Analítica aplicada a ventas, impacto con datos

En el mundo de las ventas, tanto líderes como profesionales se enfrentan a preguntas cruciales que determinan su capacidad para maximizar resultados y adoptar nuevas tecnologías:

Preguntas que se hacen los líderes de ventas

• ¿Cómo uso los datos de sistemas (CRM y ERP entre otros) para potenciar ventas?
• ¿Cómo mapeo proyectos de analítica que impacten en ventas?
• ¿Cómo hago para que los equipos de ventas adopten productos de datos?

Preguntas que se hacen los profesionales de ventas

• ¿Va a ser más trabajo operar con este ´producto de datos´ en mi día a día?
• ¿Que beneficios obtengo de hacer uso de esta solución?
• ¿Cómo me impacta esto de inteligencia artificial en el largo plazo en mi rol?

Estas son algunas de las preguntas con las que nos encontramos a la hora de trabajar proyectos de analítica en organizaciones que buscan impactar ventas. Hace unos meses me tocó dar una presentación a líderes de ventas en una organización avanzada en la implementación de un producto de analítica avanzada con el objetivo de maximizar ventas y satisfacción de clientes.

Hacer esta presentación me permitió ilustrar cómo el camino de impactar organizaciones con analítica implica varias etapas, que van desde la fase inicial de diseño y conceptualización de soluciones, hasta el desarrollo de MVPs y posteriormente implementaciones que incluyen buena ciencia e ingeniería para operar de forma adecuada. Me permitió recordar que en muchos de estos ambiciosos proyectos de impacto con datos se olvida incluir una fase de gestión de cambio con los usuarios finales (en este caso, la fuerza de ventas) para que luego de entender cómo sus roles y actividades se ven afectados (o no) luego adopten un nuevo producto de datos.

Para facilitar este entendimiento por parte del equipo de ventas (para este caso particular) usé una versión simplificada de un framework que usamos en ixpantia. Este framework o receta permite pensar en diferentes posiciones en una organización (para este ejemplo, ventas) y el impacto que los datos pueden tener en su día a día.

El framework ixpantia se puede simplificar en una matriz 2 x 2 que explico debajo, y que en muchas ocasiones es la base para un taller con los usuarios y el negocio que queremos impactar con datos, para lograr un marco de referencia común. Es clave que los usuarios finales, impactados por productos de datos entiendan lo que los datos pueden hacer por ellos y cómo estos productos de datos (sean dashboards o modelos sofisticados que afectan sus flujos de trabajo diarios) les pueden permitir mejorar sus resultados y aprender en el proceso.

Imagen 1: Framework en ventas

Para este caso particular de ventas, dónde los usuarios finales son los diferentes roles de la fuerza de ventas, esta matriz tiene las características de la imagen 1, en la cual en el eje Y tenemos las diferentes actividades que efectúa un vendedor, que de forma genérica para el ejemplo, van desde (1) investigar mercados o prospectar, para luego (2) generar leads y posteriormente (3) identificar oportunidades para (4) hacer propuestas. Finalmente el último paso en ventas que es (5) aprender de cada caso, sea que la venta se cierra o se pierde a un competidor, para entender qué es lo que pasó.

El eje X de esta matriz, nos permite ver las 3 perspectivas de generación de valor a través del buen uso de los datos, que resumo para este ejemplo según 3 vectores de impacto: (a) decisiones, (b) procesos y (c) conocimiento, ampliados a continuación para el caso de ventas.

Para ejemplificar esto en ventas, los datos generan transformación en:

(a) la toma de decisiones a través de:

i. reportes que un supervisor de ventas puede revisar para conducir sus reuniones,
ii. inteligencia aumentada que, por ejemplo, permite a un representante ofrecer los productos de mayor potencial a sus clientes, y
iii. Con inteligencia artificial que por ejemplo toma decisiones sobre asignación de leads a los vendedores mejor calificados para cerrar ventas según las características de la oportunidad y el vendedor.

Para Latinoamérica, el paso inicial en analítica suele ser reportería y hemos tenido la oportunidad de apoyar a equipos de ventas (líderes, vendedores) entendiendo dashboards y apoyando para que los mismos guíen decisiones y sesiones de trabajo. Por su parte, la inteligencia aumentada es un próximo paso que permite potenciar al ejecutivo de ventas llevando el proceso. Hemos trabajado muchos casos en los que soluciones que integran múltiples tipos de modelos y algoritmos para dar a vendedores opciones que potencian sus resultados y optimizan sus flujos de trabajo. Además, este modelo permite al vendedor ser parte integral en la mejora continua de estos productos de datos (en tanto se establezcan procesos para ello). 

Un ejemplo que me gusta mencionar es el de un cliente en retail (ventas a clientes finales en negocios especializados), en el cual los vendedores, a través de una interfaz en un POS, recibían recomendaciones sobre productos a ofrecer a los clientes a los cuales les estaban gestionando un pago. Esto permite al vendedor, ya acostumbrado a usar el POS, obtener sugerencias (procesadas por una solución de inteligencia artificial, que permite hacer recomendaciones next-best-offer con base en historial de transacciones y perfilado de clientes). De esta manera el vendedor que estaba listo para facturar una venta, encuentra opciones para ofrecer productos y así incrementar sus ingresos. Este caso se describe a alto nivel en el podcast con Andrew Watson.

Para dar cierre a este blogspot, los datos pueden impactar diversas áreas del negocio: mercadeo, logística, finanzas, administración, producción. Muchas organizaciones suelen buscar al inicio maneras de utilizar IA para potenciar ingresos y procesos de ventas. Esto viene con incertidumbres y preguntas muy genuinas, que pueden ser aproximadas con esta matrix 2 x 2 que mapea actividades (de la función o área que se busca potenciar) y las 3 perspectivas de impacto con datos.

Para quienes son parte de equipos de ventas, ya sea desde un rol de liderazgo o desde el frente de batalla de cara a clientes, espero que quede claro que existen casos insignia que muestran el gran potencial del buen uso de los datos. Finalmente, debajo algunos mensajes y conclusiones para quienes llegaron hasta aquí en esta lectura:

• Mapeo de proyectos de analítica en ventas. La matriz mencionada de forma simplificada, es la base de un ejercicio que nos gusta proponer con equipos de ventas
• Marco de referencia común. Generar dinámicas que reunen a equipos comerciales y de analítica, con esta matriz como uno de los artefactos, es de gran valor para definir terminos y con ello proyectos y prioridades.
• El arte de la venta es irreemplazable. Hay mucho que los datos pueden potenciar, pero finalmente ventas trata de generar, mantener y potenciar relaciones de confianza a la hora de identificar oportunidades y hacer propuestas entendiendo el contexto y comunicando de forma adecuada.
• Gran oportunidad de aprendizaje.  Estos tiempos de IA generan una gran oportunidad para quienes están en roles de ventas, que tienen contacto con clientes y que pueden aportar a mejorar soluciones de datos. IA en ventas está para quedarse y crecer, y los vendedores tienen mucho por ganar potenciando estas soluciones para generar mejores resultados y aprender para estar al día para lo que se viene: data driven sales.