Heute dreht sich bei uns alles um das Thema Predictive Sales Analytics: Wie setze ich diese gezielt und sinnvoll für mein Unternehmen ein?
KPIs an sich sind in Vertrieb und Marketing ja eine bewährte Methode um die Produktivität und Performance von Prozessen, Produkten und Teams zu vergleichen. Um aus Ihren Verkaufsdaten Potenzial zu schöpfen, empfehlen wir Ihnen aber noch einen Schritt weiter zu gehen. Denn mit auf Algorithmen basierenden Analysen können Sie sogar einen kleinen Blick in die Zukunft wagen. Der Weg dahin heißt Predictive Sales Analytics. Doch was versteht man darunter genau?
Intelligente Systeme leiten selbständig und automatisiert aus den Ergebnissen strategischer Kundenanalysen Handlungsempfehlungen ab. Je nach Anlass finden sie gegebenenfalls auch Kombinationen. Mittels unterschiedlicher Algorithmen wie beispielsweise Text-Mining, werden Wahrscheinlichkeiten und sogenannte Next Best Actions abgeleitet. Da die Empfehlungen kontinuierlich mit den tatsächlich eingetretenen Ergebnissen abgeglichen werden, bezeichnet man diese Systeme als intelligent. Durch die Selbstlernfähigkeit (Machine Learning) wird eine ständige Verbesserung erreicht. Künftige Vorschläge werden noch präziser. Predictive Analytics zielen also darauf ab, aus vergangenen Daten zu lernen und in die Zukunft gerichtete Potenzialprognosen zu ermöglichen.
Verkaufen ist heute eine Stecknadel im Heuhafen finden. Predictive Analytics kann den Heuhaufen deutlich kleiner machen.
Eric Siegel, 2016
Welche VORTEILE bieten Predictive Analytics im B2B-Vertrieb?
Durch Sales Analytics können Unternehmen die Vertriebsproduktivität steigern: Laut McKinsey beim Sales & Marketing ROI eine Erhöhung von etwa 15-20%. Predictive Sales Analytics können das Umsatzwachstum zusätzlich beschleunigen.
Predictive Sales Analytics bieten (PWC 2020):
- zielgerichtete und effiziente Neukundenakquise im Vertrieb
- Bestimmung des Umsatzpotenzials (potenzieller) Kunden (Share of Wallet)
- Identifikation von Cross- und Up-Selling-Potenzialen (Customer Value Prediction)
- Bewertung der Wechselneigung und Allokation von Bindungsmaßnahmen (Churn-Management)
Dadurch bleibt mehr Ihrer wertvollen Zeit für die strategischen Aspekte in der Vertriebsarbeit. Die Entlastung durch durch Predictive Analytics hilft Ihnen also, sich auf das Kerngeschäft zu konzentrieren. Konsequent umgesetzt kann dies ein wichtiger Schritt auf dem Weg vom Hidden zum Digital Champion sein. In einem sich rasch verändernden Markt, mit hoher Wettbewerbsintensität ist es für Salesmanager unerlässlich, alle Vertriebsressourcen optimal zu nutzen.
Daneben werden die Vertriebsleiter durch die Prognosefähigkeit auch in Ihrer Führungsfunktion unterstützt: die Technologie ermöglich sowohl fundierte und realistische als auch motivierende Ziele.
Wie kann Predictive Sales Analytics nun konkret in der Praxis aussehen?
Um das Thema etwas greifbarer zu machen, möchten wir Ihnen kurz zwei erfolgreiche Beispiele aufzeigen (Scheed, Scherer 2019).
Praxisbeispiel Routenoptimierung durch digitale Kundenpotenzialanalyse
Wie sich die aufwändige Besuchs- und Routenplanung optimieren lässt, zeigt das Beispiel der Würth-Gruppe aus Baden-Württemberg. Dort wird mithilfe von Big-Data-Analysen das Kundenpotenzial der Zielkunden digital ermittelt. In einem System werden sämtliche verfügbare Kundendaten zusammengeführt und daraus eine Prognose über das künftige Umsatzpotenzial erstellt. Würth geht noch einen Schritt weiter und kombiniert diese Potenzialprognosen mit Informationsdaten, die aus den mobilen Endgeräte des Vertriebsaußendienst generiert werden. Dadurch können die Vertriebsmitarbeiter sofort erkennen, welche Kunden in unmittelbarer Nähe das größte Umsatzpotenzial aufweisen. Neben einer besseren Potenzialausschöpfung profitieren die Sales-Teams auch von weniger Koordinations- und Planungsaufwand und können die gewonnen Zeit in die Betreuung der Kunden investieren.
