Una mirada al enfoque basado en datos de Microsoft para mejorar las ventas
Por Sanaz Namdar y Ryan Fuller
Ventas
Harvard Business Review
Las compañías están comenzando a utilizar los datos de comportamiento de sus empleados, generalmente conocidos como análisis de personas, para comprender mejor y mejorar sus operaciones de ventas, con resultados sólidos. Microsoft, donde trabajamos, no es una excepción, y las ventas B2B son una de las áreas en las que estamos viendo el mayor valor. Nuestros hallazgos, y las formas en que llegamos a ellos, pueden ser útiles para otras organizaciones de ventas que buscan hacer cambios internos de este tipo u optimizar cómo se relacionan sus vendedores con los clientes.
A mediados de 2017, ejecutamos un importante rediseño de nuestra organización de ventas en respuesta a lo que nuestros clientes necesitaban de nosotros, y para alinear mejor nuestro enfoque de ventas con el modelo de ventas de servicios en la nube (en este modelo, los clientes pagan en función del uso en comparación con un servicio fijo tradicional). acuerdo de licencia). Sabíamos que necesitábamos una transición rápida y efectiva al nuevo modelo sin perder el control de nuestros clientes, pero el compromiso fue desalentador y las apuestas eran altas: con una organización de ventas compleja de más de 20,000 vendedores que cubren grandes empresas a segmentos de clientes de pequeñas empresas , y en 100 países, fue importante ver cómo estos cambios impactaron nuestra colaboración y asociación con los clientes. Necesitábamos obtener respuestas a algunas de nuestras preguntas más importantes, que incluyen:
1. Las redes son vitales, y una reorganización podría desestabilizarlas. Una de las primeras cosas que aprendimos es que los vendedores con redes más grandes e inclusivas tienden a tener mejores resultados. Esto es consistente con una serie de otros estudios similares. Sobre la base de este hallazgo, iniciamos un programa para entrenar a nuestros equipos de ventas para que se centren en construir y hacer crecer sus redes internas y externas de manera eficiente. Al observar el tamaño de la red en relación con la permanencia dentro de la empresa, pudimos establecer que la mayoría de las personas demora aproximadamente 12 meses en construir estas redes.
Esto subraya la importancia de la estabilidad en los roles durante ese período de tiempo y más allá. También nos preocupó que la reorganización obligara a la fuerza de ventas a reconstruir sus redes desde cero, lo que podría ser costoso y poco óptimo para nuestros clientes. Para mitigar este costo, implementamos programas para enfatizar el entrenamiento de gerentes e invertimos en facilitar el rápido crecimiento de la red para las nuevas contrataciones.
2. Nos involucramos de manera muy diferente con las cuentas de alto crecimiento. Otro aspecto clave de la reorganización fue garantizar el crecimiento continuo de nuestro negocio y el nivel adecuado de compromiso con los clientes. Al observar la cantidad de tiempo que los equipos dedicaron a interactuar con cada una de sus cuentas, así como la cantidad de contactos individuales con los que se estaban conectando, nos permitió identificar diferencias estadísticamente significativas en la forma en que los equipos se relacionaban con los diferentes segmentos de cuentas. En promedio, los equipos se comprometieron con el doble de contactos de clientes en nuestras cuentas de mayor crecimiento y colaboraron el doble de tiempo con estos clientes en comparación con las cuentas de menor crecimiento.
Para asegurarnos de que esto no fuera una anomalía única, también confirmamos que este patrón era consistente mes a mes. La correlación frente a la causalidad es siempre una pregunta abierta con un hallazgo inicial como este: ¿aumentan las cuentas el crecimiento porque pasamos más tiempo con ellas? ¿O pasamos más tiempo con ellos porque son de mayor crecimiento? Un análisis más profundo mostró que invertir más tiempo y energía en asociarse con algunas de estas cuentas de menor crecimiento podría mejorarlas. Como resultado, ajustamos nuestros modelos de cobertura de ventas para permitir un mayor tiempo de atención con estos clientes que anteriormente no tenían suficiente servicio.
