惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

IT之家
IT之家
Y
Y Combinator Blog
月光博客
月光博客
Blog — PlanetScale
Blog — PlanetScale
GbyAI
GbyAI
Cyber Security Advisories - MS-ISAC
Cyber Security Advisories - MS-ISAC
博客园 - 三生石上(FineUI控件)
S
SegmentFault 最新的问题
让小产品的独立变现更简单 - ezindie.com
让小产品的独立变现更简单 - ezindie.com
美团技术团队
雷峰网
雷峰网
酷 壳 – CoolShell
酷 壳 – CoolShell
Last Week in AI
Last Week in AI
钛媒体:引领未来商业与生活新知
钛媒体:引领未来商业与生活新知
有赞技术团队
有赞技术团队
博客园 - 司徒正美
V
Visual Studio Blog
小众软件
小众软件
OSCHINA 社区最新新闻
OSCHINA 社区最新新闻
T
Tailwind CSS Blog
Apple Machine Learning Research
Apple Machine Learning Research
奇客Solidot–传递最新科技情报
奇客Solidot–传递最新科技情报
A
About on SuperTechFans
The Cloudflare Blog

人人都是产品经理

为什么你的产品找不到差异化?90%的失败都卡在第一步上(下) – 人人都是产品经理, 3年从30万到1300万用户、获2200万美元融资,这个AI教育产品用“抽卡”破解了获客难题 – 人人都是产品经理, 园区招商系统怎么做才能真正帮到去化?我加了这一个功能,推广链接转发400次阅读过万 – 人人都是产品经理, AI大事件:OpenAI发完网络安全模型又搞药物研发,小鹏汽车要抓”DeepSeek时刻” – 人人都是产品经理, 电商不是卖货,是一场更残酷的产品经理实战 – 人人都是产品经理, 没想到,活动营销又回来了! – 人人都是产品经理, 为何All-in海外KOC:一场关于AI时代窗口期的豪赌 – 人人都是产品经理, 重新理解企业的内部协作 – 人人都是产品经理, 苹果的 AI 战略到底是什么? – 人人都是产品经理, 医疗智能体·第2讲——合规护城河:等保、PIPL与HIPAA的架构实战 – 人人都是产品经理, 向量知识库五步法:从“答非所问”到“精准回复” – 人人都是产品经理, 鸿蒙PC三方库构建总指挥HPKBUILD(sha)库为例 – 人人都是产品经理, 何时该用LLM?AI产品经理的LLM设计指南 – 人人都是产品经理, 医疗信息领域的需求方、决策方、准入方以及关注点(二) – 人人都是产品经理, 即梦涨价:一场被误读的「傲慢」 – 人人都是产品经理, 面试AI PM必答题:Hermes和OpenClaw的区别,如何讲清楚业务价值 – 人人都是产品经理, AI的下一张船票:世界模型——AI产品经理必须理解的技术拐点 – 人人都是产品经理, 小红书做GEO,怎么让AI信你?记住这 3 个重要信息 – 人人都是产品经理, 5 家印度 AI 初创公司,看看印度 AI 再做什么 – 人人都是产品经理, AI项目跨团队协作:产品技术业务如何不打架 – 人人都是产品经理, Agentic Workflow(智能体工作流):让AI从”答案生成器”变成”数字员工” – 人人都是产品经理, lycium_plusplus 项目全景解读:OpenHarmony 三方库构建的“大管家” – 人人都是产品经理, 从爆单救火到前置履约:两套预采策略,把生鲜大促履约效率拉满 – 人人都是产品经理, 什么时候该补货?我用一轮数据做了一个决定 – 人人都是产品经理, 从“机械兜底”到“动态分流”:AI客服重复进线治理的4大底层逻辑 – 人人都是产品经理, 抖音拼效率,红书拼洞察 – 人人都是产品经理, 全民狂欢与退潮——为什么龙虾这波热潮冷却得如此之快? – 人人都是产品经理, Stripe押注!MPP重塑全球支付 – 人人都是产品经理, 小红书GEO:AI引用你的内容,不是因为你对,而是因为你看起来可信 – 人人都是产品经理, 前百度副总裁押注办公Agent,日韩付费爆发,Manus迎来强劲对手 – 人人都是产品经理,
数据分析赋能销售,这些策略超神
接地气的陈老师 · 2025-02-28 · via 人人都是产品经理

在当今竞争激烈的商业环境中,数据分析已成为提升销售业绩的关键工具。本文深入探讨了如何通过数据分析赋能销售,提出了从理解销售过程、制定精准策略、树立可复制的标杆到设计有效激励机制的系统性方法,供希望能帮到大家。

