いつプラグを抜くべきかを知る: 販売報酬システムを変更する時が来たことを示す 5 つの兆候

報酬は、収益目標を達成する能力において重要な役割を果たします。 インセンティブは担当者のモチベーションを高める必要がありますが、目標を達成するために成長と収益性を促進する必要もあります。 しかし、適切な販売報酬システムがなければ、これを効果的かつ一貫して行うことは困難です。 また、チームが成長するにつれて、販売インセンティブを管理するために使用するプロセスとツールも変更する必要があります。

では、現在のプロセスが機能しているかどうか、または現在使用しているものを再評価して交換する時期であるかどうかをどのように判断しますか? 単純です。販売報酬システムとプロセスを常に監視して、最適化と改善の方法を探す必要があります。

ここでは、報酬システムのプラグを抜く時期である 5 つの警告サインと、自動化されたインセンティブ報酬管理 (ICM)ソリューションへの切り替えがどのように役立つかを示します。

1. 高レベルのコミッション紛争とエラー

問題: エラーは、報酬チーム以外にも影響を与えます。

2019 Sales Compensation Administration Best Practices Surveyによると、スプレッドシートの 80% にエラーが含まれています。 いくつもの報酬の計算、クレジット、支払いを管理する企業にとって、エラーが発生する余地が多くあり、その影響は報酬チームをはるかに超えています。 彼らは最終的に論争や不一致を修正するために時間を費やしますが、販売と財務の両方にさらなる影響が及びます。

コミッションの支払いが不正確な場合、営業担当者はインセンティブの支払いに対する信頼をすぐに失い、その結果、生産性が低下します。 担当者は、シャドー アカウンティングに追加の時間を費やして、適切な報酬が確実に支払われるようにします。

これは大きな問題であり、販売リソースの無駄です。 Salesforce State of Sales によると、平均的な営業担当者はすでに時間の 68% を販売以外のタスクに費やしています。 平均 40 時間の週労働時間では、27 時間が販売に費やされていないことに相当します。 シャドー アカウンティングに費やされた時間と、販売に費やされた時間は減少し続けています。

財務リーダーは、予測と収益予測のために正確なデータに依存しています。 わずかな計算ミスや支払いエラーでも、データが大幅に失われる可能性があります。 たった 1 つの余分なゼロ (つまり、8,000 ドルのコミッションを 80,000 ドルに変える) が収益予測を台無しにする可能性があり、最悪の場合、担当者が退職して会社が過払い金を回収できなくなった場合、莫大な経済的損失が生じる可能性があります。

自動化がどのように役立つか: 自動化された ICM は支払いエラーを排除します。

正確なデータによると、自動補償システムにより支払いエラーが 99% 以上排除されます。 それに伴い、紛争やコミッションの不一致が減少します。 自動化は最終的に対立を緩和し、組織全体の信頼を築きます。

報酬チームのストレスが軽減され、インセンティブ プランの分析と最適化に集中してパフォーマンスを向上させることができます。 報酬は自動的に計算されるため、担当者はコミッションの支払いが正確であると信頼し、販売に集中できます。 データを一元化することで、正確性を確保し、手作業によるエラーによって生じる財務上のリスクを軽減できます。

2. インセンティブの計算と支払いに時間がかかる

問題: 手動プロセスで貴重な戦略的リソースを無駄にしています。

2019 年の販売報酬管理のベスト プラクティス レポートでは、平均的な企業がインセンティブの支払いを手動で計算して完了するのに 6 週間以上を費やしていることがわかりました。 これには、支払い紛争の解決とエラーの修正に費やされた時間が含まれていないため、補償の支払い時間がさらに長くなるだけです.

