データ分析の世界では、あらゆるプロジェクトは冒険のようなものです。未知の領域を探索し、隠された宝物を見つける必要があります。この記事では、大手インターネット企業のB2B事業における実例を通して、基本的なモデルから始めて、段階的に高度なデータ分析フレームワークを構築する方法を説明します。

多くの学生から実社会​​のケーススタディを求める声が寄せられていましたが、ついにその答えが見つかりました！この記事には実践的な情報が満載ですので、ぜひじっくりとお読みください。

問題シナリオ：大手インターネット企業のB2B事業部門は、プラットフォーム事業者向けにSaaS/PaaSサービスを提供していますが、営業スキルの低さ、コミュニケーションの質の低さ、そして低いコンバージョン率に課題を抱えています。同社は、顧客コンバージョン率の向上を目指し、営業研修の実施を計画しています。

I. オリジナルモデル

最もシンプルなアプローチは、セールスピッチをAとBの2つのバージョンに分けることです。コンバージョン率を比較し、高い方を採用するだけです！（下の画像をご覧ください）

それで、これを行うと問題がありますか?

II. 高級ビル

最も単純なアプローチには、いくつかの問題が発生する可能性があります。

▌質問1：営業実績自体の影響は考慮されていません。営業担当者の高い能力が売上高の増加につながった可能性もあるため、Sレベル、Aレベル、Bレベル、Cレベルといった営業レベルごとに営業スクリプトの効果を分析する必要があります。

▌質問2：顧客への影響が考慮されていません。顧客によっては成約しやすい場合もあるため、VIP1、VIP2、VIP3といった顧客レベルを区別し、各レベルごとの結果を評価する必要があります。

▌質問3：セールストークの実際の影響は考慮されていませんでした。顧客の中には、何でも受け入れるオープンな人もいれば、価格だけを気にし、何にも関心のない人もいます。そのため、セールストークの影響を最も受けやすい顧客グループを特定するために、クロステストを行う必要があります（下図参照）。

最終的には、下の図に示すような結果となり、販売の種類や顧客の種類ごとに適切な販売スクリプトを構成して、成果を最大化することができます。

III. 基礎の第一層

簡単な質問です: 売上高における SABC レベルはどのように決定されるのでしょうか?

分類があるからには、判断基準があるはずです。

判断基準を構築すること自体が大変な作業です。

例えば：

1. 優れたパフォーマンスは優れた営業担当者であることと同義ですか?

2. 意図、契約書への署名、代金回収、リピート購入のどの側面が彼が優秀な営業担当者であることを証明していますか?

3. 上記の 4 つの側面にはそれぞれ、数量と金額という少なくとも 2 つの指標があります。

4. 契約の締結と支払いの受領の両方を選択した場合、これら2つの指標の交点はマトリックスを形成します。このマトリックスをどのように定義すればよいでしょうか？（下図を参照）

5. 指標が3つある場合はどうなりますか？ 指標が4つある場合はどうなりますか？

上記のすべての問題については、何らかの結果が得られる前に、ある程度の検討が必要でした。

さて、問題を単純化し、契約金額のみを考慮してみましょう。契約金額が高いほど、販売実績が良いことを示しています。しかし、ここで別の疑問が生じます。どの期間で実績を評価すべきでしょうか？時間軸を加えると、次のような新たなジレンマが生じます。

評価期間は 1 か月ですか? 3 か月ですか? 6 か月ですか?

ある製品を 1 か月間観察し、今月はパフォーマンスが良かったのに次の月は良くなかったとしたら、それは実際に良い製品だという意味でしょうか?

* 3 か月間の評価期間は、テストの総数、平均テスト数、または 1 か月間に目標を達成した回数に基づいていますか?

