AI for Sales Pipeline & Forecasting: Lopeta arvailu siitä, mikä sulkeutuu
Joka neljännes sama peli. Myynnin johto pyytää ennustetta. Edustajat sanovat, että kaupat tehdään. Johto säätää alaspäin, koska edustajat ovat aina optimistisia. Kaupat luisuvat. Ennuste muuttuu viikoittain.
Kukaan ei tiedä, mitä todella tapahtuu. Ei siksi, että myyjät valehtelevat. Sopimuksen lopputuloksen ennustaminen on vaikeaa, kun luotetaan vaistoon ja CRM-merkintöihin.
Tekoäly ei arvaa. Se tarkastelee kauppojen ominaisuuksia ja historiallisia malleja. Se ennustaa lähelle pääsyn todennäköisyyden tietojen perusteella. Se tunnistaa riskikaupat ennen kuin ne kuolevat. Se kertoo, mitkä kaupat vaativat huomiota ja mitkä menevät päätökseen itsestään.
Ennusteesi lakkaa olemasta toiveajattelua. Se alkaa perustua todellisuuteen.
Ongelma: putkisto täynnä ehkä
CRM:ssäsi on 50 avointa sopimusta. Edustajat sanovat, että 30 tehdään tällä vuosineljänneksellä. Historia sanoo, että 12 todella tehdään. Mutta mitkä 12? Kukaan ei tiedä.
Sopimukset ovat liian kauan valmisteluvaiheessa. Jotkut etenevät. Jotkut pysähtyvät ja kuolevat. Jotkut yllättävät sinut ja päättyvät nopeasti. Useimmiten et tiedä, mikä on mikä, ennen kuin se on ohi.
Myyntipäälliköt käyttävät tuntikausia putken tarkasteluun. "Mikä on tilanne?" "Milloin se suljetaan?" "Mikä on riski?" Samat kysymykset, eri vastaukset joka viikko.
Ennuste, jonka annat johdolle, on valistunutta arvailua. Joskus olet lähellä. Usein et ole. Vuosineljänneksen lopussa on pakko yrittää saavuttaa luku.
Ei siksi, että myyntitiimisi olisi huono. Koska ihmiset eivät ole hyviä ennustamaan todennäköisiä tuloksia kymmenien muuttujien välillä. Tekoäly on.
Mitä tekoäly tekee myyntiputkelle ja ennusteille?
Tekoäly ei korvaa myynnin arvostelukykyä. Se tarjoaa tietoja, joiden avulla arviointikykyä voidaan parantaa. Näin:
Kaupan todennäköisyyspisteytys
Jokaiselle kaupalle annetaan lähelle pääsyn todennäköisyyspistemäärä, joka perustuu seuraaviin tekijöihin:
- Sopimuksen ominaisuudet (koko, tyyppi, monimutkaisuus)
- Myyntivaihe ja myyntivaiheessaoloaika
- Sitoutumisen taso (sidosryhmien aktiivisuus, sähköpostivastaukset, kokoustiheys).
- Historialliset mallit (mitkä tämänkaltaiset kaupat todella tehtiin?).
- Kilpailutekijät (yksittäinen myyjä vai kilpaileva sopimus?)
Tekoäly vertaa jokaista sopimusta tuhansiin aiempiin sopimuksiin. Ominaisuuksiltaan samankaltaiset kaupat, jotka ovat päättyneet, saavat korkeamman pistemäärän. Sopimukset, jotka vastaavat menetettyjen sopimusten malleja, saavat alhaisemmat pisteet.
Tämä ei ole vaisto. Se on mallien yhteensovittamista, joka perustuu todellisiin voitto- ja tappiotietoihin.
Rep sanoo 90% mahdollisuus sulkea, AI sanoo 40%? Katso tarkemmin. Jokin on vialla. Joko edustaja ei huomaa varoitusmerkkejä, tai tekoälyllä ei ole kontekstia. Joka tapauksessa sinun on tutkittava asia, ennen kuin kauppa kuolee.
