Modelo de estrutura de equipe de vendas eficaz usando ciência de dados

Muitas organizações ajustam a compensação de incentivos ou cotas para sua equipe de vendas quando não atingem as metas de crescimento de receita. Essa falha pode ser atribuída a processos desatualizados, configuração de equipe ou problemas de tomada de decisão que estão prejudicando o desempenho.

No entanto, a ciência de dados pode ajudar a fornecer soluções eficazes para a organização de vendas. Em vez de simplesmente reagir ao baixo desempenho, a ciência de dados pode permitir que a organização de vendas se ajuste às mudanças e evite falhas.

Negócios complexos com maior participação das partes interessadas tornam a estrutura da equipe crítica

A maioria dos processos de vendas dentro das organizações segue um padrão familiar . Os estágios clássicos da geração de leads à qualificação, definição do problema e negociação podem continuar a funcionar efetivamente em alguns ambientes de vendas transacionais e orientados a produtos.

No entanto, no ambiente de negócios atual, muitas decisões de compra tornaram-se mais amplas, com mais partes interessadas contribuindo com pontos de vista exclusivos que devem ser abordados especificamente. Os estágios clássicos foram originalmente projetados para serem implementados por indivíduos com suporte mínimo de equipes de back-office. Na nova realidade de vendas de hoje, o trabalho em equipe é muito mais importante.

De acordo com Challenger , o prospect não toma nenhuma decisão em 38% das vezes. Talvez ainda mais importante, o motivo mais comum para essa falta de decisão é a incapacidade das partes interessadas de chegar a um acordo. Para ter sucesso na promoção do consenso do comprador, sua equipe de vendas precisa de várias áreas de especialização e muitos pontos de contato com um cliente em potencial. Caso a venda seja efetivada, as equipes de implementação, gerenciamento de contas e/ou sucesso do cliente também se envolvem para apoiar o novo cliente.

A configuração e a eficácia da equipe são essenciais quando você está colocando grandes equipes para fechar vendas complexas. Isso significa guiar o cliente por meio de sua experiência com seu produto, serviço ou empresa.

Os mesmos fatores que estão tornando o trabalho em equipe mais crítico também estão tornando obsoleta a antiga maneira de determinar como as equipes de vendas estão se saindo juntas. A maneira antiga depende quase exclusivamente dos resultados de vendas com alguma revisão qualitativa leve. Os líderes de vendas costumavam participar de chamadas de prospects e reuniões de pitch para fornecer treinamento, que poderia ser usado posteriormente quando realizassem análises de pipeline e avaliassem as taxas de conversão. Hoje, isso pode não ser suficiente.

A nova maneira de avaliar o desempenho da equipe de vendas combina o melhor do antigo com três técnicas de alta potência usando imperativos estratégicos relacionados a dados para analisar e otimizar a estrutura eficaz da equipe de vendas.

Técnica de Ciência de Dados nº 1: Modelagem de Funções da Equipe de Vendas

A modelagem de papéis da equipe de vendas analisa comportamentos específicos para desenvolver e reforçar o que é “excelente”; em seguida, cria perfis de função de equipe com base em lacunas e pontos fortes nos recursos de sua equipe de vendas.

Dados necessários

Para realizar esta iniciativa estratégica, você precisará de certos dados sobre os membros de sua equipe, especificamente biodados educacionais e de emprego e características de personalidade. Para adicionar objetividade e dados adicionais ao processo, pode ser útil administrar um teste de personalidade abrangente aos membros da equipe e incorporar as informações coletadas.

Abordagem à Análise

O próximo passo é analisar a composição da sua equipe e de outras equipes para comparar a composição com o desempenho. As perguntas mais importantes a serem respondidas são:

• Quais características/experiências a maioria dos membros da equipe possui?
• Quais características/experiências as equipes de vendas de alto/baixo desempenho possuem/não possuem?

Duas abordagens básicas de análise de dados podem ser aplicadas aos dados coletados: regressão e agrupamento.

A regressão é uma função de aprendizado de máquina que prevê um número, como um número anual de vendas. A tarefa de regressão começa com um conjunto de dados no qual o valor de destino é conhecido. No processo de construção do modelo (treinamento), um algoritmo de regressão estima o valor da meta (desempenho de vendas) em função dos preditores (traços de personalidade, tempo de serviço, etc.) para cada caso nos dados de construção. Esses relacionamentos entre preditores e alvos são resumidos em modelos. Esses modelos podem ajudar a identificar quais características e experiências dos membros da equipe e de uma equipe como um todo melhor predizem o desempenho de vendas.

As técnicas de clustering são um tipo de aprendizado de máquina que usa as características e experiências dos membros da sua equipe de vendas para identificar categorias comuns. Por exemplo, para realizar uma análise que compara o número de experiências de treinamento dos membros com seu tempo de interação com um cliente, o agrupamento pode identificar dois grupos de funcionários – um grupo que tem mais treinamento e mais tempo com o cliente e o outro grupo que tem menos treinamento e gasta menos tempo com o cliente. Esses perfis podem ser vinculados a KPIs (indicadores-chave de desempenho).

