McKinsey: Sales Analytics
La società di analisi passa in rassegna le cinque attività fondamentali, ma spesso trascurate, per migliorare i risultati e costruire una strategia efficiente e di valore basata sui Sales Analytics. Infatti adottare soluzioni sofisticate non serve se prima non si mette ordine nella modalità di raccolta ed analisi dei dati e nei processi aziendali, perché se i dati sono il petrolio dell’era digitale, gli Analytics sono il motore che li trasforma in energia.
I Sales Analytics, in particolare, hanno un valore strategico: hanno la capacità di potenziare e trasformare le attività di vendita e marketing, e non solo di incrementarne l’efficienza.
Ma come? McKinsey ha pubblicato un’analisi basata sull’esperienza maturata lavorando con i propri clienti, sottolineando che queste azioni, che possono sembrare banali, nella realtà vengono spesso trascurate.
La tentazione di molti executive alla ricerca di strumenti per potenziare le vendite, spiegano gli analisti, è quella investire per dotarsi di una piattaforma di Sales Analytics all’avanguardia, ma è un po’ come comprare una Ferrari quando si può ottenere molto di più dall’auto che già si possiede. Utilizzare con successo strumenti di questo settore è un lungo viaggio, e il primo passo è assicurarsi di ottenere il massimo dai dati esistenti. Un viaggio che McKinsey suggerisce di affrontare in cinque fasi:
- Usare quello che si ha
La maggior parte delle organizzazioni di vendita dispone già di dati e strumenti da cui estrarre maggiore valore. Ad esempio, attraverso lo sviluppo di semplici moduli di lead-generation che vanno ad alimentare strumenti CRM (Customer-Relationship Management) esistenti, o tramite l’aggiornamento dello stesso con informazioni accurate che servono a valutare quali sconti applicare. Si tratta di attività fondamentali che devono essere messe in atto per raccogliere in modo regolare dati di vendita principali in vari punti del processo.
- Valutare cosa è necessario misurare
Per focalizzare la propria raccolta di dati, i responsabili delle vendite devono capire ciò che vogliono ottenere e quindi elaborare i dati e le metriche migliori per farlo. La maggior parte delle aziende dispone di dashboard con decine di metriche, quando spesso solo una o due influenzano realmente i risultati aziendali: la verità è che le altre sono presenti solo perché facili da calcolare. Le aziende più avanzate in questo ambito sanno che serve dare la priorità alle metriche che in modo specifico rivelano i risultati che desiderano e adottare dati di performance che definiscono più in generale lo stato di salute dell’azienda, come la lunghezza del ciclo di vendita o il tasso di abbandono del cliente.
- Concentrarsi sulla pulizia dei dati
Le aziende hanno spesso molti dati, ma di solito sono difficili da usare, obsoleti o incoerenti. È possibile rimediare a ciò mettendo in campo processi per taggare, pulire e razionalizzare i dati e assicurarsi che siano affidabili.
- Assegnare responsabilità
Ogni organizzazione deve identificare un leader che sia responsabile di generare dati chiari e coerenti sui cui i sales leaders possano fare affidamento.
- Investire in una cultura di vendita basata sui dati
Qualunque dato e insight è inutile se i venditori poi non li usano. I responsabili delle vendite possono e devono incoraggiare i venditori a basare le loro decisioni sui dati piuttosto che su “esperienza” o “pancia”, mettendo gli strumenti nelle mani delle persone giuste.
Ma non solo McKinsey ha esplicitato una strategia del genere, infatti la stessa cosa è stata fatta anche dalla società multinazionale di consulenza Deloitte.
Deloitte: data-driven marketing
I marketers hanno sempre più bisogno di analizzare i dati per la loro attività. Ma come fare, nel concreto? Deloitte ha individuato, e pubblicato sul Wall Street Journal, le best practices che aiutano a centrare l’obiettivo e creare valore dai dati, evitando passi falsi anche in ambito sicurezza e privacy.
→ Date un senso ai dati
I dati valgono poco se non sono in forma utilizzabile. Ci sono infiniti dati, dei propri clienti o utenti e quelli di seconde o terze parti, e vanno messi in ordine di priorità. Siccome è improbabile che una sola tecnologia faccia questo, l’efficacia nasce dalla combinazione di più prodotti: online analytics, piattaforme di data management, CRM, piattaforme per la vendita e così via.