Riskisopimusten tunnistaminen
Kaupat kuolevat hitaasti, sitten kaikki kerralla. Varoitusmerkkejä ilmenee viikkoja ennen kuin sopimus virallisesti kuolee:
- Ei toimintaa yli 14 päivään
- Champion lakkasi vastaamasta
- Kokouksia siirretään toistuvasti
- Päätöksen aikataulu liukuu koko ajan
- Varhain sitoutuneet sidosryhmät vaikenivat
- Sopimus istuu samassa vaiheessa liian kauan
Tekoäly tarkkailee näitä malleja. Kun useita varoitusmerkkejä ilmenee yhdessä, se merkitsee kaupan riskikohteeksi.
Myyntipäällikkö näkee lipun. Kysyy edustajalta, mitä tapahtuu. Usein edustaja sanoo: "Ai niin, minun pitäisi seurata asiaa." Joskus hän sanoo: "Kaikki on hyvin." Mutta ainakin tiedät, että sinun on tarkkailtava sitä.
Et voi säästää jokaista sopimusta. Mutta voit yrittää pelastaa tarjouksia ennen kuin ne ovat täysin kuolleet. Se onnistuu vain, jos tiedät, että ne ovat vaarassa.
Ennustetarkkuuden parantaminen
Ennusteesi on sopimuksen todennäköisyyksien summa. Jos todennäköisyysarviosi ovat vääriä, ennusteesi on väärä.
Tekoäly luo ennusteen, joka perustuu:
- Yksittäisten kauppojen todennäköisyydet (tietoon perustuvia, ei edustajan arvioita).
- Historialliset sulkemisprosentit vaiheittain, edustajan ja sopimustyypin mukaan.
- Liiketoimintasi kausivaihtelut
- Myyntisyklin pituuden suuntaukset
Se ei kerro vain numeroa. Se antaa sinulle vaihteluvälit. "Todennäköisesti $X, mutta se voi olla niinkin alhainen kuin $Y tai korkea kuin $Z." Se on rehellistä ennustamista.
Ajan myötä näet, mitkä kaupat tekoäly ennusti hyvin ja mitkä ei. Sinä säädät. Malli oppii. Tarkkuus paranee.
Et koskaan saa täydellisiä ennusteita. Mutta voit saada ennusteita, jotka ovat useammin oikeassa kuin väärässä. Se on parempi kuin useimmilla myyntitiimeillä on nyt.
Seuraavat parhaat toimenpidesuositukset
Jokaisella edustajalla on enemmän sopimuksia kuin he voivat aktiivisesti tehdä töitä. Mihin niistä heidän pitäisi keskittyä tänään?
Tekoäly priorisoi:
- Riskisopimukset, jotka vaativat välitöntä huomiota
- Kaupat, jotka ovat valmiita etenemään ja joilla on suuri todennäköisyys sulkea.
- kaupat, joissa tietyt toimet (yhteydenotto sidosryhmään, tarjouksen lähettäminen) ovat historiallisesti lisänneet kaupantekoprosenttia.
- Tyhjäkäynnillä olevat kaupat, jotka kaipaavat vauhtia.
Edustaja kirjautuu sisään ja näkee priorisoidun listan tehtävistä. Ei kaikkea. 5-7 toimenpidettä, jotka todennäköisimmin vievät kauppoja eteenpäin.
He eivät noudata tekoälyn käskyjä. He saavat dataan perustuvia ehdotuksia siitä, mihin heidän aikansa kannattaa käyttää. He käyttävät edelleen harkintaa. Heillä on vain parempaa tietoa.
Voitto/tappio-kuvioanalyysi
Miksi kaupat tehdään? Miksi ne häviävät?
Tekoäly analysoi solmitut kaupat - voitetut ja hävityt:
- Mitä yhteisiä piirteitä voitetuilla kaupoilla on?
