استفاده از علم تجزیه و تحلیل برای همسو سازی تیمهای فروش و بازاریابی
منتشر شده در مجله کسب‌و‌کار هاروارد
بسیاری از شرکت‌ها در کشمکش برای ارائۀ یک تجربۀ خرید آسان و منسجم برای مشتریان خود هستند. این مثال را در نظر بگیرید: مدیری قصد دارد نرم‌افزارهای کامپیوتری برای کسب و کار خود خریداری کند. او از یک تحلیلگر در تیم خود می‌خواهد تا به جستجوی آنلاین اطلاعات بپردازد. فرد تحلیلگر یک شرکت که بتواند راه‌حل مناسبی برای رفع نیازهای مدیر ارائه کند را به او معرفی می‌کند. مدیر از طریق وبسایت و با وارد کردن داده‌هایی دربارۀ نیازهای خود، از آن شرکت می‌خواهد تا اطلاعات بیشتری را برای خرید به وی ارائه کنند. آن شرکت نرم‌افزاری ابزارهای مربوطه برای حل نیازهای مدیر را از طریق ایمیل ارسال کرده تا او پیش از ارتباط با فروشندگان داخلی آن شرکت و پرسش دربارۀ هر محصول، پیش‌زمینه‌ای از محصولات را در ذهن داشته باشد. اما پس از آن همه چیز به هم می‌ریزد. فروشندۀ داخلی، گویا هیچ اطلاعاتی از داده‌هایی که مدیر پیش‌تر در وبسایت آن‌ها وارد کرده است، ندارد و مدیر باید برای او مجدد تکرار کند. علاوه بر این، برخی پیشنهاداتی که توسط فروشنده به مدیر ارائه می‌شود، با آن چیزی که مدیر در وبسایت آن شرکت خوانده است، تناقض دارد. مدیر تصمیم می‌گیرد تا به صورت حضوری با یکی از فروشنده‌ها ملاقات کرده و شفافیت لازم دربارۀ اطلاعات و جزئیات آن را به صورت کامل به دست آورد. پس از چند روز از آن قرار ملاقات، مدیر یک ایمیل ناخواسته از سوی تیم بازاریابی این شرکت دریافت می‌کند که پیشنهاد بهتر و متفاوت‌تری را به او ارائه می‌کنند. حجم بالایی از اطلاعات حشو و بدون انسجام سبب سردرگمی و ناامیدی مدیر از این شرکت می‌شود. همچنین خود آن شرکت نیز با ارائۀ اطلاعات ناهماهنگ و تکراری و بازاریابی ناکارآمد، منابع و زمان خود را هدر داده و فروش را از دست می‌دهد.
به محض اینکه مشتریان شروع به تعامل با فروشندگان از طریق وبسایت، ایمیل، پیام‌رسان‌ها، پست‌‌های شبکه‌‌های اجتماعی و تبلیغات چاپی و تلویزیونی می‌کنند، همگام‌سازی این ارتباطات و انسجام آن‌ها برای شرکت‌ها دشوار می‌شود (وفور منابع اطلاعاتی مستقل و غیرهماهنگ، نظیر دیدگاه‌‌های مشتری و وب‌سایت‌‌های مقایسۀ قیمت، به سردرگمی مشتریان می‌افزاید). هنگامی که دقیقاً زمان خرید است، مشتری آن زمان را صرف جستجو از میان منابع اطلاعاتی مختلف، فروشندگان حضوری، مراکز تماس، یا پرتال‌‌های خرید گوناگون می‌کند.
مشتریان به‌طور پیوسته و غیرقابل پیش‌بینی، به هنگام خرید در میان کانال‌‌های ارتباطی مختلف جابجا می‌شوند. برای خریدهای ساده ممکن است صرفاً به خرید آنلاین بسنده کنند. برای خریدهای پیچیده، ممکن است از جستجوی آنلاین اطلاعات آغاز کرده، سپس با فروشنده صحبت می‌کنند و مجدد به منابع آنلاین مراجعه نموده تا اعتبار صحبت‌‌های فروشنده را بسنجند. فرایند خرید دیگر به صورت یک فرایند خرید یا منسجم نیست.
برای شرکت‌هایی که محصولات خود را به کسب و کارها می‌فروشند، رفع نیازهای امروزی مشتریان آن‌ها، مستلزم تغییر طرز تفکر است. شرکت‌ها به یک عامل هماهنگ‌کننده نیاز دارند تا از همسو بودن و هماهنگی فروش و بازاریابی اطمینان حاصل کنند. در برخی موارد، این عامل هماهنگ‌کننده یک سیستم رایانه و در برخی موارد، فردی است که با استفاده از داده‌ها و علم تجزیه و تحلیل هماهنگ‌سازی را انجام می‌دهد. آمازون، مثالی از شرکتی است که از یک سیستم رایانه‌ای برای هماهنگ‌سازی کارآمدِ فرایند خرید مشتری استفاده می‌کند. سیستم تجزیه و تحلیل آمازون از داده‌ها در جهت پیش‌بینی محصولاتی که مشتری در آینده ممکن است خریداری کند، استفاده می‌کند. این تجزیه و تحلیل‌ها همچنین یک روش خودکار و همچنین منسجم و هماهنگ را پیشنهاد می‌دهد که با استفاده از آن بتوان در زمان مناسب، پیشنهاد مناسبی به مشتری ارائه کرد. به‌عنوان مثال، آمازون پیشنهادهای خرید سفارشی شده برای هر مشتری را بر روی وبسایت خود قرار داده است. اگر مشتری بر روی این پیشنهادات کلیک کند، اما خریدی انجام ندهد، آمازون می‌تواند با یک ایمیل یادآوری یا ارسال پست بر روی پلتفرم رسانۀ اجتماعیِ مورد استفادۀ مشتری، ادامۀ خرید او را رقم بزند. شرکت‌ها به‌طور پیوسته از هماهنگ‌سازیِ مبتنی بر سیستم رایانه برای مشتریانِ صاحب کسب و کار، به‌ویژه حساب‌‌های کاربری کوچک‌تر یا برای خریدهای ساده‌تر استفاده می‌کنند.