*6ヶ月間の評価後、安定性は良好で、改善を続けています。しかし、一部の銘柄は当初は好調でもその後悪化する傾向があります。これらの2つのタイプを区別する必要があるでしょうか？（下図参照）

上記の問題はすべて、シンプルな営業担当者の階層化システムを実現するために解決されました。クライアントにも同様の問題とジレンマが存在します。

たとえば、顧客レベルの評価は次のようになります。

1. どの指標を検査すべきか?

2. 検査にはどのくらいの時間がかかりますか?

3. どのレベルで指標が良好であるとみなされますか?

4. 観察期間中の変動にはどのように対処しますか?

5. 契約に署名する前に予測を立てるべきでしょうか？どのようにすべきでしょうか？

6. 契約締結進捗状況の予測を修正する必要がありますか？どのように修正すればよいですか？

徹底的な分析を行った後にのみ、正確な顧客評価、特に販売前の評価を得ることができます。

上記のタスクは非常に複雑なため、次の 3 つの一般的な解決策が生まれました。

1. 単純なものから複雑なものへ: 最初に単一の指標を分類し、その後、徐々に指標を追加して、これを数回繰り返します。

2. まず典型的なケースに焦点を当て、次に要約します。たとえば、ビジネス チームにいくつかの肯定的なサンプルを最初にラベル付けしてもらい、次にその特徴を調べます。

3. 結果から逆算する: たとえば、ビジネス KPI が締結された契約の数である場合、この目標を達成するにはどれだけの量を達成する必要があるでしょうか。

それぞれの手法には独自の動作プロセスがありますが、ここでは詳しく説明しません。重要なのは、正確な分類を得るには多大な労力とリソースが必要であることを示すことです。そうでなければ、最も単純でバグだらけのモデルしか作成できません。

しかし、それでも問題は解決したのでしょうか?

4番目、基礎の2番目の層: 質問: カテゴリ「トークA」はどこから来たのでしょうか?

実際には、営業担当者が何かを販売する際に一言で済ませることはほとんどありません。特にB2B営業では、多くのことを言わなければならないことが多く、その傾向が顕著です。

ここには少なくとも 4 つの部分があります。

1. 冒頭の挨拶: 話題を紹介する雑談から始めます。

2. 製品の紹介: 製品の特徴、利点、メリットを顧客に積極的に紹介します。

3. Q&A: 顧客の質問に答え、顧客の疑問を解決します。

4. 販売終了スクリプト: 顧客にすぐに注文するよう促します。

これにより、さらに 2 つの疑問が生じます。

まず、これら 4 つの部分の文言をどのように分類してラベル付けし、分析に組み込むのでしょうか。

第二に、営業担当者が何を言ったのかどうやって知るのですか?

質問 1 の「文言自体をどのようにラベル付けし、分類するか」に関しては、次のアクションを実行できます。

1. 製品紹介バージョン

2. 顧客の問題: 機能性、価格、ユーザーエクスペリエンス、ケーススタディ、システムインターフェース

3. プロジェクトの進捗、割引、リソース管理によって分類された販売クロージング手法。

つまり、この強固な基盤があれば、最初のカテゴリラベル「Sales Script A」を作成できます。これは比較的簡単に処理できますが、問題2はより複雑です。

V. 基礎の第3層

質問 2 に関して言えば、中心となる問題は、データをどのように収集するかということです。

1. SCRMシステムがあれば、取引プロセスを体系的に実装でき、どのケースが展示されたか（商品紹介段階）、どの資料が呼び出されたか（質疑応答段階）、どのオファーが問い合わせられたか（販売促進段階）など、ある程度のデータを補完できます。

2. システムのサポートがない場合、営業トレーニング、営業戦略、申請された体験デモの種類と数量、申請された割引など、他の行動から推測することしかできません。

すると、次のようになります。

1. 営業研修記録、研修タイプタグライブラリ

2. 販売戦略記録と戦略カテゴリタグライブラリ

3. デモ レコードを要求し、タイプ タグ ライブラリを要求します。

4. 価格要求記録、商品価格割引タグライブラリ

これらの記録とタグがなければ、営業プロセス全体が制御不能に陥り、何が行われたかを把握できず、結果に結び付けることもできません。詳細な分析は不可能です。つまり、記録とタグがあれば、分析がはるかに容易になります。

