【連載之九】拒絕雞湯,我要掙錢!用數據分析找到銷售成功背後的真正秘密

作者:陳老師

文章來源:【連載之九】拒絕雞湯,我要掙錢!用數據分析找到銷售成功背後的真正秘密

這是陳老師《做一個人見人愛的數據分析師》長篇連載第九篇

第一篇:ask.hellobi.com/blog/ch

第二篇:ask.hellobi.com/blog/ch

第三篇:ask.hellobi.com/blog/ch

第四篇:ask.hellobi.com/blog/ch

第五篇:ask.hellobi.com/blog/ch

第六篇:ask.hellobi.com/blog/ch

第七篇:ask.hellobi.com/blog/ch

第八篇:ask.hellobi.com/blog/ch

在銷售領域,這種雞湯故事遍地都是:一個其貌不揚的糟老頭進了店裡,大家都懶得理他,一個小夥子認真接待了他,然後糟老頭龍顏大悅搖身一變XX集團總裁,給了小夥子一個巨大的訂單,小夥子就發財啦!

夢醒行了喂,8點檔電視劇結束!

在現實世界裡:跳下懸崖會摔死,不會有一本武林秘籍一個邪教公主等下下邊;iphone7掉到水裡會撲街,並沒有一個河神拿著iphoneX冒出來問是不是你調的;糟老頭子真的就是糟老頭子,往往你解釋半天,他還嫌產品貴,既不買也不走,真討厭!

然而聽多了雞湯,就會覺得銷售無所不能。就會真的相信:只要有本事就能把一瓶水賣出100萬,只要真的有本事就能把一讓沒人穿鞋的非洲小鎮人手買一雙鞋,只要舌花燦爛就能戰無不勝,八歲到八十歲的都能買我的產品。

這實際上恰恰是大部分普通人做不好銷售的原因。因為大家從本質上理解錯了銷售是幹什麼的。想要做好銷售分析,真正幫助團隊提升績效,就能理解銷售的本質。

——銷售的本質是什麼——

在公司內,各個部門是有分工的:

1. 產品經理們創造富有價值的產品

2. 供應鏈把產品生產出來,交給市場

3. 市場部包裝產品,選擇合適渠道,配合廣告昭告天下

4. 銷售們按照產品的定位、屬性,找到對應的顧客,促成交易!

是滴,在大部分雞湯故事裡,那些口吐蓮花的說辭不應該從銷售的嘴裡說出來。因為產品定位、開發、設計、包裝、推廣都不是他的職責。產品到了銷售手裡就是一份明確的FAB文檔,你要找到對應的顧客賣給他,僅此而已。正如同前線的戰士不會去研究槍械原理、參數、功能,戰士需要的是記憶參數以及瞄準、射擊、打死敵人。

實際上有一種銷售和雞湯故事裡的銷售行為一樣。他們口才出眾、思維敏捷、沒有的說成有的、死的說成活的,八歲到八十歲都能賣——搞傳銷的。當然他們也是被國家工商總局、食葯安檢總局、各地公安局嚴厲打擊的犯罪分子。

——深入剖析銷售成功因素——

既然銷售是溝通產品與用戶之間的橋樑,那麼就有三方面因素可以促成銷售:

1. 在橋這頭:有便利的渠道可以接觸顧客

2. 在橋上:銷售的動作可以有效引導顧客

3. 在橋那頭:有優質的產品可以吸引顧客

這就是我們剝離影響銷售因素的三大基本維度:渠道、行為、產品。加上目標客戶,就構成了剖析小的四大維度。

我們要做的就是幫助銷售部門總結出規律:針對XX類客戶,在XX渠道,通過XX銷售行為,可以推薦成功XX產品。特別是把那些優秀團隊的經驗量化、固化!這樣既能沉澱分析經驗,又能向其他銷售團隊推廣,既體現分析深度,又提升業績,可謂一舉兩得!

——場景還原與標籤總結——

當我們在內部數據看到一個門店或一個銷售團隊業績突出的時候。就可以形成初步假設:「為什麼他做的好?為什麼他的客單價就是做的高?為什麼他的客戶回頭率就是高?」之後就可以深入一線,深入業務去了解原因。

與一線、業務部門溝通,你會聽到很多類雞湯故事。不要輕易放過去,否則就會輸出諸如:「做好微笑服務」這種正確的廢話。這裡需要把典型場景還原,越具體越好。比如開篇的小伙和糟老頭的故事,如果是真實發生的,就可以這麼還原:

1. 還原用戶:什麼叫「糟」?多「老」算老頭?

2. 還原渠道:什麼時間上門的?去的哪個門店?

3. 還原行為:銷售如何引導客戶?問了什麼?答了什麼?展示了哪些?

4. 還原產品:最後客戶選擇什麼產品?是否有評價?

基於場景還原,我們可以給這個成功案例貼上各種維度標籤,用於後續檢驗。

——標籤驗證與經驗沉澱——

提取了標籤以後,我們需要驗證這是個案、特定群體的經驗,還是普遍可行規律。驗證方法,可以以標籤為線索,找其他類似客群、類似渠道、類似行為、類似產品下是否還有類似案例,類似程度如何,出現頻率如何。

一個非個案的經驗,至少要經過三重數據檢驗:

1. 可再現:在同一門店,同一銷售身上可以再來一次,直到n次。

2. 可重現:只要經驗所需的條件具備,就會自然再發生一次。

3. 可複製:其他門店,其他銷售一旦具備條件,也能發生。

是滴,你會發現所有的雞湯,裡邊的條件都是不滿足這三重檢驗的!能通過檢驗的才是經驗。

當然,有可能經驗不是普遍成立的,但是可以部分重現,比如:

