使用數據科學的有效銷售團隊結構模型
已發表: 2022-11-13當許多組織未能實現收入增長目標時，他們會調整其銷售團隊的激勵薪酬或配額。 這種失敗可能歸因於過時的流程、團隊配置或阻礙績效的決策問題。
但是，數據科學可以幫助為銷售組織提供有效的解決方案。 數據科學不是簡單地對糟糕的表現做出反應，而是可以讓銷售組織適應變化並避免失敗。
增加利益相關者投入的複雜交易使團隊結構變得至關重要
組織內的大多數銷售流程都遵循熟悉的模式。 從潛在客戶產生到資格鑑定、定義問題和談判的經典階段可能會在某些以產品為導向和交易銷售的環境中繼續有效地工作。
然而，在當今的商業環境中，許多購買決策已經變得更加廣泛，更多的利益相關者提出了必須特別解決的獨特觀點。 經典階段最初設計為由後台團隊支持最少的個人實施。 在當今新的銷售現實中，團隊合作更為重要。
根據Challenger的說法，潛在客戶有 38% 的時間沒有做出決定。 也許更重要的是，這種缺乏決策的最常見原因是利益相關者無法達成協議。 為了成功地促進買家達成共識，您的銷售團隊需要多個專業領域以及與潛在客戶的多個聯繫點。 如果銷售成功，實施、客戶管理和/或客戶成功團隊也會參與進來，為新客戶提供支持。
當您部署大型團隊以完成複雜的銷售時，團隊配置和效率至關重要。 這意味著通過客戶對您的產品、服務或公司的體驗來引導他們。
使團隊合作變得更加關鍵的相同因素也使確定銷售團隊如何共同執行的舊方法過時了。 舊方法幾乎完全依賴於銷售結果和一些輕描淡寫的定性審查。 銷售主管過去常常參加潛在客戶電話會議和推介會議以提供指導，然後可以在他們進行管道審查和評估轉化率時使用這些指導。 今天，這可能還不夠。
評估銷售團隊績效的新方法將舊方法中的精華與三種強大的技術相結合，使用與數據相關的戰略要求來分析和優化有效的銷售團隊結構。
數據科學技術 #1：銷售團隊角色建模
銷售團隊角色建模分析特定行為，以發展和強化“偉大”的樣子； 然後根據您的銷售團隊能力的差距和優勢創建團隊角色配置文件。
所需數據
為了實施這一戰略舉措，您需要有關團隊成員的某些數據，特別是教育和就業生物數據以及個性特徵。 為了在流程中增加客觀性和附加數據，對團隊成員進行全面的性格測試並整合收集到的信息會很有用。
分析方法
下一步是分析您的團隊和其他團隊的組成，以將組成與績效進行比較。 要回答的最重要的問題是：
- 大多數團隊成員有哪些特點/經驗？
- 高/低績效的銷售團隊有/沒有哪些特徵/經驗？
兩種基本的數據分析方法可以應用於您收集的數據：回歸和聚類。
回歸是一種機器學習函數，可以預測一個數字，例如年銷售額。 回歸任務從目標值已知的數據集開始。 在模型構建（訓練）過程中，回歸算法將目標值（銷售業績）估計為構建數據中每個案例的預測變量（個性特徵、任期等）的函數。 預測變量和目標之間的這些關係在模型中進行了總結。 這些模型可以幫助確定團隊成員和整個團隊的哪些特徵和經驗最能預測銷售業績。
聚類技術是一種機器學習，它使用銷售團隊成員的特徵和經驗來識別常見類別。 例如，要執行一項分析，將成員的培訓經驗數量與他們與客戶互動的時間進行比較，聚類可能會識別出兩組員工——一組接受過更多培訓並與客戶相處的時間更長，另一組則更少的培訓，更少的時間與客戶相處。 然後可以將這些配置文件鏈接到 KPI（關鍵績效指標）。
示例：發現模式指出改進的方法
使用基於數據科學的技術，一家技術公司能夠發現其低績效銷售團隊的一些共同特徵。 與高績效團隊相比，他們的地理分佈更廣，銷售目標列表更分散，銷售能力與他們的角色不太一致。 了解其他難以理解的模式可以成功修復低於標準的性能。
數據科學技術#2：銷售團隊決策
決策分析可以確定在客戶購買（和客戶成功）時間線上應採取某些行動以最大化銷售 KPI 的特定時間。
所需數據
此技術所需的兩種類型的數據是：
- 面向客戶的時間運動數據（售前、售中和售後活動）
- 通信數據（電子郵件、日曆約會、專業網絡平台上的交流）
分析方法
該分析通過檢查銷售團隊在整個客戶購買過程中的行動、決策和溝通軌跡，專門找到銷售團隊成員參與某些面向客戶的活動的最佳時間。 然後通過將時間與銷售團隊的績效聯繫起來，將其映射到您的銷售流程。
如上一節所述，回歸技術也可以在這裡使用。 在這種情況下，您可以首先在數據中創建“代碼”，以表示銷售團隊時間線中發生某些操作、決策和溝通時的點。 然後，這些代碼可用作模型中銷售業績的預測指標。
示例：發現最好的人必須教什麼
一家律師事務所正試圖了解其頂級製造者的行為，以便將這些見解提煉成對公司其他業務開發人員的有效培訓。 時間和運動調查以及對通信模式的分析對於實現這一目的至關重要。
數據科學技術#3：銷售團隊協作
分析銷售團隊協作可以幫助您確定您的銷售團隊成員如何有效地合作、與客戶互動，以及這些團隊互動如何推動銷售。
所需數據
您將需要有助於將團隊協作轉化為實際收入和利潤的數據，包括：
- 通訊（電子郵件、日曆約會、專業網絡平台上的交流）
- 薪酬和績效、CRM 和客戶發票數據
分析方法
該數據可用於說明銷售團隊與誰溝通、溝通頻率以及哪些溝通模式與高銷售業績相關。
組織網絡分析 (ONA) 是一種研究公司內部溝通和社會驅動網絡的方法。 這種技術創建了圖形和統計模型，可以幫助您充分了解您的銷售團隊的溝通模式。
ONA 生成的三個常見網絡指標是：
- 密度——團隊成員之間直接交流的程度。
- 中心性——哪些銷售團隊成員在他們的溝通中最有影響力。
- 互惠——銷售團隊成員相互交換信息的程度。
這些指標一旦開發出來，就可以用於銷售團隊 KPI 的預測建模。
示例：突出導致成功的行為
一家基於現場的消費者組織尋求更深入的數據驅動了解他們的銷售經理如何為增長和利潤做出貢獻。 通過預測分析、ONA 和建模，他們能夠確定有助於高績效銷售經理成功的任務方法和關鍵行為。 個性數據、網絡簽名和銷售經理行為預測了 18% 的同比銷售額差異。
不要錯誤地認為配額和薪酬是銷售成功的唯一決定因素。 過程很關鍵。 確保您的銷售運營團隊擁有數據科學驅動的工具來優化流程和績效以及充分利用它們所需的知識。 在我們最近的指南“掌握銷售績效管理：數字銷售轉型指南”中了解有關如何提高銷售效率的更多信息。
這是來自 Axiom Consulting Partners 的 Tom Hill 和 Tatem Burns 的客座文章。 在此處了解有關 Axiom 的更多信息。