Báo cáo phân tích doanh số này thực sự tốt.

Làm thế nào để thực hiện dự án phân tích dữ liệu? Làm thế nào để tiến hành phân tích bán hàng? Sau bài viết này, chúng ta sẽ tìm hiểu các phương pháp phân tích bán hàng, cải thiện khả năng phân tích các vấn đề cụ thể và giải quyết các vấn đề thực tế. Khuyến khích cho những người tham gia phân tích dữ liệu.

Nhiều sinh viên phàn nàn rằng việc phân tích doanh số rất khó thực hiện. Có rất ít dữ liệu có sẵn, nhưng các nhà lãnh đạo có kỳ vọng cao và luôn hy vọng cải thiện hiệu suất trực tiếp thông qua dữ liệu. Chúng ta nên làm gì? Hôm nay chúng tôi sẽ đưa ra câu trả lời có hệ thống. Có nhiều hình thức bán hàng và rất khó để thảo luận mà không đưa vào những tình huống cụ thể. Vậy hãy cùng xem xét một kịch bản cụ thể: một nền tảng giao dịch trên Internet tuyển dụng các công ty tham gia thông qua đội ngũ bán hàng ngoại tuyến. Hiện tại, các nhà lãnh đạo phòng bán hàng đã tìm được các nhà phân tích dữ liệu, hy vọng có thể thực hiện một số phân tích chính xác để hỗ trợ bộ phận bán hàng tuyến đầu và cải thiện năng suất bán hàng. H: Làm thế nào để thực hiện dự án phân tích dữ liệu này?

1. Chìa khóa để giải quyết vấn đề

Trước hết, điểm chính của câu hỏi này là gì?

1. Trao quyền

2. Cải thiện năng suất

3. Phân tích chính xác

Khi nhìn thấy chủ đề này, nhiều sinh viên có thể háo hức sử dụng "phương pháp phân tích DuPont". Trong số mười bài viết về phân tích doanh số trên Internet, chín bài rưỡi sẽ nói về phương pháp phân tích DuPont. Một số thậm chí còn thêm "phương pháp tháo dỡ" vào cuối để tăng mức độ của bài viết (như thể hiện trong hình bên dưới).

Trên thực tế, những phương pháp này là những phương pháp cơ bản để phân tích doanh số. Tuy nhiên, chúng không phù hợp để sử dụng ở đây. Lưu ý rằng nhân viên bán hàng trong tiêu đề đang đối mặt với khách hàng doanh nghiệp, đây là một doanh nghiệp toB. Kinh doanh ToB có nghĩa là các quy trình theo dõi cực kỳ cồng kềnh và mối quan hệ khách hàng phức tạp (như được hiển thị bên dưới).

Điều này cũng có nghĩa là nhân viên bán hàng phải dành nhiều thời gian để đi lại, gọi điện thoại, đàm phán, họp hành, uống rượu với khách hàng, đi tắm biển, v.v. Trong trường hợp này, sẽ không ai xem một loạt biểu đồ hình tròn, biểu đồ đường và biểu đồ thanh. Nếu bạn không tin, bạn có thể đếm được tỷ lệ sử dụng hệ thống BI của công ty bạn trong bộ phận bán hàng. Thật ấn tượng nếu nó vượt quá 10%.

Vì vậy, chìa khóa thực sự cho câu hỏi này là: một dòng. Khi không ai xem xét các báo cáo tài chính thì những thứ khác như "trao quyền", "hỗ trợ" và "chính xác" đều không còn nữa. Điều này đòi hỏi chúng ta không nên nghĩ về "tôi có dữ liệu gì" hay mơ tưởng về "tạo ra một chú chó Alpha to lớn có thể khiến khách hàng đặt hàng ngay khi nó sủa", mà phải nghĩ về "nhân viên bán hàng thực sự cần gì".

2. Trình tự giải quyết vấn đề

1. Trước tiên hãy hiểu công việc bán hàng

Để tránh khỏi những tưởng tượng của riêng mình, mọi người đều có thể hiểu những người này đang làm gì thông qua các SOP, phỏng vấn, bài tập đi kèm, v.v. (như thể hiện trong hình bên dưới).

2. Tìm điểm đau

Nếu bạn muốn dữ liệu của mình được "chú ý" và kết quả phân tích "hữu ích", trước tiên bạn phải đảm bảo rằng những gì bạn cung cấp là những gì người khác cần và điều này bắt đầu từ những điểm khó khăn (như thể hiện trong hình bên dưới).

