Hyödynnäthän Salesforce-dataa asiakasymmäryksen lisäämiseksi? Nämä mahdollisuudet kannattaa ottaa huomioon

Julkaistu: 2021-04-16

Jotta Salesforce investoinnista saadaan kaikki mahdollinen hyöty irti, on sen tuottamaa dataa pystyttävä analysoimaan ja tekemään liiketoiminnan kannalta oleellisia päätöksiä saatavilla olevan tiedon pohjalta.

Salesforcesta saatavan datan analysointi tai datan rikastaminen ei ole toimialariippuvaista, eikä se kohdistu lähtökohtaisesti vain tiettyyn funktioon. Myynti toimii usein katalyyttina tiedon analysoinnille, mutta mahdollisuuksia on valtava määrä myös myynnin ulkopuolella. Tämä teksti kokoaa yhteen tärkeimmät mahdollisuudet Salesforce-datan ympäriltä — etenkin myynnin kannalta katsottuna. Alla esittelen kolme lähtökohtaa, jotka kuvaavat mahdollisuuksia, joita Salesforce ja Tableau yhdessä voivat tarjota seuraavilla alueilla: asiakkaiden kannattavuuden parantaminen, asiakkuuksien kasvattaminen, CRM:n käytön tehostaminen, sekä ennen kaikkea asiakaskokemuksen parantaminen.

1. Jaa Salesforcen tuottamaa dataa laajasti organisaatiossa ja paranna asiakasymmärrystä

Lähes kaikki Salesforce-instanssit tuottavat massiiviset määrät dataa vuodessa. Usein tämä data jää Salesforce-ympäristön sisälle, eikä näin ollen päädy sellaisten käyttäjien ulottuville, jotka eivät hyödynnä Salesforcea operatiivisessa työssään. Esimerkiksi myynti tuottaa asiakkaista tietoa, jota voitaisiin hyödyntää useassa muussa asiayhteydessä. Tällainen hyödyllinen tieto voi olla esimerkiksi muutos asiakkaan geografisissa tiedoissa, muutos yhteystiedoissa tai vaikkapa tieto siitä mitä asiakkaan kanssa on tänään puhuttu puhelimessa. Datan hyödyntäminen laaja-alaisesti motivoi myös miettimään, mitä dataa järjestelmään syötetään.

Jotta Salesforcen tuottamaa tietoa voidaan hyödyntää myös muualla kuin Salesforcessa itsessään, tulee tieto saattaa joko johonkin yleiselle data-alustalle tai sitten sitä tulee lukea jollain modernilla BI-työkalulla, kuten Tableau Desktopilla, Tableau Prep:llä tai Power BI:llä. Käyttötapaukset sanelevat suurelta osin kuinka syvää integraatiota on missäkin tapauksessa hyvä lähteä toteuttamaan.

Datan jakelu mahdollisimman laajalle organisaatiossa edistää osaltaan myös parempaa asiakasymmärrystä. Toki konteksti, jossa data kulutetaan, tulee olla oikea, mutta ilman tiedon jakelua ei ole mahdollista tehdä mitään päätöksiä tiedon pohjalta. Jotta asiakaspalveluun tulevat puhelut eivät päättyisi kiroileviin asiakkaisiin, on asiakaspalvelijan hyvä tietää, että myynti on itse asiassa puhunut asiakkaan kanssa hänen haasteistaan edellispäivänä. Datan hyödyntäminen laaja-alaisesti motivoi miettimään, mitä dataa järjestelmään syötetään.

2. Tuo asiakkaaseen liittyvä, Salesforcen ulkopuolinen data osaksi käyttäjän operatiivista työnkulkua

Mitäs asiakas onkaan meiltä viimeksi ostanut?

