داده های بد: چیست و چگونه می توان عملکرد فروش را بهتر تجسم کرد [+ مثال ها]

بین توسعه یک فرآیند فروش مقیاس‌پذیر، جمع‌آوری داده‌ها و کمک به فروش تیم‌تان، ردیابی صحیح عملکرد تیم فروش‌تان می‌تواند دشوار باشد.

با این حال، داده‌ها و گزارش‌های بد می‌تواند منجر به فروش کمتر، کاهش رضایت مشتری و تصمیم‌گیری ضعیف شود. در واقع، تیم فروش شما ممکن است به دلیل داده های بد، زمان را برای تعقیب سرنخ های ضعیف تلف کند.

براساس Gartner، سازمان‌ها بر این باورند که کیفیت پایین داده‌ها مسئول به طور متوسط ​​15 میلیون دلار ضرر در سال است.

بنابراین، چگونه می توانید از این امر اجتناب کنید؟

در زیر، نحوه جلوگیری از داده‌های بد و جمع‌آوری داده‌های دقیق در مورد عملکرد تیم فروش خود را خواهید آموخت.

داده های بد چیست؟

داده‌های بد داده‌هایی هستند که دقیق یا ناسازگار هستند. برای تیم‌های فروش، داده‌های بد نمی‌تواند به شما ایده دهد که نمایندگان فروش شما چگونه عمل می‌کنند. داده‌ها ممکن است به دلایل زیادی نادرست باشند، از جمله داده‌های از دست رفته، منابع ضعیف، خطای انسانی، اطلاعات تاریخ‌دار و داده‌های تکراری.

داده‌های ما نشان می‌دهد که 27 درصد از فروشندگان بیش از یک ساعت در روز را صرف کار ورود اطلاعات می‌کنند. به‌جای فروش، به این معناست که زمان حیاتی برای کارهای اداری از دست می‌رود و داده‌های شما احتمالاً تسلیم خطای انسانی می‌شوند.

به گفته دن تایر، مدیر فروش HubSpot، “کلید این است که “داده های Goldilocks” را بیابید – داده هایی که خیلی ساده نیستند، خیلی پیچیده نیستند، اما اطلاعات مربوط به اندازه کافی را با حجم نمونه به اندازه کافی بزرگ نشان می دهند. به طوری که گاهی اوقات تشخیص و رفع آن آسان است، زیرا فروشندگان همیشه در چاله های یکسانی می افتند و گاهی اوقات سخت تر است، زیرا این یک ویژگی یا مشکل ثابت نیست

در زیر چند نشانه وجود دارد که نشان می‌دهد داده‌های شما ممکن است نادرست باشند:

• حسابداری فصلی: چندین عامل وجود دارد که می‌تواند بر داده‌های شما تأثیر بگذارد، از جمله تعطیلات یا سهمیه تعطیلات ماههای امدادی. اگر آن را در نظر نگیرید، داده های شما ممکن است منحرف شوند.
• انتظار شباهت ها: هر سال متفاوت است، بنابراین انتظار شباهت های سال به سال می تواند اشتباه باشد. در مورد مقایسه داده های فعلی با داده های گذشته مراقب باشید.
• نداشتن یک منبع حقیقت: اگر چندین مکان وجود داشته باشد که داده ها ردیابی می شوند، ممکن است سردرگمی ایجاد کند. بدون داشتن یک منبع حقیقت واحد، تجزیه و تحلیل داده های شما دشوار خواهد بود.
• خطای انسانی: اگر تیم‌های شما مجبور باشند داده‌ها را به صورت دستی وارد کنند یا تصویرسازی داده‌ها را ایجاد کنند، می‌توان انتظار خطای انسانی را داشت.
• کمبود منابع: مقامات بالاتر ممکن است نخواهند برای نرم افزار گزارش دهی پول خرج کنند. /a>، اما جمع آوری داده های شما نباید یک فرآیند دستی باشد. کارشناس فروش دیوید فیشر می‌گوید، “تحلیل مجموعه داده‌های ناقص یا کوچک و سپس پرش به نتیجه گیری (معمولاً اشتباه) برای مثال، اگر داده های تماسی را که فقط از یک نماینده یا از یک هفته به دست می آید، تجزیه و تحلیل می کنید، مطمئن شوید که حجم نمونه شما به اندازه کافی بزرگ است و همه مجموعه های داده را در بر می گیرد نیاز است.”
• مدیریت زمان: اگر زمان بیشتری را صرف رفع مشکلات می‌کنید و در کارهای روزمره گیر می‌کنید، پیدا کردن زمانی برای تجزیه و تحلیل و استفاده از داده‌هایتان برای بهبود تیم فروش‌تان دشوار خواهد بود. عملکرد.