Exemplo: A detecção de padrões aponta o caminho para a melhoria

Usando técnicas baseadas em ciência de dados, uma empresa de tecnologia conseguiu descobrir algumas características comuns de suas equipes de vendas de baixo desempenho. Eles estavam mais espalhados geograficamente, tinham listas de segmentação de vendas mais difusas e tinham competências de vendas menos alinhadas com suas funções do que equipes de alto desempenho. Ter conhecimento de padrões de outra forma difíceis de perceber pode levar a uma correção bem-sucedida do desempenho abaixo da média.

Técnica de Ciência de Dados nº 2: Tomada de Decisão da Equipe de Vendas

A análise de tomada de decisão pode identificar momentos específicos durante a linha do tempo de compra do cliente (e sucesso do cliente) em que certas ações devem ser tomadas para maximizar os KPIs de vendas.

Dados necessários

Os dois tipos de dados necessários para esta técnica são:

• Dados de movimento temporal voltados para o cliente (atividades de pré-vendas, vendas e pós-vendas)
• Dados de comunicação (e-mail, compromissos de calendário, trocas em plataformas de redes profissionais)

Abordagem à Análise

Essa análise encontra especificamente os melhores momentos para os membros da equipe de vendas se envolverem em determinadas atividades voltadas para o cliente, examinando a trajetória das ações, decisões e comunicações da equipe de vendas ao longo da jornada de compra do cliente. Isso é então mapeado em relação ao seu processo de vendas, vinculando o tempo ao desempenho da equipe de vendas.

Técnicas de regressão , conforme descrito na última seção, também podem ser usadas aqui. Nesse caso, você pode primeiro criar “códigos” em seus dados para representar os pontos na linha do tempo da equipe de vendas quando determinadas ações, decisões e comunicações estão ocorrendo. Esses códigos podem ser usados ​​como preditores de desempenho de vendas em seus modelos.

Exemplo: Descobrindo o que os melhores têm a ensinar

Um escritório de advocacia estava tentando entender os comportamentos de seus principais responsáveis ​​pela chuva para que pudesse destilar os insights sobre treinamento eficaz para outros desenvolvedores de negócios no escritório. Um levantamento de tempo e movimento e uma análise dos padrões de comunicação foram fundamentais para atingir esse objetivo.

Técnica de Ciência de Dados nº 3: Colaboração da Equipe de Vendas

Analisar a colaboração da equipe de vendas pode ajudá-lo a determinar com que eficiência os membros da sua equipe de vendas estão trabalhando juntos, interagindo com o cliente e como essas interações da equipe impulsionam as vendas.

Dados necessários

Você precisará de dados que ajudem a traduzir a colaboração da equipe em receita e lucro reais, incluindo:

• Comunicações (e-mail, compromissos no calendário, trocas em plataformas de redes profissionais)
• Remuneração e desempenho, CRM e dados de faturamento do cliente

Abordagem à Análise

Esses dados podem ser usados ​​para esclarecer com quem as equipes de vendas estão se comunicando, com que frequência e quais padrões de comunicação estão associados ao alto desempenho de vendas.

A análise de rede organizacional (ONA) é um método para estudar a comunicação e as redes sociais dentro de uma empresa. Essa técnica cria modelos gráficos e estatísticos que podem ajudá-lo a entender completamente os padrões de comunicação de sua equipe de vendas.

Três métricas de rede comuns produzidas pela ONA são:

• Densidade – o grau em que os membros da equipe se comunicam diretamente uns com os outros.
• Centralidade – quais membros da equipe de vendas são mais influentes em suas comunicações.
• Reciprocidade — o grau em que os membros da equipe de vendas trocam informações mutuamente.

Essas métricas, uma vez desenvolvidas, podem ser utilizadas na modelagem preditiva dos KPIs da equipe de vendas.

Exemplo: destacando comportamentos que levam ao sucesso

Uma organização de consumidores baseada em campo buscou uma compreensão mais profunda e orientada por dados de como seus gerentes de vendas contribuíram para o crescimento e o lucro. Por meio de análises preditivas, ONA e modelagem, eles conseguiram identificar as abordagens de tarefas e comportamentos cruciais que contribuem para o sucesso de gerentes de vendas de alto desempenho. Dados de personalidade, assinaturas de rede e comportamentos do gerente de vendas previram 18% da variação nas vendas ano a ano.

Não cometa o erro de supor que cotas e remuneração são os únicos determinantes do sucesso de vendas. Processo é crítico. Certifique-se de que sua equipe de operações de vendas tenha ferramentas orientadas por ciência de dados para otimizar o processo e o desempenho, além do conhecimento necessário para aproveitá-los ao máximo. Saiba mais sobre como melhorar sua eficácia de vendas em nosso guia recente, “ Mastering Sales Performance Management: A Guide to Digital Sales Transformation ”.

Este é um post convidado de Tom Hill e Tatem Burns da Axiom Consulting Partners. Saiba mais sobre a Axiom aqui.