Tauchen Sie ein in CRM-Analysen (+ kostenlose Vorlage)

Ich zeige dir, wie du deine Daten für Analysen vorbereitest, meine Lieblingsanwendungsfälle für CRM-Analysen im Arbeitsalltag sowie drei kostenlose Vorlagen für Feldmapping, Kennzahlenmapping und Prognosen.

Was ist CRM-Analyse?

Nicht zu verwechseln mit dem gleichnamigen Salesforce CRM-Feature, bezeichnet CRM-Analyse die Praxis, Daten aus Vergangenheit und Gegenwart zu nehmen und sie mit Systemwissen sowie unterschiedlichen Berechnungsmethoden zu kombinieren, um Trends im eigenen Unternehmen zu verstehen und vorherzusagen.

CRM-Analyse vs. CRM-Reporting

Während sich das CRM-Reporting um eine Momentaufnahme deines Unternehmens kümmert und jeder Report eine einfache Frage beantworten sollte, versucht die CRM-Analyse, ein Gesamtbild eines Szenarios zu entwerfen und dieses mit einer Mischung aus Berichten, Analysen und Diagrammen in die Zukunft zu projizieren – indem mehrere Antworten verknüpft und zu einer Geschichte verwoben werden.

Warum CRM-Analyse?

Der Markt für CRM-Software ist aktuell rund 70 Milliarden Dollar wert und soll in den kommenden 10 Jahren auf über 200 Milliarden Dollar wachsen. Branchenführer wie Salesforce werden weiterhin neue Wege finden, immer mehr Kundendaten in ihr 360°-Modell zu integrieren.

Es war noch nie so einfach, die Unternehmensleistung zu tracken – aber zugleich auch noch nie so komplex, die Verbindungen, Beziehungen und wirklich nutzbaren Erkenntnisse in diesem wachsenden Datendschungel zu erkennen. 

Unvorhersehbarer Erfolg ist für ein Board fast so beunruhigend wie unvorhersehbarer Misserfolg. Moderne Unternehmen sollten beides kommen sehen und für jedes Szenario einen Plan haben. CRM-Analyse fungiert wie eine Kristallkugel für dein Business.

Einstieg in die CRM-Analyse

Ob du Zugriff auf eine fortschrittliche Analyseplattform hast oder nur auf eine einfache Tabelle – es liegt an dir, im Datenmeer (oder Daten-Sumpf) den Durchblick zu behalten.

Tatsächlich empfehle ich ausdrücklich, mit einer Tabelle zu beginnen, um deine Daten jenseits von ausgefeilten Algorithmen zu verstehen. Schau dir deine Daten an und fange an, wie eine Analystin beziehungsweise ein Analyst zu denken.

Fragen, die du dir stellen solltest

• Wie funktionieren sie? 
• Wie hängen deine Spalten zusammen? 
• Welche Zeilen stechen hervor? 
• Ist es gut oder schlecht, dass sie herausstechen? 

Tauche noch tiefer ein, um weitere umsetzbare Erkenntnisse zu gewinnen:

• Wie beeinflusst dieses geklärte Datenverständnis unsere Strategie? 
• Was bedeutet das für unser Wertversprechen? 
• Wo bringt uns das hin im Vergleich zu unseren Erwartungen?

Neugierde hat zwar die Katze getötet, aber die RevOps-Profis zu Analyseexpert:innen gemacht. Genau diese Expertise hebt dich als anerkannte Führungskraft im Unternehmen hervor.    

Erstelle eine Datenlandkarte

In den Worten von Covey: Beginne mit dem Ende im Sinn.

Was sind deine North-Star-Metriken? Was MUSST du messen? Und woraus setzen sich diese zusammen? Was sind deine Zähler, Nenner, Multiplikatoren, Risikofaktoren? Woher kommen sie? Welche Systeme sind beteiligt?

Das sind viele Fragen – daher zerlege ich es noch weiter. Lass uns eine Feldkarte erstellen!

Feldkarten-Vorlage

Tauche ein in die Tiefen deiner CRM-Daten und lass eine Feldkarte deinen Kompass sein, der dich zu wertvollen Business-Erkenntnissen führt. Hol dir die Feldkarten-Vorlage sowie zwei Bonus-Vorlagen für North-Star-Mapping und das Erstellen eines Prognose-Diagramms!

Facebook

This field is for validation purposes and should be left unchanged.

Name*

First* Last*

Your email*

By submitting this form, you agree to receive the requested content, our newsletter, and occasional emails related to The CRO Club. You can unsubscribe at any time. For more details, please review our Privacy Policy.

