Авторы: Саназ Намдар и Райан Фуллер
Компании начинают применять (и достаточно успешно) данные о поведении своих сотрудников - это
больше известно как people analytics - для лучшего понимания и улучшения их
продаж. Microsoft, где мы работаем, не стала исключением, и B2B продажи это одна из сфер. в которой мы видим наибольший потенциал. Наши
выводы, и пути, которыми мы пришли к ним, могут быть полезны другим торговым
организациям, которые надеются провести аналогичные внутренние изменения или
оптимизировать коммуникации продающего персонала с клиентами.
В середине 2017 года мы осуществили значительный редизайн организации наших
продаж, как ответ на запросы наших клиентов и для приведения подхода к продажам
к модели облачных продаж сервисов ( в этой модели заказчики платят за
использование сервиса, в противовес традиционной оплате фиксированной лицензии)
. Мы знали, что нам необходим быстрый и эффективный переход на новую модель, не
допуская ошибок с клиентами, но начинание было пугающим и ставки были высоки: с
учетом сложной организации продаж, насчитывающей более 20 000 продавцов,
охватывающих крупные предприятия и сегменты клиентов малого бизнеса в 100
странах, было важно увидеть, как эти изменения повлияли на наше сотрудничество
с клиентами и партнерские отношения. Нам было необходимо получить ответы на
несколько важных вопросов, включая следующие:
·
Достаточно ли времени мы уделяем нашим ключевым клиентам?
·
Так ли быстро, как мы ожидаем, начинают активизироваться и
взаимодействовать с новыми заказчиками наши новички?
·
Развивают ли они свои внутренние сети взаимодействия и взаимодействия с
заказчиками?
·
Эффективно ли взаимодействуют специалисты по продажам друг с другом?
·
Как это все влияет на успешность бизнеса наших клиентов?
Наша охота за ответами началась с использования нашего
собственного продукта Workplace Analytics для объединения неопознанных
метаданных календаря и электронной почты для тысяч агентов по продажам организации.
Затем мы объединили их с данными управления
организационными и клиентскими отношениями, чтобы определить, как люди,
продающие через модель облачных продаж, сотрудничали со своими внутренними
командами, клиентами и партнерами. Следующим шагом было сопоставление
результатов продаж с этим поведением, чтобы выявить закономерности,
коррелирующие с лучшими результатами. Этот анализ был частично сделан для того,
чтобы помочь нам пройти через значительную трансформацию, и частично, для
того,чтобы лучше скоординировать нас в соответствии с ожиданиями и
потребностями клиентов. На сегодняшний день анализ выявил несколько
практических идей, к которым мы пришли с помощью наших коллег Бена Боатмана,
Криса Мосса, Габриэля Чжоу, Джареда Бейкера и Фабио Корреа.
1. Сети жизненно важны - и реорганизация может их дестабилизировать.
Первое, что мы выяснили, это то, что продавцы с более
крупными, более инклюзивными сетями показывали лучшие результаты. Это
согласуется с рядом других подобныхисследований. Основываясь на этом выводе, мы инициировали
программу обучения наших специалистов по продажам, чтобы сосредоточиться на
эффективном построении и расширении их внутренних и внешних сетей.
Проанализировав размер сети относительно срока
пребывания в компании, мы также смогли установить, что большинству людей для
создания этих сетей обычно требуется примерно 12 месяцев. Это подчеркивает
важность стабильности ролей в течение этого периода времени и за его пределами.
Это также вызвало у нас обеспокоенность тем, что реорганизация вынуждает отдел
продаж восстанавливать свои сети с нуля, что может быть дорогостоящим и
неоптимальным для наших клиентов. Чтобы снизить эту стоимость, мы развернули
программы, направленные на обучение менеджеров, и инвестировали в ускорение
роста сети для новых сотрудников.
2. Мы активно взаимодействуем с быстрорастущими
аккаунтами.
Другим ключевым аспектом реорганизации было
обеспечение постоянного роста нашего бизнеса и правильного уровня
взаимодействия с клиентами.