3. Las inversiones en relaciones se correlacionan con la satisfacción del cliente. Fue importante que el nuevo modelo de ventas también impulse clientes y socios más felices. Por lo tanto, nuestro siguiente paso fue buscar patrones asociados con la satisfacción del cliente. Descubrimos que la satisfacción del cliente está directamente relacionada con el tiempo de colaboración del cliente (correo electrónico y reuniones) en todos los roles y equipos de Microsoft que se relacionan con los clientes, incluidos los equipos de ingeniería y marketing de productos.
Específicamente en el segmento empresarial, los clientes satisfechos son aquellos con los que pasamos más tiempo y los menos satisfechos son aquellos con los que apenas nos mantenemos en contacto. Este y otros hallazgos alentaron a nuestros líderes de ventas a renovar los procesos internos de negocios, como las revisiones de negocios y las reuniones de pronóstico, para que sean más eficientes. También redujimos el número de cuentas empresariales por vendedor para permitir una mayor interacción con el cliente. Esto permitió a nuestros equipos de ventas dedicar más tiempo a establecer y mantener relaciones en todas sus carteras de cuentas. También observamos diferencias de comportamiento en diferentes países: algunos utilizan el correo electrónico con más frecuencia que otros, por ejemplo, los vendedores de los EE. UU. Y Canadá programan directamente reuniones con los clientes a través de Outlook, mientras que en Japón las reuniones con los clientes son más formales y programadas a través de asistentes ejecutivos. Esto confirmó nuestra comprensión de varias normas culturales y patrones de colaboración, lo cual fue un insumo importante para nuestro análisis.
4. La satisfacción del cliente (y la rotación) puede predecirse. Como parte de nuestros esfuerzos organizativos continuos para comprender mejor a nuestros clientes, uno de nuestros equipos construyó un modelo de aprendizaje automático que usa más de 100 funciones para predecir la satisfacción del cliente. Trabajamos estrechamente con este equipo para agregar los datos de comportamiento sobre la colaboración que reunimos en el modelo. Después de nuestro análisis, descubrimos que la colaboración se convirtió en la característica principal para predecir la satisfacción del cliente y ayudó a aumentar la precisión del modelo del 78% al 93%.
Poder predecir la satisfacción de cada uno de nuestros clientes en un momento dado con este nivel de precisión fue un descubrimiento innovador para nosotros. Además, tener una comprensión más profunda de cómo las interacciones de nuestro equipo influyen en la satisfacción del cliente por segmento tiene grandes ventajas: nos permite intervenir a tiempo para convertir a los clientes de alto riesgo en clientes de bajo riesgo y ofrecer nuevas oportunidades a los clientes altamente satisfechos. Nuestra capacidad para predecir la satisfacción del cliente con este nivel de precisión nos ayudará a mantener un pulso continuo en nuestra transformación e intervenir de manera oportuna para garantizar la satisfacción del cliente en todo momento.
Que sigue. Nuestro objetivo es armar a cada vendedor con estos cuatro conocimientos de forma continua, configurándolos para que tengan el mayor éxito posible en la creación de valor para nuestros clientes. Actualmente estamos probando un prototipo en el que se envía mensualmente un correo electrónico personalizado y automatizado a cada vendedor para ayudarlos a orientarse hacia comportamientos que conducen a mejores resultados. Es importante destacar que los datos enviados a cada vendedor se configuran solo para ellos; Para proteger la privacidad de todos y conservar la confianza en el sistema, nadie más, ni siquiera la gerencia superior, puede ver los datos de nadie más.
Los vendedores reciben cada mes lo siguiente:
También aprendimos algunas cosas en el camino que fueron fundamentales para ayudarnos a dar forma a la historia y la visión para impulsar el impacto en el negocio.
