Haozao

これはすごい!この売上分析レポートは本当に正確ですね。

データ分析プロジェクトの進め方、売上分析の実施方法など、この記事で売上分析の手法を学び、具体的な問題を分析する能力を高め、現実世界のシナリオを解決しましょう。データ分析に携わる方におすすめの一冊です。

多くの学生が営業分析の難しさを嘆いています。利用可能なデータは限られているにもかかわらず、経営陣は高い期待を寄せており、データを通じて業績を直接向上させたいと常に考えています。どうすれば良いのでしょうか?今日は体系的な答えをご紹介します。営業手法は多岐にわたり、具体的なシナリオがなければ議論は困難です。そこで、具体的なシナリオを見てみましょう。あるインターネット取引プラットフォームは、オフライン営業チームを通じて顧客を獲得しています。現在、営業部門のリーダーは、最前線の営業を強化し、営業生産性を向上させるために、正確な分析を実施したいと考え、データアナリストに依頼しています。質問:このデータ分析プロジェクトはどのように進めるべきでしょうか?

I. 問題解決の鍵

まず、この質問の要点は何でしょうか?

1. 力を与える

2. 生産性の向上

3. 正確な分析

タイトルを見ただけで、多くの学生はもうすでに究極の武器である「デュポン分析法」を解き放ちたくてうずうずしているかもしれません。売上分析に関するオンライン記事の9割はデュポン分析法に言及しており、中には記事の質を高めるために最後に「分解法」を付け加えているものもあります(下の画像を参照)。

確かに、これらの手法は売上分析の基本です。しかし、今回の状況には適していません。この質問の営業担当者は法人顧客、つまりB2Bビジネスを扱っていることに注意してください。B2Bビジネスは、非常に煩雑なフォローアッププロセスと複雑な顧客関係を伴います(下の図を参照)。

これはつまり、営業担当者が出張、電話対応、交渉、会議への出席、顧客との飲み会、銭湯通いなどに多くの時間を費やしていることを意味します。このような状況で、単に円グラフ、折れ線グラフ、棒グラフを並べるだけでは意味がありません。誰も見向きもしません。信じられないなら、営業部門におけるBIシステムの使用率を確認してみてください。10%を超えているだけでも、かなり印象的です。

したがって、この問いの真の核心は「現場」にあります。報告が完全に無視されれば、他の形の「エンパワーメント」「支援」「精度」はもはや意味をなさなくなります。「どんなデータを持っているか」を考えるのをやめ、ましてや「吠えて顧客がすぐに注文するAlphaGoを作る」といった空想をやめ、「営業担当者が本当に必要としているものは何なのか」を考える必要があります。

II. 問題を解く順序

1.まずは営業スタッフの仕事を理解しましょう。

憶測を避けるために、SOP、インタビュー、任務中の他の人への同行などの方法を使用して、これらの人が実際に何をしているのか理解することができます (下の画像を参照)。

2. 問題点を見つける

データに「注目」し、分析結果を「役立つ」ものにするには、まず他の人が必要としているものを提供していることを確認する必要があります。これは、問題点に対処することから始まります (下の図を参照)。

3. てこの作用点を見つける

営業担当者の多くの悩みは、データだけでは解決できないことに留意してください。しかし、データを活用して彼らの関心を引きつけることは可能です。例えば、営業担当者にとって最も頻繁な業務の一つは電話対応です。頻繁に使用する顧客タグや顧客ステータスを電話帳に簡単に追加できるため、営業担当者は、長い間連絡を取っていない既存顧客と、フォローアップを待っている新規契約顧客を一目で把握できます。電話対応がより便利になり、レポートの利用率も自然と向上します。

この作業の強度をコントロールすることが重要であることに留意してください。電話帳を例に挙げてみましょう。一部のプロダクトマネージャーはこれに気づいていますが、彼らは電話をかける前に「作業計画」を追加し、現場のスタッフに記入を強制する傾向があります。彼らは「営業プロセスの第一歩は顧客リストを作成することです。そのため、作業計画を立てる必要があります。これは科学的かつ合理的です」と正当化することさえあります。

当然の結果、製品の使用率はゼロにまで落ちてしまいました!なぜなら、ガントチャートの作成や日々の計画作成を楽しむのは、日々コンピューターとにらめっこして書類を書いているプロダクトマネージャーだけだからです。もし彼らに、炎天下、ネクタイを締め、何時間もDidi(配車サービス)の渋滞に巻き込まれながらクライアントに会うように頼んだとしても、そんな華美な言葉遣いをする気にはなれないでしょう。そんなことをするのは愚か者だけです。最前線で行われるあらゆる作業において、利便性は科学的厳密さをはるかに上回ります。忘れないでください!