手動の報酬システムで運用すると、最終的にはインセンティブの有効性が妨げられます。 報酬プランを管理している専門家は、ほとんどの時間を管理上の計算に費やしており、インセンティブを分析および最適化して、営業担当者をより効果的に動機付けることができません。

自動化がどのように役立つか: ICM は、計算と支払いの時間を合理化します。

自動化された報酬システムを使用すると、平均的な企業はインセンティブの支払いを完了するのに 3 週間もかかりません。 これは、手動プロセスを使用する組織が費やす時間の半分以上です。

そして、節約された時間は重要な利点をもたらします。 たとえば、大手自動車企業である Cox Automotive は、ICM を使用してプロセスを自動化することで、毎月の報酬管理時間を 142 時間節約しました。 （彼らのストーリーの詳細については、こちらをご覧ください。）

報酬管理の最も面倒な部分を自動化することで、管理上の計算だけでなく、インセンティブの有効性の測定などの戦略的イニシアチブにリソースを集中させる余地が生まれます。 多くの ICM ソリューションは、報酬計画を改善し、販売インセンティブの ROI を高めるために使用できる戦略的な洞察を得るために、詳細なダッシュボードも提供します。

3. 担当者はノルマを達成しているが、組織としては収益目標を達成していない

問題: インセンティブが間違った行動を引き起こし、会社の目標と一致していません。

企業が直面する最大の課題の 1 つは、報酬が組織の目標と一致していない場合です。 このような状況では、収益目標を完全に達成できずに、大量のインセンティブを支払うリスクがあります。 しかし、なぜこれが起こるのですか？ インセンティブが間違った販売行動を引き起こしているからです。

たとえば、新製品 (製品 X) を発売し、それに関連して 1 億ドルの売上目標を掲げているとします。 セールス インセンティブ プランでは、担当者が取引を優先し、その目標を達成するために製品 X をより多く販売するように促す必要があります。

しかし、現在の報酬プランで、提供する 3 つの異なる製品 (製品 X、製品 Y、および製品 Z) に対して次のインセンティブが提供されているとします。

• 販売されたすべての製品 Z の収益の 6%
• 製品 Y の販売ごとに収益の 5%
• 製品 X が販売されるたびに収益の 4%

これらの手数料率を見ている販売員を想像してみてください。 最も多くのお金を稼ぐために、どの製品を販売することに集中する可能性が高いですか? あなたが経験豊富で成功している担当者であれば、より多くの利益を得ることができるため、製品 Z の販売を最も優先する可能性があります。

この状況を営業部隊全体に当てはめてみましょう。 担当者は、企業目標の達成に役立たない商談に集中することになります。 彼らがクォータに達した場合、インセンティブを支払いますが、それでも目標を達成できません。

自動化がどのように役立つか: インセンティブの有効性をモデル化して分析する

本質的に、販売インセンティブの不一致は計画上の問題です。 計画の開始時から、完全な市場投入 (GTM) 計画と収益目標を検討し、それらの目標をサポートする報酬を設計することを目指す必要があります。

自動化は、既存の計画データをより効果的に使用するのに役立ちます。 インテリジェント ICM (AI 対応の報酬システム) は、インセンティブ プランを採用し、履歴データに基づいて潜在的なパフォーマンスをモデル化できます。

すでに実施されている計画については、AI により、インセンティブの有効性と目標への進捗状況を継続的に測定できます。 目標を達成するペースで進んでいる場合は、報酬システムを使用して潜在的なアクセラレータを測定し、収益を増やし、理想的には目標を超えることができます。 軌道に乗っていない場合は、問題を早期に特定し、潜在的な解決策をモデル化し、計画を微調整してパフォーマンスを向上させることができます。

4. チーム全体にパフォーマンスのギャップがある

問題: さまざまなパフォーマンスの根本原因を特定できません。

本来、すべての営業担当者が同じパフォーマンスを発揮するとは限らず、その結果、さまざまな理由でパフォーマンスのギャップが生じる可能性があります。 最大の課題は原因の特定です。 しかし、パフォーマンスのギャップが通常のトップ、ミドル、ロー パフォーマーの内訳を超えて拡大すると、収益のパフォーマンスが本当に妨げられる可能性があります。

残念ながら、手動の補償システムでは、多くの有用な洞察や答えが得られません. 手動で操作すると、仮定と本能に基づいて分析を行うことになります (仮定するとどうなるかは誰もが知っていますが、うまくいかない場合もあります)。 そして、ほとんどの場合、最終的にはフラストレーションを感じて行き詰まり、目的もなくパフォーマンスのギャップを埋めようとして、どのレバーを引くべきかを知らずに終わります。