3. Tìm điểm mạnh

Xin lưu ý rằng nhiều vấn đề khó khăn trong bán hàng không thể giải quyết được bằng dữ liệu. Nhưng điều này không ngăn cản chúng ta sử dụng nó để thu hút sự chú ý của nhân viên bán hàng. Ví dụ, việc phổ biến nhất mà nhân viên bán hàng làm là gọi điện thoại. Chúng tôi có thể đưa các thẻ khách hàng thường dùng và trạng thái khách hàng vào danh bạ điện thoại, để nhân viên bán hàng có thể biết ngay đâu là khách hàng cũ đã lâu không liên lạc và đâu là khách hàng mới vừa ký hợp đồng và đang chờ được theo dõi. Việc gọi điện rất tiện lợi và tỷ lệ sử dụng báo cáo sẽ tự nhiên tăng lên.

Lưu ý rằng bạn cần phải kiểm soát lực ở đây. Hãy lấy danh bạ điện thoại làm ví dụ. Một số nhà quản lý sản phẩm cũng chú ý đến điểm này, nhưng họ đặc biệt thích thêm "kế hoạch làm việc" trước khi đưa ra quyết định và buộc nhân viên tuyến đầu phải điền vào kế hoạch làm việc. Họ còn gọi nó là: Bạn thấy đấy, bước đầu tiên trong quy trình bán hàng là lập danh sách khách hàng, vì vậy bạn cần lập một kế hoạch làm việc khoa học và hợp lý.

Kết quả tất nhiên là tỷ lệ sử dụng sản phẩm giảm xuống còn 0! Bởi vì chỉ có những nhà quản lý sản phẩm phải ngồi trước máy tính hàng ngày mới thích tạo biểu đồ Gantt và lập kế hoạch hàng ngày. Nếu bạn yêu cầu anh ấy đi gặp khách hàng dưới cái nắng như thiêu đốt, đeo cà vạt, ngồi trên xe Didi và bị kẹt xe hàng giờ, anh ấy sẽ không còn tâm trạng để viết điều gì đó hoa mỹ như vậy. Chỉ có kẻ ngốc mới viết điều đó. Đối với mọi thứ ở tuyến đầu, yêu cầu về sự tiện lợi lớn hơn nhiều so với tính khoa học. Hãy nhớ điều này.

4. Tìm kiếm cơ hội để cải thiện

Khi ai đó xem dữ liệu của chúng tôi và sử dụng sản phẩm dữ liệu của chúng tôi, chúng tôi có thể nghĩ cách cải thiện chúng. Lưu ý, khi ra tiền tuyến, hãy nhớ đừng nói nhảm: bạn phải nhắm cao. Việc này chẳng khác nào đang đòi đánh đòn, và rất dễ nhận được câu trả lời kiểu như “Nếu làm được thì làm đi” (như hình bên dưới).

Nếu bạn thấy có vấn đề, tốt nhất là hãy nói trực tiếp với tuyến đầu: Điều này rất hữu ích! Chúng ta hãy lấy lại ví dụ trên. Nếu bạn thực sự thấy vấn đề này, trước tiên bạn có thể xem những người có tỷ lệ ký cao đã làm gì. Nếu chúng tôi thấy việc hiển thị các trường hợp từ khách hàng ngang hàng có hiệu quả (cải thiện khoảng 5%), chúng tôi sẽ tích hợp trực tiếp thư viện trường hợp của ngành vào sản phẩm dưới dạng một tính năng. Hãy nói với họ: Khi trò chuyện, hãy nhấp vào nút này, nó có hiệu quả!

Hiệu ứng này chắc chắn tốt hơn nhiều so với biểu đồ hình tròn, biểu đồ đường và biểu đồ thanh. Bộ phận bán hàng cũng sẵn sàng lắng nghe và sử dụng nó.

5. Dần dần thúc đẩy việc sử dụng nó

Có thể chúng ta đã phát hiện ra 100 vấn đề thông qua dữ liệu, nhưng nếu muốn giải quyết chúng, chúng ta phải giải quyết từng vấn đề một. Tốt nhất là nên xem dữ liệu này được cải thiện như thế nào trước khi chuyển sang dữ liệu tiếp theo. Nhiều nhà quản lý sản phẩm dữ liệu muốn đưa ra một "giải pháp toàn diện" rất phức tạp cho tuyến đầu cùng một lúc, nhưng kết quả là, giải pháp đó thường nằm trong ứng dụng di động/chương trình nhỏ và bị lãng quên.

