多くの学生が、自分の会社にはデータが全くないと嘆いています。どうすれば分析できるでしょうか？そんな時、次の8つの知恵を思い出してください。 したがって、B2B分析の第一歩は、不満を言うのをやめ、保有するデータを注意深く分析することです。たとえデータプールが非常に限られていたとしても、ここから始める必要があります。 少なくとも3つのデータが必要です。契約書、営業担当者の給与明細書、そして営業担当者の履歴書です。これら3つのデータから多くの情報が得られます。
さて、コツをつかめてきましたか？シナリオを分析してみましょう。
(この質問は複雑です。少し時間を取って考えてみましょう。) 冒頭の紹介に惑わされ、契約書や給与明細書に飛び込み、細部に埋もれてしまった学生はどれほどいたでしょうか（そう、これがチェン先生の「釣り」のような教え方です）。冒頭で少なくともいくつかのデータに触れていたことに注目してください。本当に重要なのはデータではなく、営業リードです。 セールスリードは、あらゆるB2B販売分析の出発点です。この出発点を理解することは、プロセス全体を理解する上で非常に重要です。したがって、このセクションには「セールスリード」を記載する必要があります。セールスリードを無視して最終的な売上データのみに着目すると、ビジネスに誤った判断を導く可能性があります（下の図を参照）。 営業リードには、マーケティング部門から提供されるものと、営業チーム自身が開発するものの2種類があります。マーケティング部門から提供されるリードは、関連データが豊富である可能性が高い一方、営業チームが開発するリードは、不完全／不正確であったり、会社に引き渡されない可能性が非常に高いです。 したがって、B2B 診断の問題に遭遇したときは、まず次の点を理解してください。
(この質問は複雑です。少し時間を取って考えてみましょう。) これは多くの学生が分析に失敗する根本的な問題です。B2Bの営業プロセスは長く、ファネル分析が活用できると言われています。しかし、経営が混乱し、プロセスデータが欠落している場合、ファネルは存在しなくなります。最終的に締結された契約データだけがあり、なぜ締結されたのか理解していない状態では、明らかに解決不可能です。そのため、ファネルを可能な限り再構築する必要があります。たとえ多くのステップが欠落していたとしても、それは依然として大まかなファネルです（下図参照）。 したがって、ここでは選択肢Bが正解です。営業リードデータの質が非常に低いため、今はそれを放棄します。まずは計算可能なものから計算し、最終的に計算できないものを排除します。この区別は単純なように見えますが、実際には非常に重要です。B2B業界では、問題が発生すると、マーケティング、営業、製品部門が責任転嫁することがよくあります（既存顧客の契約更新率の問題であれば、オペレーション部門も議論に巻き込まれます）。 データアナリストとして、批判に圧倒されないようにし、問題を客観的に反映させることが重要です。
(この質問は複雑です。少し時間を取って考えてみましょう。) 過去 3 か月間に価格が下がったのを見て、すぐに問題があると結論付けた学生はどれくらいいたでしょうか。 この減少は季節的な傾向である可能性があることに注意してください。提供されたデータに基づくと、6月、7月、8月のコンバージョン率は昨年と同程度でしたが、獲得リード数は大幅に増加しており、少なくとも中程度のパフォーマンスを示しています。指標は量（リード数）と質（コンバージョン率）の2つであるため、マトリックス法（下図参照）を使用してこれらの指標の変化を追跡することで、市場への取り組みの質をより適切に評価できます。 問題があれば指摘し、問題がなければ名誉を回復してください。 B2B では販売プロセスが長いため、コンバージョン率は暦月ではなくライフサイクルに基づいて計算する必要があることに注意してください。
(この質問は複雑です。少し時間を取って考えてみましょう。) 上記のマトリックス法を学習すると、ここに間違いなく問題があることがわかります。 問題は、誰のせいなのかということです。 これはB2Bセールスにおける長年の課題の一つです。マーケティングチームがプロモーション方法を知らないのか、それとも営業チームが販売方法を知らないのか、どちらでしょうか？特に今回のような、経営が混乱し、プロセスデータの区別がつかない企業では、議論は結局、より強い拳を持つ者が主導権を握るという結果に終わることが多いのです。 実際、私たちには非常に単純な判断方法があります。集団的な失敗は市場のせいであり、品質のばらつきは販売のせいであるということです。 このアプローチは、原因を厳密に追跡することではなく、問題解決の観点から考えることであることに注意してください。 すべての営業コンバージョン率が急落した場合、それは営業チームがベンチマークを設定し、経験から学び、ベストプラクティスを広く展開することで問題を解決できないことを意味します。この場合、マーケティングチームが介入する必要があります。パフォーマンスに一貫性がない場合は、営業チーム内にまだ有能な人材がいることを意味します。ですから、ただ援助を求めるのではなく、彼らの経験から学ぶのはいかがでしょうか。 したがって、この質問の答えは C です。他のすべてを無視して、データを見てください。 下の画像のように、売上実績を確認できます。過去3ヶ月間の変化にこれら2つの傾向が見られる場合、アトリビューションは全く異なります。
