Skip to content

B2B-myynnin analytiikka 2.0

Perinteisimmätkin myyntiorganisaatiot siirtyivät etämyyntiin, kun aikaisemmin kasvotusten käydyt asiakastapaamiset eivät enää olleetkaan mahdollisia. Tämän lisäksi B2B-myynnin muutostrendit, kuten monikanavainen asiakaskokemus, etämyynti, sekä markkinoinnin ja myynnin yhteistyö kasvoivat merkitykseltään entisestään.

Asiakaskokemuksen siirtyminen digitaalisiin kanaviin tarkoittaa myös sitä, että dataa asiakkaista on tarjolla enemmän kuin koskaan ennen. Datan olemassaolosta on kuitenkin pitkä matka sen hyödyntämiseen parempien liiketoimintatulosten aikaansaamiseksi.

Seuraavaksi käynkin läpi neljä näkökulmaa siihen, miten myyntiorganisaatiot voivat hyödyntää analytiikkaa entistä paremmin.

Yhtenäinen ja kattava näkymä asiakkaisiin

Monikanavainen asiakaskokemus tarkoittaa sitä, että asiakkaisiin liittyvä data on siiloissa monessa järjestelmässä. Tärkeää asiakasdataa saattaa löytyä CRM:n lisäksi esimerkiksi ERP:stä, markkinoinnin alustoista ja yritystietokannoista. Tämä tekee yhtenäisen kuvan saamisen asiakkaasta vaikeaksi, mikä taas vaikuttaa negatiivisesti myynnin tehokkuuteen ja asiakaskokemukseen. Jos tietoa joutuu etsimään ja kokoamaan monesta eri lähteestä, se jää monesti tekemättä myynnin hektisyydestä johtuen.

Modernit data-alustat mahdollistavat datan keräämisen monesta lähteestä, sekä sen valmistelemisen ja jakamisen eri käyttötarkoituksiin. Näin asiakkaista voidaan muodostaa yhtenäinen näkymä, joka voidaan jakaa esimerkiksi CRM-järjestelmään ja BI-työkaluihin.

Kuva1_Esimerkki-modernista-data-alustasta

Kuva 1: Esimerkki modernista data-alustasta. Lähde: https://semantix.com.br/en/data-platform/

Myynnin analytiikka ≠ myyntijohdon analytiikka

Mielikuva myynnin analytiikasta on usein johdon mittaristo, jota hyödynnetään tyypillisesti myyjien johtamiseen, myyntiputken hallintaan ja myynnin ennustamiseen. Myyntijohdolle suunnattu analytiikka on edelleen tärkeää ja modernit työkalut mahdollistavat sen paremmin kuin koskaan. Esimerkkinä: nykyisin on mahdollista seurata myyntiputken nykyhetken lisäksi sitä, mitä putkelle on tapahtunut kahden päivämäärän välillä. Tämän lisäksi myynnin ennustamisen ei enää tarvitse perustua myyjien arvioihin kaupan todennäköisyydestä ja päätöspäivämäärästä, sillä nykyisin keinoälyavusteinen malli voi luoda ennustuksen perustuen lukuisiin muihinkin muuttujiin.

Kuva2_Vesiputous-graafi

Kuva 2: Vesiputous graafi, joka visualisoi mitä myyntiputkelle on tapahtunut. Lähde: Salesforce

Jopa myyntijohdon analytiikkaa tärkeämpää on kuitenkin asiakasrajapinnassa toimivien myyjien avustaminen päivittäisessä työssä. Myyjille voidaan tarjota kontekstuaalisesti relevantti tieto asiakkaista, sekä keinoälyavusteista ohjausta seuraavaan parhaaseen toimenpiteeseen. Tämä auttaa myyjiä tekemään työtään tehokkaammin vähentämällä aikaa vieviä työvaiheita, sekä paremmin, sillä relevantti tieto ja toimenpide-ehdotukset mahdollistavat laadukkaamman toiminnan.

Kontekstuaalinen analytiikka

Kontekstuaalisella analytiikalla tarkoitetaan sitä, että analytiikka upotetaan osaksi käyttäjien päivittäistä työnkulkua – myyntikontekstissa tyypillisesti CRM-järjestelmään. Näin myyjät löytävät tarvittavan tiedon oikeasta paikasta oikeaan aikaan, mikä nopeuttaa analytiikasta tehtävien päätelmien muuttumista käytännön toiminnaksi ja sitä kautta liiketoiminnan tuloksiksi. Sen sijaan, että tiedon löytämiseksi pitäisi navigoida moneen eri paikkaan, tarvittava tieto löytyy sieltä missä myyjät muutenkin viettävät aikaansa. Parhaimmillaan kontekstuaalinen analytiikka näkyy myyjille vain parempana CRM-järjestelmän käyttökokemuksena.

Kuva3_kontekstuaalinen-analytiikka

Kuva 3: Esimerkki kontekstuaalisesta analytiikasta. Lähde: Salesforce

Itsepalveluanalytiikka

Itsepalveluanalytiikan avulla myyjät voivat itse tehdä hakuja dataan ja generoida raportteja ilman IT- tai datatiimin apua. Tämä automatisoi tyypillistä prosessia, jossa liiketoimintakäyttäjät lähettävät pyyntöjä datatiimille saadakseen tarvitsemansa tiedon.

Edellä mainittu prosessi on usein tehoton, sillä datatiimin aikaa kuluu pyyntöjen selvittämiseen, datan löytämiseen, raportin/mittariston rakentamiseen ja validoimiseen. Prosessin automatisoiminen itsepalveluanalytiikalla vapauttaa datatiimin aikaa tärkeämpiin tehtäviin, sekä nopeuttaa tiedon saamista ja jakamista.

Kuva4_Tableau-ask-data

Kuva 4: Tableaun Ask Data on esimerkki itsepalveluanalytiikasta. Lähde: Tableau

Loppukaneettina on tärkeätä mainita, että modernin myynnin analytiikan käyttöönotto ei ole täysin mutkaton prosessi. Mikäli yrityksellä ei ole ennestään datakulttuuria, sellaisen muodostaminen on pitkä muutospolku, joka vaatii kärsivällisyyttä. Se ei kuitenkaan tarkoita, etteikö analytiikan hankkeisiin kannattaisi ottaa ensiaskeleita, sillä jo pienillä muutoksilla voidaan luoda huomattavasti vaikutusta liiketoimintaan. Kaikkea ratkaistavissa olevaa ei kannata ratkaista kerralla, vaan vaiheittainen eteneminen toimii parhaiten seuraten priorisoitua tiekarttaa, joka on linjassa liiketoiminnan strategian kanssa.

 

Kiinnostuitko aiheesta? Katso webinaaritallenne!

Arrow-short-Digital-lollipop Myynnin analytiikan arvoketju - miten varmistat että analytiikka muuttuu liiketoiminnan tuloksiksi? Webinaarissa näet konkreettisesti miltä näyttää, kun dataa on yhdistelty eri lähteistä ja analytiikka on upotettu CRM:ään.