Fünf Fakten aus unserer Predictive Sales Analytics Software, die Sie wahrscheinlich nicht wissen

Predictive Sales Software Erkenntnisse
Hier erfahren Sie fünf interessante Fakten, die wir bei der Analyse von Verkaufstransaktionen von B2B-Unternehmen mit Hilfe von künstlicher Intelligenz (KI) entdeckt haben.

Sind Sie daran interessiert aus Ihren Verkaufsdaten zu lernen? Ein datengetriebener Vertrieb mit Hilfe von Predictive Analytics und künstlicher Intelligenz bringt viele spannende Erkenntnisse mit sich. Erfahren Sie jetzt was andere Unternehmen gemeinsam mit uns entdeckt haben!

Wie sind wir zu diesen Fakten gekommen? Mit unserer KI-basierten Predictive Sales Software. Sie analysiert Verkaufstransaktionsdaten und generiert präzise Vorhersagen über das Kundenverhalten (Cross-Selling Potenziale, Pricing und Abwanderungsrisiken).

Wir haben also in den letzten Jahren unsere Algorithmen mit ca. 50 Terrabytes ERP-Verkaufstransaktionen trainiert. 50 Terrabytes ERP-Verkaufstransaktionen sind eine Menge Daten. Denn denken Sie daran, dass Verkaufstransaktionen keine großen Bild- oder Audiodateien sind.

Die fünf KI Facts sind also alle durch reale Kundenbeispiele entstanden und diese möchten wir gerne mit Ihnen teilen.

Wir haben extra Fakten ausgewählt, auf die wir in mehreren Fällen gestoßen sind. Es sind also keine Ausnahmen – wir würden allerdings nicht so weit gehen und behaupten, dass sie auf alles übertragbar sind.

Es handelt sich hier immer noch um Erfahrungen und nicht um repräsentative Statistiken.

1. Nicht alle zusätzlichen Daten bringen einen Mehrwert für präzisere Prognosen.

Zu Beginn des Implementierungsprozesses unserer Software, wird die Software mit den Kundendaten trainiert und es können individuelle Konfigurationen vorgenommen werden. Hier beziehen wir alle Daten, die ein B2B-Unternehmen zur Verfügung hat, in unsere Analysen mit ein. Die reinen Verkaufstransaktionen sind die erste Voraussetzung – ohne die geht nichts.

Hat ein Unternehmen jedoch ein gepflegtes CRM-System mit zusätzlichen Informationen über seine Kunden (z.B. gab es Beschwerden oder wie oft gab es einen Kontakt), oder über Wettbewerber, füttern wir unsere Algorithmen auch mit diesen Daten.

Das Ziel dabei ist jedoch nicht „viel hilft viel“, sondern herauszufinden „was hilft viel?“. Regelmäßige Datenbeschaffung und Strukturierung sind sehr aufwendig. Deshalb ist es sehr wertvoll zu wissen, welche Daten brauche ich überhaupt für ein präzises Ergebnis?

Denn ein gutes Pferd springt auch nur so hoch wie es muss.

Hier haben wir durch unsere Software herausgefunden, dass bestimmte Informationen einen Mehrwert bringen und andere nicht.

In einem Beispiel aus dem Bereich Vorhersage von Kundenabwanderung ist dies besonders deutlich:

Wir hatten verschiedene Kriterien über Kunden E-Mails mit in die Software einfließen lassen. Einen signifikanten Einfluss auf die Prognose hatte jedoch nur die Tatsache, ob es E-Mail Verkehr (in einem bestimmten Zeitraum) gab – ja oder nein. Alle anderen Infos, wie Inhalte oder Länge der Mails waren überflüssig.

2. Kunden, die sich beschweren, bleiben.

Diese Tatsache hat sich nicht nur bei einem, sondern bei mehreren Kunden gezeigt. Unsere Software hat ein Muster erkannt, dass wenn ein Kunde sich beschwert, er wahrscheinlich eher loyal ist. Wir waren selbst sehr überrascht von dieser Erkenntnis.

Allerdings haben wir inzwischen auch herausgefunden, dass diese Tatsache schon in verschiedenen Studien über Kundenzufriedenheit (lange vor uns) entdeckt wurde. Wir sind also nicht die ersten – freuen tun wir uns trotzdem.

3. Ethisch kritische Fragen müssen geklärt werden.

Es ist schon vorgekommen, dass eine Korrelation zwischen Mitarbeiter ID (Vertriebler) und Cross-Selling Potenzial, Pricing oder Kundenabwanderung entdeckt wird.