Wie erstellt man eine Feldkarte

1. Öffnen Sie Ihr bevorzugtes Tabellenkalkulationsprogramm oder laden Sie oben die kostenlose Feldzuordnungsvorlage herunter.
2. Tragen Sie die wichtigen Felder, die Sie benötigen, in Spalte A in verschiedene Zeilen ein (ein Tab pro Objekt [Opportunity, Account, Lead, Kontakt, usw.] — verwenden Sie verschiedene Tabs, wenn Sie mehrere Objekte integrieren oder abgleichen müssen).
3. In Spalte B tragen Sie alle Datentypen ein (Zahl, Zeichenkette, Auswahlliste, usw.).
4. Bennen Sie Spalte C als weiteres System of Record und Spalte D wieder als Datentyp.
5. Füllen Sie die Zeilen in C & D mit den Namen der übereinstimmenden Felder und Datentypen aus.
6. Fügen Sie eine bedingte Formatierung hinzu, um zu überprüfen, ob D = B (oder gleichwertig ist).
7. Wiederholen Sie die Schritte 4-6 für jedes weitere System, indem Sie jede Datentyp-Spalte mit Spalte B vergleichen.

Indem Sie Ihre Datentypinkonsistenzen beheben, machen Sie einen entscheidenden Schritt hin zu einer besseren Datenintegrität. 

Wahrscheinlich werden Sie viele leere Felder vorfinden, bei denen Sie bestätigen können, ob eine Zuordnung nötig ist oder nicht. Sie können dies erweitern, indem Sie Spalten hinzufügen, in denen Sie alle Optionen Ihrer Auswahllisten auflisten und diese ebenfalls vergleichen. Und mit diesem Sheet erhalten Sie ein besseres Verständnis über Ihr Gesamtsystem. 

Obwohl es Tools gibt, die dies für Sie erledigen, sind diese in der Regel kostenpflichtig. Je nach Unternehmensgröße und Kontrolle über Ihre Systeme kann dies eine einmalige Übung sein – und Sie müssen möglicherweise keine laufenden Gebühren zahlen.

Abgleich mit North Star-Kennzahlen

Sobald Sie Ihre Felder abgebildet haben, können Sie beginnen, die Komponenten Ihrer North Star-Kennzahlen abzubilden (siehe zweiten Tab der Feldzuordnungsvorlage).

1. Erstellen Sie in einem neuen Tab Ihrer Tabelle eine Liste jeder Kennzahl, die Sie verfolgen müssen, in Spalte A
2. Nutzen Sie Spalte B, um die Formel oder den Prozess zur Berechnung jeder einzelnen zu notieren
3. In Spalte C listen Sie die Zellbezüge Ihrer Feldzuordnung für die Felder auf, die zur Berechnung der Kennzahl in Spalte A gemäß Methode in Spalte B notwendig sind

Sie haben jetzt eine dokumentierte Übersicht darüber, wie Ihre Kennzahlen zu den Feldern passen, und eine Landkarte, wo sich diese Daten befinden. Ihre Datenreife ist nun auf Series C+ Niveau. Sie haben die Grundlagen für Datenintegrität und Daten-Rückverfolgbarkeit geschaffen.

6 alltägliche Anwendungsbeispiele für CRM-Analysen

Sobald Ihre Datenkarte erstellt ist, können Sie beginnen, CRM-Analysen in Ihre täglichen Arbeitsabläufe einzubinden. Hier sind einige meiner Lieblingsmethoden, wie ich meine Analytikkompetenzen einsetze:

1. Prozesse optimieren

Durch eine analytische Betrachtung Ihrer Opportunity-Daten können Sie erkennen, wo es im Verkaufsprozess zu Engpässen kommt oder wo Prozesse ins Stocken geraten bzw. scheitern.

Die beste Kennzahl ist hier die Verweildauer in einer Phase. Sehen Sie sich dies wöchentlich oder monatlich an, um herauszufinden, ob sie steigt oder fällt. Generell gilt: Steigt die Verweildauer asymmetrisch in einer Phase, ist dies ein Anzeichen dafür, dass Sie genauer hinschauen müssen.

2. Definieren Sie Ihr ICP

Jedes Vertriebsteam, mit dem ich je gesprochen habe, glaubt, sein ICP zu kennen – aber wie viele verkaufen tatsächlich an diesen?

