Myyntitiimin analysointikyvykkyyden vahvistaminen

Dataa on saatavilla enemmän kuin koskaan, mutta sen hyödyntäminen myynnin arjessa ei ole aina pysynyt kehityksen mukana. Kilpailuetu syntyy yhä useammin siitä, miten hyvin tiimi osaa muuttaa datan ymmärrykseksi ja lopulta konkreettisiksi kaupallisiksi toimenpiteiksi.

Moderni avainasiakaspäällikkö (Key Account Manager, KAM) ei ole enää pelkästään tuotteiden ja hintojen neuvottelija. Hän toimii yhä enemmän datavetoisena liiketoiminnan kehittäjänä. Mutta mitä tämä käytännössä tarkoittaa? Ja miten moderni KAM pystyy erottumaan edukseen tämän päivän neuvottelupöydissä?

Vähittäiskauppa on muuttunut nopeasti ja vahvasti datavetoiseksi. Kaupan ketjuilla on käytössään valtavat määrät kanta-asiakas-, kassakuitti- ja myyntidataa. Samalla ne odottavat tavarantoimittajilta yhä syvempää ymmärrystä kuluttajien käyttäytymisestä, tuoteryhmien kehityksestä ja markkinan dynamiikasta.

Monissa FMCG-yrityksissä ongelmana ei siis ole datan puute. Haaste on pikemminkin siinä, kuka osaa tulkita dataa ja käyttää sitä päätöksenteon tukena. Vastuu analyysistä voi helposti jäädä yksittäisen kategoria-asiantuntijan harteille, kun taas asiakasrajapinnassa työskentelevät KAMit ja kenttämyyjät nojaavat edelleen paljon historialliseen myyntiin ja kokemukseen.

Myyntitiimin analyyttisen osaamisen vahvistamisesta onkin tullut yksi tämän hetken tärkeistä kilpailueduista.

Miksi analytiikan hyödyntäminen jää usein puolitiehen?

Matka datasta oivallukseen ja siitä kaupalliseksi toimenpiteeksi ei ole aina suoraviivainen. Matkan varrella on useita kohtia, joissa tekeminen voi pysähtyä.

Analyysihalvaus: Raportteja, dashboardeja ja Excel-tiedostoja on helposti enemmän kuin kukaan ehtii käydä läpi. Jos myyjä joutuu etsimään olennaisen tiedon kymmenestä eri paikasta, aika kuluu tiedon etsimiseen eikä sen hyödyntämiseen.

Työkalujen ja datan siiloutuminen: POS-data eli ulosmyynti, tukkumyyntidata eli sisäänmyynti, markkinaosuusdata ja kampanjadata voivat olla eri järjestelmissä. Jos niitä ei ole tuotu yhteen myynnin kannalta olennaisten mittareiden ympärille, kokonaiskuvan muodostaminen jää vaikeaksi.

Osaamisvaje ja ”näin on tehty ennenkin” -ajattelu: Datan hyödyntäminen voidaan kokea monimutkaisena ja aikaa vievänä. Jos myyjä ei näe, miten analytiikka auttaa häntä omien tavoitteidensa saavuttamisessa, uuden toimintatavan omaksuminen on vaikeaa.

Viisi askelta datavetoisen myyntitiimin rakentamiseen

Myyntitiimin analysointikyvykkyyttä ei rakenneta pelkästään hankkimalla uusi ohjelmisto. Tarvitaan muutoksia myös toimintatapoihin, osaamiseen ja johtamiseen. 

1. Tee datan tulkinnasta mahdollisimman helppoa

Tieto pitäisi tuoda myyjän luo, ei niin, että myyjä joutuu käyttämään aikaa tiedon etsimiseen.

Hyvä analytiikkatyökalu tekee monimutkaisesta datasta helposti ymmärrettäviä näkymiä. Kun KAM valmistautuu asiakastapaamiseen, hänen pitäisi pystyä näkemään nopeasti esimerkiksi:

• Miten oma brändi kehittyy ketjussa suhteessa koko kategoriaan?

• Missä ovat suurimmat kasvuajurit?

• Missä syntyy hävikkiä tai menetettyä myyntiä?

• Miten kampanjat ovat oikeasti vaikuttaneet myyntiin?

Tavoitteena ei ole tarjota myyjälle mahdollisimman paljon dataa, vaan juuri se tieto, jota hän tarvitsee päätöksen tekemiseen.

2. Tuo tuoteryhmäajattelu osaksi myyntityötä

Myyntitiimin pitäisi pystyä katsomaan omaa tuotetta laajemmasta näkökulmasta. Pelkästään oman myynnin kasvattaminen ei välttämättä ole kaupan kannalta kiinnostavin asia.

KAMin kannattaa pystyä osoittamaan, miten esimerkiksi uusi tuote tai kampanja kasvattaa koko kategoriaa, tuo uusia ostajia tai lisää kulutusta. Jos ratkaisu vain siirtää myyntiä kilpailijalta toiselle, sen arvo kaupalle jää helposti rajalliseksi.

Moderni KAM miettii ennen kaikkea sitä, miten tuote päätyy kuluttajan ostoskoriin ja miten se kasvattaa koko tuoteryhmän arvoa kaupalle.

3. Opettele kertomaan datasta tarina

Pelkillä numeroilla on vaikea vakuuttaa asiakasta. Myyntitiimin pitää osata tulkita dataa ja ennen kaikkea kertoa, mitä numerot tarkoittavat käytännössä.