Анализ количества времени, потраченного командами на
взаимодействие с каждым из своих аккаунтов, а также количества отдельных
контактов, с которыми они общались, позволило нам выявить статистически
значимые различия в том, как команды взаимодействуют с различными сегментами
аккаунтов.
В среднем команды задействовали вдвое больше контактов
с клиентами в аккаунтах с высоким ростом и сотрудничали вдвое больше времени с
этими клиентами по сравнению с аккаунтами с более низким ростом.
Чтобы убедиться, что это была не единовременная
аномалия, мы также подтвердили, что эта схема последовательно повторялась месяц
за месяцем.
Корреляция против причинно-следственной связи - это
всегда открытая проблема с изначальным запросом: ускоряется ли рост аккаунтов,
потому что мы проводим с ними больше времени? Более глубокий анализ показал,
что инвестирование большего количества времени и энергии в сотрудничество с
некоторыми из этих аккаунтов с более низким ростом может улучшить их.
В результате мы скорректировали наши модели охвата
продаж, чтобы обеспечить больше времени для общения с этими ранее недостаточно
обслуживаемыми клиентами.
3. Инвестиции в отношения коррелируют с
удовлетворенностью клиента.
Было важно, чтобы новая модель продаж также привлекала
клиентов и партнеров. Поэтому нашим следующим шагом был поиск паттернов,
связанных с удовлетворенностью клиентов. Мы обнаружили, что удовлетворенность
клиентов напрямую связана со временем совместной работы с клиентами
(электронная почта и встречи) на всех должностях и командах Microsoft ,
взаимодействующих с клиентами, включая группы по разработке продуктов и
маркетингу. В частности, в корпоративном сегменте больше всего времени мы
проводим с удовлетворенными клиентами, а наименее удовлетворенными являются те,
с которыми мы едва поддерживаем связь. Эти и другие выводы побудили наших
лидеров продаж к более эффективной модернизации внутренних бизнес-процессов,
таких как бизнес-ревью и совещания по прогнозированию. Мы также сократили
количество корпоративных аккаунтов на одного продавца, чтобы обеспечить более
плотное взаимодействие с клиентами. Это позволило нашим специалистам по продажам
тратить больше времени на построение и поддержание отношений по всему портфелю
своих аккаунтов. Мы также наблюдали поведенческие различия в разных странах -
некоторые используют электронную почту чаще, чем другие, например, продавцы в
США и Канаде напрямую планируют встречи с клиентами через Outlook, в то время
как в Японии встречи с клиентами более формальны и планируются через
секретарей. Это подтвердило наше понимание различных культурных норм и моделей
сотрудничества, что явилось важным вкладом в наш анализ.
4. Удовлетворенность клиентов (и отток) могут быть
предсказуемы.
В рамках наших постоянных организационных усилий,
направленных на лучшее понимание наших клиентов, одна из наших команд создала
модель машинного обучения, которая использует более 100 характеристик для
прогнозирования удовлетворенности клиентов. Мы тесно сотрудничали с этой
командой, чтобы добавить в модель поведенческие данные о сотрудничестве,
которые мы собрали. После нашего анализа мы обнаружили, что взаимодействие
стало главной характеристикой в прогнозировании удовлетворенности клиентов и
помогла повысить точность модели с 78% до 93%. Возможность предвидеть
удовлетворение каждого из наших клиентов в любой момент времени с таким уровнем
точности была для нас новаторским открытием. Кроме того, более глубокое
понимание того, как взаимодействие нашей команды влияет на удовлетворенность
клиентов по сегментам, имеет огромное преимущество: это позволяет нам вовремя
вмешиваться, чтобы превращать клиентов с высоким риском в клиентов с низким
уровнем риска, и предлагать новые возможности для очень довольных клиентов.
Наша способность прогнозировать удовлетворенность
клиентов с таким уровнем точности поможет нам постоянно следить за нашей
трансформацией и своевременно вмешиваться, чтобы гарантировать
удовлетворенность клиентов в любое время.
