ТЫ ПРОДАЕШЬ НЕ СВОИМ КЛИЕНТАМ
Сегодня я решил затронуть такую важную тему, как портрет идеального клиента, ну или как еще модно нынче говорить ICP - Ideal Customer Profile. В правильных руках и при правильном построении это имбушечка поможет заряжать на максималки маркетинг и выпускать активных продавцов на нужные конференции и мероприятия. А качество и эффективность всех стратегий по привлечению выстрелит в разы.
Я не думаю, что этот пост получится супер длинным, поэтому пойдем сразу к сути. Подойдет эта штука всем, но естественно, в зависимости от вашего бизнеса, от ниши и бизнес процессов вам придется все собирать самостоятельно. Я буду все рассказывать на базе текущего отдела продаж, в котором тружусь, а вы можете взять саму логику и интерпретировать ее под свой отдел продаж и ваш бизнес. Сразу скажу, что копировать модель скоринга 1 в 1 максимально неэффективно, потому что банальное отличие одного бизнес-процесса уже может изменить итоговую оценку скоринга.
- Расскажу про то, что можно и нужно чекать на этапе продаж
- Как считать данные и в каких разрезах
- Собираем модель скоринга исходя из ваших процессов для управления продажами
- Как можно построить подобный скоринг не только для продаж, а для клиентского сервиса, если ваш продукт попадает под долгий LT
Итак, что мы чекаем на этапе продаж и зачем:
- Степень компетенции клиента - это субъективная метрика по мнению сотрудника отдела продаж. Для чего она нужна? Для того, чтобы мы в последствии понимали кто к нам приходит, кого мы добываем, и кто у нас покупает. И поверьте мне, когда собираются данные за несколько лет, данные могут расходиться настолько сильно, что иной раз кажется, а как так получается, что к нам приходят “новички”, а покупают “эксперты”? Ведь нам всегда казалось, что именно “новички” наша ЦА. Создайте 3-5 градаций, по которым вы будете оценивать компетенции клиента, и дайте четко описанные критерии как относить к той или иной категории клиента.
- Рассматриваемый бюджет - здесь мы с вами на брифинге должны уточнить в каких ценовых диапазонах находится клиент, чтобы мы понимали на сколько это наш или не наш клиент. Также, создаем градацию из нескольких диапазонов цен
- Влияние на решение - здесь тоже все просто, кому мы продаем ЛПР, ЛВПР, лицо не влияет на решение или просто сборщик КП. Нам это впоследствии поможет отследить показатели тому кто чаще покупает, и кто чаще обращается. Например, к вам чаще обращаются ЛВПР-ы, а покупают ЛПР-ы. Значит для вас это очевидный маркер, что на этапе продажи нужно всячески пытаться попасть на ЛПРа, чтобы до него долетело ваше предложение
- Как принимается решение - как правило решение принимается единолично или коллегиально. Следовательно нам нужно понимать кто обращается и кто покупает, как они принимают решение. Если те кто покупает, принимают решение коллегиально, значит нам нужно на презентацию КП собирать всех, кто так или иначе участвует в принятии решения
- Сегмент бизнеса (если работаете в B2B) - это одно из ключевых элементов будущего скоринга. Все просто, сюда вносите что за тип компаний, которому вы продаете, это может быть интернет-магазин, шиномонтажка, и т.д..
- Количество рассматриваемых подрядчиков - сколько компаний помимо нас будет участвовать в конкурсе. Нам это даст возможность понять, на сколько сильно рост количества конкурентов в конкурсе влияет на выбор нас как компании
В целом, это скажем так, базовый минимум, конечно можно внести больше данных для исследования, но не стоит забывать, что лучшее - враг хорошего, если будет слишком много сегментов и нарезок, это приведет к гиперсегментации, которая по итогу не даст ничего хорошего. Теперь когда мы знаем что мы будем отслеживать, нам нужно научиться правильно раскидывать эти данные в Google таблицы, и сделать сводные таблицы или отдать все в Chat GPT или Claude, чтобы он все это сделал за вас
Как считать данные и в каких разрезах
Тут нет однозначного ответа из серии: делай это упражнение 3 раза в день и спина болеть не будет. Все зависит от ваших объемов, и на сколько обширные данные вы хотите получать. Я предпочитаю считать в разрезах квартала, полугодия, и года. Если считать в разрезе месяца данные получаются очень на маленькой выборке и работать с данными на такой выборке не самая лучшая идея, но вы можете делать иначе.