اریک کوانستروم، مدیر ارشد اجرایی در CIENCE می‌گوید: «بزرگ‌ترین کلید برای جلوگیری از داده‌های بد، ضرب المثل قدیمی، “آشغال، حذف” داشتن ساختار مناسب برای ورودی و جمع آوری داده ها، هدف نهایی در اینجا در یک سازمان فروش است اعتماد است، و تعریف فرهنگ لغت اعتماد، تکیه بر حقیقت یک فرد یا چیزی است. /p>

برای جلوگیری از داده‌های بد در گزارش‌های خود، تایر همچنین استفاده از فناوری حرفه‌ای را توصیه می‌کند (مانند HubSpot’s مرکز فروش)، محک زدن، دور انداختن موارد پرت (بهترین و بدترین)، و بررسی معیارهای صنعت. نکته مهم این است که فقط به داده‌ها متکی نباشید — به تماس‌ها و ضبط‌های زنده گوش دهید و آموزش مستمر ارائه دهید. برای تیم شما.

تجسم داده های بد

یکی از اولین گام‌ها برای تجزیه و تحلیل داده‌های شما، ایجاد تصویرسازی داده‌ها یا یک داشبورد فروش است. این داشبورد می‌تواند معیارهایی مانند درآمد، نرخ تبدیل، فرصت‌ها و بالقوه‌ها، سرنخ‌های واجد شرایط فروش را ردیابی کند.، چرخه فروش متوسط، معاملات بسته، و بیشتر. در زیر چند نمونه از کارهایی که نباید برای تجسم داده های خود انجام دهید آمده است.

داده های چرخه فروش بد

منبع تصویر: Data Pine

در این مثال، داده‌ها چرخه فروش سه نماینده فروش مختلف را مقایسه می‌کنند. اگرچه این ذاتاً نادرست نیست، هرگز نباید یک نماینده فروش را با یک نماینده با تجربه مقایسه کنید. تایر می‌گوید: “انتظار نداشته باشید که همه تکرارها با سرعت یکسانی افزایش پیدا کنند – فروشندگانی که سبک‌های یادگیری متفاوتی دارند باید با کمی زمان بیشتر آن را دریافت کنند.”

اگر می‌خواهید چرخه‌های فروش را با هم مقایسه کنید، باید اطمینان حاصل کنید که تکرارها را با تجربه مشابهی که روی معاملات مشابه کار می‌کنند، مقایسه می‌کنید.

داده های فصلی فروش بد

منبع تصویر: Piktochart

در این نمودار که پیشرفت فروش در مقابل هدف را دنبال می‌کند، تعطیلات و تغییرات فصلی یا ماه به ماه در نظر گرفته نشده است. تجسم داده‌ها باید مقایسه‌های مساوی انجام دهند، نه اینکه سیب را با پرتقال مقایسه کنند.

هنگامی که نمودار پیشرفت فروش در مقایسه با هدف ایجاد می‌کنید، حتماً فصلی بودن را در نظر بگیرید و اطلاعات را با مقداری نمک در نظر بگیرید.

تجسم بد اطلاعات فروش

منبع تصویر: سیستم های بصری پیشرفته

این تجسم داده‌ها نه تنها داده‌های ضعیفی را نشان می‌دهد، بلکه داده‌ها نیز غیرقابل درک هستند. هنگام تجزیه و تحلیل داده ها، انتخاب نمودار مناسب و درک چگونگی کنار هم قرار دادن یک تجسم مهم است. در این مثال از فناوری تاریخ استفاده شده است. با منابع پیشرفته تری مانند Tableau، این داده ها می توانند به گونه ای ارائه شوند که مفید باشند.

برای اطمینان از دقیق و قابل اعتماد بودن داده‌هایتان، پاکسازی داده‌ها را انجام دهید و ممیزی داده ها. همچنین ممکن است ارزش داشته باشد که به نرم افزار و CRM نگاهی بیندازید که می تواند داده ها را ردیابی کند. برای شما به طور خودکار.

می‌خواهید درباره تمیز کردن داده‌های خود اطلاعات بیشتری کسب کنید؟ وبلاگ ما، “شش روش برای تمیز نگه داشتن داده های خود” را بررسی کنید.