Nehmen Sie Ihre gesamte Sales Pipeline (einschließlich gewonnener und verlorener Deals) und erstellen Sie eine Pivot-Tabelle. Segmentieren Sie die Daten, sodass sie Ihrem ICP entsprechen und betrachten Sie, ob die Verteilung der Deals in späten bzw. gewonnenen Phasen zu den Kunden tendiert, die am besten zu Ihren ICP-Feldern passen.

Ist das der Fall, sind Sie mit Ihrer Strategie abgestimmt. Wenn nicht und Ihre gewonnenen Deals liegen außerhalb Ihres ICP, ist es vielleicht das falsche Ziel oder es ist Zeit für einen Strategiewechsel. Und wenn Ihre gewonnenen Deals im ICP liegen, aber Ihre späten Verkaufsphasen nicht, hat Ihr Team falsch akquiriert oder der Markt verändert sich gerade.

3. Trends und Kundenverhalten vorhersagen

Ich sehe viele Unternehmen, die Freitextfelder verwenden, um Eingaben zu bestimmten Themen zu erhalten. Das ist für die Analyse überwiegend wenig hilfreich, es sei denn, es wird kategorisiert.

Um mit der Bereinigung von Textdaten zu beginnen, führen Sie eine einfache Häufigkeitsanalyse über sämtliche Texte in Ihrem Feld durch und finden Sie dadurch die häufigsten Trends. Mit Formeln oder Workflows können Sie anschließend Booleans oder Auswahllisten einrichten, die sich anhand des Freitexts aktualisieren.

Author's Tip

Wenn es ein Textfeld gibt, von dem Sie wissen, dass es in die Analyse einbezogen wird, richten Sie es als Dropdown-Menü ein.

4. Erstellen Sie eine Prognose und verfolgen Sie die Leistung

Wenn Ihr Unternehmen eine angemessene Vertriebsgeschwindigkeit hat, können Sie Geometrie zu Ihrem Vorteil für die Prognose nutzen. Sie können dies in einer Tabelle aufsetzen — oder die kostenlose Prognosevorlage herunterladen (Tab 3 in der Feldkartenvorlage).

1. Tragen Sie die Tage in Spalte A und „Rest“ in Spalte B ein.
2. Legen Sie nun Ihr Ziel an Tag 0 in die erste Zeile Ihrer Tabelle.
3. Für jeden eingehenden Verkauf notieren Sie den Tag und ziehen dann den Wert vom Ziel ab; in der entsprechenden Zeile tragen Sie den verbleibenden Betrag („Rest“) ein.
4. Nachdem Sie einen Eintrag haben, fügen Sie eine neue Zeile als Tag 40 hinzu. Fügen Sie ein Diagramm ein und legen Sie eine Ausgleichsgerade für Ihre Datenreihe an.

Wenn Sie mehr Abschlüsse hinzufügen, sehen Sie, wie die Ausgleichsgerade Ihre X-Achse schneidet – das entspricht dem Zeitpunkt, an dem Sie vermutlich Ihr Ziel erreicht haben.

Diese Prognosegrafik ist effektiv, weil sie zeigt, wie viele Tage Sie vorne oder hinten liegen werden, anstatt nur was Sie verpassen und um wie viel.

5. Neue Chancen identifizieren

Dies ist eine relativ einfache Aufgabe für alle, die mehrere Produktlinien oder eine ausgeprägte Upselling-Strategie haben.

Nehmen Sie Ihre Kundenbasis und den durchschnittlichen Kundenumsatz, basierend auf Unternehmensgröße (Mitarbeiterzahl oder Bewertung) und – wenn Sie in einem größeren Unternehmen sind – Branche/Sektor.

Sie sollten dann eine grobe Vorstellung vom Whitespace in Ihren Accounts haben und erkennen, wer weniger zahlt, als er sich vermutlich leisten kann. Eine einfache Dichteanalyse wie diese kann – abhängig von der verwendeten Variable – eine Menge Einsichten liefern.

Sie könnten sich auch andere nützliche Vertriebsanalysen anschauen, z. B. wie oft Kunden (nach Größe und Branche) wiederholt einkaufen, wie lange sie durchschnittlich Ihre Kunden bleiben und wie viele Supportanfragen sie stellen – und das dann mit Ihren Normwerten vergleichen.

Das gibt im Großen und Ganzen Hinweise darauf, wo Sie kürzen können und wo Sie sich konzentrieren sollten – und ist eine tolle analytische Aktivität zur Ergänzung Ihrer Coverage-Planung.

