回顾：还记得我们称之为“预测”分析吗？
Posted: Sat Dec 07, 2024 6:51 am
流行的商业术语迅速流行起来，然后在 15 分钟的流行期过后就变成了一个大大的“L”，这难道不有趣吗？就像“大数据”实际上已经退役一样，B2B 销售专业人员的规范分析将很快消除目前围绕“预测数据”的狂热。
曾几何时，Aberdeen 的研究仅从一流公司如何生成更准确的销售预测的角度来看待分析。这项研究 在当时确实非常有价值。随着其他业务线领导者（如客户服务、人力资源和供应链副总裁）被赋予管理更精简、更及时的部门的任务，他们对极不准确的销售预测的容忍度降至历史最低水平。因此，他们开始向销售运营部门施压，要求他们更现实地预测即将流经各自领域的原材料、招聘、物流和收入。
为了应对这种情况，销售主管开始投资（主要是基于云的）解决方案，以增强 CRM 平台 阿联酋电话号码库 的基本预测功能，并学会在创建和权衡预测时，减少对情绪的依赖，更多地依靠事实。可以预见的是（双关语），表现最好的公司是早期采用者，他们的成果显而易见。
图 1：按一流企业和销售周期窗口划分的销售预测准确度
此外，研究还显示，部署这些解决方案并拥有可预测的销售渠道的公司在根据逐年指标变化所检查的各种销售 KPI 取得了更好的业务成果。
图 2：早期采用销售分析有助于实现年度绩效改进
大多数销售分析引擎都依赖于曾经领先的“大数据”和商业智能产品的强大处理能力。这些产品分析了大量数据，以帮助销售主管识别以下趋势：
哪些产品更有可能被特定类型的买家购买？
我能否使用地理、人口统计、公司统计和客户购买历史记录来更好地隔离最有可能达成的追加销售和交叉销售交易？
我们如何确定哪些交易是糟糕的交易，即更有可能以无决策或更糟的是无利润而告终？
是否有个人贡献者、渠道合作伙伴、地区或销售团队的预测更可靠？
为了帮助销售主管（主要是以前成功的销售代表，他们传统上不是那种整天埋头于电子表格的人）找到处理数据的新方法，技术解决方案提供商开始加速他们的算法，以帮助建立预测权重系统。这些应用程序设计了易于使用的界面和仪表板，使销售运营从业者能够从现场接收原始预测数据（包括销售代表或渠道合作伙伴喜欢的任何消极情绪或听天由命的情绪），并通过更多地依赖预测数据而不是直觉来更客观地调整数据。
想想《点球成金》对于销售额的影响，这个比喻应该是有道理的。
小小的巴甫洛夫策略不会伤害销售团队
因此，预测分析在用数据阐明 B2B 销售经理面临的挑战方面变得相当称职。然而，它仍然只能告诉我们诸如：谁更擅长预测交易概率、哪些机会更有可能成交、合同何时归还，甚至可能以什么特定幅度完成交易。
但是，如果我们想用新闻业的常用词汇（即 5W）来总结，这些平台在“为什么”方面并没有发挥应有的作用。比如，为什么一个肯定能实现的机会没有实现？是销售代表说了什么吗？还是他们没有做某事？我们真的需要等待成功/失败交易事后分析才能了解如何更好地影响销售结果吗？
这些问题将我们引向规范分析，这是最新一波销售效率技术推动者，其中平台不仅计算交易概率，还规定与相同数据直接相关的合法指导机会。对配额承保人进行各种行为调整。
这里的可能性非常大。想象一下这样的场景：企业 B2B 销售代表 Wendy 被她的经理告知她的 Q3 渠道不够满，于是决定将她目前与 Acme Widgets 的一次潜在客户对话提升到 CRM 中的“机会”状态。这让这笔交易有一种正式感和内部宣传感，Wendy 可能不喜欢这种感觉，但由于老板需要满意，她达成了一笔价值 55,000 美元的交易，预计成交日期为 8 月 1 日。
如果 CRM 与真正的规范分析平台集成，销售自动化 (SFA) 系统就不会完全接受 Wendy 的交易。相反，它会提醒她，虽然她的 Acme 交易现已被官方销售数据系统接受，但价值和时间实际上是 35,000 美元，日期是 10 月 15 日。“这……怎么回事？！”Wendy 惊呼道。“我需要 8 月初的 55,000 美元来填补我的空缺！”
