全国服务热线:0755-26807154

如何才能让数据分析真正优化一线销售业务?

作者:Nick Harrison,Deborah O’Neill 2016-10-27 17:10:080

【重要观点】

进行数据分析的意义不在于对客户行为进行过度深刻解读,而在于帮助前线管理人员做出最终合理决策

数据分析所产生的洞见应围绕着最终的决策来制定,而并不是单纯地寻找有趣的发现。

令人费解的“黑箱”分析工具让人们过度依赖自动化决策,没有协助决策者更好地利用信息做出决定。

当一家公司准备开发数据分析工具时,它应从小型项目开始,并专注于前线决策。

除了建立数据精英团队外,也持续的对前线灌输数据分析理念,并开发以他们的需求为重点的分析系统。

【正文】

近几年,销售领域掀起了广泛使用客户细分、客户行为跟踪等数据分析工具的热潮。然而,这些工具给销售成果带来的实质影响却收效甚微。究其原因我们发现,这些做法都忽视了一个关键因素:前线销售人员每天都在制定并执行尽可能最优化的营销策略,但是他们自身的需求却常常被忽略。

纵观所有的行业,无论是零售品类经理、销售代表、理财顾问还是财富管理专家的案头都摆满了各种分析报告和行业见解。这些报告能让公司高管时刻感受到企业中“客户至上”的理念,然而对于前线经理来说,这些报告却提供着完全无用甚至彼此矛盾的信息。更糟糕的是,他们发现企业的高官们正是利用这些无用的信息和不透明的“黑箱”算法,来集中制定销售决策和解决方案,从而进一步打消了前线销售人员的工作积极性。

理论上,这些从客户大数据中得到的关键信息应当让技术销售人员更具创造性,以及拥有更多的时间以新方式与消费者沟通,从而创造更多价值。然而事实却是,在数据分析的浪潮下,许多销售人员对前往商铺与客户面对面沟通已然失去了兴趣,他们转而用更多时间进行数据分析,甚至完全摈弃了原本的销售工作而专注于数据的研究。

为了使****分析加强而不是削弱销售与客户的联系,我们发现,只有在前线人员的创造性和销售数据的科学性之间保持良好的平衡,才能让数据分析更好地为销售经理服务。

 决策为先,数据为后

大多数销售经理都明白,数据本身并不是结果,而是应当服务业务决策的过程。然而,许多人却急于收集所有可得信息,寻找最有趣的发现,而没有从业务本身出发找到此刻需要做出的决策,以及逆向推导出他们真正需要什么数据、如何分析以及得出怎样的洞见。

这是致命的错误。诚然,许多大型零售商发现广泛的客户细分数据有助于了解客户的生活习惯和需求,从而塑造业务优先级,然而这些数据与零售经理所真正需要的信息却相距甚远。例如,这些数据并未能帮助他们决定在某个特定的商铺中应售卖何种产品,而这才是前线零售商最为重要的决策之一。

克罗格(Kroger)、乐购(Tesco)等零售领先品牌着手克服了这一障碍。他们专注于挖掘以产品为核心的正确洞见来制定重要的品类决策(assortment decision),例如衡量真正的销售增量(该指标用于测量消费者究竟是热衷每周购买同一种产品,还是在相似的产品之间随意切换)。事实上,这些客户关键绩效指标才是制定产品品类决策的真正决定性因素。零售商进行数据分析的意义不在于对客户行为进行过度深刻解读,而在于帮助前线管理人员做出最终合理决策。

同样的原则也适用于零售行业的其他领域。例如当地天气预报、重要活动日程表和货物配送时间表,都有助于销售经理决定每家商铺最佳的库存组合;如何在高温日销售更多的雪糕或在大型体育赛事场馆针对学生群体销售更高利润的食品;当麦片的销售量突然下降,销售经理应当快速发现下降的原因。是产品不受欢迎还是运货车未能及时送达货品……这些方法殊途同归,都证明了数据分析所产生的洞见应围绕着最终的决策来制定,而并不是单纯地寻找有趣的发现。

善用数据做决策

营销和商业决策者常常抱怨客户分析工具不仅没有提高生产力,反而使他们的工作更低效。这是由于令人费解的“黑箱”分析工具让人们过度依赖自动化决策,没有协助决策者更好地利用信息做出决定。

