2021.09.06
2023.06.08
「営業データをもっと活用して分析したいが、方法がわからない」
データ活用の重要性はわかっていても、方法がわからず悩んでいる営業担当者は多くいます。営業データを活用すれば傾向が掴め、対策を練りやすくなるでしょう。
そこで本稿では、営業にデータ分析が必要な理由、パイプライン分析、受注傾向の分析方法などについて解説します。
具体的に使える方法ばかりなので、本稿を通して自社の営業プロセスの見直しにぜひお役立てください。
コンテンツ目次
営業にデータ分析が必要な理由
営業活動にデータ分析を取り入れるべき理由を2点解説します。
属人的な営業活動をストップできる
営業活動は属人的になりやすく、営業担当者のスキルや経験に任せがちです。社内にノウハウも蓄積されず、担当者が転職などでいなくなると貴重な情報やコネクションも同時に失われてしまうでしょう。
そこで営業にデータ分析を導入すれば、客観的に状況を把握でき管理しやすくなります。情報の蓄積も簡単に行えて、営業活動を飛躍的に効率化できるでしょう。
営業課題が明確になる
営業活動をデータで把握すれば、課題点が可視化されやすくなります。案件数、失注率、購入率の低い製品など、自社の弱みをチームで共有し、改善策を立てやすくなるでしょう。
課題だけでなく数値を見れば自社の強みも理解でき、アピールポイントとして営業トークに使えます。担当者の曖昧な感覚やカンに頼ることなく、認識を一致できる点がメリットです。
営業で重要な「パイプライン分析」のやり方
営業活動の「集客→アポイント→商談→クロージング」という一連の流れを「パイプライン」といい、各過程でKPIを設定し、パイプライン分析を行うのも効果的です。
プロセスを細分化し、目標数値と達成状況を比較し定量分析を行うことで、営業活動の強みや弱みを見つけられるでしょう。
パイプライン分析で設定すべきKPIは、以下の通りです。
- リード獲得と育成：アプローチ数とアポの獲得数
- 商談：商談数やアポから商談につながる確率
- 受注：営業機会数や成約率、顧客単価
- プロセス転換率：次の営業プロセスにつながる件数や確率
HubSpotという営業支援システムでは、プロセスごとの状況を正確に把握するために、パイプライン設定が行えます。こちらの記事に詳しく解説しているので、ぜひ参考にしてください。
データを使った受注傾向の分析方法
データを用いて営業の受注傾向を分析する方法をお伝えします。まずデータを因数分解して細分化する方法をお伝えし、各分析方法について解説します。
- リード獲得から受注に至る日数の分析
- リード獲得チャネルごとの受注率の分析
- ABC分析
- アソシエーション分析
- RFM分析
- 重回帰分析
データ分析では因数分解が肝
営業活動でメインのKPIの1つである売上を因数分解すると、売上が増減した原因が明確になります。売上を構成している要素の例として、以下が挙げられます。
- 顧客数…新規顧客数、既存顧客数
- 単価…機能ごとの単価、業種別の単価、割引率
- 購入頻度…曜日、時間帯別の頻度
それぞれの要素を使って、「今月は〇〇地域において、受注に至った既存顧客数は新規よりも〇%多かった」「〇〇地域の店舗では、〇曜日の〇時頃が最も売上が伸びる」と、特定の地域や店舗の売上状況を、データで把握できるようになります。
つまり、それぞれのKPIに関する要素を因数分解し、細かく洗い出してからデータ分析を行うことで、より明確に受注傾向を割り出せるようになるでしょう。
リード獲得から受注に至る日数の分析
受注傾向を探る上で重要な指標となるのが、リード獲得から受注に至るまでの日数です。受注について分析する際、単価だけでなく営業のリードタイムを短くすることで売上増加につながります。
正しく把握するために、「リード獲得→アポイント→提案→担当者合意→決裁者の許可→受注」それぞれのフェーズで平均して何日かかっているかを分析します。
「担当者合意→決裁者の許可」で起こる、相手企業の業務フローを変えることは難しいですが、「アポイント→提案」「決裁者の許可→受注」といった自社のフローや、契約書手配業務を短縮化することは可能です。
このように各フェーズの平均日数から、改善点が明確になることもあるので、案件や商品ごとのリードタイムについて分析することが重要です。
リード獲得チャネルごとの受注率の分析
インターネットやスマホの普及により、リードを獲得するチャネルが多様化しています。例えば、リードチャネルとして以下のチャネルがあります。
- オウンドメディア
- リスティング広告
- タクシー広告
- プレスリリース
- テレアポ
- DM
- オンライン・オフライン展示会 など
チャネルごとのリード獲得率や受注率がわかれば、どのチャネルに予算をかけるべきか判断できるようになります。
特に最近では、Googleのリスティング広告やオウンドメディアからのコンバージョン率が高く、商談や受注につながりやすい傾向があります。理由としては、どちらもユーザーが「知りたい」と思うキーワードでGoogle検索し、検索結果画面に表示された広告やウェブサイトを自らクリックしているためです。
ユーザーの「知りたい」という要求に応える形で、リスティング広告やオウンドメディアのコンテンツを準備しておけば、「もっと話を聞いてみたい」「資料をダウンロードしてみよう」と次のアクションにつながるでしょう。