这种机械、冷酷的交易削减背后的原理和逻辑是什么？整体 SFA“知道”Wendy 的交易并不像她认为的那么好，因为有许多单一或组合变量。其中一些数据结果可能不受她控制，例如她向 Acme 提供的特定产品的销售历史弱点，或者 Acme 自身在谈判拖延或压低价格方面的历史。
曾几何时，Aberdeen 的研究仅从一流公司如何生成更准确的销售预测的角度来看待分析。这项研究 在当时确实非常有价值。随着其他业务线领导者（如客户服务、人力资源和供应链副总裁）被赋予管理更精简、更及时的部门的任务，他们对极不准确的销售预测的容忍度降至历史最低水平。因此，他们开始向销售运营部门施压，要求他们更现实地预测即将流经各自领域的原材料、招聘、物流和收入。
为了应对这种情况，销售主管开始投资（主要是基于云的）解决方案，以增强 CRM 平台 阿联酋电话号码库 的基本预测功能，并学会在创建和权衡预测时，减少对情绪的依赖，更多地依靠事实。可以预见的是（双关语），表现最好的公司是早期采用者，他们的成果显而易见。
图 1：按一流企业和销售周期窗口划分的销售预测准确度
此外，研究还显示，部署这些解决方案并拥有可预测的销售渠道的公司在根据逐年指标变化所检查的各种销售 KPI 取得了更好的业务成果。
图 2：早期采用销售分析有助于实现年度绩效改进
大多数销售分析引擎都依赖于曾经领先的“大数据”和商业智能产品的强大处理能力。这些产品分析了大量数据，以帮助销售主管识别以下趋势：
哪些产品更有可能被特定类型的买家购买？
我能否使用地理、人口统计、公司统计和客户购买历史记录来更好地隔离最有可能达成的追加销售和交叉销售交易？
我们如何确定哪些交易是糟糕的交易，即更有可能以无决策或更糟的是无利润而告终？
是否有个人贡献者、渠道合作伙伴、地区或销售团队的预测更可靠？
为了帮助销售主管（主要是以前成功的销售代表，他们传统上不是那种整天埋头于电子表格的人）找到处理数据的新方法，技术解决方案提供商开始加速他们的算法，以帮助建立预测权重系统。这些应用程序设计了易于使用的界面和仪表板，使销售运营从业者能够从现场接收原始预测数据（包括销售代表或渠道合作伙伴喜欢的任何消极情绪或听天由命的情绪），并通过更多地依赖预测数据而不是直觉来更客观地调整数据。
想想《点球成金》对于销售额的影响，这个比喻应该是有道理的。
小小的巴甫洛夫策略不会伤害销售团队
因此，预测分析在用数据阐明 B2B 销售经理面临的挑战方面变得相当称职。然而，它仍然只能告诉我们诸如：谁更擅长预测交易概率、哪些机会更有可能成交、合同何时归还，甚至可能以什么特定幅度完成交易。
但是，如果我们想用新闻业的常用词汇（即 5W）来总结，这些平台在“为什么”方面并没有发挥应有的作用。比如，为什么一个肯定能实现的机会没有实现？是销售代表说了什么吗？还是他们没有做某事？我们真的需要等待成功/失败交易事后分析才能了解如何更好地影响销售结果吗？
这些问题将我们引向规范分析，这是最新一波销售效率技术推动者，其中平台不仅计算交易概率，还规定与相同数据直接相关的合法指导机会。对配额承保人进行各种行为调整。
这里的可能性非常大。想象一下这样的场景：企业 B2B 销售代表 Wendy 被她的经理告知她的 Q3 渠道不够满，于是决定将她目前与 Acme Widgets 的一次潜在客户对话提升到 CRM 中的“机会”状态。这让这笔交易有一种正式感和内部宣传感，Wendy 可能不喜欢这种感觉，但由于老板需要满意，她达成了一笔价值 55,000 美元的交易，预计成交日期为 8 月 1 日。
如果 CRM 与真正的规范分析平台集成，销售自动化 (SFA) 系统就不会完全接受 Wendy 的交易。相反，它会提醒她，虽然她的 Acme 交易现已被官方销售数据系统接受，但价值和时间实际上是 35,000 美元，日期是 10 月 15 日。“这……怎么回事？！”Wendy 惊呼道。“我需要 8 月初的 55,000 美元来填补我的空缺！”
这种机械、冷酷的交易削减背后的原理和逻辑是什么？整体 SFA“知道”Wendy 的交易并不像她认为的那么好，因为有许多单一或组合变量。其中一些数据结果可能不受她控制，例如她向 Acme 提供的特定产品的销售历史弱点，或者 Acme 自身在谈判拖延或压低价格方面的历史。