Praxisbeispiel optimierte Bestandskundenbetreuung
Wer im Key Account Management tätig ist, hat bestimmt schon Kundenprioritäten nach Wertpotenzialen eingeteilt. Predictive Analytics hat es der Still GmbH ermöglicht, hier noch detaillierter zu werden. Das selbständig lernende System findet heraus, ob es sinnvoller ist einem bestimmten Kunden ein Miet- bwz. Finanzierungsangebot oder Kaufangebot zu unterbreiten. Basierend auf Bestands- und Transaktionsdaten der Vergangenheit, leitet das System Wahrscheinlichkeiten ab. Beispielsweise auch, ob ein Kunde eher neue oder gebrauchte Produkte bevorzugen würde. Diese konkreten Empfehlungen helfen und entlasten die Vertriebsmitarbeitern. Sie ersetzen sie aber nicht, sondern machen sie noch erfolgreicher. Möglich ist dies, da sich Still als Spezialist für Intralogistiklösungen bereits sehr früh mit der Digitalisierungsmöglichkeiten im Sales auseinandergesetzt hat.
Was sollte man bei der Umsetzung beachten?
Sicherlich gibt es Entscheidungsträger in Marketing und Sales, die sich aktuell noch nicht vorstellen können, weshalb die Einschätzung erfahrener Vertriebsmitarbeiter weniger wertvoll sein sollte als computergestützte Prognosen und Handlungsvorschläge. Machen Sie Ihrem Team deutlich, dass die Basis digitaler Analysen mit der Datenqualität aus Ihren aktuellen ERP- und CRM-Systemen einhergeht. Gepflegte Transaktions-, Reaktions- und Stammdaten bilden weiterhin das Fundament und sind eine unabdingbare Grundlage für das System. Die Software übernimmt die Interpretation der Daten, bindet zusätzliche Websiteanalysen ein und erkennt selbständig Muster sowie Zusammenhänge. Manuell wäre dies ein sehr mühsames, wenn nicht gar unmögliches Unterfangen. Ein gutes Argument also, um Ihre Vertriebsmitarbeiter zu überzeugen.
Zahlen und Daten legen schonungslos Potenziale offen. Das kann verunsichern und zu Erwartungsdruck führen. Nicht jeder Vertriebsmitarbeiter wird daher begeistert sein. Mit einer offenen Kommunikation können Sie hier entscheidend zum Erfolg betragen. Nehmen Sie alle Beteiligten mit und binden Sie diese in den Change Prozess ein. Wie Sie Ihr Team von Betroffenen zu Beteiligten machen stellen wir Ihnen schon bald in einem eigenen Blog-Artikel vor.
Ignorieren Sie nicht den Wert Ihrer Vertriebsdaten, die ungenutzt in Ihren CRM-Tools schlummern!
Wie in vielen Dingen ist auch beim Aufsetzen eines Predictive-Sales-Analytics-Projekts der richtungsweisende Schritt, sich zunächst über seine Ziele klar zu werden. Ausgehend von den aktuellen Herausforderungen im Vertrieb lohnt es sich, einen Partner an Bord zu holen, der sowohl Vertriebs- als auch IT-Erfahrung hat. Ein neutraler Blick bringt neue Perspektiven ein und fördert zudem die Akzeptanz der Mitarbeiter.
Ergreifen Sie auf jeden Fall die Chancen, die Ihnen automatisierte abgeleitete Handlungsempfehlungen aus digitalen Kundenanalysen bieten! Ein Teilprojekt mit Pilotcharakter kann ein erster Anfang sein. Nutzen Sie auf Algorithmen basierende Analyse um zu experimentieren und für Ihr Unternehmen mittelfristige Wettbewerbsvorteile zu schaffen. Denn leistungsstarke Vertriebsorganisationen zeichnen sich durch die Nutzung neuer Technologien bei der Analyse ihrer Kunden aus.
Ihnen fehlt noch etwas Know-how oder die Infrastruktur, die Sie benötigen? Kommen Sie gerne auf uns zu und wir finden eine individuelle Lösung für Ihr Unternehmen.