自動化がどのように役立つか: さまざまなチームのインセンティブの有効性を詳細に把握できます。

パフォーマンスのギャップはいくつかの理由で発生する可能性があるため、さまざまな方法でデータを調査できる必要があります。 自動化された報酬システムにより、インセンティブ データを比較し、詳細なレベルで調査して、販売報酬計画の有効性を理解できます。

たとえば、従来はチーム全体に標準の販売インセンティブ プランを使用し、すべての営業担当者に同じ目標と報酬モデルを与えていたとします。 しかし、パフォーマンスを見ると、組織全体にギャップがあることに気付きます。

AI 対応の報酬システムを使用すると、さまざまなチーム、個々の担当者、および組織全体のパフォーマンスを調べることで、そのパフォーマンス データを分析してギャップの原因を特定できます。 このシナリオでは、販売の役割ごとにパフォーマンスが異なることがわかります。 原因？ 万能の報酬プラン。

繰り返しますが、これは計画から始まります。 チームにはさまざまな役割があるため、インセンティブは、独自の責任と販売取引への影響に焦点を当てる必要があります。 セールス エンジニアとセールス開発担当者を考えてみましょう。 これらは 2 つの非常に異なる役割であり、それぞれが販売サイクルの異なる部分で取引に影響を与えます。 彼らの報酬はそれを反映するべきです。

自動化された報酬システムを使用すると、役割ごとにインセンティブを調整し、継続的に最適化して、チーム全体で最高のパフォーマンスを引き出すことができます。

5. 営業担当者の減少が進んでいる

問題: インセンティブ報酬の競争力が十分ではありません。

Xactly State of Global Enterprise Sales Performanceレポートは、パンデミックの開始以来、営業担当者が仕事を辞める可能性が高くなり、営業担当者を置き換えるためのコストが上昇していることを示しています. また、HubSpot によると、営業担当者が仕事を辞める主な理由の 1 つは、より高給の機会のためです。 そして、それは驚くべきことではありません。 営業はマネーゲームです。 スキルセットがあれば、それを適用して、ほぼすべての企業や業界で成功を収めることができます。 競争力のあるインセンティブを開発することで、優秀な人材を引き付け、最高のパフォーマーを維持することができます。

繰り返しになりますが、手動プロセスではこれが非常に困難になります。 データしかない場合、インセンティブが競争力があるかどうかを本当に知るにはどうすればよいでしょうか? 手動で操作する場合、本当に知る唯一の方法は、担当者が受け取ったオファーに一致するようにあなたに依頼するかどうか、または彼らが受け入れた新しい役割が彼らに支払うことになるものを喜んで共有するかどうかです. 幸運にもその情報を入手できない可能性があります。

自動化がどのように役立つか: 業界の報酬データに対するベンチマーク。

自動化された報酬システムの最大のメリットの 1 つは、データが一元化されることです。 すべてが 1 か所にあるため、データを簡単に分析できるだけでなく、データをエクスポートして、 Xactly Benchmarkingなどのインテリジェント システムを使用して、業界の洞察と比較することもできます。

たとえば、Xactly Benchmarking には 16 年以上の給与と業績の集計データがあり、販売インセンティブ構造、基本報酬率、および全体的な計画を業界平均と比較できます。 自動化された報酬システムでの継続的な分析と最適化に加えて、これにより、より競争力のある方法で報酬計画を構築し、優秀な人材を維持し、売上高を減らすことができます。

自動インセンティブ報酬システムで販売を成功に導く

これらの報酬の危険信号を排除することは、販売インセンティブ プロセスを自動化する大きな理由です。 しかし実際には、自動化や重要な落とし穴の回避だけではありません。 自動報酬システムの最大の利点は、組織がよりインテリジェントになることです。

すでにすべてのインセンティブ データを手元に持っていますが、手動プロセスを使用すると停滞し、効果的に使用できません。 インセンティブ報酬を自動化することで、そのデータを一元化し、AI を使用して洞察を得て、戦略的な決定を下し、インセンティブの ROI を改善し、収益を増やすことができます。

自動化への取り組みを開始し、インセンティブ報酬を改善する方法を見つけるには、ガイド「 Mastering Sales Performance Management: A Guide to Digital Sales Transformation」をダウンロードしてください。