営業チームのリーダーであるあなたは、継続的にノルマを達成する強力なチームを作りたいと思うことでしょう。しかし、正直なところ、もしあなたがすべての案件を担当していたら、もっと多くの案件を成約できていると考えていることでしょう。それはシンプルに、あなたの方が経験豊富で、顧客を熟知しているからです。
現実には、すべての取引にあなたが関わることはできません。そのため、現場の部下を信頼しなければなりませんが、彼らは営業上のExecution Gap(業務の実行を妨げている事象)を負担に感じ、最高のパフォーマンスを発揮するのに悪戦苦闘しています。CSO Insightsによると、営業担当者の53%しかノルマを達成していません。（達成率が半々でしかない部署が他にどれだけあるでしょうか？）
現在あなたが使用している分析ツールでは、Execution Gap(業務の実行を妨げる事象)を解決すること、もしかしたら見つけ出すことすら出来ていないかもしれませんが、適切なツールを使用すれば、ギャップを完全に取り除くことができます。
あなたの会社が利用している技術は成果を集計し報告するのには優れているかもしれませんが、パイプラインのギャップ（業務の実行を妨げる事象）がどこにあるのかを特定するのには何の役にも立っていないでしょう。業務を急かされていることが多く、ギャップがどこなのか見当をつけるのはせいぜいマネージャーの直感に委ねられているだけで、データに基づいたものではありません。また、彼らの苦労してきた経験のおかげで、その直感が正しいことはあっても、見込み顧客情報獲得の取り組みは、本当にリード（見込み顧客）を必要としているところとは、しばしば一致していません。
直感と現実の乖離は数字にも表れます。ValueSelling AssociatesとSelling Power Magazineが実施した2020年の調査では、営業リーダーの38％が自分の部下の営業マンがノルマを達成するのに十分なパイプラインを持っていると考えていたのに対し、同じ質問に「はい」と答えた営業マンは23％に過ぎませんでした。
発想の転換が助けになります。あなたはこう言うかもしれません「私は自分のチャンスがどこにあるのかを正確に把握している。」と。しかし、問題はそこにあります。市場に出回っているほとんどのCRMダッシュボードは、現在のオポチュニティに関するリアルタイムの情報を提供すると謳っていますが、実際には期間内のある時点のスナップショットを提供しているに過ぎません。しかし、オポチュニティがどこに到達しようとしているのかを理解するためには、案件成約までの道のりを理解する必要があります。どの見込み案件が何週間、更には何ヶ月も手付かずなのか、どの顧客がまだオポチュニティを持っていないのか？同じようなオポチュニティが時間の経過とともにどのように進展してきたのか？
機械学習、プロセスマイニング、AIなどの技術を含む高度な営業ツールは、本当に必要な洞察を提供します。現在の販売機会を分析し、営業担当者の中でパイプライン上の最も大きなギャップを抱えているのは誰なのかを一目で示してくれます。
最良のツールは予測分析を展開します。これらのツールは、まだオポチュニティを持っていない顧客を洗い出し、類似顧客の過去のプロセス行動や最近の成約（プロセスマイニングと機械学習アルゴリズムを使用）に基づいて、これらの顧客に優先順位を付けます。マーケティングや営業チームは、暗中模索するのではなく、ターゲットを絞ったキャンペーンを実施して新たな機会を創出することができます。
次は、同様の理由から、パイプラインの質が良くても曖昧なことです。成約までの確率に関しては、あなたの部下の仮定は当たりはずれがあります - あるいはもっと悪いことに、彼らは物事がうまくいかないときに積極的に隠蔽しようとしています（古いオポチュニティのクローンを作成して、それがそれほど長い間パイプラインになかったように見えるようにしたり、成約日を12ヶ月後に移動したりするような）。
それに加えて、ダッシュボードは、どのようなオポチュニティが不確実で、営業担当者（または営業マネージャーの指導）がより多くの準備作業を必要とするかを理解するのにあまり役立ちません。結果として、目標が2,500万ドルなのにパイプラインに7,500万ドルあるとしたら、目標未達を心配するでしょうか？
解決策：パイプラインを360度、リアルタイムで見ることができます
結果ベースのレポートから、パイプラインの360度リアルタイムビューへと移行します。過去のデータを活用して（プロセスマイニングを活用して）現在のオポチュニティを評価し、その結果を予測します。単に「活動」で測定するのではなく、目標を達成するために営業担当者の時間と努力に本当に価値があるのはどのオポチュニティなのかを確認できます。
