تنها 2 مقاله دیگر را می‌توانی رایگان مطالعه کنی. ثبت نام کن تا مقاله‌های بیشتری بخوانی.

هدف‌گذاری فروش‌تان را با تحلیل داده‌ها بهبود دهید

شرکتها باید بررسی کنند آیا شاخص‌هایی که آنها جهت پاداش دادن به نیروهای فروش‌شان استفاده می‌کنند با اهداف استراتژیک آنها همسو و همراستا است. آنها باید اهداف فردی فروشندگان‌شان را براساس کارایی قبلی آنها تعیین نکنند و بجای آن براساس پتانسیل خرید مجموعه مشتریان هر فروشنده، اهداف فروش او را تعیین کنند. با این رویکرد، شرکت‌ها می‌توانند کارایی بهتر، فروش‌ بیشتر، حاشیه سود بالاتر و نیروها و تیم فروش با‌انگیزه‌‌تر و مشتاق‌تری داشته باشند.
هادی اربابی‌بهار
۰۱ خرداد در 9 دقیقه بخوانید
هدف‌گذاری فروش‌تان را با تحلیل داده‌ها بهبود دهید

سخن مشاور مدیریت:

بهره‌وری فروش یک اهرم حیاتی در انگیزش نیروهای فروش و تحریک فروش در بخش فروش به مشتریان کسب و کارهاست (‌B2B Sales) : تحقیقات نشان می‌دهد که بازنگری در نحوه محاسبه بهره‌وری فروش فروشندگان لایه اول فروش متناسب با روندهای بازار، می‌تواند تا پنجاه درصد بیش از تبلیغات معادل بر روی محصولات در رشد فروش تاثیر داشته باشد. یکی از پیش‌نیازهای حیاتی جهت رسیدن به مبلغ بهره‌وری درست، تنظیم اهداف فروش مناسب و درست است. تحقیقات و تجارب کاری ما در همکاری با شرکت‌هایی که در صنایع مختلف، فروش به کسب و کارها دارند (‌B2B Sales) نشان می‌دهد که هدف‌گذاری فروش ضعیف و نادرست، باعث عدم موفقیت در ارایه مزایای موردانتظار نیروهای فروش و تضعیف روحیه و احساس بی‌عدالتی توسط آنها می‌شود. 

در واقعیت، سازمان‌ها اغلب نیروها و استعدادهای برتر فروش‌شان را به این علت از دست می‌دهند که آنها را بعلت موفقیت‌شان تنبیه می‌کنند !؟ یک اشتباه عمومی و مشترک استفاده از کارایی قبلی نیروهای فروش بعنوان معیار است. اگر یک فروشنده قوی به فروشی ۲۰٪ بیشتر از هدف سالانه‌اش برسد، هدف فروش سال آینده‌اش معمولا برابر ۱۲۰٪ هدف سال جاری‌اش تعیین می‌شود. این در حالیست که هدف سال آینده فروشنده‌ای که فقط به ۹۰٪ هدف فروش سال جاری‌اش رسیده است، بدون تغییر باقی می‌‌ماند. بنابراین عجیب نیست که فروشنده‌های قوی این شرایط را ناعادلانه می‌دانند و اغلب شرکت را ترک می‌کنند. 

شرکت‌های زیادی را در صنایع مختلف می‌بینیم که تلاش می‌کنند که اهداف فروش بلندپروازانه و منصفانه‌ای برای انگیزه دادن به نیروهای فروش‌شان تنظیم کنند و رشد فروش طبیعی و متوازنی داشته باشند. اما شرکت‌های کمی راهکاری برای این موضوع یافته‌اند: آنها از راهکارها و ابزارهای تحلیل داده‌های پیشرفته استفاده می‌کنند تا فاکتورهای موثر واقعی در رشد فروش را شناسایی کنند و این اطلاعات را در شناسایی و فهم دقیق جزییات نیازهای بازار و مشتریان بکار می‌گیرند. با کمک گرفتن از تخمین‌ها و برآوردهای دقیق‌تر و مطمئن‌تر، آنها می توانند هدف‌گذاری‌های فروش بامعناتر و قابل تحقق‌تری را انجام دهند. 

