Mirek Černý | Datový rádce
Mirek Černý | Datový rádce
Anonymizovaný klient: B2B obchodní firma z automotive segmentu působící v České republice s obchodními aktivitami v rámci EU.
Klient měl k dispozici rozsáhlá zákaznická a obchodní data, ale obchodní tým je nevyužíval systematicky při rozhodování, komu volat, kdy volat a co konkrétně nabídnout. Většina obchodní aktivity probíhala vzdáleně prostřednictvím telefonických obchodních hovorů.
Před změnou dosahoval klient průměrného obratu na obchodní hovor přibližně 13 EUR.
Cílem nebylo jen zvýšit počet hovorů. Klíčové bylo zjistit, jak z každého hovoru získat vyšší obchodní přínos.
Hlavní otázky byly:
kterým zákazníkům má smysl volat prioritně,
kdy je vhodný moment ke kontaktu,
jak často má být zákazník kontaktován,
jakou nabídku má obchodník v hovoru otevřít,
jak převést datovou analytiku do praktických doporučení pro každodenní práci obchodníků.
Řešení bylo postavené na propojení zákaznických, obchodních a telefonních dat.
Zpracovávala se zejména:
nákupní historie z ERP,
záznamy o uskutečněných hovorech z telefonní ústředny,
očištěná telefonní čísla a kontaktní údaje,
frekvence nákupů,
čas od posledního nákupu,
historický obrat,
čas od posledního kontaktu,
počet uskutečněných hovorů.
Na základě těchto dat vznikl doporučovací model, který prioritizoval zákazníky podle pravděpodobnosti obchodního přínosu a pomáhal obchodníkům rozhodovat, komu volat a co nabídnout.
Model rozdělil zákazníky podle obchodní priority a doporučoval, kdy a jak často je kontaktovat. Nešlo o statický seznam, ale o praktický plán pro každodenní práci obchodníků.
Důležitou roli hrály zejména:
čas od posledního nákupu,
frekvence nákupů,
roční obrat,
čas od posledního kontaktu,
historie telefonních kontaktů.
Prediktivní model doporučoval několik konkrétních položek nebo typů vozů, které měl obchodník zákazníkovi nabídnout.
Vycházel z historického nákupního chování zákazníků a fungoval podobně jako doporučovací modely v e-commerce.
Doporučení byla obchodníkům zpřístupněna ve formě denních výstupů a interaktivních dashboardů. Vybrané informace byly integrovány také do ERP a CRM, aby byly dostupné přímo v běžné práci obchodního týmu.
Řešení běželo nad dedikovaným datovým skladem a využívalo mimo jiné Microsoft SQL Server, Power BI a reportingové výstupy pro každodenní instrukce obchodníkům.
Po zavedení doporučovacího modelu vzrostl průměrný obrat na obchodní hovor z přibližně 13 EUR na přibližně 21,60 EUR.
To představuje zvýšení přibližně o 66 % obratu na B2B obchodní hovor.
Výsledek byl dosažen i přes to, že kvalita kontaktních dat nebyla ideální a obchodníci reálně využili jen část doporučení.
Řešení pomohlo klientovi:
lépe prioritizovat obchodní kontakty,
zvýšit obchodní výtěžnost telefonických hovorů,
dát obchodníkům praktická doporučení pro každodenní práci,
propojit data z ERP, telefonní ústředny, CRM a reportingu,
převést analytiku z úrovně dashboardů do konkrétních obchodních akcí,
postupně rozšířit doporučovací logiku i do dalších částí obchodního procesu.
Tato case study ukazuje, že obchodní výkon telefonických týmů se dá výrazně zlepšit, když se data nepoužijí jen k reportingu, ale k praktickému nasměrování každodenní práce.
Podstatou řešení nebyla samotná technologie. Klíčové bylo správně propojit zákaznická, obchodní a provozní data, najít v nich použitelné vzorce a převést je do konkrétních doporučení pro lidi, kteří vedou obchodní hovory.
Stejný princip je využitelný i v dalších oblastech, kde firmy pracují s velkým množstvím zákaznických interakcí — například v obchodních týmech, zákaznické péči, call centrech nebo retenčních aktivitách.
V podobných situacích má smysl stavět řešení postupně po vrstvách: od kvalitních dat a správně definovaných metrik, přes analytické a prediktivní modely, až po doporučení, která pomáhají lidem dělat lepší rozhodnutí v konkrétním provozním kontextu.
Napište mi, co řešíte, v jaké fázi projekt je a jaký výsledek potřebujete. Společně vybereme vhodnou formu pomoci — od konzultace přes návrh řešení až po odborný dohled nebo přípravu pokročilejší analytiky.
Mirek Černý
Datový rádce