1. 特定客群

2. 特定渠道

3. 特定行為

4. 特定產品

這就意味著,我們看數據可以看的更細。基於少數成功樣本生產標籤後,貼給其他銷售團隊,進行多維度對比,才能真正找到規律。實際上,因為地域、文化、經濟水平、客群特徵的差異,小範圍內可行的經驗反而更普遍。

很有可能,一個行業普遍可行的規律是從業多年的前輩們人所盡知的,根本輪不到數據分析師這個新興工種發言。所以在提煉規律的時候,數據分析師們不要貪多,爭取單點突破。特別是近兩年來新媒體發展迅速,新生代消費習慣變化快。可能在這些新領域梳理屬於我們的經驗,比在傳統領域更容易出成果。

——特別關註銷售行為——

四大維度中,銷售行為是最重要維度。因為:渠道和產品,本質上都是需要資源支持的。比如我們分析出來開店開在步行街就是容易賺錢,買天貓首頁廣告就是流量高,但是不可能公司所有的資源都往這些點上投,總需要高低搭配。比如我們分析出來XX爆款就是牛,那其他產品線怎麼辦?渠道為了搶爆款打起來,甚至相互竄貨怎麼辦?

而過分強調顧客維度也是有問題的。比如我們固化一個經驗:糟老頭子就是好!那樣以後渠道就是反過來,看到糟老頭子都人人往上撲,正常顧客沒人理了。所以一般提給渠道的有關顧客的經驗,都是至少兩條:男/女、老/幼、窮/富。以免我們的分析把渠道帶到溝里。

銷售行為實際上可以進一步拆解。如果是由人完成的銷售,至少可以拆成:迎客—詢問需求—產品推薦—問題解答—促成話術—輔銷品/促銷利用—顧客維護—二次跟進八個階段。如果是電商渠道銷售,至少可以拆成流量來源—推廣文案—主打產品—詳細信息—促銷信息—下單—售後跟進—二次推送七個階段。如果有可能,在每個階段都可以深入,分析用什麼內容,什麼方式吸引顧客效果更好。

最近總結出簡單易記的原則,比如介紹135,跟進3721之類的,讓銷售團隊去複製,就是分析助力小的終極形態了。連這個行業的銷售規範都是你分析出來的,還有比這更能帶動業績的嗎!還有比這更能體現能力的嗎!

——實體企業缺數據怎麼辦——

還有一些問題,比如有些同學會抱怨:我們是實體企業,我們不能像電商那樣記錄成交前行為軌跡啊!這裡有個小技巧:現在智能手機那麼普及,你的銷售還在拿本子記顧客信息嗎?還在拿著紙筆邊記邊背產品FAB嗎?為什麼不做一些簡單的小程序給銷售用呢?

產品FAB,圖庫,促銷政策一點就有;再來個小測試和顧客常見360問,顧客問題一觸就有答案;首次登陸顧客信息就派優惠券給顧客手機,後續跟進一站式搞掂。這樣方便的工具,銷售能很快用起來。數據部門就能記錄到售前信息,又是雙贏事件。在這個領域,陳老師有豐富經驗。不過這是數據產品設計的問題了,已經不是分析的問題,這裡不再贅述。

——全文還差一點就完了——

實際上,很多數據分析師做不出深入的銷售洞察,是因為他們自己也是雞湯受害者。輕信了各種流行的故事,缺少深度思考,缺少標籤和驗證。銷售部門說什麼信什麼,自己的報告就是拉個平均值然後標XX指標高了,XX指標低了。最後配一句:「要加強服務」這種正確廢話。

有些同學還誤把複雜當深度。領導讓做深入分析,就一個勁擺各種數據,以為數越多,模型越複雜就越有深度。所謂分析深度,指的是能看到問題背後深層次原因,而不是同一個問題擺20幾個指標來描述。

想深入問題,就得深入業務本身;想要數據支持業務,就得先用數據量化業務。這是個持續的,循環的過程,雖然很有可能幹了三五年只有少數發現,但是這才是體現自己吃透一個行業,有深度積累的地方,望大家重視,保持努力!

然而,有些同學會說:陳老師你這一個渠道就整這麼複雜的分析了,我們公司300個渠道,我每月寫月報要寫掉半條命,要怎麼分析啊!實際上面對多渠道分析,思路和單一渠道是一樣的,但是需要更有策略的展示數據,詳細的攻略,後續給出。

你想涉足數據分析、數據挖掘領域,戳這裡可以看清行業全態,找到合適自己的方向 edu.hellobi.com/course/

你覺得這些和身處基層的自己隔得太遠,戳:edu.hellobi.com/course/ 看基層專員如何突破障礙,快速積累經驗

新人們想看如何跳課,學習更多套路,戳:edu.hellobi.com/course/

主管們想看如何更好評價新人等級,戳:edu.hellobi.com/course/

陳老師猛烈吐槽,戳:ask.hellobi.com/blog/ch

天善智能 :hellobi.com 是一個專註於商業智能BI、數據分析、數據挖掘和大數據技術的垂直社區平台,擁有 5 萬+名註冊用戶,95% 以上來自全國各地近 4 萬家甲方企業。平台管理各種社群 300 余個,所有用戶均來自數據類相關的一線技術開發、Tech Lead、PM、架構師、VP、CEO,是國內最大的數據領域垂直社區。 關注天善智能(微信號:tianshansoft),關注大家都在關注的大數據社區

推薦閱讀:

請問數據分析師這個職業,入行的資格是什麼?
優秀的數據分析能力體現在哪些方面?

TAG:数据分析 | 数据分析师 | 销售 |