Veri Bilimini Kullanan Etkili Satış Ekibi Yapısı Modeli

Birçok kuruluş, gelir artışı hedeflerinde yetersiz kaldıklarında satış ekipleri için teşvik tazminatı veya kotaları değiştirir. Bu başarısızlık, eski süreçlere, ekip yapılandırmasına veya performansı geri tutan karar verme sorunlarına bağlanabilir.

Ancak veri bilimi, satış organizasyonu için etkili çözümler sunmaya yardımcı olabilir. Veri bilimi, yalnızca düşük performansa tepki vermek yerine, satış organizasyonunun değişikliklere uyum sağlamasına ve başarısızlıktan kaçınmasına izin verebilir.

Artan Paydaş Girdisine Sahip Karmaşık Anlaşmalar Ekip Yapısını Kritik Hale Getiriyor

Kuruluşlardaki satış süreçlerinin çoğu tanıdık bir model izler. Potansiyel müşteri yaratmadan kalifikasyona, sorunun tanımlanmasına ve müzakereye kadar olan klasik aşamalar, bazı ürün odaklı ve işlemsel satış ortamlarında etkin bir şekilde çalışmaya devam edebilir.

Bununla birlikte, günümüzün iş ortamında, birçok satın alma kararı daha geniş tabanlı hale geldi ve daha fazla paydaş, özel olarak ele alınması gereken benzersiz bakış açılarına katkıda bulundu. Klasik aşamalar, aslen arka ofis ekiplerinden minimum destek alan kişiler tarafından uygulanmak üzere tasarlandı. Günümüzün yeni satış gerçekliğinde ekip çalışması çok daha önemlidir.

Challenger'a göre, potansiyel müşteri zamanın yüzde 38'inde karar vermiyor. Belki daha da önemlisi, bu kararsızlığın en yaygın nedeni, paydaşların bir anlaşmaya varamamasıdır. Alıcı konsensüsünü teşvik etmede başarılı olmak için satış ekibinizin birden fazla uzmanlık alanına ve bir potansiyel müşteriyle birçok temas noktasına ihtiyacı vardır. Satış gerçekleşirse, yeni müşteriyi desteklemek için uygulama, hesap yönetimi ve/veya müşteri başarısı ekipleri de dahil olur.

Karmaşık satışları kapatmak için büyük ekipler kurarken ekip yapılandırması ve etkinliği çok önemlidir. Bu, müşteriye ürününüz, hizmetiniz veya şirketinizle ilgili deneyimleri aracılığıyla rehberlik etmek anlamına gelir.

Ekip çalışmasını daha kritik hale getiren faktörlerin aynısı, satış ekiplerinin birlikte nasıl performans gösterdiğini belirlemenin eski yolunu da geçersiz kılıyor. Eski yöntem, hafif dokunuşlu nitel incelemelerle neredeyse yalnızca satış sonuçlarına dayanır. Satış liderleri, koçluk sağlamak için potansiyel çağrılara ve satış toplantılarına katılırdı; bu, daha sonra boru hattı incelemeleri yürütürken ve dönüşüm oranlarını değerlendirirken hat boyunca kullanılabilecekti. Bugün bu yeterli olmayabilir.

Satış ekibi performansını değerlendirmenin yeni yolu, etkin satış ekibi yapısını analiz etmek ve optimize etmek için verilerle ilgili, stratejik zorunlulukları kullanarak eskinin en iyilerini üç güçlü teknikle birleştirir.

Veri Bilimi Tekniği #1: Satış Ekibi Rol Modellemesi

Satış ekibi rol modellemesi, "harika"nın neye benzediğini geliştirmek ve güçlendirmek için belirli davranışları analiz eder; daha sonra satış ekibi yeteneklerinizdeki boşluklara ve güçlü yönlere dayalı ekip rol profilleri oluşturur.

Veri gerekiyor

Bu stratejik girişimi gerçekleştirmek için ekip üyeleriniz hakkında, özellikle eğitim ve istihdam biyoverileri ve kişilik özellikleri gibi belirli verilere ihtiyacınız olacak. Sürece tarafsızlık ve ek veriler eklemek için ekip üyelerine kapsamlı bir kişilik testi uygulamak ve toplanan bilgileri dahil etmek faydalı olabilir.