VI. 経験の要約

優れたセールスピッチを見つけることだけを単独で見ると、表面的な構造はすでに完璧に見えるかもしれません。しかし、広範囲にわたる基礎作業がなければ、どんなに素晴らしい表面構造も構築できません。プロセス全体を包括的に捉えると、大規模なシステムを用いてビジネス問題のごく一部を解決することになります。作業量は膨大ですが、非常に効果的です（下の図をご覧ください）。

注: このシステムが構築されたら、アーキテクチャ図と組み合わせると印象的な、CST モデル (Customer Success Test) などの響きの良い名前を付けることができます。

VII. よくある質問

なぜ、実際の業務において有用な分析を行うことがこれほど難しいのでしょうか？その根本は、インフラの不足と業務との乖離にあります。

データ専門家は、統計やアルゴリズムに頼りすぎて、ビジネスに不可欠な基本的なラベル付けや、ビジネスで認められる標準化された結果が不足していることがよくあります。そのため、ビジネスプロセスの改善やデータ収集を促進することができていません。

ビジネス志向の同僚は、プロセスがデータに与える影響を軽視し、プロセスの標準化とデータ収集を怠りがちです。彼らはデータが空から降ってくると思い込み、データ構築を軽視し、「テンセントの達人」が一挙にすべてを解決してくれると期待しがちです。

この二つを組み合わせるのは、盲人が盲目の馬に乗るようなものです。実際は、

基本データが見つかりません。

ビジネスタグなし

プロセス データが見つかりません。

予測や推論はなし

彼らは単に取引結果を取得し、それらを相互参照し、結果を盲目的に出力します。

*業界 A のセールス スクリプト A では、コンバージョン率が 14% 高くなります。*

業界 B の販売スクリプトでは、コンバージョン率が 5% 高くなります。

...

営業部門が、問題が営業チームにあるのか、営業手法にあるのか、製品にあるのか、販促活動にあるのか、それとも外的要因にあるのかと問うても、彼らは一つも答えることができません。結局、「営業担当者数名と調査してみましょうか？」と、口ごもりながら答えるしかありません。

VIII. シーンの拡張

「販売プロセス自体をデジタル化するのは難しいが、オンライン取引はすべてのステップが記録されるのでずっと簡単だ」と言う学生もいるかもしれません。確かに、オンライン取引にはデータ記録があり、コンバージョンファネルを描くことは可能です。しかし、最終的なコンバージョン率が低かったらどうなるでしょうか？その場合、どのように分析すればよいのでしょうか？

プロモーションチャンネルを評価する必要がありますか?

各チャネルの応答率を推定する必要がありますか?

プロモーションコンテンツにタグを付ける必要はありますか?

CTA アクションにラベルを付ける必要があるでしょうか?

コンバージョンした製品にタグを付ける必要があるでしょうか?

プッシュ通知の対象ユーザーにタグを付ける必要があるでしょうか?

これらはすべて同じ基本的なインフラです。これらのことが行われず、最終的なコンバージョン率が低い場合、運用チームは「チャネル自体が悪いのか、コピーライティングが悪いのか、製品が悪いのか、プロモーション活動が不十分なのか、それとも外部要因なのか」と自問するでしょう。

これは、チャネルの種類、顧客のタイプ、および変換プロセスに基づいてクロス集計を作成するだけの単純なケースです。

「3つ目のステップのコンバージョン率が低いから」とつぶやくだけで、震えながら「ユーザーリサーチをしましょうか？」と聞く。

したがって、ファネルチャートとファネル分析は異なるものです。ファネルチャートの作成は簡単ですが、ファネル分析を実行するには、慎重な設計、強固な基盤、そして不要な要素の排除が必要です。