استفاده از تجزیه و تحلیل در راستای هماهنگ کردن تیم‌های فروش و بازاریابی

سخن مشاور مدیریت:

بسیاری از شرکت‌ها در ارائه تجربه‌ی خریدی آسان برای مشتریان خود مشکل دارند.

سناریوی زیر را در نظر بگیرید: یک مدیر می‌خواهد چند نرم افزار رایانه‌ای را برای کسب و کار خود خریداری کند. او از یکی از تحلیلگر های تیمش می‌خواهد جستجویی آنلاین برای یافتن اطلاعات بیشتر انجام دهد. تحلیلگر، راه حلِ یک شرکت نرم افزاری خاص را توصیه می کند. مدیر، وبسایت این شرکت را جستجو می کند و با وارد کردن اطلاعات مربوط به نیازهایش در یک فرم، اطلاعات بیشتری را درخواست می‌کند. مدیر شرکت، جواب سوالهایش را که از طریق یک ایمیل از طرف شرکتِ نرم افزاری برای وی ارسال شده بود را قبل از تماس با یکی از فروشندگان آن شرکت، بررسی کرد. اما بعد، همه چیز شروع به خراب شدن می کند. فروشنده، اطلاعات فرمی را که مدیر آن شرکت پر کرده بود مشاهده نکرده بود، بنابراین مدیر می‌بایست بیشتر اطلاعاتی را که قبلاً وارد کرده بود را برای او تکرار می‌کرد. علاوه بر این، برخی از توصیه‌هایی که فروشنده شرکت به آن مدیر کرد، با اطلاعاتی که مدیر در وبسایت آن نرم‌افزار خوانده بود مغایرت داشت. مدیر تصمیم می‌گیرد برای واضح شدن بیشتر این موضوع، با یکی از نمایندگان فروش حضوری (ویزیتور) آن شرکتِ نرم‌افزاری مشورت کند. سپس ، فقط چند روز پس از دریافت نظر ویزیتور آن شرکت ، مدیر یک ایمیل ناخواسته از تیم بازاریابی شرکت نرم‌افزاری دریافت کرد که معامله بهتری را به او پیشنهاد می‌داد. تعداد زیاد ناسازگاری‌ها مدیر را سردرگم و ناامید کرد. همچنین، شرکت نرم افزاری نیز زمان و منابع زیادی را به علت دوگانگی و غیر هماهنگ بودن تیم فروش و تیم بازاریابی هدر داده است.

از آنجا که مشتریان تعامل با فروشندگان را از طریق وبسایت‌ها ، ایمیل، پیام، پست‌های شبکه‌های اجتماعی، تبلیغات چاپی، تلویزیونی و ویزیتورها آغاز کرده‌اند، همگام‌سازی این راه‌های ارتباطی برای شرکت‌ها دشوار است (میزان زیاد اطلاعات منابع مستقل، مانند نظرات مشتری‌ها و سایت‌های مقایسه قیمت نیز باعث سردرگمی بیشتر مخاطبان می‌شود). هنگامی که زمان خرید‌ آنها فرا می‌رسد، مشتریان ممکن است این کار را از طریق خرید از سایت شرکت، شبکه‌های اجتماعی، مراکز تماس، ویزیتورها و یا از منابع دیگر انجام دهند.

مشتریان هنگام خرید، به طور مکرر و غیرقابل پیش‌بینی در بین این کانال‌های مختلف جابجا می‌شوند. برای خریدهای ساده، ممکن است آنها، بصورت انحصاری، آنلاین بخرند. برای خریدهای پیچیده، آنها ممکن است با کسب اطلاعات از طریق منابع آنلاین شروع کنند، سپس با فروشنده‌ها صحبت کنند و بعد از آن به منبع آنلاین بازگردند تا اعتبار آنچه را که فروشنده گفته است بسنجند. روند خرید مشتریان، دیگر خطی یا پیوسته نیست.

امروزه برای شرکت‌هایی که به کسب و کارها چیزی می‌فروشند (B2B)، پاسخگویی به نیازهای خرید مشتریان نیاز به تغییر ذهنیت دارد. شرکت‌ها نیاز به یک هماهنگ‌کننده برای اطمینان از هماهنگی و هم‌راستایی بازاریابی و دسترسی فروش با نیازهای خرید مشتریان دارند. در برخی موارد، آن هماهنگ‌کننده یک سیستم کامپیوتری است. در موارد دیگر، مسئول آن شخصی است که با استفاده از داده‌ها و تجزیه و تحلیل‌ها این کار را انجام می‌دهد.

