勝敗分析 とは ユニファイドコマースとオムニチャネルコマースの メトリックス用語集
勝敗分析は、競争環境をよりよく理解し、営業、マーケティング、製品管理などのプロセスを継続的に最適化したい人にとって不可欠なプラクティスです。
なぜ、ある取引に勝ち、他の取引に負けるのでしょうか?競合他社XYZに勝つ頻度はどれくらいですか。ヘルスケア分野での競争力はどの程度か。
このような質問をして答えを出し、導き出した結論に基づいて行動を起こすことは、ビジネスを成功させるためのパズルの重要なピースです。
勝敗分析とは
成否分析は、取引が成立または失注した理由を判断するプロセスです。具体的には、業界、企業規模、ペルソナ、競合他社の関与、リードソースなど、さまざまな変数に対してパフォーマンスを評価し、そこから取引の成否を判断するプロセスです。
ご想像のとおり、組織によって勝敗分析は、さまざまな理由でさまざまな方法で実行されます。比較的混雑していない市場の駆け出しの企業は、主に特定の競合他社に対するパフォーマンスの評価と改善に関心があるかもしれませんが、複雑な競争環境の真っ只中にある確立された企業は、多くの変数に対するパフォーマンスの評価と改善に関心があるかもしれません。
勝敗分析は、データ収集、分析、アクションの実行という 3 段階のプロセスと考えることができます。これらの各ステップについては後ほど詳しく説明しますが、まず、データに関する注意点として、定量的データと定性的データの両方が、取引の成否を判断するプロセスで使用することができ、また使用する必要があります。この機会に、勝敗分析に飛び込む際に役立つ 2 つの定量的データポイントについて簡単に説明しましょう。
勝率と勝敗率の計算方法
成約率とは、営業チームが商談を顧客に変える率を指します。これは、獲得した営業案件の数を、生成された営業案件の総数で割ることによって計算できます。なお、勝率はマクロレベルとミクロレベルの両方で評価できます(業界別の勝率、ペルソナ別の勝率など)。
成約率とは、受注した商談と失った商談の比率を指します。これは、獲得した機会の数を失った機会の数で割ることによって計算できます。なお、(1)進行中の商談は獲得も失注もしていないこと、(2)企業規模別の成約率、リードソース別の成否率など、マクロレベルとミクロレベルの両方で評価できることに注意してください。
3ステップで勝敗分析を行う方法
今日のガイドのこの部分を見ていく際には、組織によって勝敗分析がさまざまな理由で異なる方法で行われることを念頭に置いてください。次の 3 つのステップのプロセスは、すべての人にとって完璧ではないかもしれませんが、成約した取引と失った取引から意味を引き出す方法を見つけようとしている人にとっては、出発点として役立ちます。
1. データを収集する
まず最初に、最終的に結論を導き出し、行動を起こすためのデータを収集する必要があります。少なくとも、各商談の名前と所有者、および商談が成立したか失注したか (またはまだ進行中か) を知る必要があります。おそらくそれ以上のものが必要になるでしょうが、私たちはあなたが活用できるデータの種類とソースのいくつかのアイデアを持っています。
ただし、最初に重要な注意点として、活用するデータの種類とソースは、勝敗分析の目標に基づいて通知する必要があります。自問自答してください:何を知りたいのか、
- そしてその理由は?
- どの変数に対してパフォーマンスを評価しますか?
- 業界固有のデータに興味がありますか?
- ペルソナ固有のデータ?
- 競合他社固有のデータ?
