如何才能讓數據分析真正優化一線銷售業務？

近幾年，銷售領域掀起了廣泛使用客戶細分、客戶行為跟蹤等數據分析工具的熱潮。然而，這些工具給銷售成果帶來的實質影響卻收效甚微。究其原因我們發現，這些做法都忽視了一個關鍵因素：前線銷售人員每天都在制定並執行儘可能最優化的營銷策略，但是他們自身的需求卻常常被忽略。

縱觀所有的行業，無論是零售品類經理、銷售代表、理財顧問還是財富管理專家的案頭都擺滿了各種分析報告和行業見解。這些報告能讓公司高管時刻感受到企業中「客戶至上」的理念，然而對於前線經理來說，這些報告卻提供著完全無用甚至彼此矛盾的信息。更糟糕的是，他們發現企業的高官們正是利用這些無用的信息和不透明的「黑箱」演算法，來集中制定銷售決策和解決方案，從而進一步打消了前線銷售人員的工作積極性。

理論上，這些從客戶大數據中得到的關鍵信息應當讓技術銷售人員更具創造性，以及擁有更多的時間以新方式與消費者溝通，從而創造更多價值。然而事實卻是，在數據分析的浪潮下，許多銷售人員對前往商鋪與客戶面對面溝通已然失去了興趣，他們轉而用更多時間進行數據分析，甚至完全擯棄了原本的銷售工作而專註於數據的研究。

為了使客戶數據分析加強而不是削弱銷售與客戶的聯繫，我們發現，只有在前線人員的創造性和銷售數據的科學性之間保持良好的平衡，才能讓數據分析更好地為銷售經理服務。

決策為先，數據為後

大多數銷售經理都明白，數據本身並不是結果，而是應當服務業務決策的過程。然而，許多人卻急於收集所有可得信息，尋找最有趣的發現，而沒有從業務本身出發找到此刻需要做出的決策，以及逆向推導出他們真正需要什麼數據、如何分析以及得出怎樣的洞見。

這是致命的錯誤。誠然，許多大型零售商發現廣泛的客戶細分數據有助於了解客戶的生活習慣和需求，從而塑造業務優先順序，然而這些數據與零售經理所真正需要的信息卻相距甚遠。例如，這些數據並未能幫助他們決定在某個特定的商鋪中應售賣何種產品，而這才是前線零售商最為重要的決策之一。

克羅格（Kroger）、樂購（Tesco）等零售領先品牌著手克服了這一障礙。他們專註於挖掘以產品為核心的正確洞見來制定重要的品類決策（assortment decision），例如衡量真正的銷售增量（該指標用於測量消費者究竟是熱衷每周購買同一種產品，還是在相似的產品之間隨意切換）。事實上，這些客戶關鍵績效指標才是制定產品品類決策的真正決定性因素。零售商進行數據分析的意義不在於對客戶行為進行過度深刻解讀，而在於幫助前線管理人員做出最終合理決策。

同樣的原則也適用於零售行業的其他領域。例如當地天氣預報、重要活動日程表和貨物配送時間表，都有助於銷售經理決定每家商鋪最佳的庫存組合；如何在高溫日銷售更多的雪糕或在大型體育賽事場館針對學生群體銷售更高利潤的食品；當麥片的銷售量突然下降，銷售經理應當快速發現下降的原因。是產品不受歡迎還是運貨車未能及時送達貨品……這些方法殊途同歸，都證明了數據分析所產生的洞見應圍繞著最終的決策來制定，而並不是單純地尋找有趣的發現。

善用數據做決策

營銷和商業決策者常常抱怨客戶分析工具不僅沒有提高生產力，反而使他們的工作更低效。這是由於令人費解的「黑箱」分析工具讓人們過度依賴自動化決策，沒有協助決策者更好地利用信息做出決定。

數據分析總有盲點，它脫胎於歷史數據且無法考慮到所有因素。若決策者只是單純依賴客戶數據分析而做出決定，那他永遠不能掙脫過去的枷鎖。

借用上述零售經理的例子，如果他們僅根據數據分析就制定品類決策，那麼將忽略許多其他重要信息，例如供應商對明年市場趨勢的預測、計劃的促銷活動、新產品的策劃和發布，以及對市場的整體影響。更糟糕的是，使用一個「黑箱」分析工具不僅削弱了品類經理的作用，而且使他們失去了在「黑箱」演算法發生錯誤時主動提醒、糾正錯誤的動力。