آمازون نمونه بارز شرکتی است که از سیستم رایانه‌ای به طور موثری برای در یک راستا بودن سفر خرید مشتری استفاده می‌کند. تحلیل‌های آمازون از داده‌ها به آنها این اجازه را می‌دهد تا بتوانند بفهمند که هر مشتری چه چیزی را به احتمال زیاد می‌خرد. همچنین این تجزیه و تحلیل‌ها به صورت خودکار -در عین حال به صورت هماهنگ شده‌ای- راهی را پیشنهاد می‌دهند که در زمان مناسب، محصول مناسب را به یک مشتری معرفی کند. به عنوان مثال، آمازون پیشنهادات خرید سفارشی را در وبسایت خود برای هر مشتری ارائه می‌دهد. اگر مشتری روی یک محصول کلیک کند اما خرید نکند، آمازون می‌تواند با ارسال یک ایمیل آن‌ را پیگیری کند. شرکت‌ها از نرم‌افزارهای رایانه‌ای به طور مکرر برای مشتریان کسب‌و‌کار خود استفاده می‌کنند، به خصوص برای حساب‌های کوچکتر و خریدهای ساده‌تر.

برای حساب‌های بزرگتر و خریدهای پیچیده‌تر، شرکت‌ها مسئولیت مدیریت بازاریابی و راه‌های فروش به مشتریان را به مدیران حساب می‌دهند. مدیران حساب تصمیم می‌گیرند شرکت چه محصولی را در چه زمانی، از طریق بهترین کانال و پیام ممکن به هر مشتری پیشنهاد بدهد (به عنوان مثال پیام دیجیتال، تماس تلفنی یا بازدید شخصی). مدیران حساب وقتی از داده‌ها و تجزیه و تحلیل استفاده کنند، بسیار مؤثرتر هستند.

به عنوان مثال، یک شرکت مخابراتی از تحلیل‌های پیش‌بینی‌کننده برای کمک به مدیران حساب به منظور دسترسی بیشتر و درست‌تر به مشتریان استفاده می‌کند. تجزیه و تحلیل‌ها "داده‌های مضاعف" برای این مشتری‌ها پیدا کردند –به طور مثال مشتریان مشابه‌ای که خرید بیشتری داشتند. این شرکت دریافت‌های خود را با مدیران حساب به اشتراک گذاشته‌اند که در مورد کدام مشتریان فرصت‌های بالقوه بیشتری وجود دارند و چه استراتژی‌های فروشی قبلاً برای مشتریان مشابه آنها کار کرده بودند. این بینش به مدیران حساب کمک کرد تا محصولات مناسب با پیام های فروش مناسب را ارائه دهند، بنابراین فروش در حساب‌های کم‌کار را افزایش می‌دهد.

در مثال دیگر، یک شرکت داروسازی از یک موتور پیشنهادی رایانه‌ای برای کمک به مدیران حساب استفاده می‌کند تا در به اشتراک‌گذاری اطلاعات مربوط به داروهای تجویزی به پزشکان کمک کند. این شرکت اطلاعات را از طریق اعضای مختلف تیم فروش (به عنوان مثال مدیر حساب، متخصص بازپرداخت، ارتباط علوم پزشکی) و کانال‌های بازاریابی (به عنوان مثال ایمیل، پادکست، برنامه‌های تلفن همراه، دعوت به کنفرانس‌ها، وب سایت شرکت) به پزشکان ارائه می دهد. موتور پیشنهادی با بررسی داده‌ها در مورد وضعیت و ترجیحات هر پزشک، به مدیران حساب می‌گوید که کدام اقدامات و زمان‌بندی این اقدامات بهترین نتیجه را دارد. این امر به مدیران حساب اجازه می‌دهد تا متناسب با نیازهای پزشکان با آنها ارتباط برقرار کنند. به عنوان مثال، یک مدیر حساب ممکن است پیامی را در تبلت خود دریافت کند: "دکتر جونز برای بررسی عوارض جانبی داروها به وب سایت شرکت وارد شده است. به دکتر جونز پیشنهاد دهید تا درباره نگرانی های وی صحبت کند." در طول بازدید، دکتر جونز در مورد اثربخشی دارو سؤال می‌کند و ذکر می‌کند که از دریافت ایمیل‌های ناخواسته متنفر است. مدیر حساب مشخصات پروفایل دکتر جونز را به روزرسانی می‌کند تا ایمیل‌های بازاریابی را متوقف کند و از یک شرکت علوم پزشکی می‌خواهد تا با دکتر جونز تماس بگیرد تا به سوالات وی پاسخ دهد. این شرکت با پیگیری ترجیحات پزشک‌ها، رفتارها و نتایج و با به اشتراک گذاشتن این بینش‌ها با مدیران حساب، پیوسته روابط خود را با پزشکان بهبود می بخشد.

شرکت‌ها و صنایع بیشتری برای تراز کردن بازاریابی و کانال‌های فروش با نیازهای خریدِ مشتریِ مدرن به سمت این راه‌حل رفته‌اند. با افزایش حجم، تنوع و سرعت داده‌های کسب و کار، تجزیه و تحلیل ها (از جمله هوش مصنوعی) نقش بیشتری در تلاش برای بهبود تجربه خرید مشتری ایفا می‌کنند.

منبع: HBR