これらの質問に対する回答、および思いついた類似の質問に対する回答は、探しているデータの種類とソースを導きます。しかし、それまでの間、ここにあなたが始めるためのいくつかのアイデアがあります。
販売データ
営業担当が勤勉な個人であると仮定すると、顧客関係管理 (CRM) ソリューション内の各商談に関するメモを書き留めている可能性があります。これらのメモを見てみると、役職、年功序列、問題点、ユースケース、反対意見、競合他社などに関連するあらゆる種類の有用な情報を見つけることができます。
見込み客と顧客からのフィードバック
成否データを収集するには、取引の勝敗を最終的に決定する個人の頭脳を選ぶのが一番です。見込み客や顧客へのインタビューは、意思決定者(または意思決定者と緊密に連携する人々の心)に混じりけのないアクセスを提供するため、非常に価値があります。営業担当のメモは素晴らしいものですが、ソースに直接たどり着くことができれば、さらに良いでしょう。
企業統計データ
企業統計は、組織を分類するために使用される一連の特性です。人口統計が人々にとってそうであるように、彼らは組織にとって重要です。営業担当によっては、商談メモに企業統計データを含める場合もありますが、常にそうであるとは限りません。業界、場所、収益、企業規模、会社の成熟度、またはそれらに沿ったその他の変数に対するパフォーマンスの評価に関心がある場合は、多くの場合、フォームを介して収集され、CRMソリューション内に格納されている企業統計データは必須です。
マーケティングデータ
商談が成立または落注した理由を判断する際には、見込み客とマーケティング資料のやり取りの傾向を探ることが役立つことがよくあります。コンテンツ管理システム(CMS)、CRMソリューション、および採用しているマーケティングオートメーションツールを使用して、年齢、トラフィックソース、リードソース、コンテンツエンゲージメントなどで機会をセグメント化できます。
2. データを分析する
見込み客や顧客へのインタビューの実施、競合他社XYZ社が関与するオポチュニティの営業担当のメモの集計、業種XYZ社のオポチュニティの数の計算など、データを収集したら、次は分析を行います。言い換えれば、ステップ1に飛び込む前に、自問自答した質問に答える時が来ました。
勝敗分析を大まかに始めると役立つ場合があります。全体的な勝率、全体的な勝敗率、そしておそらく全体的な競争勝率(つまり、少なくとも1つの競合他社が関与する取引を獲得する率)を計算します。これらの大まかな指標から始めることで、これから明らかにする他のすべてのものを効果的にコンテキスト化できます。たとえば、25%の競技全体の勝率を計算することから分析を開始するとします。分析の後半で、競合他社 XYZ に対する勝率を 40% と計算すると、営業担当がその特定の競合他社に対して特に優れたパフォーマンスを発揮していることをすぐに推測できます。
大まかな問題に気を配ったら、収集したデータを重要と思われるさまざまな変数と照らし合わせて細かく分析できます。繰り返しになりますが、重要と考える変数は、目標に大きく依存します。ここでは、車輪を回すための例をいくつか紹介します。
見込み客による機会損失の一般的な理由
定性的な見込み客のフィードバックを慎重に確認することは、データの細分化について考えるときに最初に頭に浮かぶものではないかもしれませんが、勝敗分析プロセスの最も重要な要素の1つです。
見込み客に、競合他社のソリューションを購入することにした理由を尋ねたところ、彼らは何と答えましたか?おそらくもっと重要なことは、彼らが何を言わなかったのかということです。単純そうに聞こえるかもしれませんが、機会損失の最も一般的な理由と最も一般的でない理由に注意することで、多くのことを学ぶことができます。
そして、きめ細かくすることを恐れないでください!見込み客のフィードバックをさまざまな方法でセグメント化することで、何か意味のあることを観察できますか?銀行セクターの見込み客からのフィードバックのみを確認すると、何に気づきますか?有料検索広告でデータベースにアクセスした見込み客からのフィードバックのみを確認する場合はどうでしょうか?
顧客による商談成立の一般的な理由
私たちは損失分析を行うためにここにいるのではなく、勝ち負け分析を行うためにここにいるのです!そのため、獲得した取引に関する定性的なフィードバックを慎重に確認することも価値があります。
顧客にソリューションを購入することにした理由を尋ねたところ、彼らは何と答えましたか?彼らは何を言わなかったのでしょうか?見込み客の回答から学んだのと同じように、これらの回答からもビジネスについて多くのことを学ぶことができます。
繰り返しになりますが、粒度は躊躇するものではありません。銀行セクターの顧客は、ホスピタリティセクターの顧客とは大きく異なるフィードバックを提供する可能性があります。有料検索広告でデータベースにアクセスした顧客から提供されたフィードバックは、トレードショーでデータベースにアクセスした顧客とは大きく異なる可能性があります。いずれにせよ、それを知る方法は1つしかありません。
競合他社別の勝率と勝敗率
競争が激化する市場で事業を展開しているという意味で、あなたのビジネスがほとんどのビジネスと同様である場合、どの競合他社が多かれ少なかれ注目に値するかを判断するのは難しい場合があります。この判断を下す方法の 1 つは、競合他社ごとに、商談の成立率と、成立した商談と失った商談の比率を計算することです。
ペルソナ別の勝率と勝敗率
ソリューションは、一連の問題点を和らげるために存在します。しかし、すべての見込み客が同じようにこれらのペインポイントを経験することを当然のことと考えるべきではなく、したがって、すべての見込み客があなたの営業およびマーケティング戦術に同じように反応することを当然のことと考えるべきではありません。ペルソナごとに勝率と勝敗率を計算することで、あなたのアプローチがさまざまなオーディエンスの共感を呼んでいるか(またはうまくいっていないか)を把握できます。
リードソース別の勝率 & 勝敗率
顧客を生成するためにリードを生成します。また、すべての見込み客が同じようにペインポイントを経験すると想定すべきではないのと同様に、すべてのリードソースが同じ割合で収益につながると想定すべきではありません。リードソースごとに成約率と成約率を計算することで、どのタイプのリードが顧客になる傾向があり、どのタイプのリードがそうでないかを把握できます。
3. 行動を起こす
この時点で、なぜいくつかの取引に勝ち、他の取引に負けるのかを強く理解しているはずです。知識のための知識はクールですが、この演習の最終的な目的は、時間の経過とともにパフォーマンスを向上させることです。そのため、アクションを起こすことは、勝敗分析プロセスの 3 番目で最後のステップです。
あなたが学んだことを踏まえて、あなたとあなたの同僚はより多くの取引を獲得するために何をする必要がありますか?もちろん、この質問に対する答えは組織によって大きく異なりますが、実行する必要がある可能性のある一般的なアクションアイテムをいくつかまとめました。
焦点を絞る
営業チームは、特定のタイプの企業に不釣り合いに苦労していることに気付くかもしれません。ある程度の規模の企業、一定の成熟度を持つ企業、特定のセクターの企業など、その範囲を狭めることを検討する価値があります。これらの取引を追求する機会費用が潜在的なアップサイドを上回っている場合、なぜわざわざ?
