Data for action: Prospektering- Del 1/2

Målet med denne bloggen er at du skal sitte igjen med en konkret tilnærming til hvordan du kan bruke tid og ressurser riktig, for å nå potensielle kunder.

Vi har utviklet en metode med 9 nivåer for at du skal komme enkelt i gang med datadrevet prospektering og bli stadig mer moden som selger eller salgsavdeling. Her beskriver vi de 5 første nivåene.

Written by

Linda Jensen

Linda Jensen
May 20, 2021

Rammeverk

Disse punktene i rammeverket beskriver hva det er vi egentlig vil oppnå:

  • Identifisere og registrere

  • Påføre data

  • Analysere og risikovurdere

  • Monitorere og varsle

De 4 områdene kan man gjøre mer eller mindre komplekse. Metoden vi bruker både selv og sammen med våre kunder, beskriver vi her gjennom de 9 nivåene for modenhetsgrad i salgsorganisasjoner. Maler og praktiske hjelpemidler har vi tilgjengelig for de fleste av nivåene.

Identifisere og registrere

Nivå 1

Du har flere kunder, hvor hver har en unik identifikator, i ett system.

Ja, det stemmer at ikke dette er en selvfølge for alle. Vi vet mange organisasjoner har kunder i flere ulike systemer og kanskje aldri har satt sammen denne informasjonen.

Det forekommer sannsynligvis også dubletter (dette skal vi ta for oss i en annen blogg om datavask) og annet som gjør at det er vanskelig å få et helhetlig bilde av hvordan den eksisterende kundemassen egentlig ser ut. Uten at dataen i dette grunnlaget er ren og har samme identifikator, kommer du ikke til å kunne gå videre til de neste nivåene uten at du vil støte på utfordringer senere. I B2B er den vanligste identifikatoren organisasjonsnummer. Dersom dette er riktig har du et godt utgangspunkt.

Påføre data

Nivå 2

Du har riktig informasjon om dine drivere for vekst.

Du har funnet ut hvilke kjennetegn det er som gjør en kunde verdt å bruke tid på. Prismodellen din er basert på dette og dataen finnes tilgjengelig. Et eksempel fra Enin er at vi vet at for at noen skal bli en stor kunde av oss, så må de ha over et visst antall ansatte.

For deg kan det være at kunden må ha en viss geografisk beliggenhet, en høy omsetning, en økonomisk utvikling over tid eller tilhøre en spesifikk bransje. For de fleste er det en kombinasjon av disse kriteriene. Det essensielle er at dataen finnes tilgjengelig og kan påføres fra eksterne kilder.

Om kundene kan identifiseres kan denne dataen enkelt påføres og vi kan gjøre en tvillinganalyse. Ut i fra dette kan vi lage utgangspunkt for en prospektliste.

Analysere og risikovurdere

Nivå 3

Du kan finne ut hvilke selskaper du burde henvende deg til, som du ikke har i kundebasen i dag.

Nå får du virkelig igjen for tiden du har brukt på de to foregående punktene. Og strengt tatt, du kommer ikke hit uten å ha gjort nivå 1 og 2.

Det er nå den morsomme jobben starter. Kanskje har du fått noen aha opplevelser allerede. Grunnmuren er på plass og du kan begynne å tenke på alle mulighetene videre.

Det første du gjør er å bruke driverne dine til å finne ut hvor stort markedet ditt egentlig er. Jo mer spesifikke kriterier, jo bedre blir analysen. Når du har funnet mulighetsrommet ditt passer du på å fjerne ekisterende kunder fra datagrunnlaget. Da vet du hva du sitter igjen med og kan vurdere hvordan din plan henger sammen med dette. Nå nærmer du deg et beslutningsgrunnlag for salgsstrategi, men vi anbefaler at du følger oss noen nivåer til...

I dette tilfellet er antall ansatte aller viktigst som vekstdriver og under ser du antall bedrifter vi har funnet i hvert segment, etter at eksisterende kunder er fjernet fra grunnlaget. Gruppene A, B og C er forslag til inndeling av kundegrupper. Disse bør antagelig ha ulik tilnærming. Det kommer vi inn på i neste blogg.

Nivå 4

Du har riktig intern data om hva kundene dine handler for, hvor ofte og når. Det er tilgjengelig historikk/adferd på kundene dine og du kan tallfeste verdien på mulighetsrommet.

Dette kalles transaksjonsdata, her brukes ofte en såkal RFC analyse. Det står for Recency, Frequence, Monetary.