Теперь, собственно, в каких вариациях я рекомендую считать и как:
По приходящим мы считаем количество лидов по той или иной выборке, долю в общем объеме. И да, самое важное, я рекомендую считать по квалифицированным лидам, потому что по неквалифицированным вы просто не сможете вытащить всех данных и получится фрод данных, который исказит реальную картину.
Вот пример, как вы можете вынести эти данные:
Что нам это дает, мы видим количество лидов по тем или иным метрикам, и можем понимать, а кого больше или меньше в той или иной выборке приходящих к нам клиентов, а теперь наша задача собрать похожую историю, но уже по проданным
Здесь я рекомендую считать немного под другим углом, в разрезе количества продаж, а также добавить данные по среднему чеку, сумме продаж и % от общего объема продаж. Выглядеть это может вот так:
Данные по продажам в рублях и ср. чек я замазал, но у вас тут должны быть ваши данные.
Далее делаете все тоже самое по отраслевым сегментам, и теперь ваша задача выбрать для вас ключевую метрику, например, сумма продаж. Далее на основании этой метрики вы выбираете лучшие показатели из каждой таблицы и выносите в отдельную таблицу с данными, вот что у вас должно получиться:
Здесь вы можете видеть чуть большее количество метрик, чем те, которые я указал в пункте про то, что мы чекаем. Собственно, если вы продаете несколько продуктов, а не один, вы можете комбинировать подобную выборку по каждому продукту и лучше понимать вашу ЦА и так называемый ICP. Теперь мы можем собрать второй точно такой же портрет клиента, но уже не по проданным, а по приходящим клиентам в отдел продаж, и сделать сравнение метрик, если у вас будет сильное расхождение, значит ваш маркетинг, ваши сейлзы, которые в активную привлекают клиентов бьют не в ту целевую аудиторию, и вы сливаете бюджеты в трубу.
Собственно, у нас есть понимание по портрету и мы можем сделать скоринг по только приходящим лидам в отдел продаж. Это можно сделать и с помощью AI-агента, но если вы идете по пути автоматизации, то на первых порах я рекомендую ставить доп. проверку человеком, чтобы он подтверждал корректность данных от AI и если совпадение 85+%, то можно полностью отдавать в руки автоматизации.
Собственно, собираем модель скоринга исходя из ваших процессов для управления продажами
Для начала мы формируем критерии, и далее, на их базе выставляем коэффициенты. Выглядеть это может следующим образом на примере одного из критериев
И так по каждому пункту, который для нас важен, исходя из данных выше
Помимо этого, вы можете добавить субъективные данные, но это усложнит работу в случае автоматизации через ИИ. Например: выдал доступы к системам аналитики или есть кейсы по этой нише, клиент развернуто отвечает на вопросы и т.д.
Далее, вы суммируете все коэффициенты и получаете итоговую цифру, выставляете диапазон от и до, и бьете на тиры по приоритетности данного клиента для вас
Все, что для вас приоритет А - это для вас самый жирный клиент, которому надо быстрее готовить КП, надо быстрее презентовать предложение, звать на защиту всех кого только можно и затаскивать клиента как можно быстрее
Как можно построить подобный скоринг не только для продаж, а для клиентского сервиса, если ваш продукт попадает под долгий LT
Теперь небольшое отступление, копнем чуть глубже. Я всегда топил за то, чтобы продавать не по принципу давай затащим бабки, а там разберемся, а сделать это грамотно, чтобы клиент долго жил и приносил прибыль компании и тоже получал профит от сотрудничества с вами. Как говорит собственник компании, в которой я работаю: Честно - всегда выгодно. Следовательно, мы можем собрать похожий скоринг для клиентов, которые уже с вами работают. Критерии этого скоринга, естественно, будут другие
Для построения такого скоринга вам нужно собрать похожую историю как на этапе продаж, и взять средний LT по клиенту, сколько он у вас живет. Далее мы смотрим, кто наше контактное лицо, сколько платит клиент нам, насколько он рентабелен для нас, насколько у нас с ним хорошая коммуникация, насколько он требователен и заинтересован в результате, есть ли жесткие KPI и т.д.. Собрав пул данных вы можете собрать портрет идеального клиента, и тем самым сформировать подобный скоринг, где будут определены тиры клиентов, и те, что соберут самые высокие баллы, вы можете отнести к категории VIP клиентов.
Итак, подводя к финалу, хотел сделать пост не очень длинным, а он получился опять лонгридом, но надеюсь, что вы вынесете для себя что-то полезное и сможете внедрить в свой бизнес. Спасибо, каждому кто дочитал этот пост до конца. На связи был За кем стоит дигитал, увидимся в следующих постах, обнял!