- Kuinka kauan voittavat kaupat yleensä kestävät?
- Mitkä toiminnot korreloivat voittojen kanssa?
- Mikä on erilaista menetetyissä kaupoissa?
- Onko toimialan, kauppasopimuksen koon tai kilpailijan mukaan määräytyviä malleja?
Näistä kuvioista tulee oivalluksia:
- "Kaupat, joissa on mukana yli 3 sidosryhmää, tehdään 2x nopeammin kuin yhden sidosryhmän kaupat".
- "Kun saamme lakimiehet mukaan ennen viikkoa 4, sulkemisaste laskee 30%"
- "Tarjoukset, jotka sisältävät pilotti muuntaa 80% ajasta"
Opit, mikä oikeastaan johtaa voittoihin. Sitten valmentat edustajia tekemään enemmän sitä, mikä toimii, ja vähemmän sitä, mikä ei toimi. Tämä on tietoon perustuvaa myynnin johtamista.
Putkiston kunnon valvonta
Onko putkistosi terveellinen vai täynnä roskaa? Vaikea sanoa, kun tarkastelet vain sopimusten määrää ja kokonaisarvoa.
Tekoäly arvioi putkiston kunnon:
- Mikä on realistinen arvo? (tekoälyn todennäköisyyspisteillä painotettu arvo).
- Kasvaako vai kutistuuko putkisto?
- Liikkuvatko kaupat vaiheiden läpi normaalilla nopeudella?
- Riittääkö putkiston kattavuus tavoitteiden saavuttamiseen? (Realistinen arvo vs. kiintiö)
- Missä vaiheissa on pullonkauloja?
Myyntijohtajat näkevät myyntiputken terveydentilaa kuvaavat mittaristot. Ei turhia mittareita. Todellisia indikaattoreita siitä, saavuttaako tiimi luvut.
Jos putkisto näyttää heikolta, tiedät sen ajoissa. Voit lisätä resursseja leadgeneraukseen tai mukauttaa tavoitteita ennen kuin on liian myöhäistä.
Mitä tämä tarkoittaa sinulle
Myyntijohtajille
Ennusteet, joihin voit luottaa. Ei täydellisiä, mutta paljon parempia kuin rep:n arvaukset. Annat johtajille tietoon perustuvia lukuja, et toiveisiin perustuvia lukuja.
Putkiston näkyvyys paranee. Näet riskialttiit sopimukset välittömästi. Tiedät, missä kannattaa valmentaa. Tiedät, mitkä kaupat tarvitsevat johtavan tason osallistumista.
Resurssien jakamisesta tulee älykkäämpää. Tiedät, mitkä sopimukset ovat todellisia ja mitkä haaveilua. Tiimin työpanos kohdistuu voitettavissa oleviin tilaisuuksiin.
Valmennat mallien perusteella. "Voittajat tekevät näin toisin." Se on tehokkaampaa kuin yleiset myyntineuvot.
Myyntiedustajille
Tiedät, mihin kauppoihin kannattaa keskittyä. Et tarvitse enää hajauttaa itseäsi 50 tilaisuuteen. Työskentele niiden parissa, jotka todennäköisimmin sulkeutuvat.
Ongelmat havaitaan ajoissa. Sopimus menee pieleen? Näet varoitusmerkit ennen kuin se on kuollut. Voit korjata kurssin.
Saat opastusta seuraaviin vaiheisiin. Ei tilauksia, vaan tietoa siitä, mikä tyypillisesti toimii sinunlaisissasi kaupoissa. Teet parempia päätöksiä.
Vähemmän aikaa CRM:n päivittämiseen päivittämisen vuoksi. Tekoäly on sitä älykkäämpi, mitä enemmän tietoja sillä on, mutta se käyttää tietoja myynnin tukemiseen, ei vain raportointiin.
Liiketoimintaa varten
Ennakoitavat tulot. Kun ennusteet ovat tarkkoja, voit suunnitella. Palkkaaminen. Varaston. Markkinointikulut. Kaikki perustuu luotettaviin tuloennusteisiin.
