• セミナーレポート

2020.11.06

  • Go Analytics
  • データ分析
  • データサイエンティスト

【ウェビナー開催レポート】身近なデータで始める 「データドリブンセールス・マーケティング」 の第1歩

【ウェビナー開催レポート】身近なデータで始める 「データドリブンセールス・マーケティング」 の第1歩

「営業先の選定に時間がかかる」「案件受注率が向上しない」といった声が、御社の営業現場の中でも挙がっていませんか?営業は足を運んで得た勘と経験に基づいて営業活動を行っていると思われていますが、その裏には必ず定量的なデータが潜んでいます。本ウェビナーでは、弊社のデータサイエンティストが、営業マンの勘と経験を社内に眠っている身近なデータからあぶり出し、営業・マーケティング活動の効率化をスタートするためのポイントをお伝えしました。

<この記事を読んでいただきたい方>
・営業管理システムやマーケティングツールの導入・置き換えを実施・検討している方
・営業活動をもっと効率化したい 営業系部門の方
・マーケティング活動の効果を定量的に分析したい マーケターの方

【講師】
コニカミノルタマーケティングサービス株式会社

データサイエンティスト
博士(理学) 鎌田 紀彦(かまた のりひこ) 

東北大学大学院にて理論物理学の研究を展開、博士(理学)を取得後、官公庁の専門員として人工知能や量子コンピュータを始めとする新興技術の調査業務等に従事。その後、データサイエンティストとしてコニカミノルタマーケティングサービスに参画。数理的知見を活用したビジネス課題解決に携わる。

うまくいかないデータ活用

営業活動をもっと効率的にできないか?とお悩みの方は多いと思います。そのようなお悩みは実は、データサイエンティストが既に今ある営業データを分析することで解決できます。しかし、課題設定が曖昧でデータありきの分析だったり、データサイエンティストが現場の状況を十分理解出来ていない状態で分析を進めてしまったりすると、データ分析の結果が営業の現場で生かされないという状況に陥ってしまいます。そもそもデータが集まる環境が構築されていない、また構築されていたとしても営業担当の方が忙しくデータを入力してないなど、現場での運用ルールを整えずに分析だけを行ってもデータ活用は上手くいきません。

〈営業データが上手く使えない理由〉

  • 課題や目的が不明確
  • 現場の背景知識不足
  • コストと工数がかかるため、途中で断念

つまり、データ活用の成功の鍵は「現場」と「データサイエンティスト」が密に連携し、現場の課題解決(スモールスタート)から始めることです。

スモールスタートのメリット

スモールスタートとはデータ 分析により今まで気付かなかった未知の発見を目指すのではなく、現場の課題を今ある手持ちのデータを用いて効率化し、営業成績の向上を図ることです。スモールスタートは簡単に始められるにも関わらず、大きな成果を生む可能性もあります。

 営業活動履歴データ(「以下、「営業データ」と呼ぶ」)を使ったスモールスタートの例を紹介します。エース営業マンAさんの営業先の選定方法をデータ分析により明らかにし、その基準を組織で共有することで案件獲得数の向上が見込めます。

例)今までの営業データを使って営業のエースAさんの隠れたナレッジを見つけたい

営業データを分析するとAさんの営業先の選び方に特徴があることが判明

他の人もAさんと同じ基準で営業先を選ぶことで、商談アポ獲得率が向上し、 案件獲得企業数が増加

Aさんと同じ基準で営業先を選ぶ前と後でのBさんの営業成績

有望顧客レコメンドモデル構築による効果(弊社事例)

このようにスモールスタートには大きな可能性があるのですが、実際に営業を効率化するためには、営業現場とデータサイエンティストの密なコミュニケーションが欠かせません。本編では、このようなコミュニケーションの重要性を弊社事例を元にお伝えいたしました。

ご紹介したのは弊社で実践した見込み顧客獲得数向上に向けた取組み事例です。あくまで弊社事例ではありますが、同じようなお悩みを抱えた企業様も多いのではないでしょうか?

〈営業現場の状況〉

  • 予算制約もあり施策投入量は増やせない
  • 顧客情報獲得率の向上によって、見込みの顧客数を増やしたい
  • 過去の営業データはエクセルに記録

〈営業現場の課題〉

  • ターゲット顧客全てにコールするのは不可能なのである程度の絞り込みが必要
  • コールドコール先の選定に多くの時間がかかっている
  • 顧客情報獲得率の向上に寄与する要因がわからない

営業現場の状況と課題を踏まえ、過去の営業データを元にコールドコール(飛び込み電話営業)用の「有望顧客レコメンドモデル」を構築したところ、下記のような効果が現れました。

〈有望顧客レコメンドモデル構築による効果〉

  • 週の顧客情報獲得数が週10件→ 20件に向上
  • コールドコール先選定時間が1日→1時間に削減

→試算上は年間の営業効率を3倍以上あげることが出来る見込みです。

実際に弊社の「有望顧客レコメンドモデル」の構築にあたっては、データサイエンティストが営業現場やプロジェクトの目的を正しく理解するために、データ分析結果を元に営業担当者と議論を重ねました。今回の成功の裏には、現場とデータサイエンティストの密なコミュニケーションがあったのです。

まとめ

日々積み重なっていく営業データ。これらを活用するためには解決すべき課題を現場のデータの中から特定し、まずは手持ちのデータで分析するところから始めていくことが重要です。

しかし、営業データの分析をいきなり始めるのは難しく、いざ始めようと思っても、下記のような悩みはつきものです。

  • データが蓄積できていない
  • データが点在していてまとまっていない
  • 自社に合った分析ツールや分析手法がわからない

弊社ではこのような悩みに寄り添いながら、マーケティングの課題解決をデータサイエンスの力でご支援させていただいております。このような悩みがございましたらまずはお気軽にご相談ください。
貴社に適したスモールスタートを弊社と一緒に始めましょう!
まずは以下フォームより個別相談会へお申し込みいただきお話をお聞かせください。

*フォームにお客様情報をご記入いただくと限定公開の視聴URLをご確認いただけます。


■編集後記

我々セールスチームでは限られたリソースの中でどのようにすれば効率よく営業活動ができるのかという悩みについて日々頭を悩ませております。

今回データサイエンティストが作成した有望顧客レコメンドリストを用いて架電することで営業先選定の時間が減っただけでなく、興味関心を持っていただける方を中心にアプローチをすることができました。

データサイエンスは確実に我々の業務効率を上げていきます。今まで培ってきた勘と経験にサイエンスの力をプラスすることで、より強いセールス部隊へと変わることが出来ると確信しております。

(コニカミノルタマーケティングサービス株式会社 根岸)

おすすめ記事

↑