数据分析总有盲点,它脱胎于历史数据且无法考虑到所有因素。若决策者只是单纯依赖****分析而做出决定,那他永远不能挣脱过去的枷锁。

借用上述零售经理的例子,如果他们仅根据数据分析就制定品类决策,那么将忽略许多其他重要信息,例如供应商对明年市场趋势的预测、计划的促销活动、新产品的策划和发布,以及对市场的整体影响。更糟糕的是,使用一个“黑箱”分析工具不仅削弱了品类经理的作用,而且使他们失去了在“黑箱”算法发生错误时主动提醒、纠正错误的动力。

对比之下,一套可提供客户关键绩效指标的系统则有助于优化前线销售经理的决策过程。即使在一些情况下数据分析的结果与前线经理的直觉相悖,人们依然能够在过程中充分发挥自己的创造性。

 用户共同开发

当一家公司准备开发数据分析工具时,它应从小型项目开始,并专注于前线决策。这能让更多前线人员真正参与进来,并保证项目的最终成果。我们发现,以90天为周期的小型尝试和学习型项目能迅速获得评审委员会的共识。随着项目规模慢慢递增,隐含的问题会被及时发现,并在短时间内得到解决,从而防止拖延项目的整体进度或失去关键方的认可。而当获得了足够的认可后,后续的项目拓展也将不成问题。

这与一家银行鼓励客户经理增加客户沟通的方法有异曲同工之处。为了寻找新的业务发展方向,这家银行从少数客户经理及其账户出发,研发了一套向客户经理实时推送商业信息的系统。例如当原油价格下跌时,该系统将自动提醒客户经理联络受该消息影响的前5大客户,并告知相关内容。系统将每隔90天进行更新,推送的内容将添加新的消息提醒,并****无用的内容,参与在此项目中的客户经理数量也会随之增加。现在,几乎所有的客户经理都能收到系统的实时推送,从而与客户够沟通的时间增加了20%。

 专注于可执行的信息

企业及管理人员应不断考察****报告的质量,确保它们提供可执行的客户洞见,而不是盲目追求报告的数量。高质量的报告能为公司带来可量化的利益,并协助管理人员做出更好的决策。

一家欧洲食品商就曾经弃用了半数的销售报告,因为那些报告只有数据,并不能协助决策和执行。这家公司发现,尽管管理人员非常喜欢讨论“每周最畅销的10件产品名单”,却没有人真正用那名单来做决策。

发现问题后,那家食品商的首席信息官会把名单再进行细分,制定了不同店铺类型的“每周10件最畅销产品”。有了针对性的资讯后,现在品类经理便能根据相类店铺的畅销品来下单订货。

 广泛建立分析能力与文化

最后,整个企业需要调整思路、做好沟通,令公司上下所有人都明白数据分析对公司的好处,才能让数据为先的方法论在公司得以发展。

这几年来,领先的消费类品牌已经在伦敦、巴黎或纽约等大型城市持续地吸纳数据分析人才,完善各自的数据分析团队。例如,一家位于伦敦的领先零售商率先创立了数据分析部门,并由高管层直接领导。这种大企业中的初创模式,吸引了众多顶尖的数据分析员。例如,一家伦敦零售银行创立了一个营收独立的部门,以运用****分析来改进银行的核心业务,并制定未来业务发展方向。

除此之外,这两家公司都明白只有让前线员工充分理解和使用数据分析,才能预防公司倒退回原有工作方式。所以,他们除了建立数据精英团队外,也持续的对前线灌输数据分析理念,并开发以他们的需求为重点的分析系统。

细节决定成败。企业在进行数据分析和执行分析决策时,要始终与前线员工进行及时的沟通与交流。只有当合适的前线人员获得了恰当且有洞见的信息,企业才能实现真正的华丽转变。

Nick Harrison是奥纬咨询伦敦办公室的董事合伙人及欧洲零售业务共同负责人,Deborah O’Neil是奥纬咨询数字技术实验室(OW Labs)伦敦办公室的副董事合伙人。本文来自HBR英文网站(hbr.org),由作者所在机构提供中文翻译。

上一篇:CRM相关资讯 - 世界经理人

下一篇:没有了