そうすれば、自動的に適切なリソースを適切なオポチュニティに投入することができます。オポチュニティにエグゼクティブ・スポンサーを連れて行くことは、同様の他の案件に役立つでしょうか？特定の業界での成約率が高い営業担当者のうち誰が役に立つベストプラクティスを提供してくれるでしょうか？
洗練されたダッシュボードを使っている人も、昔ながらのエクセルのレポートを使っている人も、実のところ、CRMデータの質が悪いことを知っているからので、レポートを本当には信頼していないのです。
Salesforceの2019 State of Salesレポートによると、「2018年には、データ入力や事務処理などの業務に非常に多くの時間を割く必要があったため、営業マンは販売活動に業務時間の3分の1しか費やしていませんでした。」活動の記録、販売データや顧客メモなどの入力は、調査対象となった営業マンが時間をかけすぎていると回答した上位5つの雑務のうちの2つでした。
しかし、データの質が悪いときに、どのようにして情報に基づいた意思決定を行うことができるでしょうか？問題点：営業担当者がCRM の健全性を維持することは時間の無駄ではなく、自分たちの利益になるものとして捉え始めるまでは、これを変えるのは難しいでしょう。
解決策：営業マンに価値を理解してもらい、自動化できるものは自動化する
営業担当者やアカウントエグゼクティブが現在苦痛に感じることのひとつが、CRMを最新の状態に保つことです。実際、何百ものオポチュニティのために毎日何十もの項目に記入することが楽しいでしょうか？簡単な解決策の一つが自動データ入力です。人間の監視を必要としないフィールド（会議のスケジューリング、見積書作成、会議のフォローアップ、担当者の割り当て、またはリードスコアリングなど）の入力を自動化させましょう。
2020年のHubSpotグローバル調査によると、収益目標を達成している営業組織は営業プロセスの一部として自動化を活用しているが、目標を達成できなかった回答者は自動化を採用している割合が低いという。
高度な分析ツールは、データの健全性（hygiene）違反を粒度レベルで積極的に識別し、違反者に即時警告を送信して説明責任を課すことができます。その上に合理的な次善の策を追加することで、チームが次に何をすべきかを導き、本当に重要なオポチュニティにつなげることができます。
これで一石二鳥です。予測に自信を持つために必要なデータ品質を得ることができ、営業担当者に本来の仕事である販売のための時間を与えることができます。
「すべての顧客は、彼らがあなたの唯一の顧客であるかのように扱ってほしい」と思っています。しかし悲しいことに、現実は違っています。営業チームは取引を成立させるためにあらゆる努力と専門知識を駆使しているのは間違いありません。しかし営業サイクルの、どの段階のどの顧客にどの営業ステップが最適なのかを知ることが出来ないのです。成約率を向上させるためのベストプラクティスは、ほとんどがCRMの奥底に隠されているのですから、それは当然のことです。
同時に、概要の理解が不足しているため、成約率での齟齬を理解していないのです。
解決策：適切なオポチュニティに適切なリソースを得る
営業担当者は最終的にはより多くを売りたいと考えているので、そのために役立つデータを提供しましょう。最良のツールは、営業チームの責任者から現場担当者までをサポートすることができます。営業リーダーであるあなたは、特定の営業チーム、製品、地域における成約率の低さについて、データに基づいた洞察を得ることができます。また、営業担当者には、例えば、目標に対する個々のパフォーマンスについての洞察を与え、各オポチュニティの成約率を向上させるための具体的なアクションを推奨することができます。これは、特定のパートナーを引き入れて顧客の経営陣とのビジネス連携を構築したり、次のステップの最新情報を提供したりすることです。これらのアクションが成約率に与える影響を定量化できれば、さらに良いでしょう。
B2Bの販売サイクルが長くなればなるほど、通常、販売案件がプロセスで行き詰ったり、だめになったりする機会が増えます。また、複雑で透明性のない社内のプロセスや手順では、案件の獲得は容易ではありません。
問題点：どのような案件が一つのステージに長く留まりすぎているのか、その理由は何なのかが見えていません。その結果、どの案件に本当に注力すべきか、どの案件を「リタイア」した方が良いのかが分からなくなってしまいます。あなたはおそらく、営業担当者が次のステージに移すためにもう一押しすべき案件が2～3件あることを知っています。しかし、大半の案件については、営業チームの判断や個々のエンゲージメントに任せなければなりません。
解決策：各オポチュニティのジャーニーを知る
高度なスループット時間分析は、販売サイクルを延長したり加速させたり、あるいは取引を成立させる可能性を低くしている主要な要因を明確に理解することができます。交渉が見積もり作成につながっていないのではないか？オポチュニティが初期段階にとどまり60日以上経過していないか？競合他社に関心を向けていて、貴社と商談を進めることをためらっていないか？
