W SaaS panuje głód większej ilości danych, większej liczby wskaźników i większej liczby pulpitów nawigacyjnych — ale ogólne rozumienie danych niewiele się rozwinęło.
Ten ceniony zasób jest niezrozumiany, niewłaściwie wykorzystywany i często oczerniany, aby uczynić narrację „prawdziwą”, zamiast przekształcić go w opowieść, która zmienia przyszłość firmy.
Oto analityka CRM.
Pokażę Ci, jak skonfigurować dane na potrzeby analityki, moje ulubione sposoby wykorzystywania analityki CRM w codziennych procesach oraz trzy bezpłatne szablony do mapowania pól, mapowania wskaźników i prognozowania.
Czym jest analityka CRM?
Nie należy mylić jej z funkcją CRM Salesforce o tej samej nazwie. Analityka CRM to praktyka polegająca na pobieraniu danych zarówno z przeszłości, jak i teraźniejszości oraz łączeniu ich z wiedzą o systemie i różnorodnymi metodami obliczeniowymi w celu zrozumienia i przewidywania trendów w firmie.
Analityka CRM a raportowanie CRM
Podczas gdy raportowanie CRM koncentruje się na sprawdzeniu bieżącego stanu firmy, a każdy raport powinien odpowiadać na proste pytanie, analityka CRM dąży do stworzenia obrazu całej sytuacji i prognozowania jej rozwoju poprzez połączenie raportów, analiz i wykresów, które splatają wiele odpowiedzi na pytania w jedną opowieść.
Dlaczego analityka CRM?
Rynek oprogramowania CRM, którego wartość wynosi obecnie około 70 miliardów dolarów, ma według prognoz wzrosnąć do ponad 200 miliardów dolarów w ciągu najbliższych 10 lat. Liderzy branży, tacy jak Salesforce, będą nadal wprowadzać nowe sposoby uwzględniania większej ilości danych o klientach w swoich modelach 360°.
Śledzenie wyników firmy nigdy nie było łatwiejsze — ale jednocześnie nigdy nie było trudniejsze zrozumienie powiązań, relacji i praktycznych wniosków ukrytych w tym stale rosnącym chaosie.
Nieprzewidywalny sukces jest dla zarządu niemal równie niepokojący jak nieprzewidywalna porażka. Nowoczesne firmy powinny dostrzegać oba scenariusze z wyprzedzeniem i mieć plan na każdą sytuację. Analityka CRM działa jak kryształowa kula dla Twojej firmy.
Rozpoczęcie pracy z analityką CRM
Niezależnie od tego, czy masz dostęp do zaawansowanej platformy analitycznej, czy tylko do arkusza kalkulacyjnego, znalezienie znaczenia w jeziorze danych (lub bagnie danych) zależy od Ciebie.
Właściwie — zdecydowanie polecam rozpoczęcie od arkusza kalkulacyjnego, który pomoże Ci zrozumieć dane poza efektownymi algorytmami. Przyjrzyj się danym i zacznij myśleć jak analityk.
Pytania, które warto sobie zadać
- Jak to działa?
- W jaki sposób powiązane są Twoje kolumny?
- Które wiersze się wyróżniają?
- Czy to, że się wyróżniają, jest dobre, czy złe?
Przeanalizuj dane nieco dokładniej, aby odkryć więcej praktycznych wniosków:
- W jaki sposób to jaśniejsze zrozumienie danych wpływa na naszą strategię?
- Co oznacza to dla naszej propozycji wartości?
- Gdzie nas to prowadzi w porównaniu z miejscem, do którego — jak sądzimy — dotrzemy?
Ciekawość może i zabiła kota, ale uczyniła specjalistę RevOps ekspertem w dziedzinie analityki. To właśnie ta wiedza specjalistyczna wyniesie Cię do rangi szanowanego lidera w firmie.
Stwórz mapę danych
Jak powiedział Covey, zacznij, mając na uwadze cel.
Jakie są Twoje wskaźniki North Star? Co MUSISZ mierzyć? I z czego się one składają? Jakie są ich liczniki, mianowniki, mnożniki i czynniki ryzyka? Skąd pochodzą te dane? Jakie systemy są zaangażowane?