برای حساب‌‌های کاربری بزرگ‌تر و خریدهای پیچیده‌تر، شرکت‌ها به مدیران حساب‌‌های کاربری، مسئولیت هماهنگ‌سازی بازاریابی و فروش برای مشتریان را اعطا می‌کنند. مدیران حساب‌‌های کاربری، با این مسئولیت گستردۀ خود تصمیم می‌گیرند که شرکت چه محصولی را در چه زمان مناسبی و از طریق چه کانال ارتباطی (به‌عنوان مثال، پیام دیجیتال، تماس تلفنی یا بازدید شخصی) به مشتری ارائه کند. اگر این مدیران به داده‌ها و تجزیه و تحلیل‌ها مجهز باشند، بسیار کارآمدتر عمل خواهند کرد.
به‌عنوان مثال، یک شرکت مخابراتی از تجزیه و تحلیل با قابلیت پیش‌بینی‌کننده استفاده می‌کند تا به مدیران حساب‌‌های کاربری کمک کند به مشتریان با پتانسیل بالا، اما با عملکردی پایین‌تر از حد انتظار دسترسی یابند. تجزیه و تحلیل این‌گونه از مشتریان، «ذخیرۀ دوگانۀ داده‌ها یا دو برابری داده‌ها» را نشان داد، یعنی مشتریان مشابه، اما با خریدهای چندباره. با استفاده از بینش حاصله از این داده‌ها، به مدیران گفته شد که کدام مشتریان فرصت‌‌های مهم، اما تحقق نیافته‌ای را برای خرید در اختیار داشته‌اند و چه استراتژی‌‌های فروشی در گذشته برای دو برابر کردن داده‌‌های ثبت شده در مورد خرید آن‌ها به کار رفته است. این بینش‌ها به مدیران حساب‌‌های کاربری کمک کرد تا بدانند که چه محصولات مناسبی را از طریق پیام‌‌های فروش مناسب و در زمان مناسب به کاربرانی با عملکردِ پایین‌تر از حد انتظار پیشنهاد دهند.
در مثالی دیگر، یک شرکت دارویی با استفاده از سیستم پیشنهاددهندۀ کامپیوتری، به مدیران حساب‌‌های کاربری کمک کرد تا اشتراک‌گذاری اطلاعات مربوط به داروهای تجویزی با پزشکان را سازماندهی کنند. این شرکت اطلاعاتی را از طریق اعضای مختلف در تیمهای فروش (نظیر مدیر حساب کاربری، متخصص امور بازپرداخت وجه، رابط‌‌های متخصص در حوزۀ علوم پزشکی و غیره) و کانال‌‌های ارتباطی گوناگون (مانند ایمیل، پادکست، نرم‌افزارهای تلفن همراه، دعوت به کنفرانس‌ها، وبسایت شرکت و غیره) به پزشکان ارائه می‌کرد. با بررسی داده‌‌های مربوط به موقعیت و ترجیحات هر پزشک، این سیستم پیشنهاددهنده به مدیران حساب‌‌های کاربری اطلاع می‌داد که چه محصولی، در چه زمانی، بهترین نتایج را رقم خواهد زد. این مسئله به مدیران کمک می‌کرد تا بتوانند از کانال‌‌های ارتباطی که با وضعیت هر پزشک منطبق باشد، استفاده کنند. به‌عنوان مثال، مدیر حساب‌‌های کاربری پیامی را بر روی تبلت خود دریافت می‌کند: «دکتر جونز در وبسایت شرکت ما ثبت‌نام کرده است تا اطلاعاتی را در مورد عوارض جانبی داروها به دست آورد. پیشنهاد می‌شود تا با دکتر جونز دربارۀ دغدغه‌ها و سؤالاتش گفتگو کنید.» در طول گفتگو با او متوجه می‌شوید که به اطلاعاتی در مورد میزان اثربخشی داروها نیاز دارد و همچنین اصلاً تمایلی به دریافت ایمیل‌‌های تبلیغاتی و ناخواسته ندارد. مدیری که مسئول این حساب کاربری (دکتر جونز) است، در پروفایل او، بازاریابی ایمیلی را حذف کرده و از یکی از رابط‌‌های متخصصِ شرکت در حوزۀ پزشکی می‌خواهد تا به سؤالات دارویی وی پاسخ دهد. با پیگیری ترجیحات، رفتار و نتایج مورد انتظار پزشکان و اشتراک‌گذاری این بینش‌ها با مدیران حساب‌‌های کاربری، شرکت پیوسته روابط خود با پزشکان را ارتقا می‌بخشد.
امروزه شرکت‌ها و صنایع بیشتری با چالش هماهنگی بازاریابی و فروش با یکدیگر و همسو شدن آن‌ها با نیازهای خرید مشتریان مدرن رو در رو هستند. با افزایش حجم، تنوع و سرعت توسعۀ داده‌‌های مربوط به کسب و کارها، علم تجزیه و تحلیل (شامل هوش مصنوعی) نقش مهم‌تری را در ارتقاء تجربۀ خرید مشتری ایفا می‌کند.
Using the science of analytics to align sales and marketing teams
Published in Harvard Bussiness Journal
ترجمه و تدوین از وبسایت شخصی دکتر سعید سعیدی‌پور
انتشار مطالب فقط با ذکر منبع این وبسایت مجاز است.
