Pohádka o data-driven sales

Tuhle znáte? Za devatero horami a devatero řekami bylo jednou jedno království. Společně v něm vládli krásný král Jigme Khesar Namgyel Wangchuck a moudrá královna Jetsun Pema Wangchuck. V tom království téměř každý něco prodával. Bylo plné obchodníčků, obchodníků, obchodních zástupců, relationship manažerů a key account manažerů, prodejců po telefonu, a tak dále, a tak dále. Po staletí prodávali stejně a byli tuze šťastni. Z toho měl královský pár radost, protože štěstí jejich poddaných jim velmi leželo na srdci.

V sousedním království ale vládl zlý černokněžník. Šťastným obchodníkům záviděl jejich způsob života, a rozhodl se jim ho vzít. Postavil “Stroj”, který pojmenoval Salesforce, chodil po své zemi a vykřikoval neuvěřitelné věci jako:

  • “Potřebujeme novou generaci manažerů, kteří rozumí tomu, jak skrz data řídit a vést lidi. A potřebujeme také novou generaci zaměstnanců, kteří nám pomohou transformovat naši společnost tak, aby v jejím středu stála data.”
  • “Když přemýšlím o tom, jaké další technologie potřebujeme do Salesforce implementovat, vždy myslím na data science. Nepotřebujeme více cloudu. Nepotřebujeme být více mobilní. Nepotřebujeme integrovat více sociálních sítí. Potřebujeme více data science.”

Lidé se báli, že jim “Stroj” chce vzít práci, že je chce nahradit. Abychom černokněžníkovi nekřivdili, úplně tak to není, jak ukazuje jeho další citát: “Celá “data science” je o tom, že roli experta přebírá software a umožňuje tak průměrnému uživateli pochopit situaci.” 

Cílem využití dat v prodeji je odstranění lidských chyb (např. zapomenu odpovědět) a zvýšení produktivity díky prioritizaci a automatizaci obchodních procesů. Cílem naopak není nahradit kontextuální chápání, intuici a obchodní umění člověka.

Na to, jak tahle pohádka dopadne, si budeme muset ještě chvíli počkat. Jisté ale je, že “data-driven sales” (obchod řízený daty) se řadí mezi dnešní buzzwordy, podobně jako AI, ML nebo carbon neutral. V BizMachine se do hloubky zabýváme jak daty, tak prodejem a vždy se snažíme z módních trendů dostat to praktické a použitelné. 

Jak tedy podle nás poznáte společnost, která svůj obchod řídí daty?

  1. Zná charakteristické rysy svých dobrých zákazníků
  2. Zná identitu potenciálních zákazníků na trhu 
  3. Prioritizuje úsilí, nastavuje KPIs a měří výsledky podle potenciálu
  4. Je schopna předpovídat výsledky a zjistí-li odchylky od předpovědi, je schopna v předstihu identifikovat změny na trhu a reagovat na ně
  5. Má nastaveny prodejní kanály na základě změřených marží, konverzí a jednotkových obchodních nákladů (SAC)

V příkladech z reálného života uvedených níže se budeme držet oblasti “B2B prodeje”, tedy společností, které své produkty a služby prodávají dalším společnostem.

Zná charakteristické rysy svých dobrých zákazníků

Takhle NE: “Dobrý zákazník je takový, jehož management začne brzy přemýšlet o kapitálových investicích do budov, protože ti budou slyšet na některou z desítek našich služeb.” [Utilita]
Takhle ANO: “Dobrý zákazník vyrábí nebo repasuje obráběcí stroje a má svobodu lokálně se rozhodovat, jaký řídící systém do nich nainstaluje.” [Průmyslový konglomerát]

Charakteristiky musí: (i) být naplněny u téměř všech dobrých zákazníků a téměř žádných špatných zákazníků/ firem bez potenciálu (ii) být spolehlivě identifikovatelné (ideálně zvnějšku, ale nejpozději při rozhovoru nebo návštěvě) (iii) být zjistitelné za rozumných nákladů (iv) být pochopitelné pro obchodníky a zejména pro zákazníky samotné.  

Jaké jsou charakteristiky Vašich dobrých zákazníků? Prošly by testem výše?

Zná identitu potenciálních zákazníků na trhu

Takhle NE: “Trh znám, protože moji obchodníci čerpají na benzínkách a tam se všechno dozví.” [Nápoje]

Takhle ANO: “Vycházíme z databáze všech firem na trhu, zajímají nás pouze ty zdravé s aspoň pětiletou historií, aspoň 10 zaměstnanci a ochotou do svých zaměstnanců investovat. To zjistíme podle toho, zda nabízí nějaké benefity, a podle kvality kanceláře.” [Zaměstnanecké benefity]

Znalost trhu by měla být centralizovaná (pokud ztratíte obchodníka, neztratíte jeho znalosti) a systematická (zjištěné informace uchováváte, aby nebylo třeba je sbírat znovu). Do maximální možné míry by mělo být centralizované i vyloučení firem, které nesplňují charakteristiky dobrých zákazníků (proto je důležité je znát). Obchodní kanály se pak mohou věnovat prohlubování znalostí o perspektivních firmách a neztrácí čas na těch neperspektivních. Necháte-li rozhodnutí o tom, zda je firma perspektivní, na pocitech obchodníků, vydáváte se jim zcela na milost (o tom někdy jindy). V dnešní době existuje nespočet veřejných zdrojů dat (jen pro ČR jich zpracováváme přes sto) a nástrojů pro jejich vytěžení, které lze pro celou firmu pořídit za náklady nedosahující ani čtvrtiny nákladů na jednoho obchodníka.

Konec dílu 1. Příště si řekneme více o tom, jak spočítat atraktivitu jednotlivých firem, kdy to dává smysl a jak se zdánlivě skvělí obchodníci mohou při správném pohledu ukázat jako hrozivě špatní, a že správně nastavené cíle a jejich měření mohou znamenat rozdíl mezi tím, zda Vaše společnost přežije, nebo ne.