To wiele pytań, na które trzeba odpowiedzieć, więc rozłożę ten temat na jeszcze mniejsze części. Stwórzmy mapę pól!
Have an account? Log In
Jak stworzyć mapę pól
- Otwórz wybrane narzędzie do pracy z arkuszami kalkulacyjnymi lub pobierz powyższy bezpłatny szablon mapy pól
- Umieść ważne potrzebne pola w kolumnie A, w różnych wierszach (jedna karta dla jednego obiektu [Szansa sprzedażowa, Konto, Potencjalny klient, Kontakt itd.] — użyj różnych kart, jeśli masz wiele obiektów, które musisz zintegrować lub zmapować)
- W kolumnie B umieść wszystkie typy danych (liczba, ciąg znaków, zestaw wyboru itd.)
- Nadaj kolumnie C tytuł wskazujący na inny system źródłowy, a kolumnie D ponownie przypisz typ danych
- Uzupełnij wiersze w kolumnach C i D nazwami pasujących pól i typami danych
- Dodaj formatowanie warunkowe, aby sprawdzić, czy D = B (lub jest równoważne)
- Powtórz kroki 4–6 dla każdego dodatkowego systemu, porównując każdą kolumnę typu danych z powrotem z kolumną B
Rozwiązując problemy z niezgodnością typów danych, wykonasz znaczące kroki w kierunku poprawy integralności danych.
Prawdopodobnie będziesz mieć wiele pustych pól, w przypadku których możesz potwierdzić, czy powinny istnieć mapowania. Możesz rozszerzyć to rozwiązanie, dodając kolumny zawierające wszystkie opcje zestawów wyboru i porównując je. Dzięki temu arkuszowi poszerzysz również swoją wiedzę o całym ekosystemie.
Choć istnieją narzędzia, które mogą wykonać to zadanie za Ciebie, wszystkie wiążą się z kosztami. W zależności od wielkości firmy i zakresu kontroli nad systemami może to być jednorazowe ćwiczenie, więc być może nie będziesz musieć ponosić stałej opłaty.
Mapowanie na metryki Gwiazdy Północnej
Po zmapowaniu pól możesz zacząć mapować składniki metryk Gwiazdy Północnej (sprawdź drugą kartę szablonu mapy pól).
- Na nowej karcie arkusza kalkulacyjnego utwórz w kolumnie A listę wszystkich metryk, które musisz śledzić
- W kolumnie B zapisz wzór lub proces służący do obliczenia każdej z nich
- W kolumnie C utwórz listę odwołań do komórek z mapy pól dla pól potrzebnych do obliczenia metryki z kolumny A przy użyciu metody opisanej w kolumnie B
Masz teraz udokumentowany zapis pokazujący, jak metryki odnoszą się do pól, oraz mapę wskazującą, gdzie znajdują się te dane. Twoja dojrzałość danych jest teraz na poziomie odpowiednim dla etapu Series C+. Osiągnąłeś podstawy integralności i identyfikowalności danych.
6 przykładów codziennego wykorzystania analiz CRM
Po utworzeniu mapy danych możesz przejść do wykorzystywania analiz CRM w codziennych procesach pracy. Oto kilka moich ulubionych sposobów wykorzystywania umiejętności analitycznych:
1. Usprawnianie procesów
Analizując dane dotyczące szans sprzedażowych, możesz zacząć rozumieć, gdzie w procesie sprzedaży mogą występować wąskie gardła lub gdzie może dochodzić do przerw albo niepowodzeń procesu.
Najlepszą metryką do wykorzystania w tym przypadku jest czas na etapie. Analizuj ją co tydzień lub co miesiąc, aby sprawdzić, czy rośnie, czy maleje. Ogólnie rzecz biorąc, asymetryczne wydłużanie się czasu na jednym etapie jest sygnałem, że trzeba dokładniej zbadać sytuację.
2. Zdefiniowanie profilu idealnego klienta
Każdy zespół sprzedaży, z którym kiedykolwiek rozmawiałem, uważa, że rozumie swój profil idealnego klienta, ale ile zespołów faktycznie prowadzi sprzedaż do takich klientów?