Recency: Når kunden din handlet sist kan si noe om hvilken verdi den har for deg. Handlet kunden sist for 5 år siden er den kanskje ingen aktiv kunde lenger i noen tilfeller. I andre tilfeller, for eksempel om kunden har kjøpt en bil, kan det være nettopp nå kunden er i modus for å bytte.

Frequency: Hvor ofte kunden din handler kan indikere om dette er en kunde som har omsetning som kommer igjen eller om kjøpet var en engangssum.

Monetary: Hvor mye legger kunden igjen hos deg i løpet av et år eller gjennom hele kundeforholdet gir deg total verdi på kunden. Kanskje har kunden omsetning på tvers av avdelinger og produkttyper?

Det kan være at du i dette nivået bør gå tilbake til nivå 2, altså gjøre en iterasjon og tilpasning av målgrupper.

Når du vet hva en kunde er verdt for deg kan du også regne ut hva mulighetsrommet ditt er verdt.

En datadrevet tilnærming til prospektering kan hjelpe deg til alle elementene i modellen over, men det krever også at både mennesker og systemer spiller på lag, for en varig endring og et resultat som skaper vekst.

Nivå 5

Du kan gi kunder og prospekter en score på hvor gjensidig attraktive dere er for hverandre . Da vil det komme frem hvilken betjening/prioritet kundene bør ha.

Ved bruk av utvalgte kriterier (som er viktig for din forretningsmodell), kan du gi kunden en total score på verdi. Det kan være at du scorer potensial for total omsetning, strategisk verdi av å ha kunden som referanse, kundens forventede vekst de neste 12 måneder eller hvor høy verdi du faktisk kan gi kunden eller prospektet ved hjelp av dine produkter og tjenester.

Du bør da ha grunnlag for å dele kundene dine inn i ulike grupper for hvordan de skal betjenes eller håndteres. Her illustrert med "Stars", "Shooting stars", "Friends" og "Randoms" .

Denne typen modell er kjent for mange. Det finnes mange versjoner av BCG matrisen. Her har vi laget vår egen versjon. En alternativ måte å lese aksen som viser potensial, er kundens vurdering av den strategiske betydningen til leverandøren.

"Stars" er kunder eller prospekter med høy lønnsomhet og stort potensial. Her ligger ofte noen få kunder som har behov for tilpassede løsninger.

"Shooting stars" er kunder med lav lønnsomhet og stort potensial. Disse har utsikter for å bli "Stars" og bør få betjening der etter.

"Friends" er kunder (eller prospekter) med lite potensial og høy lønnsomhet. De fleste av kundene dine bør ligge her og gi deg kontinuerlig gjentagende omsetning.

"Randoms" er kunder som kanskje ikke passer inn i dine definerte kundesegmenter, men som allikevel har behov for dine tjenester. Du har ikke spesifikt rettet deg mot dem. Typiske kunder i denne kategorien er de som bare kjøper ett tilpasset prosjekt og som ikke kommer tilbake til deg.


Veldig mange kommer ikke lengre enn dette. Det holder absolutt i noen tilfeller også, men vi vil gjerne vise dere de 4 neste nivåene i neste blogg:

Data for action: Prospektering- Del 2/2

Når vi nå beveger oss mot å kunne varsle og monitore er moderne teknologi og data vår beste venn. Her er det kommet mange verktøy vi kan bygge videre på, nå når vi har definert hvem vi skal henvende oss mot og hvorfor.

Ønsker du å lese mer om datadrevet salgsstrategi, kan du se på dette innlegget.

Kontakt oss gjerne dersom du vil snakke om hvordan du kan prospektere smartere!


Written by

Linda Jensen

Linda Jensen
CCO Enin
Erfaren leder og forretningsutvikler
linda@enin.ai
+47 934 28 726

Our latest posts

Blog Image

Datavask: 4 enkle steg til bedre B2B data

For deg som trenger å få oppdatert og vasket bedriftsdata har vi en enkel løsning. Du kan få tilgang her og nå uten å være i kontakt med noen.

Blog Image

5 utfordringer og løsninger ved AML/KYC sjekk- enten du er i gang eller skal i gang

Fragmentert informasjon og usikkerhet rundt krav, er fellesnevnere for hvordan mange oppfatter sine Know your Customer (KYC) prosesser.

Blog Image

Risikovurdering for bedrifter: Slik bruker Kaja data i banken!

Risikovurdering er mye mer enn en rating. Kaja i Nordic Corporate Bank forteller om hvordan hun hjelper kundene med de beste finansieringsløsningene.

Subscribe to our Newsletter

Privacy policy