برای تعیین اهداف فروش بهتر، شرکت‌ها باید به این سه سئوال اساسی و بنیادی پاسخ دهند: چگونه هر شرکت باید شاخص‌های کلیدی کارایی‌اش (KPIs) را انتخاب کند؟ چگونه هر شرکت باید سطح صحیح اهدافش را تعیین کند؟ و چگونه باید این مقادیر را افزایش دهد و مقادیر جدید آن را تعیین کند؟ 

انتخاب شاخص‌های کلیدی کارایی (KPIs) درست و صحیح. 

هر شرکت باید به این سئوال کلیدی پاسخ دهد: آیا مبنای بهره‌وری، کمیسیون و پاداش‌ها و جوایز فروش باید مبالغ فروش، حاشیه سود فروش یا شاخص‌های دیگری باشد؟ شاخص‌هایی که ضعیف و اشتباه انتخاب شده‌اند، منجر به نتایج ضعیف خواهند شد. بطور مثال وقتی‌ که یک تولیدکننده محصولات شیمیایی از هدف‌گذاری مبتنی بر حجم فروش استفاده می‌کند، فروشندگانش به فروش محصولات دارای حاشیه سود پایین که فروش‌شان به تلاش کمتری از محصولات دارای حاشیه سود بالا نیاز دارند، متمایل و متمرکز می‌شوند – زیرا آنها برای رشد حاشیه سود و فروش محصولات دارای حاشیه سود بالا باید تلاش بیشتری انجام دهند و در عین حال به علت حجم فروش کمترشان، بهره‌وری کمتری دریافت کنند. 

استفاده از تحلیل داده‌ها کمک می‌کند که شاخص‌های کلیدی کارایی (KPIs) که بیشترین تطابق و هم‌جهتی با اولویت‌های شرکت را دارند، شناسایی کنید و با استنفاده از آنها می‌توانید شاخص‌های کارایی جزئی‌تر دقیقی را تعریف کنید که می‌توانند نیروهای فروش را هدایت کنند که خروجی‌های مطلوب شرکت را بدست آورند. یک شرکت آمریکایی خدمات مهندسی و صنعتی نرخ بالای مشتریان رویگردان - ۲۰٪ رویگردانی مشتریان فعال - را تجربه می‌کرد. علت عمده این موضوع آن بود که فروشندگانش روشهای و تاکتیکهای فروش بسیار تهاجمی و غیرمطلوب برای مشتریان را استفاده می‌کردند، بطور نمونه سرویس‌هایی که مشتریان نمی‌خواستند را به همراه سایر سرویس‌های مطلوب ترکیب و به مشتریان می‌فروختند. زمانیکه مشتریان مشترک خدمات شرکت می‌شدند، فروشندگان در دوره آغاز اشتراک آنها به میزان کافی به آنها توجه نمی‌کردند. خدماتی که به مشتریان فروخته می‌شد اشتراک یک ماهه خدمات بود که مشتریان می‌توانستند هر زمان می‌خواستند این سرویس را کنسل کنند و در واکنش به تجربه خرید ضعیف این خدمات، بسیاری از مشتریان از گزینه لغو اشتراک استفاده می‌کردند. 

تحلیل داده‌ها نشان داد که اگر مشتریان برای شش ماه حفظ شوند، آنها پس از آن، یکسال کامل مشتری سرویس باقی خواهند ماند. بنابراین شرکت محاسبه بهره‌وری و کمیسیون فروشندگانش را بر اساس شاخص جدیدی مجددا طراحی کرد که ما آن را شاخص پایداری درآمد می‌نامیم: درصدی از درآمد که بیش از شش ماه بعد از فروش ادامه می‌یافت. این تغییر فروشندگان را از شکارچی بودن به مزرعه داری سوق داد: بهبود فرایند ورود و مراقبت از مشتریان جدید و حفظ روابط خوب با مشتریان. 

تعیین اهداف فروش درست 

با تعدد، رشد و پیچیدگی فرایندهای فروش و ارایه محصولات و خدمات به مشتریان، تخمین تقاضای بازار و مشتریان بطور روزافزونی مشکل و سخت شده است و روش‌های سنتی هدف‌گذاری از کل به جز - top-down data که هدف فروش کل شرکت را بین مناطق و مدیران فروش و در نهایت فروشندگانش تقسیم می‌کند - در اجرا کم می‌آورند و شکست می خورند.