Hemos invertido mucho tiempo y recursos para desarrollar nuestras capacidades de datos de comportamiento, y ya están generando un gran valor. Sin embargo, creemos que todavía estamos en las primeras fases para descubrir lo que es posible. Tenemos un largo camino por recorrer, pero hasta ahora, nuestra transformación está funcionando. Presionar el sobre de análisis de comportamiento ha sido un ingrediente clave para nuestro éxito, y esperamos que nuestra información también pueda ayudar a sus vendedores.
Sanaz Namdar lidera el Vendedor Behavioral Analytics en la organización de Negocios Comerciales de Microsoft. El estatuto de su equipo es explorar, experimentar y aprovechar los datos de comportamiento de manera predictiva para impulsar mejor las decisiones de ventas estratégicas y el crecimiento del negocio. Antes de Microsoft, Sanaz era líder en la práctica de Transformación y Talento en Ventas de Accenture.
Ryan Fuller dirige los equipos de productos Workplace Analytics y MyAnalytics dentro de Microsoft y se enfoca en transformar la productividad organizacional y la experiencia de los empleados a través de análisis de comportamiento. Anteriormente, Ryan fue el CEO y co-fundador de VoloMetrix, una compañía líder de análisis de personas adquirida por Microsoft en 2015.
Ventas
Harvard Business Review
Las compañías están comenzando a utilizar los datos de comportamiento de sus empleados, generalmente conocidos como análisis de personas, para comprender mejor y mejorar sus operaciones de ventas, con resultados sólidos. Microsoft, donde trabajamos, no es una excepción, y las ventas B2B son una de las áreas en las que estamos viendo el mayor valor. Nuestros hallazgos, y las formas en que llegamos a ellos, pueden ser útiles para otras organizaciones de ventas que buscan hacer cambios internos de este tipo u optimizar cómo se relacionan sus vendedores con los clientes.
A mediados de 2017, ejecutamos un importante rediseño de nuestra organización de ventas en respuesta a lo que nuestros clientes necesitaban de nosotros, y para alinear mejor nuestro enfoque de ventas con el modelo de ventas de servicios en la nube (en este modelo, los clientes pagan en función del uso en comparación con un servicio fijo tradicional). acuerdo de licencia). Sabíamos que necesitábamos una transición rápida y efectiva al nuevo modelo sin perder el control de nuestros clientes, pero el compromiso fue desalentador y las apuestas eran altas: con una organización de ventas compleja de más de 20,000 vendedores que cubren grandes empresas a segmentos de clientes de pequeñas empresas , y en 100 países, fue importante ver cómo estos cambios impactaron nuestra colaboración y asociación con los clientes. Necesitábamos obtener respuestas a algunas de nuestras preguntas más importantes, que incluyen:
- ¿Pasamos el tiempo suficiente con nuestros clientes más importantes?
- ¿Están las nuevas contrataciones incrementándose y colaborando con los clientes tan rápido como se esperaba?
- ¿Están creciendo sus redes internas y de clientes?
- ¿Están los vendedores colaborando entre sí de manera efectiva?
- ¿Cómo está afectando todo esto el éxito comercial de nuestros clientes?
1. Las redes son vitales, y una reorganización podría desestabilizarlas. Una de las primeras cosas que aprendimos es que los vendedores con redes más grandes e inclusivas tienden a tener mejores resultados. Esto es consistente con una serie de otros estudios similares. Sobre la base de este hallazgo, iniciamos un programa para entrenar a nuestros equipos de ventas para que se centren en construir y hacer crecer sus redes internas y externas de manera eficiente. Al observar el tamaño de la red en relación con la permanencia dentro de la empresa, pudimos establecer que la mayoría de las personas demora aproximadamente 12 meses en construir estas redes.
Esto subraya la importancia de la estabilidad en los roles durante ese período de tiempo y más allá. También nos preocupó que la reorganización obligara a la fuerza de ventas a reconstruir sus redes desde cero, lo que podría ser costoso y poco óptimo para nuestros clientes. Para mitigar este costo, implementamos programas para enfatizar el entrenamiento de gerentes e invertimos en facilitar el rápido crecimiento de la red para las nuevas contrataciones.
