます。

例: パターンの発見は改善への道を示す

あるテクノロジー企業は、データ サイエンスに基づく手法を使用して、パフォーマンスの低い営業チームに共通する特徴を発見することができました。 彼らはより地理的に分散しており、セールス ターゲット リストが散在しており、パフォーマンスの高いチームよりも役割に沿ったセールス能力がありませんでした。 他の方法では認識が困難なパターンの知識を持つことで、標準以下のパフォーマンスの改善に成功する可能性があります。

データ サイエンス手法 #2: 営業チームの意思決定

意思決定分析により、顧客の購入 (および顧客の成功) のタイムラインで、販売 KPI を最大化するために特定のアクションを実行する必要がある特定の時期を特定できます。

必要なデータ

この手法に必要な 2 種類のデータは次のとおりです。

• 顧客対応タイム モーション データ (プリセールス、セールス、ポストセールス活動)
• 通信データ (電子メール、カレンダーの予定、専門的なネットワーク プラットフォームでのやり取り)

分析へのアプローチ

この分析では、販売チームの行動、意思決定、コミュニケーションの軌跡を顧客の購買ジャーニー全体で調べることにより、販売チームのメンバーが特定の顧客対応活動に従事するのに最適な時期を明確に見つけます。 次に、タイミングを営業チームのパフォーマンスにリンクすることで、これを営業プロセスにマッピングします。

前のセクションで説明した回帰手法もここで使用できます。 この場合、最初にデータ内に「コード」を作成して、特定のアクション、決定、およびコミュニケーションが発生している営業チームのタイムラインのポイントを表すことができます。 これらのコードは、モデルの販売実績の予測子として使用できます。

例: 教えるべき最善のことを発見する

法律事務所は、社内の他のビジネス開発者のための効果的なトレーニングへの洞察を抽出できるように、トップレインメーカーの行動を理解しようとしていました。 この目的を達成するには、タイム アンド モーション調査とコミュニケーション パターンの分析が重要でした。

データ サイエンス手法 #3: 営業チームのコラボレーション

営業チームのコラボレーションを分析すると、営業チームのメンバーがどの程度効果的に協力し、顧客と関わり、これらのチームのやり取りがどのように売上を促進するかを判断するのに役立ちます。

必要なデータ

チームのコラボレーションを実際の収益と利益に変換するのに役立つ次のようなデータが必要になります。

• コミュニケーション (電子メール、カレンダーの予定、専門的なネットワーキング プラットフォームでのやり取り)
• 報酬とパフォーマンス、CRM、および顧客請求データ

分析へのアプローチ

このデータを使用して、営業チームが誰とコミュニケーションをとっているか、どのくらいの頻度で、どのコミュニケーション パターンが高い販売実績に関連付けられているかを明らかにすることができます。

組織ネットワーク分析 (ONA) は、企業内のコミュニケーションと社会主導のネットワークを研究するための方法です。 この手法は、営業チームのコミュニケーション パターンを完全に理解するのに役立つグラフィカル モデルと統計モデルを作成します。

ONA によって生成される 3 つの一般的なネットワーク メトリックは次のとおりです。

• 密度 — チームのメンバーが互いに直接通信する度合い。
• 中心性 — どの営業チーム メンバーがコミュニケーションに最も影響力を持っているか。
• 互恵性 — 営業チームのメンバーが相互に情報を交換する度合い。

これらのメトリックは、開発されると、営業チームの KPI の予測モデリングに使用できます。

例: 成功につながる行動を強調する

現場ベースの消費者組織は、販売マネージャーが成長と利益にどのように貢献したかについて、より深くデータに基づいた理解を求めました。 予測分析、ONA、およびモデリングを通じて、彼らは、業績の高いセールス マネージャーの成功に貢献するタスク アプローチと重要な行動を特定することができました。 パーソナリティ データ、ネットワーク署名、およびセールス マネージャーの行動は、前年比売上高の差異の 18% を予測しました。

ノルマと報酬だけが販売成功の決定要因であると思い込まないでください。 プロセスは重要です。 セールス オペレーション チームは、プロセスとパフォーマンスを最適化するためのデータ サイエンス主導のツールと、それらを最大限に活用するために必要な知識を備えていることを確認してください。 最新のガイド「 Mastering Sales Performance Management: A Guide to Digital Sales Transformation 」で、販売効果を改善する方法の詳細をご覧ください。

これは、Axiom Consulting Partners の Tom Hill と Tatem Burns によるゲスト投稿です。 Axiom の詳細については、こちらをご覧ください。