→ Sperimentate
Oggi esistono il Machine Learning, l’Intelligenza Artificiale e il Cognitive Analytics, ma sono le persone a decidere come usare i dati: la scienza dei dati produce i risultati più soddisfacenti. Ai marketers il compito di sperimentare: fare ipotesi con singoli set di dati e approcci semi-manuali, appoggiandosi al Data Scientist per estrarre valore e analizzare i dati significativi. Gli approcci automatizzati e basati su algoritmi servono, ma il valore si crea con l’intervento della scienza dei dati e dell’esperienza umana.
→ Focalizzatevi
Sperimentare non basta: occorre focalizzarsi su specifiche opportunità, puntando a creare valore su specifici passaggi della customer journey. Attenzione, customer journey, non marketing, sales o service journey. Date priorità a segmenti, fasce di utenti e fasi del “viaggio”, in base ai dati di conversione e all’analisi delle correlazioni. Definite gli obiettivi di business e partite mirando all’obiettivo che è più a portata di mano. Più si riesce a definire obiettivi specifici e dettagliati più le probabilità di successo saranno maggiori.
→ Opportunità del predictive learning
Tornando a machine learning, intelligenza artificiale e analisi cognitiva, quanto contano? “Importanti, necessarie, ma non pronte per sedere al posto di comando perché non sono tecnologie mature”, risponde Deloitte. Bisogna dunque capire che cosa è possibile ottenere oggi da questi strumenti e che cosa è solo sperimentazione e non dimenticare le piattaforme che si integrano subito con i sistemi di marketing esistenti, come il rilevamento delle anomalie e l’individuazione di trend, segmenti e propensione. Cercando anche di anticipare le evoluzioni in piattaforme di marketing in cui la vostra organizzazione ha già investito.
→ Gestione dei dati integrata e real time
Gestire le molteplici e disparate fonti di dati ha costi e tempi proibitivi se è un’operazione completamente manuale. L’uso dei dati richiede una combinazione di processi e policies che includono una chiara data governance e un approccio agile. Abbandonare il sistema della reportistica mensile e delle previsioni trimestrali, che generano conoscenza episodicamente e non in tempo reale, vuol dire mettersi sulla strada per il successo: dovete fondere insieme dati, analytics, strategie, persone, processi e tecnologie.
→ Uso etico dei dati
Usare i dati per prendere decisioni in tempo reale o quasi offre enormi opportunità ma col rischio di calpestare i diritti alla privacy e alla sicurezza. Sono questioni che non possono essere considerate a posteriori: la strategia del data-driven marketing deve includere all’origine la protezione dell’azienda e della sua audience dalle cyber-minacce e una solida difesa dei dati dei clienti. I dati sono la nuova forma di potere ma, come si suol dire, dal potere derivano anche le responsabilità.
È facile notare come, nonostante un uso leggermente diverso di parole e concetti, l’idea alla base delle due strategie è la stessa: sfruttare ogni opportunità, definire obiettivi chiari e concreti ed eliminare il superfluo concentrandosi solamente su ciò che può rivelarsi di valore per la propria azienda e per i propri consumatori.
Quali sono gli elementi in comune tra le strategie citate che possiamo considerare imprescindibili in una strategia Big Data driven? Principalmente due:
- Utilizzare un set di dati significativo: fare una selezione dei dati mantenendo solo quelli che potrebbero aiutarci a rilevare informazioni di valore
- Predefinire un obiettivo specifico: il processo diventa efficace se abbiamo determinato uno scopo ben preciso a cui indirizzare l’analisi, altrimenti potremmo facilmente provocare confusione
Questi suggerimenti possono essere molto utili perché se la sfida dei Big Data non viene affrontata nel modo giusto, i costi possono crescere a dismisura, mentre la produttività e la competitività ne possono risentire. D’altra parte, se utilizzati con efficienza ed efficacia, una strategia per i Big Data può aiutare le organizzazioni a ridurre i costi e migliorare l’operatività tramite il trasferimento dei carichi di lavoro esistenti più pesanti sulle tecnologie per i Big Data, nonché mediante la distribuzione di nuove applicazioni in grado di cogliere al meglio queste nuove opportunità.
Deloitte ha infine nominato uno dei concetti cruciali di questo mondo, soprattutto in questi turbolenti anni in questo aspetto, la privacy. Non basta raccogliere, strutturare, integrare ed analizzare i dati a disposizione, ma serve conoscere quanto questi dati possano essere sensibili, essendo dunque consapevoli dei rischi e pericoli in cui si può andare incontro se non si trattano queste informazioni nella modalità più adeguata.