领先的网络抓取工具提供商 Oxylabs 分享技巧 如何使用数据强化销售业绩
这可能简单如销售人员对特定客户的拜访次数;也可能复杂如分析整个产品线中的交易记录,来揭示隐藏规律并更好地理解趋势和机遇。
不过,许多主管都没有利用这种数据。他们在分析内部和外部信息时,缺乏对从何下手的清晰认识。
对于历来缺乏数据分析专业知识的销售团队来说尤其如此。过去,只有 IT 专业人士使用过商业智能 (BI) 软件。但是,BI 技术已逐渐变得对用户更友好、更直观,这样就可以在广泛的组织领域中推广应用。
数据分析可提高销售效率
在探讨销售效率之前,我们先来定义 BI 和 AI。虽然有时商业智能和人工智能的概念几乎可互换地使用,但更精确的思维方式是将 BI 和 AI 视为独立而又互补的技术。
AI 中的“智能“指的是计算机智能,而 BI 中的同一术语则表示数据分析可以提供的智能企业决策。BI 可以帮助企业整理和处理自己获取的海量数据。
然而,这些解决方案不足以帮助管理者提供必要的报告来进行数据驱动型决策。因此,应对此挑战的一个解决方案是集成支持更好决策的商业智能 (BI) 工具。
虽然有多种方法可提高销售效率,但集成其他部门和 API 中的数据来提高潜在客户信心的方法远未被充分利用。将数据扩展和分析整合到销售运营中,可以帮助公司实现出色的业绩。
根据《哈佛商业评论》的一项研究,现有 BI 技术可以将销售工作任务上所用时间的 40% 自动化。因此,BI 自动化可以帮助提高企业或销售团队流程的效率。
理解 BI 在销售中的作用
数据收集是商业智能的基本组成部分。然而,公司并不需要内部收集方法,即可利用商业智能。数据还可以从其他来源获取,例如一些 SaaS 公司(如 HubSpot)或数据即服务企业。
另一方面,高估信息及其获取的价值则是试图在任何领域实施数据驱动型实践的公司所面临的重大障碍。因此,在尝试应用扩展过程之前,第一步应该是从可访问的海量信息中选择合适的数据。
从基础开始
循序渐进是每个人都能从良好编码实践中学到的原则。建议不要企图整合所有类型的数据(不管相关与否)来开展整个部门的彻底变革,而是从可能带来明显影响的小幅改进开始。
选择什么内容带来最大的影响并非总是直截了当的。只要掌握一些销售专业知识,我们并不需要复杂的数据就能得出明智的预测。理解潜在客户画像并基于相关性联系他们,可能是这样一种估计。
尽管如此,只有部分公司将数据扩展用于入站式潜在客户。人们常常错误地假定,潜在客户提供的任何数据都应该足够了。这种方法可能对于每天接待几个潜在客户的小公司来说比较有用。数量达到两位数时,自动提高潜在客户数会是最高效的选择。
将内部数据库的数据与包含组织信息的外部数据库的数据相结合,是扩展的简单例子。将这两种来源链接起来时,销售团队可在随时有新潜在客户到来时收到完整的商业信息。
利用扩展
数据扩展会将有关任何潜在客户的可公开访问数据与公司的 CRM 中的现有信息相结合。数据扩展解决方案可补充这些数据,提供有关潜在客户的更多洞察和背景信息。简单来说,它填补了客户信息中的空白。
扩展潜在客户数据可带来更多的背景信息,这样就更有可能转化他们。销售人员可以利用一些技术,使用可公开访问的信息增强数据。采用抓取工具自动收集公开在线数据并将其上传到 CRM 中,在搜索引擎上人工调查潜在客户并将信息添加到系统中,或使用带有自己的数据库的扩展服务。
销售人员可以通过分类来预测潜在客户的价值。更快速、更详细地响应会轻松得多,从而带来更稳健的整体客户联系。
纳入额外数据分析
使用相关信息扩展新来潜在客户的数据的第一步是使用内部开发或第三方提供的技术。虽然其中任何一种都是高度有效的方法,但集成数据科学和销售可以做到更多的事情。
大部分销售人员会分析已发送电子邮件的打开率和回复率,并根据这些指标衡量成功。但是,这些信息仅展示了可用接收者信息的一小部分。
分析外发电子邮件内容和这些电子邮件的收件人,是可以使用数据科学增强销售过程的另一种方法。分析可以带来很多不同的结果,包括访客印象、感兴趣比率、注册免费试用以及他们是否成为付费客户。例如,如果销售电子邮件与 Clearbit 软件集成,就可以监控一些统计数据,如谁点击了链接而没有回复。
在数据团队的帮助下,解决这类挑战可能就没那么复杂了。在一些情况下,他们可以从第三方公司获取有关行业专家的特定数据。例如,将专业数据与外发序列匹配时,可以检索电子邮件将与谁(职称)最相关的信息。
职位跟踪的实施不会立即提供结果。然而,销售人员一旦能够访问一些历史数据,就能够找出电子邮件打开率和回复率与专业数据之间的联系。随着时间推移,专业数据和电子邮件打开率或回复率可以进行比较,提供对效率的洞察。长期来看,可以修改销售计划,优化未经联系或预约的推销方法的有效性。
商业智能的未来
改善数据的价值和使用,对于商业智能的未来至关重要。这类信息从未像今天的大数据驱动型环境中这样可公开访问。
随着数据作为竞争优势的重要性与日俱增,各种规模的企业很可能会提高未来对数据基础设施的开支。
嵌入式分析使数据更加直观。许多组织都在其应用中整合了 BI 可视化,让用户无需登录不同平台即可查看分析。嵌入式分析创造了根据公司的用户界面和日常目标量身定制的可视化。
现在许多技术都是基于云的,这样所有层级的用户都可以访问实时数据和 BI 洞察,让决策变得更轻松。大部分现代 BI 应用程序包括 NLP(自然语言处理)查询,这样用户就可以输入自然语言问题,由 AI 算法进行处理。这些技术预计将在不远的将来变得更加强大。
AI 和 ML 很可能会扩展其自动化功能,而未来的 BI 趋势将依赖它们。但是,正如在其他领域一样,BI 仍将需要一定的人工解读。
BI 在不断提高帮助企业的能力。当企业分配资源来进行这种数据处理时,预计可以取得相对于友商的优势,获得对理想客户行为的洞察,并迈向以坚实的增长基础打造数据驱动型企业的道路。
结论
商业智能是未来的方向,但我们只有承认这一事实,才能看清形势。销售团队必须认识到数据的潜力,并预见到各种技术和趋势。
销售可能是现实世界数据科学应用的前沿。盈利能力是商业的核心。除了销售,还有什么部门能更好地优化数据科学最新进展的运用?
作者:Andrius Palionis,Oxylabs 企业销售部副总裁