销售分析事关公司收入,是最重要的分析。但是,很多公司做的并不好。常规的做法,就是分地区、分团队、分产品罗列目标达成率,然后就没有然后了。这样的报告图表虽多,但除了“A团队没达标”以外,很难得出更多结论。

那到底该怎么做,才能发现问题,找到机会点呢?今天系统讲解一下。文章很长,还没关注陈老师的同学,记得先关注点赞哦,后边慢慢看

一、理解销售过程

从本质上看,销售过程是:

1、设计销售策略,满足客户对产品/价格的需求

2、优化销售流程,提高销售成功率

3、激励销售人员,提升销售动力

想分析出有用结论,就得从产品,价格,激励,销售流程等多角度深入分析,不能只罗列目标达成率。

二、找策略

所谓策略,即“针对客户需求,推出合适的产品+价格方案”。而不是盲目的打折,不管用户需求,啥产品都卖,啥产品都打折。

以toB业务距离,在toB业务中

1、客户业务体量

2、客户采购规模

3、客户的技术要求

4、客户的价格要求

5、客户线索来源

都会影响到销售策略

制定策略时,可以考虑:

1、新老客户区别

2、订单大小区别

3、我司是否有产品竞争优势

4、我司获取客户的方式

来制定配套策略,让每个细分领域,都有一定竞争优势,从而提高成功率(如下图)

注意!策略是干中总结出来的,不是一开始就能100%精准分析好的。

特别是针对新产品,新客户,新开发的市场,更需要尝试。因此,数据分析要做好监控。

修正策略的执行(如下图)

三、树标杆

优化销售过程,树标杆是最好的办法。通过与标杆对比,找到差距和可以优化的店。只不过,树标杆的时候,不能维业绩论。

只是简单地把销售业绩排个序,谁排第一谁就是标杆,这样会导致:

1、有固定大客户的躺赢

2、只会打折的人胜出

3、撞大运拿一个大单的夺冠

在其他人眼中,这些要么是运气,要么是天生的,很难复制,标杆就失去意义。

可复制性才是标杆的第一要求,这就让数据分析有了用武之地:要剔除运气、折扣、老客户等影响,从销售过程中找到可以复制的点。以toB销售为例:

1、接到线索后,首次联系时间(指标)

2、跟进客户的次数,两次跟进的间隔(指标)

3、针对客户需求,推哪个产品组合(标签)

4、客户质疑价格时候,应对话术(标签)

以上这些是可复制的因素。先列出分析假设,再逐一进行排查(如下图):

一般公司不愿意干涉业绩好的销售,害怕瞎折腾,搞出问题。

因此在分析中,经常从新进入的销售/业绩不好的销售做起。如果发现复制了标杆的某些手段,能提升业绩,那就持续推广,扩大效果(如下图):

四、定激励

在激励问题上,有常见一些误区:

1、只拿额外奖金激励,忽视策略优化

2、只拿额外奖金激励,忽视标杆复制

3、只拿额外奖金激励,忽视精神激励

4、只会奖励销售结果,忽视过程激励

从本质上看,销售们在乎的是能挣到钱。因此:总收入最大化才是激励目标。如果采用一种新策略/学习一种新做法能提升收入,那和额外给奖金的效果是一样的,还能节省销售费用。

所以定激励是在做过“找策略”“树标杆”动作以后,最后考虑的事。如果发现有好的策略/好的标杆可以复制,数据分析应首先测算:如果采用此策略/复制此标杆,销售们可以多挣多少钱。帮助销售运营部门说服销售。

对具体激励措施的分析,可以套用活动分析的模版,但要注意的是:销售们经常会因为激励措施,短期内扭曲行为,比如:

1、这个月激励任务完成,藏一些单下个月放出来

2、这个月新品有激励,就催客户屯一波货,激励一撤业绩就掉

3、强迫(负激励)完成每天100个电话,结果随意拨打,转化率低

因此,激励措施分析,一般看得时间会更长,关注整体业绩(而非单一激励活动),这样才能深入发现问题。

小结

当然,很多同学会抱怨:

1、我司销售就是没策略,只会打折

2、我司销售就是靠关系户,没啥本事

3、我司产品线本身很乱,没有组合搭配

4)、司CRM系统不行,行为数据上不来

这些问题确实存在,但不妨碍我们自己按照合理的做法去整理思路,输出分析结论。这样自己才能多累积经验,早日离开这种低端的公司。

本文由人人都是产品经理作者【接地气的陈老师】,微信公众号:【接地气的陈老师】,原创/授权 发布于人人都是产品经理,未经许可,禁止转载。

题图来自Unsplash,基于 CC0 协议。