6. Kunden mit Abwanderungsrisiko kennzeichnen

Das ist etwas schwieriger, da man eigentlich ein Machine Learning Modell aufsetzen sollte, um die Kundenbindung genau zu analysieren. Sie können aber anfangen, indem Sie ein Strike-Framework erstellen.

Nehmen Sie jeden Aspekt Ihres Kundenerlebnisses, den Sie exakt verfolgen können und mitteln Sie Teilnahme/Engagement/Nutzung für Ihre zufriedensten und am wahrscheinlichsten verlängernden Kunden für jede Komponente Ihres Angebots.

Arbeiten Sie dann rückwärts und nutzen Sie diese als Ihre "Strikes":

• Nutzt oder verwendet jeder andere Kunde Ihr Produkt in gleicher Weise?
• Für Kunden, die es deutlich weniger nutzen, ist dies auf einen bestimmten Bereich beschränkt?
• Könnte der fehlende Mehrwert in diesem Bereich ein Risikofaktor sein?

Auf dieser Basis können Sie eine Reihe von Kontrollkästchen-Formeln für Ihre Kunden erstellen, die anzeigen, bei wem welche "Flags" ausgelöst wurden.

Die Anzahl der ausgelösten Flags kann dann den „Status“ darstellen, wobei beispielsweise 6 Flags rot ergibt.

Dieses Modell ist einfacher einzurichten als ein vollständiges Health Scoring und dabei für Ihr Team umsetzbarer, weil erkennbar ist, welche Flags ausgelöst wurden. Wenn Sie die Auswertung für Ihren gesamten Kundenstamm betrachten: Wie viel Prozent stehen auf grün? Ist das im Großen und Ganzen mit Ihren Retentionszahlen deckungsgleich?

Author's Tip

CRM-Analysen müssen nicht kompliziert sein.

Alle diese Beispiele können in einer Tabellenkalkulation durchgeführt werden und helfen Ihnen, genau zu verstehen, was in Ihrem Unternehmen funktioniert – und was nicht.

Brauchen Sie eine CRM-Analyse-Plattform?

Wenn Sie eine Datenanalyse-Plattform nutzen, die versucht, noch ein paar Schritte weiterzugehen und Ihre Kennzahlen für Sie zu ermitteln, sollten Sie sich fragen, ob Sie diese Kennzahl in einer Vorstandssitzung oder beim Bericht nach oben weiter aufschlüsseln müssen.

Verwenden Sie die Plattform nicht mehr als Hauptkennzahl, sondern nutzen Sie sie stattdessen operativ und richtungsweisend. Wenn Sie nicht wissen, wie etwas berechnet wird, woher die Daten stammen, wie hoch die Fehlerquote ist oder wie volatil die Werte sind, ist die Plattform zwar funktional, liefert aber keine echten Erkenntnisse.

Plattformen wie Salesforce CRM Analytics (früher Einstein Analytics) oder Tableau CRM ermöglichen Ihnen ein tiefes Verständnis Ihrer Daten, erfordern aber dennoch ein breites und tiefes Verständnis der Daten selbst.

Andere Plattformen wirken eher wie Black Boxes und haben eigene, markengeschützte Deal-Scores, deren Funktionsweise Sie nicht nachvollziehen können. Während dies für kleine Unternehmen ein großes Verkaufsargument ist, macht der Mangel an Integrität und Robustheit dieser Kennzahlen sie ungeeignet für echtes Reporting oder Analysen.

CRM-Daten nutzen für größeren Geschäftserfolg

Während die gängige Meinung dazu raten würde, vorsichtige und zaghafte Schritte ins Ungewisse zu setzen, ist mein Rat mutiger: Springen Sie hinein. 

Ob Sie lieber ins seichte Wasser springen oder direkt ins Tiefe, überlasse ich Ihnen. Aber dort draußen liegt eine Welt voller Bedeutungen. 

Analytics ist der Schnittpunkt zwischen der Wissenschaft der Daten und der Kunst der Weissagung. Sie müssen darin eintauchen, um sie zu verstehen.

Sie konstruieren ihren eigenen Shashibo-Würfel mit den Daten, die Sie finden. Sie färben die Flächen ein und gestalten die Formen, wie Sie es möchten. Im Chaos steckt Struktur und in der Struktur Chaos. Und das ist die Freude daran, CRM-Analysen zu verstehen.

Öffnen Sie eine Tabellenkalkulation. Setzen Sie eine Analyse-Plattform ein. Spielen Sie mit Ihren Daten.

Ich fordere Sie heraus.