Hyvä analyyttinen myyntipuhe voi edetä esimerkiksi näin:

Havainto: ”Datasta näkyy, että premium-segmentin kysyntä kasvaa viikonloppuisin.”

Vaikutus: ”Tällä hetkellä menetätte osan tästä kysynnästä hyllypuutteiden vuoksi.”

Toimenpide: ”Jos muutamme täydennysrytmiä ja tuomme monipakkauksia paremmin esille, voimme kasvattaa koko kategorian arvoa X euroa.”

Oleellista on, ettei myyjä pysähdy siihen, mitä datassa näkyy. Hänen pitää pystyä kertomaan myös, miksi havainto on tärkeä ja mitä sen perusteella kannattaa tehdä.

4. Tee analysoinnista jatkuvaa harjoittelua

Analysointikyvykkyys kehittyy samalla tavalla kuin moni muukin taito: sitä pitää käyttää ja harjoitella säännöllisesti.

Yksi toimiva tapa on järjestää myyntitiimille säännöllisiä klinikoita, joissa käydään yhdessä läpi onnistuneita ja epäonnistuneita asiakascaseja. Mitä data kertoi? Miten sitä hyödynnettiin? Mikä argumentti toimi ostajalle ja mikä ei?

Myös sisäinen vertaisoppiminen on tärkeässä roolissa.

Esimerkiksi jaksopalaveriin valmistautumisen yhteydessä voidaan edellyttää, että myyntipuhe perustuu dataan: mikä on asiakkaan ongelma ja miten ehdotettu ratkaisu auttaa kasvattamaan kategoriaa?

Tämä pakottaa katsomaan numeroita ja samalla antaa myyjälle turvallisen ympäristön harjoitella datan sanoittamista yhdessä kollegoiden kanssa.

5. Uudista myös KPI:t ja palkitseminen

Jos onnistumista mitataan edelleen pääasiassa sisäänmyydyillä lavoilla tai yksittäisten kampanjoiden aiheuttamilla myyntipiikeillä, toimintatavan muuttaminen on vaikeaa.

Merkittävä osa KAMin tavoitteista ja palkitsemisesta kannattaa sitoa myös pidemmän aikavälin arvonluontiin. Mittareina voivat olla esimerkiksi onnistuneesti toteutettu JBP-suunnitelma, ennustetarkkuuden paraneminen tai asiakkuuden pitkäjänteinen kannattavuus.

Se, mitä yritys mittaa ja mistä se palkitsee, kertoo lopulta hyvin konkreettisesti, millaista toimintaa organisaatiolta odotetaan.

Mitä datavetoisen myyntitiimin pitäisi seurata?

Kun KAMin rooli muuttuu, myös mittareiden pitäisi muuttua. Perinteisen liikevaihdon rinnalle tarvitaan mittareita, jotka kertovat yhteistyön laadusta, tuottavuudesta ja asiakkuuden todellisesta arvosta.

Tuoteryhmän kasvu: Pystyikö KAMin johtama strategia kasvattamaan koko kategoriaa kyseisessä ketjussa?

Asiakaskannattavuus: Mikä on asiakkuuden todellinen kannattavuus, kun mukaan lasketaan esimerkiksi trade spend, logistiikkakustannukset ja palautukset?

Yhteisten tavoitteiden toteutuminen: Kuinka hyvin kaupan kanssa yhdessä sovitut strategiset Joint Business Planning -tavoitteet toteutuivat?

Ennustetarkkuus: Kuinka hyvin KAM pystyy ennustamaan kysyntää yhdessä asiakkaan ja toimitusketjun kanssa niin, että hävikkiä voidaan vähentää ja hyllysaatavuutta parantaa?

Analytiikka rakentaa luottamusta

FMCG-alalla analysointikyvykkyydessä on lopulta kyse myös luottamuksesta.

Kun myyntitiimi pystyy kerta toisensa jälkeen tuomaan kaupan edustajalle relevantteja, dataan perustuvia oivalluksia ja konkreettisia ehdotuksia kategorian kasvattamiseksi, tavarantoimittajan rooli alkaa muuttua. Pelkän tuotetoimittajan sijaan siitä tulee strateginen kumppani.

Datavetoisuus ei tarkoita sitä, että myyjistä pitäisi tehdä robotteja. Päinvastoin. Hyvä analytiikka antaa myyjälle paremmat lähtökohdat tehdä sitä, missä ihminen on edelleen parhaimmillaan: rakentamaan luottamusta, ymmärtämään asiakkaan tarpeita ja tekemään kauppaa.

Siirtymä perinteisestä myyjästä moderniksi avainasiakaspäälliköksi ei kuitenkaan tapahdu hetkessä. Se vaatii yksilöltä halua oppia uutta, mutta myös yritykseltä oikeita työkaluja, toimivia datalähteitä ja eri funktioiden tukea – esimerkiksi kategoriajohdolta, markkinoinnilta ja supply chainilta.

Lopulta vahvimmassa asemassa on KAM, joka osaa yhdistää kaksi asiaa: hyvän ihmistuntemuksen ja vahvan analyyttisen osaamisen. Kun nämä yhdistyvät, KAM ei ole kaupalle vain yksi tavarantoimittajan yhteyshenkilö. Hänestä voi tulla aidosti tärkeä strateginen kumppani – ja omalle yritykselleen yksi tärkeimmistä kasvun mahdollistajista.