Fördjupa dig i CRM-analys (+ gratis mall)

Jag visar dig hur du förbereder dina data för analys, mina favoritmetoder för att använda CRM-analys i det dagliga arbetsflödet samt tre kostnadsfria mallar för fältmappning, mätvärdesmappning och prognostisering.

Vad är CRM-analys?

CRM-analys ska inte förväxlas med funktionen Salesforce CRM med samma namn. Det är metoden att ta data från både det förflutna och nutiden och kombinera den med systemkunskap och en mängd beräkningsmetoder för att förstå och förutsäga trender i företaget.

CRM-analys jämfört med CRM-rapportering

Medan CRM-rapportering fokuserar på en avstämning av företagets läge och varje rapport bör besvara en enkel fråga, försöker CRM-analys skapa en bild av ett övergripande scenario och förutsäga dess utveckling genom att använda en blandning av rapporter, analyser och diagram för att väva samman flera svar på frågor till en berättelse.

Varför CRM-analys?

Marknaden för CRM-programvara, som för närvarande är värd cirka 70 miljarder dollar, förväntas växa till över 200 miljarder dollar under de kommande tio åren. Branschledare som Salesforce kommer fortsätta att lansera nya sätt att införliva mer kunddata i sina 360°-modeller.

Det har aldrig varit enklare att följa ett företags resultat — men det har heller aldrig varit mer komplicerat att förstå sambanden, relationerna och de handlingsbara insikterna i denna växande röra. 

Oförutsägbar framgång är nästan lika oroande för en styrelse som oförutsägbart misslyckande. Moderna företag bör kunna se båda komma och ha en plan för varje scenario. CRM-analys fungerar som en kristallkula för företaget.

Kom igång med CRM-analys

Oavsett om du har tillgång till en avancerad analysplattform eller bara ett kalkylblad är det upp till dig att hitta mening i datasjön (eller dataträsket).

Faktum är att jag starkt rekommenderar att du börjar med ett kalkylblad för att förstå dina data bortom de tjusiga algoritmerna. Titta på dina data och börja tänka som en analytiker.

Frågor att fråga dig själv

• Hur fungerar det? 
• Hur hänger dina kolumner ihop? 
• Vilka rader sticker ut? 
• Är det bra eller dåligt att de sticker ut? 

Gå lite djupare för att låsa upp fler handlingsbara insikter:

• Hur påverkar denna klargjorda förståelse av data vår strategi? 
• Vad innebär det för vårt värdeerbjudande? 
• Var hamnar vi jämfört med var vi tror att vi kommer att hamna?

Nyfikenhet må ha dödat katten, men den har format RevOps-specialisten till en analysexpert. Och det är denna expertis som kommer att lyfta dig till en respekterad ledare i företaget.    

Skapa en datakarta

Med Coveys ord: börja med slutet i åtanke.

Vilka är dina mätvärden för huvudmålet? Vad MÅSTE du mäta? Och vad består de av? Vilka är dina täljare, nämnare, multiplikatorer och riskfaktorer? Var kommer de ifrån? Vilka system är involverade?

Det är många frågor att besvara, så jag bryter ner det ytterligare. Låt oss skapa en fältkarta!

Mall för fältkarta

Gå på djupet i dina CRM-data och låt en fältkarta vara din kompass som vägleder dig mot värdefulla affärsinsikter. Få din mall för fältkartan samt två bonusmallar för att kartlägga mätvärden för huvudmålet och skapa ett prognosdiagram!

Create Free Account

Have an account? Log In

Så skapar du en fältkarta

1. Öppna det kalkylarksverktyg du föredrar eller ladda ner den kostnadsfria mallan för fältmappning ovan
2. Placera de viktiga fält du behöver i kolumn A på olika rader (en flik för ett objekt [affärsmöjlighet, konto, lead, kontakt osv.] — använd olika flikar om du har flera objekt som behöver integreras eller mappas)
3. Placera alla datatyper (tal, sträng, alternativuppsättning osv.) i kolumn B
4. Döp kolumn C till ytterligare ett system of record och använd kolumn D för datatypen igen
5. Fyll i raderna i C och D med namnen på matchande fält och datatyper
6. Lägg till villkorsstyrd formatering för att kontrollera om D = B (eller är likvärdigt)
7. Upprepa steg 4–6 för varje ytterligare system och jämför varje datatypskolumn med kolumn B

Genom att lösa avvikelserna mellan dina datatyper tar du betydande steg mot att förbättra dataintegriteten. 