Что дальше.
Наша цель состоит в том, чтобы вооружить каждого продавца этими четырьмя
инсайтами, чтобы они были максимально успешными в создании ценности для наших
клиентов. В настоящее время мы тестируем прототип, в котором
каждому продавцу ежемесячно отправляется настраиваемое автоматическое
электронное письмо, чтобы помочь им выбрать поведение, которое приводит к более
высоким результатам. Важно отметить, что данные, отправляемые каждому продавцу,
предназначены только для их глаз; чтобы защитить частную жизнь каждого человека
и сохранить доверие к системе, никто, даже высшее руководство, не может видеть
чужие данные.
Каждый месяц продавцам предоставляются следующие данные:
·
Прогноз оценок удовлетворенности по их клиентам,
·
Напоминание пообщаться с клиентами, с которыми они потеряли связь,
·
Размер внутренней и внешней сети по сравнению с
эталонами в их локальных областях,
·
Рекомендации о том, как развивать свои клиентские сети
через LinkedIn Sales Navigator
·
Время, проведенное с каждым из их клиентов по
сравнению с адресным рынком
·
Лучшие внутренние сотрудники и напоминание связаться с
другими специалистами по продажам, которые также работают со своими клиентами
Мы считаем, что эта информация предоставит нашим
продавцам “толчок” и рекомендации, которые просты, действенны и эффективны.
Первые реакции чрезвычайно положительны. Если мы
продолжим хорошо выполнять свою работу, наши продавцы получат возможность быть
максимально успешными и со временем будут все лучше и лучше коммуницировать с
клиентами.
Мы также выяснили несколько важных вещей, которые
помогли нам сформировать легенду и концепцию, которые повлияют на бизнес.
·
Поддержка руководства имеет решающее значение, и мы не
могли бы сдвинуть наше исследование с места без него. Их поддержка помогла нам
создать нужный уровень значимости для продолжительного анализа и углубленных
исследований, что в конечном итоге привело нас к чему-то более значимому и
действенному.
·
Инвестиции в бизнес-аналитика, data science и
таланты в области инженерии данных были крайне необходимы. Требуется
действительно целеустремленность, чтобы выявить и задействовать самые мощные
инсайты, и для этого требуется много людей. Мы считаем, что привлечение нужных
людей того стоит.
·
Извлечение данных из хранилищ и кросс-командное
сотрудничество было ключом к нашему успеху. Как и для любого аналитического
проекта, нам нужно было получать данные из нескольких источников по всей
компании, чтобы соотнести поведение с результатами продаж. Без этого наши
усилия были бы бесплодными.
Мы
потратили много времени и ресурсов на создание наших возможностей в области
поведенческих данных, и они уже приносят огромную пользу. Тем не менее, мы
считаем, что все еще находимся на самых ранних этапах раскрытия того, что еще
возможно. Нам предстоит пройти долгий путь, но пока наша трансформация
работает. Расширение возможностей поведенческой аналитики стало ключевым
фактором нашего успеха, и, надеюсь, наши идеи также помогут вашим специалистам
по продажам.
Саназ Намдар возглавляет отдел поведенческой аналитики
специалистов по продажам в Microsoft's Commercial Business. Устав ее команды -
исследовать, экспериментировать и использовать поведенческие данные для
прогнозирования с целью лучшего принятия стратегических решений о продажах и
росте бизнеса. До Microsoft Саназ была лидером в сфере продаж и трансформации в
Accenture.
Райан Фуллер возглавляет группы разработчиков
продуктов Workplace Analytics и MyAnalytics в Microsoft, которые занимаются
трансформацией организационной производительности и опыта сотрудников с помощью
поведенческой аналитики. Ранее Райан был генеральным директором и соучредителем
VoloMetrix, ведущей компании в области People Analytics, приобретенной
Microsoft в 2015 году.
Комментариев нет:
Отправить комментарий