どのチャネルを強化すべきかは、業種や商品、地域や顧客層によっても異なるので、チャネルごとの受注傾向を予め把握し、マーケティングや営業活動に役立てることが重要です。
ABC分析
ABC分析は、提供している商品ごとの売上や人気ごとにランク分けを行う分析手法で、重点分析とも呼ばれます。どの商品が自社にとって重要かが把握でき、発注、在庫管理、販売管理などに役立てられます。
例えば、ABC分析を使って扱っている商品をグループ分けすると「売上高の割合を最も占めている商品Aの在庫や出荷量を増やそう」「一番人気がなく、売上が低い商品Cを死筋商品としてラインナップから撤退させよう」と判断できるようになるでしょう。
現状分析や今後の戦略立案に適しているのが、ABC分析だといえます。
アソシエーション分析
アソシエーションには、「関連・共同」といった意味があり、アソシエーション分析は複数のデータ間における関連性の強弱を把握するために用いられます。単一データを見るのではなく、データ間の関連性に着目している点が特徴です。
特に、実店舗型ビジネスの飲食店や小売店、ECサイトでのショッピングにおける売上分析として、アソシエーション分析は用いられています。
例えば、飲食店で「唐揚げを頼む人は、ほぼ必ず一緒におつまみセットもオーダーしている」、ECサイトではオンライン上の顧客行動を分析できる機能もあり、「パーカーを買う人に、おすすめ機能で右斜め下にキャップを掲載すれば、同時に購入される確率が上がる」などと分析可能です。
アソシエーション分析を行えば、実店舗やオンライン上のECサイトで、商品の配置やセット割といった効果的な戦略を打ち出せるようになります。
RFM分析
RFM分析とは、顧客の購入傾向を分析する手法です。以下の3つの頭文字の項目を基準に分析します。
- Recency：顧客が商品を最後に購入した日
- Frequency：頻繁に商品を購入する顧客
- Monetary：顧客の購入金額
Recencyでは、顧客リストを「購入日付が若い順」に並び変えて、上位顧客の年齢、性別、住居地域といった特徴を把握できます。自社商品は、最近どのターゲット層に人気があり、逆にどの層が購入していないかが明確になるため、マーケティング活動に活用可能です。
Frequencyでは、顧客を「購入回数が多い順」に並び替え、ロイヤルカスタマーやファンの傾向分析に使えます。逆に、購入回数が低い顧客データに関しては、新規開拓の材料として活用できるでしょう。
Monetaryでは、「一番お金を使ってくれた顧客」や「一番払っていない顧客」が把握できます。つまり、購買意欲が高い／低い顧客の特徴がわかるので、営業でのアプローチ法を具体化できるでしょう。
RFM分析は、Recency、Frequency、Monetaryを掛け合わせて分析することも重要です。
例えば、一番最近買ってくれた顧客の支払金額が最低レベルならば、分析に値しないデータかもしれません。また、購入頻度が低くても支払金額が多いなら、再び買ってもらえるためのフォローアップにデータを活用できるでしょう。
重回帰分析
重回帰分析は、目的変数（結果）に関連する複数の変数（要因）のうち、どれがどのくらい目的変数（結果）に影響を与えているかを分析し、予測する分析方法です。
例えば、売上を因数分解して洗い出した複数の要因の中で、新規顧客数、既存顧客数、単価などの何が売上高に最も影響があるかを回帰分析して、売上予測を行います。
シミュレーションの結果、売上予測が目標を下回っていたら、どの要素を改善すれば達成できるかの施策検討に役立ちます。新規顧客数アップに向けたテレアポの改善、既存顧客へのフォロー回数アップ、値引き率の再検討など、具体策を打ち出せるでしょう。
営業データ分析にはSFAを活用
営業データ分析を行うにはSFA（営業支援システム）の活用がおすすめです。データ抽出から分析まですべて手動で行うのは現実的ではなく、分析時にミスが多くなる可能性があるからです。
受注傾向を探る前に、まず分析の目的を明確にします。目的をはっきりさせることで、必要なデータを的確に抽出しやすくなります。例として、「新商品の受注傾向」「ウェビナーで商品紹介後の受注傾向」「リピーター層の受注傾向」などが挙げられるでしょう。
次に、SFAからデータ収集を行います。売上推移や顧客情報はもちろんのこと、営業担当者の行動データ、案件ごとのデータもSFAによっては抽出可能です。SFAにレポート機能が搭載されていれば、自動で受注傾向レポートが作成されます。
SFAについては、こちらの記事でさまざまな機能や特長を比較しているので、ぜひ参考にしてください。
参考：【SFA比較】主な営業支援ツール（SFA）の特長と違いを解説
営業データを分析して受注拡大していこう
営業データを活用して受注傾向を掴むためには、まず営業活動を因数分解して項目を抽出し、ABC分析、アソシエーション分析、RFM分析、重回帰分析を使うことが大切です。
さらに、営業パイプラインのフェーズごとの分析、リードタイムやチャネルごとの分析も忘れず行いましょう。
株式会社FLUEDでは、SFAを使った営業のDX化や、貴社の営業分析のサポートなどを実施しています。「一度営業活動を整理したい」、そんなときはぜひお問い合わせください。