Weź cały potok sprzedaży (w tym transakcje wygrane i przegrane) i utwórz jego tabelę przestawną. Podziel dane zgodnie z profilem idealnego klienta, a następnie sprawdź, czy rozkład późniejszych etapów i etapów wygranych jest przesunięty w stronę klientów najbardziej odpowiadających polom profilu idealnego klienta.
Jeśli tak, Twoje działania są zgodne ze strategią. Jeśli jednak nie, a dane dotyczące wygranych transakcji wykraczają poza profil idealnego klienta, może to oznaczać niewłaściwie określoną grupę docelową albo konieczność zmiany kierunku. Jeśli natomiast dane dotyczące wygranych transakcji mieszczą się w profilu idealnego klienta, ale transakcje na późnych etapach już nie, Twój zespół prowadził niewłaściwe działania prospectingowe albo rynek zmienia się na Twoich oczach.
3. Przewidywanie trendów i zachowań klientów
Widzę, że wiele firm korzysta z pól tekstowych do wprowadzania informacji na określone tematy. Bez kategoryzacji jest to w dużej mierze nieprzydatne do analizy.
Aby rozpocząć porządkowanie danych tekstowych, wykonaj podstawową analizę częstotliwości dla całego tekstu w polu i znajdź najczęściej występujące trendy. Następnie, korzystając z formuł lub przepływów pracy, możesz skonfigurować wartości logiczne lub listy wyboru, które będą aktualizowane na podstawie tekstu dowolnego.
Author's Tip
Jeśli wiesz, że pole tekstowe będzie wykorzystywane w analizie, skonfiguruj je jako listę rozwijaną.
4. Tworzenie prognozy i monitorowanie wyników
Jeśli działasz w firmie o rozsądnym tempie sprzedaży, możesz wykorzystać geometrię na swoją korzyść podczas prognozowania. Możesz skonfigurować to w arkuszu kalkulacyjnym — albo pobrać bezpłatny szablon prognozowania (karta 3 w szablonie mapy pól).
- Wprowadź dni w kolumnie A, a liczbę dni pozostałych w kolumnie B
- Teraz umieść swój cel przy dniu 0 w pierwszym wierszu tabeli.
- Przy każdej zawartej transakcji zapisz dzień, a następnie odejmij jej wartość od celu, wpisując kwotę „Pozostało” w odpowiednim wierszu.
- Gdy masz już jeden wpis, dodaj nowy wiersz jako dzień 40. Wstaw wykres i dodaj linię najlepszego dopasowania do swojej serii.
W miarę dodawania kolejnych transakcji zobaczysz, że linia najlepszego dopasowania przecina oś poziomą — oznacza to moment, w którym prawdopodobnie osiągniesz swój cel.
Ten wykres prognozowania jest skuteczny, ponieważ pokazuje, ile dni będziesz do przodu lub do tyłu, zamiast tylko informować, czego i ile zabraknie.
5. Identyfikowanie nowych możliwości
To stosunkowo proste zadanie dla każdego, kto ma wiele linii produktowych lub intensywnie korzysta ze sprzedaży dodatkowej.
Weź pod uwagę swoją bazę klientów oraz średnie wydatki klienta w zależności od wielkości firmy (liczby pracowników lub wyceny), a jeśli działasz w większej firmie — także pionu lub branży.
Powinieneś wtedy uzyskać ogólne pojęcie o niewykorzystanym potencjale na swoim koncie i zobaczyć, kto płaci mniej, niż prawdopodobnie może sobie pozwolić. Tak prosta analiza zagęszczenia może dostarczyć wielu spostrzeżeń, zależnie od użytej zmiennej.
Możesz przeanalizować inne przydatne analizy sprzedaży, takie jak liczba ponownych zakupów dokonywanych przez klientów (według wielkości i branży), średni czas trwania relacji z klientem oraz liczba zgłaszanych przez niego próśb o pomoc, a następnie porównać te dane ze swoimi standardami.
Ogólnie wskazuje to, gdzie możesz ograniczyć działania, a gdzie powinieneś się skupić, i stanowi świetne uzupełnienie planowania obsługi klientów.