Lyhyemmät myyntisyklit. Kun edustajat keskittyvät oikeisiin toimintoihin oikeaan aikaan, kaupat tehdään nopeammin.
Korkeammat voittoprosentit. Kun ymmärrät, mikä saa kaupat päättymään, voit tehdä niitä enemmän. Se yhdistyy ajan myötä.
Vähemmän yllätyksiä neljänneksen lopussa. Tiedät jo viikkoja etukäteen, saavutatko luvun. Ei viime hetken paniikkia. Ei odottamattomia alijäämiä.
Todellisia esimerkkejä myyntiennusteiden tekoälystä
Esimerkki 1: B2B-ohjelmistoyritys
Keskisuuren ohjelmistoyrityksen ennustetarkkuus oli 35%. Jokainen vuosineljännes oli yllätys. Myyntijohto ei pystynyt suunnittelemaan, koska se ei tiennyt, mitä liikevaihto todellisuudessa tulisi olemaan.
Mikä muuttui: Tekoäly analysoi 3 vuoden kauppatietoja. Rakensi todennäköisyysmallit todellisten sulkemismallien perusteella. Tarjosi tietoon perustuvia kaupantekopisteitä edustajan arvioiden sijaan.
Tulos: Ennustetarkkuus parani 82%:hen kahdessa vuosineljänneksessä. Johto pystyi suunnittelemaan luottavaisin mielin. Neljänneksen lopun paloharjoitukset vähenivät, koska määrä tiedettiin viikkoja etukäteen.
Esimerkki 2: Teollisuusyritys
Eräällä teollisuusyrityksellä oli pitkät myyntisyklit (6-12 kuukautta). Sopimukset näyttivät hyvältä kuukausia, mutta sitten ne kuolivat yhtäkkiä. Kukaan ei tiennyt syytä.
Mikä muuttui: Tekoäly havaitsi, että kaupat, joihin ei ollut otettu yhteyttä sidosryhmiin yli 21 päivään, hävisivät lopulta 72%:n todennäköisyydellä. Järjestelmä merkitsi riskisopimukset automaattisesti.
Tulos: Myyntipäälliköt puuttuivat ennakoivasti merkittyihin kauppoihin. Voittoprosentti nousi 18%, koska riskialttiisiin kauppoihin kiinnitettiin huomiota ennen kuin ne kuolivat. Myyntisykli lyheni, koska jumissa olevat kaupat saatiin nopeammin purettua.
Esimerkki 3: Asiantuntijapalveluyritys
Konsulttiyritys ei osannut sanoa, mitkä ehdotukset suljettaisiin. Voittoprosentti oli alle 30%. Arviointiryhmät käyttivät valtavasti aikaa ehdotuksiin, jotka eivät johtaneet mihinkään.
Mikä muuttui: Tekoäly analysoi voitetut ja hävityt ehdotukset. Todettiin, että sopimukset, joiden budjetti oli jo hyväksytty, suljettiin 65%:llä. Sopimukset, joissa asiakas sanoi "tutkivansa vaihtoehtoja", päättyivät 12%.
Tulos: Yritys aloitti karsinnan kovemmin ennen kuin se investoi ehdotuksiin. Keskitettiin ehdotuspyrkimykset hyvin kelpuutettuihin tilaisuuksiin. Voittoprosentti nousi 48%:hen, koska he lakkasivat jahtaamasta huonosti sopivia tarjouksia.
Mitä tekoäly ei tee
Rajoitukset on tehtävä selviksi.
Tekoäly ei voi tehdä kauppoja puolestasi. Se ei voi käydä vaikeita keskusteluja. Se ei voi neuvotella. Se ei voi rakentaa suhteita ostajiin. Se on edelleen ihmisen työtä.