Cross-Selling und Pricing ist eher unverfänglich. Was ist aber, wenn eine Korrelation zwischen Kundenabwanderung und einer Mitarbeiter ID auftritt?

Zuerst: Korrelation ist nicht gleich Kausalität! Das heißt, nur weil es diese Korrelation gibt, darf man auf keinen Fall sagen: „WEIL Mitarbeiter XY dran war, ist Kunde Z weg.“

Diese Korrelation müsste untersucht werden.

Und hier fängt die Ethik an: Will man das? Wollen Sie auf Ihren Mitarbeiter zugehen und ihn darauf ansprechen? Es zieht einen Rattenschwanz an Maßnahmen nach sich. Und nicht zuletzt müsste der Betriebsrat eingeschaltet werden.

Vielleicht ist es doch ratsam die Mitarbeiter ID und diese Korrelation nicht sichtbar zu machen.

Auch wir besprechen diese ethisch kritischen Fragen mit unseren Kunden direkt zu Beginn.

4. Pareto-Prinzip ist immer noch aktuell.

Das Pareto-Prinzip – oder auch 80/20-Regel genannt:

„80 % der Ergebnisse sind durch 20 % des gesamten Aufwandes machbar.“

In Bezug auf unsere Kunden heißt es eher: „80 % des Umsatzes wird mit 20 % der Kunden gemacht“.

Insbesondere bei Kunden im B2B-Großhandel ist dieses Pareto-Prinzip (unserer Erfahrung nach!) ziemlich aktuell. Am Anfang der Software-Implementierung steht eine „Ist-Analyse“ der Verkaufsdaten an. Im Zuge dessen haben wir bemerkt, dass einige unserer Kunden recht nahe an diese Verteilung herankommen. Natürlich nicht punktgenau 80/20. Jedoch ist auf jeden Fall eine deutliche Minderheit an Kunden für eine deutliche Mehrheit des Umsatzes verantwortlich.

Was bedeutet das für die Vertriebsplanung? Unserer Meinung nach sollten sich Key Account Manager zu 100 % um die umsatz-eifrigen 20 % der Kunden kümmern.

Sie sollten jedoch den Rest nicht vernachlässigen. Hilfreiche Tools und Technologien wie eCommerce, E-Mail-Automation und KI-basierte Predictive Analytics Software können das Beste aus den restlichen (zähen) 80 % der Kunden herausholen.

Man könnte also in Bezug auf den Vertrieb sagen: Moderne Technologien erleichtern die Arbeit um 80 %.

5. Menschliche Gesamtprognosen Top – Einzelprognosen Flop.

Eine Funktion unserer Predictive Analytics Software sind Umsatzprognosen. Gesamtumsatz, aber auch detailliertere Einzelverkaufsprognosen je Kunde und Produkt. Also: „wieviel wird von Produkt XY verkauft?“ Oder „wieviel wird Kunde XY kaufen?“.

Die meisten B2B-Unternehmen erstellen selbst Prognosen, indem Sie Ihre Vertriebler befragen, durch Bauchgefühl und/ oder mit verschiedenen Excel Hochrechnungen.

Falls ein potenzieller Kunde solche Berechnungen vorgenommen hat, bieten wir gerne an, die bestehenden Prognosen mit denen aus unserer Software für das kommende Quartal zu vergleichen.

Der Einfachheit halber nennen wir die Prognosen unserer Kunden „menschliche Prognosen“ und unsere „Software Prognosen“. Welche Prognosen sind näher an der Realität?

Hierbei hat sich herausgestellt, dass die „menschlichen“ Gesamtumsatzprognosen wirklich nicht so schlecht sind. Der Unterschied zu unseren Softwareprognosen war nicht groß. Hier zeigt sich, dass eine gute Intuition und Erfahrung oft richtig liegen.

Wo die Software allerdings haushoch gewinnt, ist bei den detaillierteren Einzelprognosen. Je tiefer es ins Detail geht, desto mehr gingen „menschliche Treffer“ in Richtung Zufall.

BERECHNEN SIE JETZT DEN ROI VON QYMATIX PREDICTIVE SALES SOFTWARE

Fünf Fakten aus unserer Software – Fazit.

Das war ein kleiner Einblick in unsere Software Erkenntnisse. Unserer Meinung nach, ist ein datengetriebener – oder besser – ein durch Daten unterstützter Vertrieb die Zukunft.

Erkenntnisse aus den eigenen Daten, geben dem Vertrieb die Möglichkeit zu priorisieren, zu handeln und damit Zeit und Geld zu sparen.
ICH MÖCHTE WISSEN WIE DIE PREDICTIVE SALES SOFTWARE FÜR MICH FUNKTIONIERT.