Du kommer förmodligen att ha många tomma fält, där du kan bekräfta om mappningar bör finnas eller inte. Du kan utveckla detta ytterligare genom att lägga till kolumner som listar alla alternativ i dina alternativsuppsättningar och även jämföra dem. Med hjälp av detta kalkylark kommer du dessutom att ha förbättrat din kunskap om hela ditt ekosystem. 

Det finns verktyg som kan göra detta åt dig, men de medför alla en kostnad. Beroende på verksamhetens storlek och hur mycket kontroll du har över dina system kan detta vara en engångsövning, och du kanske inte behöver betala den löpande avgiften.

Mappa till vägledande mått

När du har mappat dina fält kan du börja mappa komponenterna i dina vägledande mått (se den andra fliken i mallen för fältmappning).

1. Skapa en lista i kolumn A på en ny flik i kalkylarket över vart och ett av de mått du behöver följa upp
2. Använd kolumn B för att skriva ner formeln eller processen för att beräkna vart och ett av dem
3. Skapa i kolumn C en lista över cellreferenserna från din fältmappning för de fält som behövs för att beräkna måttet i kolumn A med hjälp av metoden i kolumn B

Du har nu en dokumenterad redogörelse för hur dina mått relaterar till dina fält och en karta över var dessa data finns. Din datamognad är nu tillräcklig för serie C+. Du har skapat grunderna för dataintegritet och dataspårbarhet.

6 Exempel på CRM-analys i vardagen

När din datamapp är klar kan du gå vidare med att använda CRM-analys i dina dagliga arbetsflöden. Här är några av mina favoritsätt att använda mina analyskunskaper:

1. Effektivisera processer

Genom att analysera dina data om affärsmöjligheter kan du börja förstå var det kan finnas flaskhalsar i dina säljprocesser eller var processer kan bryta samman eller misslyckas.

Det bästa måttet att använda här är tid i steg, och du bör följa det veckovis eller månadsvis för att förstå om det ökar eller minskar. Generellt sett är en asymmetrisk ökning av tiden i ett steg ett tecken på att det finns något du behöver undersöka mer ingående.

2. Definiera din ICP

Alla säljteam jag någonsin har talat med anser att de förstår sin ICP, men hur många säljer faktiskt till den?

Ta hela din säljtratt (inklusive vunna och förlorade affärer) och skapa en pivottabell. Segmentera data så att den överensstämmer med din ICP och undersök sedan om fördelningen i de senare respektive vunna stegen visar en trend mot de kunder som bäst överensstämmer med dina ICP-fält.

Om den gör det är du i linje med din strategi. Men om den inte gör det och dina vunna affärer ligger utanför din ICP kan målgruppen vara fel eller så kan det vara dags för en förändring. Om dina vunna affärer däremot ligger inom din ICP men dina affärer i sena stadier inte gör det, har ditt team prospekterat mot fel målgrupp eller så förändras marknaden framför dina ögon.

3. Förutsäg trender och kundbeteenden

Jag ser många företag använda fritextfält för att få in uppgifter om vissa saker. Detta är i regel inte särskilt användbart för analys om det inte kategoriseras.

För att komma igång med att rensa upp textdata kan du göra en grundläggande frekvensanalys av all text i fältet och hitta de vanligaste trenderna. Med hjälp av formler eller arbetsflöden kan du sedan konfigurera booleska fält eller urvalslistor som uppdateras baserat på fritexten.

Author's Tip

Om det finns ett textfält som du vet kommer att användas i analys, konfigurerar du det som en rullgardinsmeny.

4. Skapa en prognos och följ upp resultatet

Om du arbetar i ett företag med en rimlig försäljningstakt kan du använda geometri till din fördel när du gör prognoser. Du kan konfigurera detta i ett kalkylblad — eller ladda ner den kostnadsfria prognosmallen (flik 3 i mallen för fältkartan).

1. Ange dagar i kolumn A och återstående antal i kolumn B
2. Ange nu ditt mål mot dag 0 på den första raden i tabellen.
3. För varje försäljning som kommer in registrerar du dagen och subtraherar sedan värdet från ditt mål. Ange beloppet som återstår på motsvarande rad.
4. När du har en post lägger du till en ny rad för dag 40. Infoga ett diagram och lägg till en trendlinje för din serie.

När du lägger till fler affärer kommer du att se trendlinjen korsa den horisontella axeln — det är då du sannolikt har nått ditt mål.

Det här prognosdiagrammet är effektivt eftersom det visar hur många dagar före eller efter du ligger, i stället för bara vad du kommer att missa och med hur mycket.

5. Identifiera nya möjligheter

Det här är relativt enkelt för alla som har flera produktlinjer eller en stark merförsäljningsprocess.