Tekoälyennusteet ovat todennäköisyyksiä, eivät varmuuksia. Kauppa, jonka tulos on 70%, on silti 30%:n todennäköisyydellä häviävä. Älä pidä tekoälypisteitä takuuna.
Tekoäly ei tunne kontekstia, joka ei ole CRM:ssä. Jos edustaja tuntee toimitusjohtajan henkilökohtaisesti tai on kuullut, että budjettia on leikattu, tai jos hänellä on muuta kontekstia - sillä on merkitystä. Tekoäly ja ihmisen arvostelukyky voittavat kumman tahansa yksinään.
Tekoäly ei voi korjata rikkinäistä myyntiprosessia. Jos edustajasi eivät kelpuuta asiakkaita kunnolla, jos tuotteesi ei sovi markkinoille tai jos hinnoittelusi on väärä - tekoäly näyttää sinulle ongelman, mutta sinun on silti korjattava se.
Miten päästä alkuun
Sinun ei tarvitse muuttaa koko myyntiprosessiasi tekoälyyn kerralla. Aloita siitä, mistä siitä on eniten apua:
- Aloita tarjousten pisteytyksellä. Toteutetaan tekoälyn todennäköisyyspisteet. Vertaa tekoälypisteitä edustajan arvioihin. Katso, kumpi on tarkempi 3 kuukauden aikana.
- Seuraa riskialttiita kauppoja. Anna tekoälyn merkitä sopimukset, jotka vastaavat riskimalleja. Katso, pelastetaanko niistä jokin.
- Analysoi yksi voitto/tappio-kuvio. Valitse yksi muuttuja (sopimuksen koko, toimiala, sidosryhmien määrä) ja katso, löytääkö tekoäly kuvioita, joita et tiennyt.
- Testaa ennusteen tarkkuus. Suorita tekoälyennuste normaalin prosessin rinnalla. Vertaa, kumpi on lähempänä todellisia tuloksia.
- Tarkenna tulosten perusteella. Tekoäly paranee palautteen myötä. Kun sopimuksia tehdään tai hävitään, anna palautetta. Malli oppii.
Aloita pienestä. Mittaa tarkkuus. Skaalaa se, mikä toimii. Tavoitteena ovat paremmat ennusteet, eivät täydelliset ennusteet.
Lopputulos
Myynnin ennustaminen on mallien tunnistamista. Millaisia ovat kaupat, jotka tehdään? Millaisia ovat kaupat, jotka kuolevat? Mitkä toimet vievät kauppoja eteenpäin?
Ihmiset eivät pysty havaitsemaan malleja sadoista kaupoista, joissa on kymmeniä muuttujia. Tekoäly pystyy.
Myyntitiimisi omistaa edelleen suhteet ja keskustelut. He tekevät edelleen kauppoja. He käyttävät edelleen harkintaa siitä, mitä sopimuksia kannattaa tehdä.
Mutta he eivät enää lennä sokeasti. Heillä on tietoa siitä, mitkä kaupat ovat todellisia, mitkä ovat vaarassa ja mitkä toimet ovat historiallisesti toimineet. Tämä on ero arvaamisen ja tietämisen välillä.
Haluatko tarkempia ennusteita?
Jokaisella myyntitiimillä on erilaiset myyntitavat. Erilaiset myyntisyklit. Erilaiset tekijät, jotka ennustavat voittoja ja tappioita.
Emme myy yhden koon ennustetyökaluja. Analysoimme kauppatietosi. Tunnistamme, mitkä tekijät todella ennustavat liiketoimintasi tuloksia. Rakennamme malleja, jotka vastaavat todellisuuttasi.
Integroimme sen jälkeen CRM-järjestelmään, jotta edustajat ja esimiehet näkevät ennusteet siellä, missä he työskentelevät. Tiimisi saa parempia tietoja muuttamatta prosessejaan.
Ei hypeä. Ei lupauksia täydellisistä ennusteista. Vain parempia ennusteita, jotta voit tehdä parempia päätöksiä ja tehdä enemmän kauppoja.