Analize Yaklaşım

Bir sonraki adım, kompozisyonu performansla karşılaştırmak için ekibinizin ve diğer ekiplerin kompozisyonunu analiz etmektir. Cevaplanması gereken en önemli sorular şunlardır:

• Çoğu ekip üyesi hangi özelliklere/deneyimlere sahiptir?
• Yüksek/düşük performans gösteren satış ekipleri hangi özelliklere/deneyimlere sahiptir/sahip değildir?

Topladığınız verilere iki temel veri analizi yaklaşımı uygulanabilir: regresyon ve kümeleme.

Regresyon , yıllık satış rakamı gibi bir sayıyı tahmin eden bir makine öğrenimi işlevidir. Regresyon görevi, hedef değerin bilindiği bir veri seti ile başlar. Model oluşturma (eğitim) sürecinde, bir regresyon algoritması, yapı verilerindeki her bir durum için tahmin edicilerin (kişilik özellikleri, görev süresi vb.) bir fonksiyonu olarak hedefin değerini (satış performansı) tahmin eder. Tahmin ediciler ve hedefler arasındaki bu ilişkiler modellerde özetlenir. Bu modeller, ekip üyelerinin ve bir bütün olarak ekibin hangi özelliklerinin ve deneyimlerinin satış performansını en iyi şekilde tahmin ettiğini belirlemeye yardımcı olabilir.

Kümeleme teknikleri, ortak kategorileri belirlemek için satış ekibi üyelerinizin özelliklerini ve deneyimlerini kullanan bir tür makine öğrenimidir. Örneğin, üyelerin eğitim deneyimlerinin sayısını bir müşteriyle etkileşimde geçirdikleri süreyle karşılaştıran bir analiz gerçekleştirmek için kümeleme, iki çalışan grubunu tanımlayabilir - bir grup daha fazla eğitime ve müşteriyle daha fazla zamana sahip olan ve diğer grup daha az eğitim ve müşteri ile daha az zaman harcar. Bu profiller daha sonra KPI'lara (temel performans göstergeleri) bağlanabilir.

Örnek: Modelleri Tespit Etme Noktaları İyileştirme Yolu

Bir teknoloji şirketi, veri bilimine dayalı teknikleri kullanarak, düşük performanslı satış ekiplerinin bazı ortak özelliklerini keşfetmeyi başardı. Coğrafi olarak daha yayılmışlardı, daha yaygın satış hedefleme listeleri vardı ve yüksek performanslı ekiplere kıyasla rolleriyle daha az uyumlu satış yetkinlikleri vardı. Aksi takdirde algılanması zor olan kalıplar hakkında bilgi sahibi olmak, ortalamanın altında performansın başarılı bir şekilde düzeltilmesine yol açabilir.

Veri Bilimi Tekniği #2: Satış Ekibi Karar Verme

Karar verme analizi, müşteri satın alma (ve müşteri başarısı) zaman çizelgesi sırasında, satış KPI'larını en üst düzeye çıkarmak için belirli eylemlerin ne zaman yapılması gerektiğini belirleyebilir.

Veri gerekiyor

Bu teknik için gerekli olan iki veri türü şunlardır:

• Müşteriye dönük zaman hareketi verileri (satış öncesi, satış ve satış sonrası faaliyetler)
• İletişim verileri (e-posta, takvim randevuları, profesyonel ağ platformlarındaki değişimler)

Analize Yaklaşım

Bu analiz, müşteri satın alma yolculuğu boyunca satış ekibi eylemlerinin, kararlarının ve iletişimlerinin gidişatını inceleyerek satış ekibi üyelerinin belirli müşteriye dönük faaliyetlerde bulunmaları için özellikle en iyi zamanları bulur. Bu daha sonra zamanlamayı satış ekibinin performansına bağlayarak satış sürecinizle eşleştirilir.