2. Nos involucramos de manera muy diferente con las cuentas de alto crecimiento. Otro aspecto clave de la reorganización fue garantizar el crecimiento continuo de nuestro negocio y el nivel adecuado de compromiso con los clientes. Al observar la cantidad de tiempo que los equipos dedicaron a interactuar con cada una de sus cuentas, así como la cantidad de contactos individuales con los que se estaban conectando, nos permitió identificar diferencias estadísticamente significativas en la forma en que los equipos se relacionaban con los diferentes segmentos de cuentas. En promedio, los equipos se comprometieron con el doble de contactos de clientes en nuestras cuentas de mayor crecimiento y colaboraron el doble de tiempo con estos clientes en comparación con las cuentas de menor crecimiento.
Para asegurarnos de que esto no fuera una anomalía única, también confirmamos que este patrón era consistente mes a mes. La correlación frente a la causalidad es siempre una pregunta abierta con un hallazgo inicial como este: ¿aumentan las cuentas el crecimiento porque pasamos más tiempo con ellas? ¿O pasamos más tiempo con ellos porque son de mayor crecimiento? Un análisis más profundo mostró que invertir más tiempo y energía en asociarse con algunas de estas cuentas de menor crecimiento podría mejorarlas. Como resultado, ajustamos nuestros modelos de cobertura de ventas para permitir un mayor tiempo de atención con estos clientes que anteriormente no tenían suficiente servicio.
3. Las inversiones en relaciones se correlacionan con la satisfacción del cliente. Fue importante que el nuevo modelo de ventas también impulse clientes y socios más felices. Por lo tanto, nuestro siguiente paso fue buscar patrones asociados con la satisfacción del cliente. Descubrimos que la satisfacción del cliente está directamente relacionada con el tiempo de colaboración del cliente (correo electrónico y reuniones) en todos los roles y equipos de Microsoft que se relacionan con los clientes, incluidos los equipos de ingeniería y marketing de productos.
Específicamente en el segmento empresarial, los clientes satisfechos son aquellos con los que pasamos más tiempo y los menos satisfechos son aquellos con los que apenas nos mantenemos en contacto. Este y otros hallazgos alentaron a nuestros líderes de ventas a renovar los procesos internos de negocios, como las revisiones de negocios y las reuniones de pronóstico, para que sean más eficientes. También redujimos el número de cuentas empresariales por vendedor para permitir una mayor interacción con el cliente. Esto permitió a nuestros equipos de ventas dedicar más tiempo a establecer y mantener relaciones en todas sus carteras de cuentas. También observamos diferencias de comportamiento en diferentes países: algunos utilizan el correo electrónico con más frecuencia que otros, por ejemplo, los vendedores de los EE. UU. Y Canadá programan directamente reuniones con los clientes a través de Outlook, mientras que en Japón las reuniones con los clientes son más formales y programadas a través de asistentes ejecutivos. Esto confirmó nuestra comprensión de varias normas culturales y patrones de colaboración, lo cual fue un insumo importante para nuestro análisis.
4. La satisfacción del cliente (y la rotación) puede predecirse. Como parte de nuestros esfuerzos organizativos continuos para comprender mejor a nuestros clientes, uno de nuestros equipos construyó un modelo de aprendizaje automático que usa más de 100 funciones para predecir la satisfacción del cliente. Trabajamos estrechamente con este equipo para agregar los datos de comportamiento sobre la colaboración que reunimos en el modelo. Después de nuestro análisis, descubrimos que la colaboración se convirtió en la característica principal para predecir la satisfacción del cliente y ayudó a aumentar la precisión del modelo del 78% al 93%.
