Prodejní týmy nezajímají metriky webu. Zajímá je prodejní trychtýř: rozpracované leady, rychlost obchodů, míra úspěšnosti, předpověď. Analytické týmy nezajímají jednotlivé obchody. Zajímají je souhrnné trendy a výkon kanálů. Tyto týmy ale potřebují sdílený pohled, aby obchod věděl, které leady přišly z jakých kanálů, a marketing věděl, zda kanály přinášejí kvalifikované leady. Tato kapitola popisuje stavbu přehledů, které slouží oběma týmům.
Co prodejní přehledy ukazují
Prodejní přehled zobrazuje: trychtýř podle fází (leady, příležitosti, nabídky, vyhrané/prohrané), rychlost obchodů (kolik obchodů projde každou fází za týden), míru úspěšnosti podle fází, předpověď (předpokládané tržby podle měsíců na základě trychtýře) a kanál či kampaň, odkud leady pocházejí.
To se liší od marketingové analytiky: marketing zajímá počet leadů a náklady na získání zákazníka. Obchod zajímá rychlost obchodů a pravděpodobnost výhry. Obojí je důležité. Přehledy musí ukazovat obě perspektivy.
Stavba přehledu
Zdroje dat
Čerpejte data z: CRM (trychtýř, obchody, míra úspěšnosti), analytiky (zdroj leadu, kampaň), e-mailu (zapojení), účetnictví (uzavřené tržby). Všechna data proudí do nástroje business intelligence, který přehled vytvoří.
Klíčové metriky
Pro obchod: trychtýř podle fází, obchody v každé fázi, dny v každé fázi, míra úspěšnosti podle fáze, předpověď.
Pro marketing: leady podle zdroje, cena za lead podle zdroje, kvalita podle zdroje (% leadů, které se stanou příležitostmi, míra úspěšnosti), tržby podle zdroje.
Sdílené: hodnocení kvality leadů, výkon kampaní, efektivita kanálů.
Specifika prodeje
Aktuálnost: Obchod potřebuje čerstvá data (denně nebo v reálném čase). Lead, který přišel včera, je stará zpráva, pokud o něm nevíte okamžitě.
Vlastnictví: Každý obchod vlastní obchodník. Přehledy by měly segmentovat podle obchodníka, území a produktové řady, aby obchodníci viděli nejdřív své vlastní obchody.
Přesnost: Obchodníci jsou k datům skeptičtí, pokud se neshodují s jejich CRM. Zajistěte, aby součty v přehledu přesně odpovídaly CRM. Pokud se rozcházejí, najděte nesrovnalost a opravte ji.
Využitelnost: Přehledy by měly vést k akcím: „Tento zdroj leadů má 40% míru úspěšnosti, upřednostněte tyto leady.“ Neukazujte metriky bez důsledků.
Běžná selhání přehledů
Příliš složité: Přehled ukazuje 50 metrik. Obchodní tým ho ignoruje, protože je ohromující. Řešení: začněte s 5-7 hlavními metrikami. Další přidávejte, jen když o ně požádají.
Nedůvěryhodné: Součty se neshodují s CRM. Obchodní tým přehledu nevěří a nepoužívá ho. Řešení: odsouhlasujte denně. Pokud se součty rozcházejí, opravte to před zveřejněním.
Pomalé aktualizace: Přehled se aktualizuje jednou týdně. Obchody jsou do té doby zastaralé. Řešení: zautomatizujte aktualizace alespoň na noc.
Žádné poznatky: Přehled ukazuje data, ale žádnou interpretaci. Obchodní tým neví, co s nimi dělat. Řešení: přidejte komentář: „Trychtýř je o 20 % vyšší než minulý měsíc. Při současné rychlosti překročíme předpověď.“
Vývoj přehledu
Fáze 1 (měsíc 1): Základní přehled s trychtýřem, předpovědí tržeb a novými leady. Soustřeďte se na přesnost a aktuálnost.
Fáze 2 (měsíc 3): Přidejte zdroj leadů, výkon kampaní a kvalitu kanálů. Umožněte filtrování podle obchodníka, území a produktu.
Fáze 3 (měsíc 6): Přidejte prediktivní metriky: pravděpodobnost obchodu, předpokládanou míru úspěšnosti, předpokládané tržby. Identifikujte ohrožené obchody.
Má prodejní tým používat prodejní přehled, nebo se spoléhat na CRM?
Obojí. CRM je zdroj pravdy a správa úkolů. Přehled poskytuje pohled z ptačí perspektivy na trychtýř a výkon. Obchodníci používají CRM denně pro správu obchodů, přehled kontrolují týdně pro hodnocení výkonu a koučink. Doplňují se, nekonkurují si.
Jaká je nejlepší frekvence aktualizací přehledu?
Minimálně každou noc pro prodejní přehledy (data se aktualizují každé ráno). Reálný čas je příjemný bonus, pokud máte technickou infrastrukturu. Vyhněte se týdenním aktualizacím, obchody se mění příliš rychle. Aktualizace zautomatizujte, aby nebyly ruční.
Jak vypočítat pravděpodobnost obchodu a předpověď trychtýře?
Jednoduše: předpověď = součet výše obchodů × pravděpodobnost podle fáze. Příklad: 10 obchodů ve fázi nabídky, historická míra úspěšnosti 30 % = 10 × průměrná výše × 30 %. Sofistikovaně: použijte historická data podle obchodníka nebo produktu k upřesnění pravděpodobností. Většina CRM má vestavěné předpovědi, použijte je jako výchozí bod.
Jak prezentovat kvalitu kanálu či kampaně vedení, když je objem vysoký, ale kvalita nízká?
Ukažte obě metriky: organické přináší 100 leadů měsíčně, ale s 5% mírou úspěšnosti. Placené reklamy přinášejí 30 leadů měsíčně, ale s 20% mírou úspěšnosti. Cena za uzavřený obchod = cena leadu / míra úspěšnosti. To ukazuje, že placené reklamy jsou přes nižší objem efektivnější. Použijte to k obhajobě přesunu rozpočtu.
Jak v předpovědi řešit obchody, které přesahují více čtvrtletí nebo fiskálních let?
Pro předpověď použijte očekávané datum uzavření, ne datum vytvoření. Příklad: obchod vytvořený ve 3. čtvrtletí, který se očekává uzavřít v 1. čtvrtletí příštího roku, patří do předpovědi 1. čtvrtletí. Je to přesnější než používat datum vytvoření. CRM to podporují, nastavte předpověď podle očekávaného data uzavření, ne data vytvoření.
Mám v přehledech ukazovat data jednotlivých obchodníků, pokud je prodejní tým soutěživý?
Ano, ale opatrně. Veřejná soutěž může motivovat i odrazovat. Data obchodníků ukazujte v jejich vlastních přehledech (soukromých) a souhrnná data v týmových přehledech (veřejných). Data používejte ke koučinku, ne k trestání. Cílem je vzájemné zlepšování, ne soutěž založená na studu.