ペルソナを見直す
営業担当者を悩ませているのは特定の企業ではなく、特定の見込み客、つまり特定のペルソナである場合があります。その場合は、いくつかの要因のうちの1つが関係している可能性があります。営業担当が苦労しているペルソナが、単にソリューションに適していない可能性があります。たとえば、営業担当が営業リーダーとマーケティングリーダーの両方を追いかけていて、後者のグループに不釣り合いに苦労している場合、理由の 1 つとして考えられるのは、何らかの理由でマーケティングリーダーが製品やサービスについて話すのにふさわしい人物ではないということです。
別の説明としては、マーケティングリーダーは連絡を取るのにふさわしい人物であるにもかかわらず、営業担当は説得力のある売り込みを行うのに十分な知識を持っていないということです。いずれにせよ、勝敗分析から得られるのは、ペルソナを見直す必要があるということです。
競争力のあるバトルカードを改善する
もしかしたら、営業担当は特定の企業や特定のペルソナではなく、特定の競合他社と対立しているのかもしれません。繰り返しになりますが、これにはいくつかの理由が考えられます。ある競合他社は、自社のソリューションを自社のソリューションよりも優れた選択肢として位置づけるという優れた仕事をしているかもしれませんが、別の競合他社は、割引で見込み客にインセンティブを与えるという素晴らしい仕事をしているかもしれません。
いずれにせよ、特定のライバルが方程式に加わったときにパフォーマンスが急降下することに気付いた場合は、競争力のあるバトルカードを改善することが最善の方法である可能性があります。リアルタイムのコンテキスト化されたインテリジェンスと既製の会話戦術で営業担当を武装させることができれば、営業担当は商談を成立させるための準備が整います。
製品ロードマップを微調整する
この最終的なアクションアイテムは、定量的なデータに基づいている可能性は低く、定性的なデータ、特に代替ソリューションを購入することを決めた見込み客から受け取るフィードバックに基づいている可能性が高くなります。彼らの回答をくまなく調べていくと、自社の製品ロードマップが市場の需要と本来あるべきほど整合していないことに気づくかもしれません。
例えば、見込み客との面談を振り返ってみると、商談が成立しない最も一般的な理由は、分析ツールが提供する深みの欠如であることに気付きます。分析ツールの改善が製品ロードマップにない場合、それは明らかに問題です。あなたや同僚にとって、より高い確率で商談を獲得することが重要な場合、そのロードマップにはいくつかの作業が必要です。
まとめ:勝敗分析で競争相手を打ち負かす
企業が自社の市場がますます混雑していると回答し、販売取引の大部分が競争的であると回答しています。これまで以上に、なぜ勝つのか、なぜ負けるのかの両方を理解することが重要になっています。
なぜそう言うのでしょうか?なぜなら、その理解があれば、一貫して賢明な決定を下す能力が生まれるからです。特定の変数に対するパフォーマンスの良し悪しがわかれば、組織を正しい方向に導くための準備が整います。特定のセクターに力を入れたり、見込み客とのコミュニケーションで使う言葉を再考したり、コンペティティブ・インテリジェンスに投資したりするなど、データが味方してくれれば、失敗する可能性ははるかに低くなります。
そして、競争が激しくなればなるほど、失敗の代償も大きくなります。