多数公司销售分析仅罗列数据,文章提出需从 “找策略、树标杆、定激励” 入手,挖掘销售数据深层价值。

销售分析事关公司收入,是最重要的分析。但是,很多公司做得并不好。常规的做法,就是分地区、分团队、分产品罗列目标达成率,然后就没有然后了。这样的报告图表虽多,但除了“A团队没达标”以外,很难得出更多结论。那到底该怎么做,才能发现问题,找到机会点呢?今天系统讲解一下。文章很长,还没关注陈老师的同学,记得先关注点赞哦,后边慢慢看。

一、理解销售过程

从本质上看,销售过程是:

1、设计销售策略,满足客户对产品/价格的需求

2、优化销售流程,提高销售成功率

3、激励销售人员,提升销售动力

想分析出有用结论,就得从产品,价格,激励,销售流程等多角度深入分析,不能只罗列目标达成率。

二、找策略

所谓策略,即“针对客户需求,推出合适的产品+价格方案”。而不是盲目的打折,不管用户需求,啥产品都卖,啥产品都打折。以toB业务距离,在toB业务中1、客户业务体量2、客户采购规模3、客户的技术要求4、客户的价格要求5、客户线索来源都会影响到销售策略制定策略时,可以考虑:1、新老客户区别2、订单大小区别3、我司是否有产品竞争优势4、我司获取客户的方式来制定配套策略,让每个细分领域,都有一定竞争优势,从而提高成功率(如下图)

 注意!策略是干中总结出来的,不是一开始就能100%精准分析好的。特别是针对新产品,新客户,新开发的市场,更需要尝试。因此,数据分析要做好监控。修正策略的执行(如下图)

 三、树标杆

优化销售过程,树标杆是最好的办法。通过与标杆对比,找到差距和可以优化的店。只不过,树标杆的时候,不能维业绩论。只是简单地把销售业绩排个序,谁排第一谁就是标杆,这样会导致:1、有固定大客户的躺赢2、只会打折的人胜出3、撞大运拿一个大单的夺冠在其他人眼中,这些要么是运气,要么是天生的,很难复制,标杆就失去意义。可复制性才是标杆的第一要求,这就让数据分析有了用武之地:要剔除运气、折扣、老客户等影响,从销售过程中找到可以复制的点。以toB销售为例:1、接到线索后,首次联系时间(指标)2、跟进客户的次数,两次跟进的间隔(指标)3、针对客户需求,推哪个产品组合(标签)4、客户质疑价格时候,应对话术(标签)以上这些是可复制的因素。先列出分析假设,再逐一进行排查(如下图):

一般公司不愿意干涉业绩好的销售,害怕瞎折腾,搞出问题。因此在分析中,经常从新进入的销售/业绩不好的销售做起。如果发现复制了标杆的某些手段,能提升业绩,那就持续推广,扩大效果(如下图):

 四、定激励

在激励问题上,有常见一些误区:1、只拿额外奖金激励,忽视策略优化2、只拿额外奖金激励,忽视标杆复制3、只拿额外奖金激励,忽视精神激励4、只会奖励销售结果,忽视过程激励从本质上看,销售们在乎的是能挣到钱。因此:总收入最大化才是激励目标。如果采用一种新策略/学习一种新做法能提升收入,那和额外给奖金的效果是一样的,还能节省销售费用。所以定激励是在做过“找策略”“树标杆”动作以后,最后考虑的事。如果发现有好的策略/好的标杆可以复制,数据分析应首先测算:如果采用此策略/复制此标杆,销售们可以多挣多少钱。帮助销售运营部门说服销售。对具体激励措施的分析,可以套用活动分析的模版,但要注意的是:销售们经常会因为激励措施,短期内扭曲行为,比如:1、这个月激励任务完成,藏一些单下个月放出来2、这个月新品有激励,就催客户屯一波货,激励一撤业绩就掉3、强迫(负激励)完成每天100个电话,结果随意拨打,转化率低因此,激励措施分析,一般看得时间会更长,关注整体业绩(而非单一激励活动),这样才能深入发现问题。

小结

当然,很多同学会抱怨:1、我司销售就是没策略,只会打折2、我司销售就是靠关系户,没啥本事3、我司产品线本身很乱,没有组合搭配4)、司CRM系统不行,行为数据上不来这些问题确实存在,但不妨碍我们自己按照合理的做法去整理思路,输出分析结论。这样自己才能多累积经验,早日离开这种低端的公司。

本文由运营派作者【接地气的陈老师】,微信公众号:【接地气的陈老师】,原创/授权 发布于运营派,未经许可,禁止转载。

题图来自 Unsplash,基于 CC0 协议。

登录后参与评论
给作者一些鼓励吧!
等我一分钟 我去找个夸你的句子
这世上美好的东西不多,牛起来要人命的你就是其一!
不要厉害的这么随意,不然我会觉得我又行了
这就很离谱了,老天爷追着喂饭的主儿~
我要是有这才华,我走路都得横着走!
对你的作品崇拜!
反手就是一个推荐,能量满满!
感谢分享
  1. 忙了一天,终于可以休息会看看文章了。 :roll:

  2. 运营要学会灵活变通很重要

  3. 文章写得很有见地,作者的思考很深入,值得学习。

  4. 手动点个赞

  5. 读过这个楼主很多文章,确实都还不错,感谢,加油。

收藏
评论
返回