営業分析の輪郭
昨今CRMやSFAツールも一般的になり「データはたくさんあるけど使いきれていない」という営業部も多いかと思います。それに加え「AIにたくさんデータを食わせれば何かしら答えが見つかる」という考えの方も多いと思います。
「分析」と言うと確率分布や仮説検定といった統計学の話から、機械学習の高度な分析手法の話、はたまたマーケティング理論のようなマクロの戦略論、Python、R、BIツールなどのツールの話まで抑えるべき内容はさまざまです。
この記事では営業が実務で成果を出すことを目的に、個人的にこれを押さええれば必要十分だと考える一連の流れを紹介していきます。
ここで、必要最低限ではなく必要十分と表現しているのは、経験上ほとんどの営業現場で高度な分析手法や厳密性は必要なく、何のデータを使うかのほうがずっと重要だからです。そしてその準備部分がすっぽり抜け落ちている組織が多いです。本稿では「高度な手法を使っても変わらない。それより抑えるべきことをしっかり抑えるべき」という考えをベースに必要十分と思う内容を述べていこうと思います。
まず全体として、営業分析の流れはこのようになります。
私が所属するLAPRASの営業部でも、上記のフローに従いメンバーが感じる課題感を毎週のミーティングで共有。仮説検証ができるプロジェクトを各自が立てデータ化し、分析の結果によりモニタリングする変数を追加・入れ替えるようにしています。
ここから4つのStepに沿って具体的な方法の話をしていきます。