برخی شرکتها از روش‌های خلاقانه تحلیل داده‌ها استفاده می‌کنند که رفتار و پتانسیل مشتریان را پیش‌بینی می‌کند. برای تکمیل داده‌های روش هدف‌گذاری کل به جز، آنها تخمین‌های فروشی در سطح مناطق یا مشتریان براساس داده‌های تاریخی از منابع داخل و خارج شرکت انجام می‌دهند. الگوریتم‌های انجام اینکار فاکتورهای مختلف موثر بر قابلیت اعتماد این پیش‌بینی ها را پایشِ، مانیتور و اصلاح و بهینه سازی می‌کنند، بنابراین آنها به مرور و با استفاده بیشتر و طولانی‌تر دقیق‌تر می‌شوند. 

برای یک تولیدکننده جهانی، تقاضا متغیر و ناپایدار، تعیین اهداف فروش را سخت و دشوار می‌کند. مدیران فروش در زمان‌هایی که رسیدن به اهداف ماهانه فروش در خطر هستند، همواره مترصد شناسایی زمان و میزان دخالت مناسب خود هستند تا کارایی نیروهای خط مقدم فروش را بهبود دهند. بدون داشتن تحلیل داده‌های ریز و دقیق از فروش، پیش‌بینی‌ها بصورت دستی انجام می‌شود و اتکا زیادی بر تخمین‌های مدیران خواهند داشت. بنابراین، شرکت‌ها باید یک پایگاه داده با استفاده از منابع مختلف داده‌های داخلی خود بسازند و با بهره‌گیری از تحلیل داده‌ها، روندهای فروش را برای هر محصول را در هر کانال فروش و فروشگاه تحلیل و پیگیری کنند. زمانیکه داده‌های ارزشمند فروش به میزان کافی برای محصولات، سطوح موجودی انبار، قیمت‌ها و زمان‌های ارائه تخفیفات و موارد مشابه و لازم دیگر گرد‌آوری شد، به شرکت این امکان را می‌دهد که کانال‌ها و فروشگاه‌های فروشنده محصولاتش را در گروه‌های مشابه دسته‌‌بندی کند و یک الگوریتم پیش‌بینی مناسب برای هر گروه توسعه دهد که با ورود داده‌های بیشتر در طی زمان بهینه سازی و بهبود یابد. 

نتایج چنین رویکردی قابل توجه و چشمگیر بوده است: دقت پیش‌بینی ها تا ۸۰٪ بهبود یافته‌اند. داشتن پیش‌بینی‌های دقیق‌تر، مدیران فروش را قادر می‌سازد که اهداف فروش را طی سال بنحو مناسب تعدیل و تنظیم کنند تا مطمئن شوند که آنها بخاطر تغییر و تحولات بازار که فراتر از کنترل کانال‌های فروش و نیروهای فروش‌شان هستند، این کانال‌ها و نیروهای فروش را تشویق یا تنبیه نمی‌کنند.   

اهداف فروش، چندبار و هر چند وقت باید بازبینی شوند؟

چندبار و هر چند وقت اهداف فروش باید بازبینی و تعدیل شوند؟ بازبینی و تعدیل زیاد آنها هزینه‌های اداری و اجرایی و چالش‌های اطلاع‌رسانی و توجیه نیروهای فروش را افزایش می‌دهد. بازبینی خیلی کند آنها، باعث می‌شود که شما پاسخگویی مناسب و بموقع به تغییرات بازار نداشته باشید و همراهی و مشارکت نیروهای فروش‌تان را تضعیف می‌کند.

یک شرکت خدمات صنعتی از تکنیک‌های تحلیل داده‌ها و یادگیری ماشین برای محاسبه احتمال رویگردانی و قطع همکاری هر یک از مشتریانش استفاده کرد و الگرویتم‌هایش با احتمال ۶۰٪ مشتریانی که قطع همکاری خواهند کرد و با احتمال ۹۵٪ مشتریانی که ادامه همکاری خواهند داد را بطور صحیح شناسایی کرد. با کمک تعدادی از فروشندگان دست‌چین شده، سپس شرکت یک روش جدید تعیین اهداف فروش را طراحی کرد. 