Ostohistorian ymmärrys on yksi merkittävimmistä asiakkaan ymmärrykseen liittyvistä tekijöistä. Mikäli emme pysty ymmärtämään asiakkaan tarpeita, on myyminen yleensä todella hankalaa. Analytiikan avulla voimme tuoda Salesforcen operatiiviseen työnkulkuun mukaan erilaisia Salesforcen ulkopuolelta saatavia tietoja. Näitä voivat ostokäyttäytymisen osalta olla esimerkiksi:

  • Mitä tuotteita tai palveluita asiakas on ostanut viimeisen 6 kk aikana?
  • Mitä voisivat olla tuotteet, jotka täydentäisivät asiakkaan tarpeita, eli ns. white space -analyysit?
  • Onko asiakkaan ostokäyttäytyminen muuttunut viimeisen 6 kk aikana?
  • Mitä tuotteita samankaltaiset asiakkaat ovat ostaneet, mutta kyseessä oleva asiakas ei?
  • Mitä avoimia sopimuksia asiakkaalla on, jotka ovat umpeutumassa seuraavaksi?

Vaihtoehtoja on siis monia ja kontekstista riippuen tietoa voidaan tuoda joko yhdestä lähteestä, tai sitten hyödyntää useita ulkopuolisia lähteitä.

Tieto laskutuksesta ja kannattavuudesta on varmasti yksi yleisimmin hyödynnetyistä tapauksista CRM-analytiikan suhteen. Tämä on sinällään luonnollista, koska myynti ja laskutus kulkevat yleensä aika käsi kädessä, tai ainakin näin tulisi olla. Varsinkin näin erityistilanteessa on erittäin tärkeää ymmärtää laskutukseen liittyviä kokonaisuuksia. Laskutuksen osalta asioita, joita voimme tarkastella ovat esimerkiksi:

  • Mikä on ollut asiakkaan laskutus viimeisen 6 kk aikana? Onko asiakkaalla ollut maksuhäiriöitä tai ovatko maksuajat pidentyneet olennaisesti?
  • Mitä alennuksia asiakkaalle on annettu ja mikä on näiden suhde toisiin asiakkaisiin?
  • Millä hinnalla asiakkaalle on myyty suhteessa keskimääräiseen hintaan?
  • Miten kannattava asiakas on suhteessa muihin asiakkaisiin?

Laskutusta voidaan tarkastella myös tuote- tai palveluryhmätasolla ja pyrkiä löytämään kokonaisuuksia, jotka ovat oleellisia. Myös segmentointi voi olla yksi mahdollinen tapa hyödyntää laskutuksesta ja kannattavuudesta tulevaa tietoa.

3. Upota visuaalinen analytiikka osaksi Salesforce-käyttäjän normaalia työnkulkua

Asiakastyytyväisyyden arvoa ei varmasti voi korostaa liikaa. Oikea-aikainen informaatio asian suhteen voi olla myös oleellisessa osassa asiakkaan kokeman palvelun kanssa. Täysimääräinen tiedon hyödyntäminen voi olla kuitenkin hankalaa. Asiakaskokemuksen ongelmana on yleensä ns. keskiarvojen kirous. Eli pystymme kyllä tunnistamaan yritystason mittareiden kautta (NPS eli Net Promoter Score tai CES eli Customer Effort Score) yleisiä trendejä, mutta operatiivisen toiminnan ohjaamisessa tieto asiakastyytyväisyydestä per asiakas on yleensä hieman hankalampaa. Tähän paras vaihtoehto on tuoda asiakkaiden avoimet palautteet suoraan CRM:n asiakastietoon, NPS:n ja CES:n rinnalle. Näin voimme parhaassa tapauksessa tarttua mahdollisiin ongelmiin niiden syntyessä ja reagoida mahdollisimman nopeasti tilanteeseen.

Visuaalinen-analytiikka-upotettuna-Salesforceen

Kuva 1: NPS ja avoin palaute

Kaikki edelliset kokonaisuudet vaikuttavat priorisointipäätöksiin. Mutta miten asiakkaisiin vaikuttavia päätöksiä sitten tulisi priorisoida? Voimme esimerkiksi pyrkiä löytämään asiakkaita, joilla on heikko asiakastyytyväisyys, mutta korkea laskutus. Nämä ovat potentiaalisesti lähteviä asiakkaita, joihin vaikuttamalla vaikutus kannattavuuteen voi olla lähitulevaisuudessa merkittävin. Edelliset mittarit voivat olla toki myös toisin päin, eli löytyykö meiltä asiakkaita, joilla on hyvä asiakastyytyväisyys, mutta matala laskutus. Voimmeko tarjota näille asiakkaille jotain mitä aikaisemmin ei olla tarjottu, löytää palautteista jotain sellaista, josta asiakas voisi saada lisäarvoa, mutta jota ei olla tajuttu vielä tarjota. Myös esimerkiksi laskutuksen ja asiakkaaseen kohdistuvien aktiviteettien väliltä voidaan etsiä negatiivisia tai positiivisia korrelaatioita. Priorisointiin liittyvissä päätöksissä keskipisteenä tulisi olla eri kokonaisuuksista yhdistelty tieto, ei intuitioon perustuvat päätökset.