Một số sinh viên có thể nói: Tôi không có cơ hội tạo ra các sản phẩm dữ liệu, tôi phải làm gì? Sự khác biệt lớn nhất ở đây không phải là bạn có thể tạo ra một sản phẩm dữ liệu hay không, mà là bạn có vấn đề kinh doanh thực sự trong đầu hay không, hoặc biểu đồ hình tròn, biểu đồ đường, biểu đồ thanh, phép cộng, phép trừ, phép nhân, phép chia và phép căn bậc hai. Nếu chúng ta có vấn đề thực sự trong đầu, chúng ta có thể:

1. Khi lập PPT, hãy lập trực tiếp “Chiến lược chiến thắng doanh số”, ghi lại các phát hiện dữ liệu và giải pháp tương ứng rồi đóng gói để xuất ra.

2. Khi làm Excel, hãy đánh dấu vấn đề trực tiếp trên đường cong thay đổi và viết ghi chú bên cạnh điểm nhấn cá nhân có thể khắc phục được vấn đề trong bảng chi tiết.

3. Khi báo cáo miệng, sau khi nói về dữ liệu phản ánh vấn đề, hãy kể trực tiếp câu chuyện cá nhân về cách giải quyết vấn đề và nói với mọi người rằng điều này có thể cải thiện dữ liệu.

Ngay cả khi bạn không có sản phẩm, bạn vẫn có thể nói điều gì đó mà người khác muốn nghe. Bạn thậm chí có thể thúc đẩy công ty bắt đầu một dự án và có cơ hội tạo ra sản phẩm dữ liệu.

Nếu bạn chỉ nghĩ đến biểu đồ hình tròn, biểu đồ đường và biểu đồ thanh, ngay cả khi bạn thực sự phát triển một sản phẩm dữ liệu, kết quả cuối cùng cũng sẽ là: tỷ lệ mở báo cáo là 5% và chỉ có trưởng nhóm bán hàng và chuyên gia thống kê dữ liệu bán hàng mới đọc báo cáo đó. Sau khi đọc xong, họ sẽ nói: Tôi đã biết từ lâu rồi, cái này có tác dụng gì...

3. Cảnh này có thể tiếp tục

Ví dụ:

1. Thay đổi tên công ty thành: toC, thẩm mỹ viện truyền thống

2. Bối cảnh công ty thay đổi thành: toC, ô tô

3. Đội ngũ ngoại tuyến được đổi thành: Bán hàng qua điện thoại

4. Nhân viên bán hàng tuyến đầu được thay đổi thành: Quản lý khu vực

5. Bán hàng tuyến đầu cho: hoạt động bán hàng

6. Sản phẩm bán ra được đổi thành: dịch vụ quảng cáo

7. Các sản phẩm được bán được đổi thành: sản phẩm dữ liệu

Bạn có thể tự mình suy nghĩ về sự khác biệt mà những thay đổi nhỏ nhặt này mang lại. Vào thời điểm này, cần phải thực hiện loại dự án phân tích dữ liệu nào để đáp ứng nhu cầu?

Một số sinh viên có thể hỏi, ý nghĩa của loại mô phỏng tình huống này là gì? Bởi vì trong doanh nghiệp, việc phân tích dữ liệu thực sự phải đối mặt với đủ loại tình huống kỳ lạ.

Ví dụ:

Đối tượng dịch vụ có thể là: nhân viên tuyến đầu, lãnh đạo cấp trung, lãnh đạo cấp cao

Nội dung kinh doanh có thể bị ảnh hưởng bởi dịch bệnh. Một số lượng lớn các thẩm mỹ viện, phòng tập thể dục và cửa hàng ô tô 4S truyền thống không có giao dịch với Internet cũng đã tham gia vào việc chuyển hướng lưu lượng truy cập trực tuyến và phát sóng trực tiếp.

Sau khi nền tảng Internet thúc đẩy sự gia nhập của các doanh nghiệp, nó tiếp tục thúc đẩy các sản phẩm dữ liệu, dịch vụ tiếp thị, OA văn phòng và các nguồn dữ liệu trung gian...

Tất cả những điều này đều là những sự kiện có thật xảy ra xung quanh chúng ta hàng ngày. Đây đều là những vấn đề thực tế cần phải giải quyết.

Nếu không đi sâu vào những tình huống cụ thể, khi gặp vấn đề, bạn sẽ chỉ hỏi khắp nơi "Làm thế nào để phân tích dữ liệu Internet???" và câu trả lời cuối cùng bạn nhận được vẫn là AARRR không đổi, phương pháp phân tích DuPont hoặc mô hình phễu - nó vô dụng.

Do đó, nếu bạn thực sự muốn phân tích dữ liệu hữu ích, bạn phải cân nhắc kỹ lưỡng các tình huống cụ thể và cải thiện khả năng phân tích các vấn đề cụ thể.

Tác giả: Thầy giáo thực tế Chen

Nguồn: Tài khoản công khai WeChat: "Cô giáo thực tế Trần (ID: gh_abf29df6ada8)"