Utgå från din kundbas och den genomsnittliga kundutgiften baserat på företagets storlek (antal anställda eller värdering) och, om du arbetar i ett större företag, vertikal eller bransch.

Du bör då få en ungefärlig bild av outnyttjat utrymme i dina kundkonton och se vilka som betalar mindre än vad de rimligen borde ha råd med. En enkel täthetsanalys som denna kan leda till många insikter beroende på vilken variabel du använder.

Du kan titta på annan användbar försäljningsanalys, till exempel hur många gånger kunder (efter storlek och bransch) gör återköp, hur länge de i genomsnitt är dina kunder och hur många supportärenden de skickar in, och sedan jämföra detta med dina normalvärden.

Detta visar i stora drag var du kan dra ner på insatserna och var du bör fokusera, och är en utmärkt analytisk aktivitet att kombinera med planeringen av kundtäckningen.

More Articles

• Välkommen till CRO-klubben: Ta intäktsledarskapet till nästa nivå

6. Flagga kunder i riskzonen

Det här är svårare, eftersom du förmodligen bör bygga en maskininlärningsmodell för att verkligen bryta ner kundbehållningen. Du kan dock börja med att skapa ett ramverk med varningssignaler.

Ta varje aspekt av kundupplevelsen som du kan följa upp korrekt och beräkna genomsnittlig delaktighet, engagemang och användning för dina nöjdaste kunder och de kunder som med störst sannolikhet förnyar, för varje del av ditt erbjudande.

Arbeta sedan baklänges och använd dessa som dina varningssignaler:

• Deltar, engagerar sig i eller använder varje annan kund din produkt på samma sätt?
• För dem som använder den betydligt mindre än förväntat, är det begränsat till ett specifikt område?
• Kan risken öka om de inte utnyttjar det värdet?

Därifrån kan du skapa en serie kryssruteformler för dina kunder som visar vilka varningssignaler som har utlösts för dem.

Antalet utlösta varningssignaler kan sedan fungera som deras ”status”, där exempelvis 6 varningssignaler gör att kunden markeras röd.

Den här modellen är enklare att implementera än en fullständig kundhälsobedömning, samtidigt som den ger ditt team bättre möjligheter att agera eftersom de kan se vilka varningssignaler som har utlösts. Om du tittar på denna poängsättning för hela kundbasen, hur stor andel är grön? Ligger den i stort sett i linje med dina siffror för kundbehållning?

Author's Tip

CRM-analys behöver inte vara komplicerad.
Alla dessa exempel kan genomföras i ett kalkylblad och hjälper dig att på djupet förstå vad som fungerar och inte fungerar i din organisation.

Behöver du en CRM-analysplattform?

Om du använder en dataanalysplattform som försöker gå några steg längre och beräkna dina mätvärden åt dig, stanna upp och fundera på om du kommer att behöva gå på djupet med det mätvärdet under ett styrelsemöte eller när du rapporterar till högre nivåer.

Sluta använda plattformen som ett centralt mätvärde och använd den i stället operativt och vägledande. Om du inte vet hur något beräknas, var uppgifterna kommer ifrån, vilken felmarginal det har eller hur volatilt det är, är plattformen funktionell men inte insiktsfull.

Plattformar som Salesforce CRM Analytics (tidigare Einstein Analytics) eller Tableau CRM ger dig en djup förståelse av dina data, men kräver fortfarande en bred och djup förståelse av själva datan.

Andra plattformar kan kännas mer som svarta lådor och ha egna varumärkesskyddade affärspoäng vars bakomliggande funktioner du inte kan se. Även om detta är starka försäljningsargument för små företag gör bristen på integritet och robusthet i dessa mätvärden dem olämpliga för riktig rapportering eller analys.

Utnyttja CRM-data för större affärsnytta

Där allmän visdom skulle säga åt dig att ta försiktiga och trevande steg ut på djupt vatten är mitt råd i stället djärvt: Hoppa i. 

Om du väljer att hoppa i den grunda delen eller direkt ut på djupt vatten överlåter jag åt dig. Men där ute finns en värld av mening. 

Analys är skärningspunkten mellan datavetenskapen och spådomskonsten. Du måste vara helt insatt i den för att förstå den.

Du bygger din egen Shashibo-kub med de data du hittar. Du färglägger sidorna och formar figurerna efter eget tycke. Det finns struktur i kaoset och kaos inom strukturen. Och det är glädjen i att förstå CRM-analys.

Öppna ett kalkylblad. Distribuera en analysplattform. Lek med dina data.

Jag utmanar dig.