(この質問は複雑です。少し時間を取って考えてみましょう。) まず、質問4の診断結果に基づき、コンバージョン率の継続的な低下と全体的な売上低迷＝市場は改善策を見つける必要がある、という結論に至りました。しかし、売上データがないため、マーケティングリードの問題なのかセールスリードの問題なのかはまだ判断できません。この時点で、全体的な傾向を振り返ることができます。 鋭い観察力を持つ学生たちは、3枚の画像に写っているセールスリードがすべて同じであることにすぐに気づきました。違いはセールスリードにありました。
質問 4 の結論に基づくと、ここでの推論はより簡単になります。 シナリオAでは、営業チームが自社リードと市場リードの両方からリードを獲得できず、かつ全般的に失敗した場合、回復の道は完全に閉ざされます。この場合、市場はより積極的な政策支援を提供する必要があります。 シナリオBでは、営業チームが明らかにえこひいきをしています。潜在能力があるにもかかわらず、意図的に市場リードを失わせています。これは部門間の利害対立によるものでしょうか、それとも営業チームの力が強すぎて管理できなくなったためでしょうか？どちらの可能性も考えられます。したがって、この質問の答えはA、Bです。 多くの学生が問5のデータを最初から提示していたことに注目してください。しかし、データが欠落していたため、販売セクションの分析は深く掘り下げることができませんでした。その結果、「プロモーションの仕方がわからない！販売の仕方がわからない！」という議論が延々と続きました。現状では、正確なデータを最大限に活用し、まず結論を導き出し、その後、不正確なデータに取り組むことで、議論を徐々に深めていく必要があります。 データ量は同じでも、表示順を変えることで様々な効果が得られます。そのニュアンスの違いをぜひ味わってみてください。 もちろん、データは豊富にあります。ただ、全員の協力が必要なだけです。 B2Bにおけるデータの拡充プロセスは、急速な拡大から綿密な育成へ、販売ギフト、キックバック、そして怪しい慣行への依存から、正式でコンプライアンスを遵守したプロフェッショナルなサービスの提供へと経営を移行させるプロセスです。その恩恵を受けるのは、すべての企業オーナーです。 学生の中には、「他のユーザー分析について話すとき、彼らはただタグがぎっしり詰まったチャートを見せて、様々な側面に分解するだけだ。なぜチェン教授は分析について話すとき、いつも不十分なデータや信頼性の低いデータ、責任転嫁を強調するのだろう？」と疑問に思う人もいるかもしれません。 A: リソースと資金が多ければビジネスに精通できるからです。データが増えれば分析が容易になることは誰もが知っていますが、現実はしばしば混沌としています。データは空から降ってくるわけではありません。様々なシステムによって収集され、営業担当者やカスタマーサービス担当者によって手入力されます。特にB2B業界では、プロセスが膨大で取引額も大きく、関係も複雑であるため、グレーゾーンや怪しい取引が少なからず存在します。最初からすべてが完璧にうまくいくと期待するのは、単なる希望的観測に過ぎません。 いくつかの事例では、BAT（百度、アリババ、テンセント）が容易に挙げられます。しかし現実には、資本力、データリソース、データ人材、そしてプラットフォームの独占力において、BATに匹敵する企業はどれほどあるでしょうか？ほとんどの企業は、あらゆる努力と手段を尽くして生き残り、ある程度の成長を遂げるだけでも幸運です。成長のためにインフラを犠牲にすることは日常茶飯事であり、ましてやデータのような単純なものなど、なおさらです。現実のビジネスシナリオは、泥の中に超高層ビルを建てるようなもので、成功を装うためにも、建築家によるより綿密な計画が求められます。 もちろん、環境が改善すれば、さらに優れた分析結果を得ることができます。例えば、今回のケースでマーケティング部門がユーザータグをもう少し提供し、製品チームがデモの機能に関するデータを収集できれば、その後の分析はより効果的なものになるでしょう。 |
