使用数据科学的有效销售团队结构模型

当许多组织未能实现收入增长目标时，他们会调整其销售团队的激励薪酬或配额。 这种失败可能归因于过时的流程、团队配置或阻碍绩效的决策问题。

但是，数据科学可以帮助为销售组织提供有效的解决方案。 数据科学不是简单地对糟糕的表现做出反应，而是可以让销售组织适应变化并避免失败。

增加利益相关者投入的复杂交易使团队结构变得至关重要

组织内的大多数销售流程都遵循熟悉的模式。 从潜在客户产生到资格鉴定、定义问题和谈判的经典阶段可能会在某些以产品为导向和交易销售的环境中继续有效地工作。

然而，在当今的商业环境中，许多购买决策已经变得更加广泛，更多的利益相关者提出了必须特别解决的独特观点。 经典阶段最初设计为由后台团队支持最少的个人实施。 在当今新的销售现实中，团队合作更为重要。

根据Challenger的说法，潜在客户有 38% 的时间没有做出决定。 也许更重要的是，这种缺乏决策的最常见原因是利益相关者无法达成协议。 为了成功地促进买家达成共识，您的销售团队需要多个专业领域以及与潜在客户的多个联系点。 如果销售成功，实施、客户管理和/或客户成功团队也会参与进来，为新客户提供支持。

当您部署大型团队以完成复杂的销售时，团队配置和效率至关重要。 这意味着通过客户对您的产品、服务或公司的体验来引导他们。

使团队合作变得更加关键的相同因素也使确定销售团队如何共同执行的旧方法过时了。 旧方法几乎完全依赖于销售结果和一些轻描淡写的定性审查。 销售主管过去常常参加潜在客户电话会议和推介会议以提供指导，然后可以在他们进行管道审查和评估转化率时使用这些指导。 今天，这可能还不够。

评估销售团队绩效的新方法将旧方法中的精华与三种强大的技术相结合，使用与数据相关的战略要求来分析和优化有效的销售团队结构。

数据科学技术 #1：销售团队角色建模

销售团队角色建模分析特定行为，以发展和强化“伟大”的样子； 然后根据您的销售团队能力的差距和优势创建团队角色配置文件。

所需数据

为了实施这一战略举措，您需要有关团队成员的某些数据，特别是教育和就业生物数据以及个性特征。 为了在流程中增加客观性和附加数据，对团队成员进行全面的性格测试并整合收集到的信息会很有用。

分析方法

下一步是分析您的团队和其他团队的组成，以将组成与绩效进行比较。 要回答的最重要的问题是：

• 大多数团队成员有哪些特点/经验？
• 高/低绩效的销售团队有/没有哪些特征/经验？

两种基本的数据分析方法可以应用于您收集的数据：回归和聚类。

回归是一种机器学习函数，可以预测一个数字，例如年销售额。 回归任务从目标值已知的数据集开始。 在模型构建（训练）过程中，回归算法将目标值（销售业绩）估计为构建数据中每个案例的预测变量（个性特征、任期等）的函数。 预测变量和目标之间的这些关系在模型中进行了总结。 这些模型可以帮助确定团队成员和整个团队的哪些特征和经验最能预测销售业绩。

聚类技术是一种机器学习，它使用销售团队成员的特征和经验来识别常见类别。 例如，要执行一项分析，将成员的培训经验数量与他们与客户互动的时间进行比较，聚类可能会识别出两组员工——一组接受过更多培训并与客户相处的时间更长，另一组则更少的培训，更少的时间与客户相处。 然后可以将这些配置文件链接到 KPI（关键绩效指标）。

示例：发现模式指出改进的方法

使用基于数据科学的技术，一家技术公司能够发现其低绩效销售团队的一些共同特征。 与高绩效团队相比，他们的地理分布更广，销售目标列表更分散，销售能力与他们的角色不太一致。 了解其他难以理解的模式可以成功修复低于标准的性能。

数据科学技术#2：销售团队决策

决策分析可以确定在客户购买（和客户成功）时间线上应采取某些行动以最大化销售 KPI 的特定时间。

所需数据

此技术所需的两种类型的数据是：

• 面向客户的时间运动数据（售前、售中和售后活动）
• 通信数据（电子邮件、日历约会、专业网络平台上的交流）

分析方法

该分析通过检查销售团队在整个客户购买过程中的行动、决策和沟通轨迹，专门找到销售团队成员参与某些面向客户的活动的最佳时间。 然后通过将时间与销售团队的绩效联系起来，将其映射到您的销售流程。

如上一节所述，回归技术也可以在这里使用。 在这种情况下，您可以首先在数据中创建“代码”，以表示销售团队时间线中发生某些操作、决策和沟通时的点。 然后，这些代码可用作模型中销售业绩的预测指标。

示例：发现最好的人必须教什么

一家律师事务所正试图了解其顶级制造者的行为，以便将这些见解提炼成对公司其他业务开发人员的有效培训。 时间和运动调查以及对通信模式的分析对于实现这一目的至关重要。

数据科学技术#3：销售团队协作

分析销售团队协作可以帮助您确定您的销售团队成员如何有效地合作、与客户互动，以及这些团队互动如何推动销售。

所需数据

您将需要有助于将团队协作转化为实际收入和利润的数据，包括：

• 通讯（电子邮件、日历约会、专业网络平台上的交流）
• 薪酬和绩效、CRM 和客户发票数据

分析方法

该数据可用于说明销售团队与谁沟通、沟通频率以及哪些沟通模式与高销售业绩相关。

组织网络分析 (ONA) 是一种研究公司内部沟通和社会驱动网络的方法。 这种技术创建了图形和统计模型，可以帮助您充分了解您的销售团队的沟通模式。

ONA 生成的三个常见网络指标是：

• 密度——团队成员之间直接交流的程度。
• 中心性——哪些销售团队成员在他们的沟通中最有影响力。
• 互惠——销售团队成员相互交换信息的程度。

这些指标一旦开发出来，就可以用于销售团队 KPI 的预测建模。

示例：突出导致成功的行为

一家基于现场的消费者组织寻求更深入的数据驱动了解他们的销售经理如何为增长和利润做出贡献。 通过预测分析、ONA 和建模，他们能够确定有助于高绩效销售经理成功的任务方法和关键行为。 个性数据、网络签名和销售经理行为预测了 18% 的同比销售额差异。

不要错误地认为配额和薪酬是销售成功的唯一决定因素。 过程很关键。 确保您的销售运营团队拥有数据科学驱动的工具来优化流程和绩效以及充分利用它们所需的知识。 在我们最近的指南“掌握销售绩效管理：数字销售转型指南”中了解有关如何提高销售效率的更多信息。

这是来自 Axiom Consulting Partners 的 Tom Hill 和 Tatem Burns 的客座文章。 在此处了解有关 Axiom 的更多信息。