More Articles
6. Oznaczanie klientów zagrożonych odejściem
To trudniejsze zadanie, ponieważ aby dokładnie przeanalizować utrzymanie klientów, prawdopodobnie należy stworzyć model uczenia maszynowego. Możesz jednak zacząć od opracowania systemu sygnałów ostrzegawczych.
Weź pod uwagę każdy element doświadczenia klienta, który możesz dokładnie śledzić, i oblicz średni poziom uczestnictwa, zaangażowania lub użytkowania dla swoich najbardziej zadowolonych klientów, którzy z największym prawdopodobieństwem odnowią współpracę, dla każdej części swojej oferty.
Następnie działaj wstecz i użyj tych wartości jako swoich sygnałów:
- Czy każdy inny klient uczestniczy, angażuje się lub korzysta z produktu w taki sam sposób?
- W przypadku klientów, którzy wyraźnie nie wykorzystują produktu w pełni, czy problem ogranicza się do konkretnego obszaru?
- Czy niewykorzystywanie tej wartości może być czynnikiem ryzyka?
Na tej podstawie możesz utworzyć serię formuł pól wyboru dla klientów, aby wskazać, które „sygnały” zostały w ich przypadku uruchomione.
Liczba uruchomionych sygnałów może następnie określać „status”, przy czym na przykład 6 sygnałów oznaczałoby status czerwony.
Ten model jest prostszy do wdrożenia niż pełna ocena kondycji klienta, a jednocześnie zapewnia zespołowi bardziej praktyczne informacje, ponieważ pracownicy widzą, które sygnały zostały uruchomione. Analizując te wyniki w całej bazie klientów, jaki odsetek ma status zielony? Czy jest on ogólnie zgodny ze wskaźnikami utrzymania klientów?
Author's Tip
Analityka CRM nie musi być skomplikowana.
Wszystkie te przykłady można zrealizować w arkuszu kalkulacyjnym i pomogą Ci dogłębnie zrozumieć, co w Twojej organizacji działa, a co nie.
Czy potrzebujesz platformy do analityki CRM?
Jeśli korzystasz z platformy do analizy danych, która próbuje pójść o kilka kroków dalej i obliczać za Ciebie wskaźniki, zatrzymaj się i zastanów, czy będziesz musieć dokładnie przeanalizować ten wskaźnik podczas spotkania zarządu lub raportowania przełożonym.
Przestań traktować platformę jako główny wskaźnik i używaj jej zamiast tego operacyjnie oraz kierunkowo. Jeśli nie wiesz, jak coś jest obliczane, skąd pochodzą dane, jaki jest margines błędu ani jaka jest zmienność, platforma jest funkcjonalna, ale nie zapewnia wglądu.
Platformy takie jak Salesforce CRM Analytics (dawniej Einstein Analytics) czy Tableau CRM zapewniają głębokie zrozumienie danych, ale nadal wymagają szerokiej i dogłębnej znajomości samych danych.
Inne platformy mogą przypominać bardziej czarne skrzynki i mieć własne zastrzeżone oceny transakcji, których zasad działania nie można poznać. Choć dla małych firm są to istotne argumenty sprzedażowe, brak rzetelności i solidności tych wskaźników sprawia, że nie nadają się one do rzeczywistego raportowania ani analityki.
Wykorzystaj dane CRM, aby zwiększyć wpływ na biznes
Podczas gdy powszechna mądrość radziłaby Ci ostrożnie i stopniowo zapuszczać się w głębię, moja rada jest dość śmiała: wskakuj.
Niezależnie od tego, czy zdecydujesz się wskoczyć na płytką wodę, czy od razu na głęboką, pozostawiam to Tobie. Ale czeka tam cały świat znaczeń.
Analityka to punkt przecięcia nauki o danych ze sztuką wróżenia. Musisz się w niej zanurzyć, aby ją poznać.
Tworzysz własną kostkę Shashibo z danych, które znajdujesz. Kolorujesz ściany i rzeźbisz kształty według własnego uznania. W chaosie jest struktura, a w strukturze chaos. I to właśnie jest radość ze zrozumienia analityki CRM.
Otwórz arkusz kalkulacyjny. Wdróż platformę analityczną. Eksperymentuj ze swoimi danymi.
Rzucam Ci wyzwanie.