4.改善の機会を特定する

データが閲覧され、データ製品が利用されるようになったら、改善策を検討し始めることができます。最前線で働く従業員と接する際には、無駄な話は避けましょう。高尚な目標を設定しようとしないでください。それはトラブルを招くだけで、「そんなに優秀なら、自分でやったらどうですか?」という返答に終わる可能性が高いでしょう(下の画像を参照)。

問題を発見したら、現場のスタッフに直接伝えるのが最善です。「今やっていることは効果的です!」と。上記の例を参考に、もしこの問題を発見したら、まずは署名率の高い担当者がどのような対応をしているのかを確認しましょう。競合他社のクライアント事例を紹介することが効果的(パフォーマンスが約5%向上)だとわかったら、業界事例ライブラリを製品に直接統合し、機能として実装します。「チャット中にこのボタンをクリックすると、機能します!」と伝えましょう。

円グラフ、折れ線グラフ、棒グラフよりもはるかに優れた結果が得られます。営業担当者は、これらのグラフに耳を傾け、積極的に活用するようになります。

5. 段階的に普及を推進する

データから100個の問題を発見できるかもしれませんが、解決するには一つずつ取り組んでいく必要があります。次のデータに移る前に、まず一つのデータの改善を確認するのが最善です。多くのデータプロダクトマネージャーは、現場向けに過度に複雑な「包括的なソリューション」を一気に作り上げたがりますが、当然ながら、それはモバイルアプリやミニプログラムの中で埃をかぶることになります。

「データ製品に取り組む機会がなかったらどうするの?」と疑問に思う学生もいるかもしれません。ここでの最大の違いは、データ製品を作成できるかどうかではなく、実際のビジネス上の問題について考えているのか、それとも円グラフ、折れ線グラフ、棒グラフ、基本的な計算だけで考えているのかということです。実際の問題について考えているのであれば、私たちは以下のことを行うことができます。

1. PPT を作成するときに、データの調査結果と対応するソリューションを組み合わせて「販売成功戦略」ドキュメントを直接作成し、パッケージ化して出力します。

2. Excel スプレッドシートを作成するときは、曲線上に問題を直接マークし、詳細シートで問題を克服できる個人を強調表示して、その横にメモを書きます。

3. 口頭で報告する際は、問題を反映するデータを提示した後、その問題を解決することでデータがどのように改善されるかについて個人的なストーリーを語ります。

製品がなくても、人々が聞きたいことを発信することはできます。企業にプロジェクトを立ち上げるよう働きかけ、データ製品を生み出す機会を確保することも可能です。

頭の中で思いつくのが円グラフ、折れ線グラフ、棒グラフだけであれば、実際にデータ製品を実装したとしても、最終結果は 5% のレポート開封率となり、営業チームのリーダーと営業データ統計担当者だけが実際にそれを見て、見た後に「そんなことは分かっていた。何の意味があるんだ...」と言うだけになります。

III. このシーンは続くのでしょうか?

例えば:

1. 企業背景をB2C型、伝統的な美容サロンに変更

2. 会社の背景を「B2C、自動車」に変更します。

3. オフラインチームを電話販売に変更

4. 最前線の営業担当者が地域マネージャーに変更

5. 最前線営業を「営業オペレーション」に変更

6. 販売商品が広告サービスに変更されました。

7. 販売対象製品がデータ製品に変更されました

ご自身で考えてみてください。一見些細な変更ですが、どのような違いをもたらすのでしょうか?そして、それらのニーズを満たすには、どのようなデータ分析プロジェクトを実施する必要があるのでしょうか?

学生の中には、「このシナリオシミュレーションの目的は何?」と疑問に思う人もいるかもしれません。企業における実際のデータ分析では、様々な奇妙で珍しいシナリオを扱うことになるからです。

例えば:

対象となる聴衆には、最前線の従業員、中間管理職、上級管理職などが含まれます。

パンデミックにより事業運営に影響が出る可能性があり、美容院、ジム、自動車販売店など、オンライン取引を行っていない多くの従来型ビジネスも顧客獲得やライブ配信を始めている。

インターネット プラットフォームは、企業のオンボーディングを促進した後、データ製品、マーケティング サービス、オフィス自動化 (OA) システム、データ プラットフォーム リソースを促進します...

これらはすべて、私たちの周りで毎日起こっている現実の出来事であり、解決すべき現実の問題です。

具体的なシナリオを詳しく検討せずに、問題に直面した人々はどこでも「インターネット データを分析するにはどうすればいいですか?」と尋ねます。結局、得られる答えは、相変わらず AARRR、デュポン分析、ファネル モデルのままです。これらは何の役に立つのでしょうか。

したがって、データ分析を本当に役立てたい場合は、具体的なシナリオを慎重に検討し、具体的な問題を具体的な方法で分析する能力を向上させる必要があります。

著者:地に足のついた教師チェン

出典:WeChat公式アカウント:「地に足のついた陳先生(ID:gh_abf29df6ada8)」