Son bölümde anlatıldığı gibi regresyon teknikleri burada da kullanılabilir. Bu durumda, belirli eylemler, kararlar ve iletişimler gerçekleştiğinde satış ekibi zaman çizelgesindeki noktaları temsil etmek için önce verilerinizde "kodlar" oluşturabilirsiniz. Bu kodlar daha sonra modellerinizdeki satış performansının tahmin edicileri olarak kullanılabilir.

Örnek: En İyinin Öğretmesi Gereken Şeyi Keşfetmek

Bir hukuk firması, içgörülerini firmadaki diğer iş geliştiriciler için etkili eğitime dönüştürmek için en iyi yağmur yağlayıcılarının davranışlarını anlamaya çalışıyordu. Bu amaca ulaşmak için bir zaman ve hareket araştırması artı iletişim kalıplarının analizi çok önemliydi.

Veri Bilimi Tekniği #3: Satış Ekibi İşbirliği

Satış ekibi işbirliğini analiz etmek, satış ekibi üyelerinizin birlikte ne kadar etkili çalıştığını, müşteriyle ne kadar etkileşim kurduğunu ve bu ekip etkileşimlerinin satışları nasıl yönlendirdiğini belirlemenize yardımcı olabilir.

Veri gerekiyor

Ekip işbirliğini gerçek gelire ve kara dönüştürmeye yardımcı olacak, aşağıdakiler dahil verilere ihtiyacınız olacak:

• İletişim (e-posta, takvim randevuları, profesyonel ağ oluşturma platformlarındaki değişimler)
• Tazminat ve performans, CRM ve müşteri faturalandırma verileri

Analize Yaklaşım

Bu veriler, satış ekiplerinin kimlerle, ne sıklıkla iletişim kurduğunu ve hangi iletişim kalıplarının yüksek satış performansı ile ilişkili olduğunu aydınlatmak için kullanılabilir.

Örgütsel ağ analizi (ONA), bir şirket içindeki iletişim ve sosyal odaklı ağları incelemek için bir yöntemdir. Bu teknik, satış ekibinizin iletişim modellerini tam olarak anlamanıza yardımcı olabilecek grafiksel ve istatistiksel modeller oluşturur.

ONA tarafından üretilen üç yaygın ağ metriği şunlardır:

• Yoğunluk - ekip üyelerinin birbirleriyle doğrudan iletişim kurma derecesi.
• Merkezilik - hangi satış ekibi üyelerinin iletişimlerinde en etkili olduğu.
• Karşılıklılık - satış ekibi üyelerinin karşılıklı olarak bilgi alışverişinde bulunma derecesi.

Bu metrikler geliştirildikten sonra satış ekibi KPI'larının tahmine dayalı modellemesinde kullanılabilir.

Örnek: Başarıya Yol Açan Davranışları Vurgulamak

Saha tabanlı bir tüketici organizasyonu, satış yöneticilerinin büyümeye ve kâra nasıl katkıda bulunduğuna dair daha derin, veriye dayalı bir anlayış arayışındaydı. Tahmine dayalı analitik, ONA ve modelleme yoluyla, yüksek performanslı satış yöneticilerinin başarısına katkıda bulunan görev yaklaşımlarını ve önemli davranışları belirleyebildiler. Kişilik verileri, ağ imzaları ve satış yöneticisi davranışları, yıldan yıla satışlardaki varyansın yüzde 18'ini öngördü.

Satış başarısının tek belirleyicisinin kotalar ve tazminat olduğunu varsayma hatasına düşmeyin. Süreç kritik. Satış operasyonları ekibinizin süreci ve performansı optimize etmek için veri bilimi odaklı araçlara ve bunlardan en iyi şekilde yararlanmak için ihtiyaç duydukları bilgiye sahip olduğundan emin olun. Son kılavuzumuz olan “ Satış Performansı Yönetiminde Ustalaşmak: Dijital Satış Dönüşümü Kılavuzu ”nda satış etkinliğinizi nasıl artıracağınız hakkında daha fazla bilgi edinin.

Bu, Axiom Consulting Partners'tan Tom Hill ve Tatem Burns'ün konuk yazısıdır. Aksiyom hakkında daha fazla bilgiyi buradan edinebilirsiniz.