» Katso webinaaritallenne: Enemmän irti Salesforcen datasta – tehosta myyntiä analytiikan avullalinkki toiselle sivustolle, avautuu uuteen ikkunaan

+1 Vinkki: Panosta CRM-datan laatuun heti alusta alkaen

Datan laatu on tässäkin tapauksessa erittäin tärkeää, koska se vaikuttaa analytiikan laatuun ja sitä kautta kaikkeen minkä pohjalta teemme valintoja. Huono datan laatu aiheuttaa vääriä päätöksiä ja kokonaisuudessaan huonontaa mistä tahansa järjestelmästä saatavaa hyötyä sekä madaltaa yleisesti analytiikan hyödyntämistä. Erityisesti Salesforce-kontekstissa datan laatu voi olla isokin ongelma, johtuen CRM:n luonteesta. Dataa syötetään usein manuaalisesti ja yhtenäisiä sääntöjä käytölle ei välttämättä ole. Tähän on tietysti paljon syitä, mutta perimmäinen on varmasti kokonaisuuden läpinäkymättömyys. Analytiikan avulla voimme tuoda isosta massasta esille asioita, jotka ovat (usein kiireessä) jääneet tekemättä. Tärkeää on tietysti huomioida, että tavoite ei ole syyllistää, vaan auttaa oleellisissa pisteissä manuaalista työnkulkua.

Loppujen lopuksi datan laatu määrittää kuitenkin sen, millä tasolla yllä olevista kokonaisuuksista saadaan aikaiseksi liiketoiminnan kannalta katsottuna hyviä päätöksiä. Myös itse datan laatuun voidaan analytiikan avulla tuoda isoja parannuksia. Helpoimmat ja merkityksellisimmät voitot alueen osalta voidaan usein saada puhtaasti CRM-datasta.

  • Onko esimerkiksi myyntimahdollisuuksissa tai tarjouksissa jo vanhentuneita aktiivisia tapauksia?
  • Ovatko myyntimahdollisuuksien tai tarjousten hinnat oikein?
  • Ovatko myyntimahdollisuuksien tai tarjousten sisällä olevien tuotteiden kappalemäärät oikein?
  • Vastaako tarjoustasolle merkitty kokonaishinta tuotetasolta laskettujen rivien kokonaishintaa?
  • Ovatko kontaktien yhteystiedot oikein ja ajan tasalla? Kuinka monta puuttuvaa s-postia tai puhelinnumeroa esimerkiksi löytyy ja kuinka paljon käytetään aikaa niiden etsimiseen aina tapauskohtaisesti, kun niitä tarvitaan?

CRM-analytiikan avulla voidaan tuoda isoja hyötyjä sekä operatiiviseen toimintaan, kuin myös viikkotason johtamiseen ja jopa strategiseen päätöksentekoon. Tärkeintä on huomioida datan laatu, analytiikan tuominen käytännön prosesseihin sekä priorisoinneista syntyvät mahdollisuudet. Hyvä on myös tiedostaa, että CRM-datan hyödyntäminen ei tarvitse olla pelkästään Salesforcen tai minkään muunkaan CRM-järjestelmän sisällä tapahtuvaa, vaan se voidaan tuoda osaksi muita operatiivisia järjestelmiä.

Katso webinaaritallenne

Syvennyimme lisää tämän blogin aiheisiin webinaarissamme Enemmän irti Salesforcen datasta – tehosta myyntiä analytiikan avulla. Katso webinaaritallenne, ja näe konkreettisesti miten erilaista asiakasdataa on tuotu Salesforceen ja visualisoitu osaksi käyttäjän työnkulkua. Saat myös vinkkejä siitä, miten pääset datan hyödyntämisessä alkuun.

Jaa