24 Σεπτεμβρίου 2017

Αnalytics πωλήσεων και προβλέψεις αυξάνονται χάρη στην μοντελοποίηση δεδομένων

Την τελευταία περίοδο, οι προβλέψεις πωλήσεων λαμβάνουν νέο νόημα. Μπορείς κανείς να χρησιμοποιήσει τα analytics με διάφορους τρόπους, και στις προβλέψεις οι διαφορές είναι σημαντικές.

 

Η πρώτη προσέγγιση χρησιμοποιεί τα analytics για τον εντοπισμό σχέσεων μεταξύ των δεδομένων. Είναι σημαντικό αυτό γιατί πολλές φορές οι σχέσεις μας δείχνουν καταναλωτικές συμπεριφορές. Χρησιμοποιούμε αυτήν την προσέγγιση όταν αναζητούμε πράγματα όπως μέση ώρα πώλησης, άλλες δραστηριότητες, άλλες αγορές: οι πελάτες για παράδειγμα, όταν αγοράζουν γάλα, αγοράζουν συχνά και δημητριακά.

 

Παρατηρήστε τη χρήση του «συχνά»: οι σχέσεις αυτές δεν λειτουργούν πάντα και δεν μας ενημερώνουν σωστά για τις καταναλωτικές συμπεριφορές. Μας ενημερώνουν μόνο γενικά για το τι συμβαίνει. Δεν μας ενημερώνουν για παράδειγμα για τους λόγους που υπάρχει μια συγκεκριμένη σχέση μεταξύ κάποιων δεδομένων. Για αυτόν τον λόγο, χρειάζεται κανείς ένα μοντέλο.

 

Σε τι συνεισφέρει η μοντελοποίηση στα analytics;

 

Τα μοντέλα είναι το πρώτο βήμα των αυτοματοποιημένων analytics. Μπορούν να κάνουν ασφαλείςς προβλέψεις για τον καιρό. Οι μετεωρολόγοι χρησιμοποιούν έξυπνα μοντέλα για να δουν την διάδραση μεταξύ ωκεανών, γης και ατμόσφαιρας που τα analytics τα χρησιμοποιούν για να καταλήξουν σε μια πρόβλεψη. Πωλήσεις; Όχι ιδιαίτερα.

 

Το μοντέλο των επιτυχών πωλήσεων είναι η διαδικασία πωλήσεων μιας εταιρίας, και μπορεί κανείς να λάβει πολλές ιδέες από τις προηγούμενες επιτυχίες ή αποτυχίες χάρη σε αυτή τη μέθοδο. Η εφαρμογή των analytics σε δεδομένα πωλήσεων είναι η έννοια της πρόβλεψης. Τώρα όμως, θυμηθείτε τα δεδομένα που δείχνουν ότι μόνο οι μισές από τις εταιρίες πωλήσεων έχουν καλή διαδικασία πωλήσεων που υποστηρίζεται από αυτοματοποιημένη λειτουργία. Αυτό σημαίνει πως οι μισές επιχειρήσεις δεν έχουν υπεύθυνο μοντέλο πωλήσεων που να χρησιμοποιεί τα analytics.

 

Αν μπορεί κανείς να συνδυάσει την ιδέα της μοντελοποίησης με τα analytics, οι αριθμοί θα πρέπει να βελτιωθούν – αυτό βρίσκεται πίσω από νέες εταιρίες analytics όπως η Aviso, που η προσέγγισή τους είναι καλό μοντέλο και ταιριάζει παντού. Η εταιρία δεν σταματά να συλλέγει δεδομένα πωλήσεων αλλά συγκεντρώνει και άλλες πληροφορίες όπως την οικονομική κατάσταση και επιχειρηματικές ευκαιρίες για να πετύχει αυτό που λέγεται «πλήρης γνώση εισοδημάτων». Μόλις πρωτοξεκίνησε η Aviso, είχε πολλούς πελάτες που λένε πως αυτή η προσέγγιση λειτουργεί.

 

Εν τέλει, η Scout Analytics προτείνει την ίδια διαδικασία μοντελοποίησης. Χρησιμοποιώντας διάφορες μετρήσεις μαζί, δημιουργείται ένα μοντέλο επιχειρηματικής διαδικασίας με στόχο την διατήρηση της πελατείας και την πρόβλεψη των επόμενων κινήσεων των πελατών.

 

Τι ταιριάζει σε εσάς; Το ουσιαστικό είναι ότι θα πρέπει να μοντελοποιήσετε τις διαδικασίες σας για να μπορέσετε να κάνετε ανάλυση και την ίδια στιγμή που δημιουργείτε το μοντέλο σας θα πρέπει να καθορίσετε την μέτρηση αλλά και τις παραμέτρους. Αν δεν κάνετε το τελευταίο, τότε τίποτα δεν έχει σημασία. Αν μπορείτε, τότε τα analytics θα βγάζουν νόημα επειδή οι σχέσεις που εντοπίζετε θα καθορίζουν ακριβώς τις αιτίες, και αυτό θα είναι το σημείο από το οποίο θα αρχίσετε να αναπτύσσεστε.