スマートアラートは、案件が行き詰った場合、営業担当者に通知することができます。また、市場で最も優れたツールは、最高のパフォーマンスを発揮するチームに案件を割り当て成約に導くことや、行き詰っている場合に顧客への事例紹介の場を設定したり、商談が長引き成約が見込めなくなった時には商談を終わらせリソースの再優先順位付けをしたりします。
B2Bセールスでは、バイヤーが貴社の製品やサービスの値引きを要求するのは一般的です。可能な限り最高の取引をしたいと思わない人はいないでしょう。もちろん、営業チームには「より厳しい」案件を成約させるための余裕を持たせる必要があります。しかし、案件の減額が何度もあると（例えば、交渉毎に常に20％の損失を出している場合など）、現在のパイプラインを信頼することは難しくなります。その上、通常、何が取引の減額を促しているのかが分からないため、値引きを減らすことが難しくなります。
解決策：案件を減額させるアクティビティをピンポイントで把握する
過度な値引きを避けるためには、面倒な承認ワークフローで値引きを抑制したり、ソリューションの価値をより良くアピールするために従業員をトレーニングしたりするなど、従来の方法が思い浮かぶかもしれません。しかし、予測を本当に安全なものにしたいのであれば、データに注力する必要があります。
データ分析では、どの営業活動がオポチュニティの金額に大きく影響するかを可視化することができます。販売サイクルの初期段階では、課題点の発見が十分な説得力を持っていなかったからでしょうか？特定の製品が何度も何度も値引きされ、見直しが必要なのでしょうか？それとも、営業担当者の一人が他の営業担当者よりも大幅な値引きをする傾向があるだけなのでしょうか？最良のツールは、これらのアクティビティの影響を定量化し、例えば、類似の商談で高い取引金額を維持している営業担当者に替えるなど、取引金額を向上させるためのアクションを推奨することができます。
最高売上責任者（Chief Revenue Officer）としては、多くの負の要因があるにしても、自分の予測に自信を持たなければなりません。定性的な予測は、静的なレポートやマネージャーの主観的な評価に基づいており、過去の業績を考慮することはほとんどありません。要するに、様々な種類のインセンティブや人間のバイアスが関係しているのです。例えば、営業担当者は、取引を成立させるために、一対一のミーティングで特定の詳細な報告を控えているかもしれません。営業の地域担当副社長(RVP:Regional Vice President)は、あまり関与していないオポチュニティを改ざんしたり、単に成約の確率を過大評価したりするかもしれません。
特に大きなB2B組織では、階層化された予測が多すぎるため、オポチュニティに関する貴重な情報が途中で完全に失われてしまいます。その結果、潜在的なリスクを早期に発見して実際に対策を講じることは難しく、予測の乖離を可視化することはほとんどありません。
また、すでにデータドリブン型のアプローチを使用している場合でも、現在使用しているツールでは、個々の案件の経過を考慮には入れていないでしょう。これらのツールは、単に過去の予測データを集計して、同じ条件に基づいてどれだけの案件が成約するかを予測する傾向があります。しかし、オポチュニティはそれぞれ異なるため、販売サイクルもそれぞれ異なります。過去の実績は確かに目安にはなりますが、軌道に乗るための唯一のものであるべきではありません。
解決策：希望的観測ではなく、データで売上予測をバックアップ
誤解しないでください予測はそれでも有効です。しかし、データ分析や人工知能を使って定性予測を強化することができます。市場に出回っているツールの中には、すでにほとんどの作業を自動化しているものもあり、数回クリックするだけで過去の予測データを引き出すのに必要なレポートを生成してくれます。
最良のツールはさらに進化しています。スマートなアルゴリズムとエンゲージメントデータに基づいて、次の四半期の収益をより高い精度で予測します。プロセスマイニング、AI、機械学習などのテクノロジーを組み合わせて、人口統計に基づいてあらゆる機会を分析し、それがどのような経緯をたどり、どのようなアクションをとってきたのかを分析して、その成約率を上げたり下げたりしています。
これらのツールは、案件ごとの予測と過去の予測精度、部下の定性予測を三角測量することで、予測の矛盾を自動的に特定し、成約の可能性が高い案件の潜在的なリスクを明らかにし、次善の策を推奨することで適切なアクションを取ることができます。これにより、案件の規模と成約確率の高い順にリソースを配分することができます。
これは、予測が「芸術」から本当のデータドリブンな「科学」へと移行するときです。