對比之下，一套可提供客戶關鍵績效指標的系統則有助於優化前線銷售經理的決策過程。即使在一些情況下數據分析的結果與前線經理的直覺相悖，人們依然能夠在過程中充分發揮自己的創造性。

與用戶共同開發

當一家公司準備開發數據分析工具時，它應從小型項目開始，並專註於前線決策。這能讓更多前線人員真正參與進來，並保證項目的最終成果。我們發現，以90天為周期的小型嘗試和學習型項目能迅速獲得評審委員會的共識。隨著項目規模慢慢遞增，隱含的問題會被及時發現，並在短時間內得到解決，從而防止拖延項目的整體進度或失去關鍵方的認可。而當獲得了足夠的認可後，後續的項目拓展也將不成問題。

這與一家銀行鼓勵客戶經理增加客戶溝通的方法有異曲同工之處。為了尋找新的業務發展方向，這家銀行從少數客戶經理及其賬戶出發，研發了一套向客戶經理實時推送商業信息的系統。例如當原油價格下跌時，該系統將自動提醒客戶經理聯絡受該消息影響的前5大客戶，並告知相關內容。系統將每隔90天進行更新，推送的內容將添加新的消息提醒，並刪除無用的內容，參與在此項目中的客戶經理數量也會隨之增加。現在，幾乎所有的客戶經理都能收到系統的實時推送，從而與客戶夠溝通的時間增加了20%。

專註於可執行的信息

企業及管理人員應不斷考察客戶數據報告的質量，確保它們提供可執行的客戶洞見，而不是盲目追求報告的數量。高質量的報告能為公司帶來可量化的利益，並協助管理人員做出更好的決策。

一家歐洲食品商就曾經棄用了半數的銷售報告，因為那些報告只有數據，並不能協助決策和執行。這家公司發現，儘管管理人員非常喜歡討論「每周最暢銷的10件產品名單」，卻沒有人真正用那名單來做決策。

發現問題後，那家食品商的首席信息官會把名單再進行細分，制定了不同店鋪類型的「每周10件最暢銷產品」。有了針對性的資訊後，現在品類經理便能根據相類店鋪的暢銷品來下單訂貨。

廣泛建立分析能力與文化

最後，整個企業需要調整思路、做好溝通，令公司上下所有人都明白數據分析對公司的好處，才能讓數據為先的方法論在公司得以發展。

這幾年來，領先的消費類品牌已經在倫敦、巴黎或紐約等大型城市持續地吸納數據分析人才，完善各自的數據分析團隊。例如，一家位於倫敦的領先零售商率先創立了數據分析部門，並由高管層直接領導。這種大企業中的初創模式，吸引了眾多頂尖的數據分析員。例如，一家倫敦零售銀行創立了一個營收獨立的部門，以運用客戶數據分析來改進銀行的核心業務，並制定未來業務發展方向。

除此之外，這兩家公司都明白只有讓前線員工充分理解和使用數據分析，才能預防公司倒退回原有工作方式。所以，他們除了建立數據精英團隊外，也持續的對前線灌輸數據分析理念，並開發以他們的需求為重點的分析系統。

細節決定成敗。企業在進行數據分析和執行分析決策時，要始終與前線員工進行及時的溝通與交流。只有當合適的前線人員獲得了恰當且有洞見的信息，企業才能實現真正的華麗轉變。

Nick Harrison Deborah O』Neill |文Nick Harrison是奧緯諮詢倫敦辦公室的董事合伙人及歐洲零售業務共同負責人，Deborah O』Neil是奧緯諮詢數字技術實驗室（OW Labs）倫敦辦公室的副董事合伙人。本文來自HBR英文網站（hbr.org），由作者所在機構提供中文翻譯。《哈佛商業評論·商業洞見》編輯|李劍jianli@hbrchina.org公眾號ID：hbrchinese長按二維碼，訂閱屬於你的「卓越密碼」。
推薦閱讀：