Как аналитика продаж помогает развитию компании

Логотип компании
Как аналитика продаж помогает развитию компании
Если у вас есть CRM-система — значит, есть и данные, нужно только подумать, как их собрать, чтобы затем проанализировать

Аналитика продаж —то, ради чего все делается, главная часть автоматизации. Любая автоматизация — это занесение информации, в том числе и по CRM. Заносим данные, собираем данные, потом их анализируем, видим наши точки роста и понимаем, что мы делаем хорошо, а что плохо. Если у вас есть CRM-система — значит, есть и данные, нужно только подумать, как их собрать, чтобы затем проанализировать.

Некоторые CRM-системы интегрируются с BI-системами, которые помогают работать с аналитикой — BI-система сама достает данные из CRM и предлагает визуализации в разных разрезах.

Если CRM закрывает не все ваши запросы по отчетности, или вам часто приходится генерировать новые отчеты, то как минимум “научите” CRM-систему массово выгружать данные в Excel, и вы сможете с этой информацией работать.

Что анализировать благодаря данным из CRM-системы

Следующий шаг — научиться визуализировать и правильно анализировать результат. Как использовать данные из CRM-системы?

Анализ продуктов

Вы можете посмотреть, какие продукты у вас продаются лучше других, какие приносят максимальную маржинальность и наибольшую прибыль.

Анализ по регионам

Какие регионы у вас генерируют более высокую прибыль. Например, в каком-то регионе не продается конкретный вид товара — вы видите это и анализируете, с чем это связано. Возможно, дело в сезонности — условно, вы пытаетесь продавать пуховики, и в Краснодарском крае они продаются плохо. Климатические условия, региональный менталитет — причины, которые влияют на продажи.

Анализ по продавцам

Важно понимать, какой продавец работает хорошо, а какой плохо, кто и сколько приносит денег, как часто  сколько звонит клиентам. Понятно, что если конкретный продавец приносит много денег — ему не обязательно задавать детальные вопросы на тему того, сколько он в день работает и сколько совершает звонков. Но если продавец продает мало, то эта статистика имеет значение: сколько он звонит, сколько он встречается, сколько отправляет писем и коммерческих предложений.

Также если вы видите, что кто-то, условно, год был "середнячком", а потом стал продавать намного больше — значит он наработал опыт и может поделиться им с другими..

На что обратить внимание при выборе CRM-системы


Что может понадобиться в перспективе

Аналитика дает почву для размышлений, чтобы начать думать и искать, что улучшить. Но в какой-то момент вы вернетесь к тому, что информации снова не будет хватать. Например, вы продаете товар в разных городах или регионах, а в CRM-системе это не отмечаете. Поэтому, когда только внедряете CRM, важно подумать, что для компании будет полезно в будущем — какую информацию доставать, с какими цифрами работать: маржинальность, количество звонков, встреч, классы продуктов и т.д.. Если речь о бытовой технике — поделить на телевизоры, компьютеры, ноутбуки, а затем каждый класс поделить дополнительно. Чем больше будет возможностей такого деления, тем глубже и детальнее вы построите аналитику. Поэтому чем раньше вы начнете собирать полную информацию, тем раньше начнете получать от нее эффект.

Кто заполняет данные

Конечно, будет камень преткновения: чем больше информации в CRM-системе, тем меньше менеджеры по продажам хотят с этим работать, потому что заполнение требует времени. Важно продумать, откуда эта информация будет браться. Например, менеджер в Краснодаре продает клавиатуры. Он выбрал клавиатуру, внес в CRM-систему, что отгружает ее, а CRM-система сама проставила регион, указала, что это компьютерная техника такого-то производителя, то есть процесс максимально автоматизирован и идет без участия человека. CRM-система может вычислить регион по адресу заказчика или по адресу менеджера, есть разные методы.

Периоды аналитики

Когда вы строите аналитику, важны периоды — прошедший квартал, полугодие, год. Кто-то смотрит понедельно. И важно сравнивать не просто прошедший месяц с текущим месяцем, а, например, январь прошедшего года с январем текущего года, потому что праздничные дни и погодные условия накладывают свою специфику на продажи во многих отраслях. Поэтому хорошо, когда ведется аналитика в разрезе конкретных выбранных периодов времени.

Польза CRM-системы для других подразделений

Аналитика полезна не только продавцам. Производство будет смотреть аналитику той продукции, которая наиболее часто продается. Маркетингу аналитика помогает понять, как маркетинг приносит пользу и генерирует лиды, какие рекламные кампании и какие источники лидогенерации лучше срабатывают.

Аналитика, маркетинг и продажи всегда в одной связке. Маркетинг — это большой пласт, который нередко реализуется механизмами CRM-системы, в том числе ELMA. Провели рекламную кампанию, завели отдельные UTM-метки для каждого баннера, а затем проанализировали, как эти лиды сработали:

-       сколько этих лидов;

-       какой процент лидов конвертируются в сделки.

Бывают случаи, когда реклама сработала хорошо и принесла лиды, но сделок из них ноль - получается, что пользы от такой рекламной кампании нет. Проанализировав эти данные, можно усиливать рекламу или тратить больше бюджета на ту рекламу, которая максимально эффективна. Такую аналитику удобно строить также, когда вы работаете с блогерами. Например, есть два блогера — с одного приходит 1000 новых клиентов, и каждый стоит 10 рублей; с другого приходит 100 новых клиентов, но каждый вам обходится всего в 1 рубль. С кем выгоднее работать — стоит подумать, потому что цена лида различается в 10 раз, но и масштаб разный, а потом еще и конверсию  в конечную покупку надо анализировать. Аналитика помогает разбирать подобные кейсы детально.

 

Читайте также
Являясь частью искусственного интеллекта, машинное обучение (Machine Learning, ML) открывает все больше возможностей бизнесу. Его внедряют для трансформации процессов, развития транспорта, логистики, АПК и других отраслей, а экономический эффект применения ИИ составляет более триллиона рублей. Рассмотрим, какие прикладные задачи компаний решает ML, приведем примеры внедрения, поговорим про подход Retrieval-Augmented Generation (RAG) и дадим чек-лист качественной интеграции и использования ИИ в реальном секторе.

Опубликовано 08.12.2022

Похожие статьи