در این روش جدید، بابت برگرداندن و فعال کردن مشتریانی که در خطر قطع همکاری بودند، فروشندگان پاداش مجزایی دریافت می‌کردند. پس از تجربه اهداف مختلف در بازه‌های زمانی متفاوت، براساس پیش‌بینی‌های الگوریتم بهمراه بازخوردهای نیروهای فروش درباره رفتار مشتری، شرکت متوجه شد که دوره بهینه برای بازنگری در اهداف این موضوع فصلی است. با استفاده از مدل شناسایی مشتریان در ریسک قطع همکاری و معرفی آنها به فروشندگان در هر فصل، آنها توانستند نرخ قطع همکاری مشتریان‌شان را ۵ درصد کاهش دهند.

چگونه انجامش دهید؟

شرکت‌ها باید بررسی کنند آیا شاخص‌هایی که آنها جهت پاداش دادن به نیروهای فروش‌شان استفاده می‌کنند با اهداف استراتژیک آنها همسو و همراستا است. آنها باید اهداف فردی فروشندگان‌شان را براساس کارایی قبلی آنها تعیین نکنند و بجای آن براساس پتانسیل خرید مجموعه مشتریان هر فروشنده، اهداف فروش او را تعیین کنند. آنها می‌توانند انگیزه نیروهای فروش‌شان را با تعیین و بازبینی اهداف فروشی متناسب با دوره‌ها و فصل‌های مختلف خرید مشتریان‌شان افزایش دهند و اینکار را تا رسیدن به مقادیر بهینه تکرار و بازبینی کنند.

در این مسیر، شرکت‌ها با داده‌های ناقص و ناکامل و شک و تردیدهای بخشی از مدیران و نیروهای فروش‌شان مواجه و درگیر خواهند بود. موفقیت احتمالا به تجربیات مکرر نیاز دارد: تست مدل‌های تعیین اهداف فروش، بازنگری اهداف فروش و استفاده از اهداف جدید برای بهینه‌سازی طرح‌های کمیسیون و بهره‌وری فروش. پایگاه‌های داده و سیستم‌های مدیریت داده‌های متمرکز، می‌توانند یک منبع یکپارچه و یکسان از اطلاعات قابل اطمینان و اتکا برای تحلیل آنلاین داده‌های فروش فراهم کنند. یکی از نیازهای کلیدی چنین رویکردی، فراهم کردن تیم متخصص یا مشاوران مدیریت با گرایش تحلیل داده‌های فروش است که بعنوان مترجم و واسطه، نیازهای کسب و کار را برای متخصصان تکنیکی ترجمه می‌کنند و بالعکس امکانات جدید تکنولوژی تحلیل داده‌ها و یادگیری ماشین را برای مدیران کسب و کار تشریح می‌کنند.  

با برداشتن گام‌هایی که در بالا تشریح گردید و حفظ، پیشرفت و بهبود مرحله به مرحله آنها، شرکت‌ها می‌توانند کارایی بهتر، فروش‌ بیشتر، حاشیه سود بالاتر و نیروها و تیم فروش با‌انگیزه‌‌تر و مشتاق‌تری داشته باشند.

منبع: HBR

هادی اربابی‌بهار
نوشته‌ای از هادی اربابی‌بهار

Business Process Senior Consultant who integrates digital technology into all areas of business to change Fundamentally how you operate and deliver value to customers. +20 Years of executive & Senior IT Leadership roles in Enterprise & Big Digital Transformation Projects & Operations

بیشتر بخوانید
مقاله مرتبط
فرصت‌های پنهان فروش

فرصت‌های پنهان فروش

نادیا جولای
۲۵ فروردین در 4 دقیقه بخوانید
مقاله مرتبط
شوک حال و سنجش آینده

شوک حال و سنجش آینده

امیر عرفان ترکیان
۱۹ اسفند در 10 دقیقه بخوانید
مقاله مرتبط
دیده بان رکود جهانی: آخرین داده ها

دیده بان رکود جهانی: آخرین داده ها

امیر عرفان ترکیان
۲۵ فروردین در 3 دقیقه بخوانید