Poder predecir la satisfacción de cada uno de nuestros clientes en un momento dado con este nivel de precisión fue un descubrimiento innovador para nosotros. Además, tener una comprensión más profunda de cómo las interacciones de nuestro equipo influyen en la satisfacción del cliente por segmento tiene grandes ventajas: nos permite intervenir a tiempo para convertir a los clientes de alto riesgo en clientes de bajo riesgo y ofrecer nuevas oportunidades a los clientes altamente satisfechos. Nuestra capacidad para predecir la satisfacción del cliente con este nivel de precisión nos ayudará a mantener un pulso continuo en nuestra transformación e intervenir de manera oportuna para garantizar la satisfacción del cliente en todo momento.
Que sigue. Nuestro objetivo es armar a cada vendedor con estos cuatro conocimientos de forma continua, configurándolos para que tengan el mayor éxito posible en la creación de valor para nuestros clientes. Actualmente estamos probando un prototipo en el que se envía mensualmente un correo electrónico personalizado y automatizado a cada vendedor para ayudarlos a orientarse hacia comportamientos que conducen a mejores resultados. Es importante destacar que los datos enviados a cada vendedor se configuran solo para ellos; Para proteger la privacidad de todos y conservar la confianza en el sistema, nadie más, ni siquiera la gerencia superior, puede ver los datos de nadie más.
Los vendedores reciben cada mes lo siguiente:
- Puntuaciones de satisfacción pronosticadas para sus clientes.
- Recordatorios para conectarse con los clientes con los que han perdido el contacto.
- Tamaño de la red interna y externa en comparación con los puntos de referencia en sus áreas locales
- Recomendaciones sobre cómo hacer crecer sus redes de clientes a través de LinkedIn Sales Navigator
- Tiempo pasado con cada uno de sus clientes en comparación con el mercado accesible
- Principales colaboradores internos y recordatorios para conectarse con otros roles de ventas que también están trabajando con sus clientes.
También aprendimos algunas cosas en el camino que fueron fundamentales para ayudarnos a dar forma a la historia y la visión para impulsar el impacto en el negocio.
- El patrocinio de los ejecutivos es fundamental, y no podríamos haber llevado a cabo nuestro análisis sin él. Su apoyo nos ayudó a obtener el nivel correcto de visibilidad para un análisis continuo y profundizar, lo que finalmente nos llevó a algo más significativo y práctico.
- La inversión en analistas de negocios, ciencia de datos e ingeniería de datos fue esencial. Se necesita un compromiso real para desbloquear y operacionalizar las ideas más poderosas, y se necesita mucha gente para hacerlo. Creemos que traer a las personas adecuadas a bordo vale la pena.
- La liberación de datos de silos y la colaboración entre equipos fue clave para nuestro éxito. Al igual que con cualquier proyecto de análisis, necesitábamos obtener datos de múltiples fuentes de la compañía para correlacionar los comportamientos con los resultados de ventas. Sin esto, nuestros esfuerzos serían infructuosos.
Hemos invertido mucho tiempo y recursos para desarrollar nuestras capacidades de datos de comportamiento, y ya están generando un gran valor. Sin embargo, creemos que todavía estamos en las primeras fases para descubrir lo que es posible. Tenemos un largo camino por recorrer, pero hasta ahora, nuestra transformación está funcionando. Presionar el sobre de análisis de comportamiento ha sido un ingrediente clave para nuestro éxito, y esperamos que nuestra información también pueda ayudar a sus vendedores.
Sanaz Namdar lidera el Vendedor Behavioral Analytics en la organización de Negocios Comerciales de Microsoft. El estatuto de su equipo es explorar, experimentar y aprovechar los datos de comportamiento de manera predictiva para impulsar mejor las decisiones de ventas estratégicas y el crecimiento del negocio. Antes de Microsoft, Sanaz era líder en la práctica de Transformación y Talento en Ventas de Accenture.
Ryan Fuller dirige los equipos de productos Workplace Analytics y MyAnalytics dentro de Microsoft y se enfoca en transformar la productividad organizacional y la experiencia de los empleados a través de análisis de comportamiento. Anteriormente, Ryan fue el CEO y co-fundador de VoloMetrix, una compañía líder de análisis de personas adquirida por Microsoft en 2015.
No hay comentarios:
Publicar un comentario