Kreativität auf einem weißen Blatt
Die typischen K.O.-Kriterien für eine neue, innovative Prozessreise liegen für Unternehmen meist auf technischer Ebene. Eine leistungsfähige Integration der diversen IT-Systeme sorgt allerdings dafür, dass Marketing- und Vertriebsverantwortliche bei der Gestaltung ihrer idealen Prozesse endlich alle Fesseln abstreifen können – der Kreativität sind keine Grenzen mehr gesetzt. Wer will, kann buchstäblich auf einem weißen Blatt Papier damit beginnen, einfach seinen Idealprozess aufzuzeichnen. Im Rahmen der Robotic Sales Solutions lassen sich die Prozesse dann gleichsam zum Tanzen bringen, über alle Phasen der Marketing- und Vertriebsabläufe hinweg: von der Lead-Generierung über das Nurturing bis zum Sales. Welche spezifischen Systeme dabei letztlich ineinandergreifen, ist unerheblich. Ob dies nun Open-Source-Lösungen wie SugarCRM und Mautic oder andere cloudbasierte Systeme für die Sales- und Marketing-Automation sind – ein Unternehmen entscheidet ganz nach Bedarf, welche Systeme es einsetzen möchte. Denn die Integration gestattet es, die benötigten Funktionen einfach als Micro Services bereitzustellen. Auch wenn der neue, automatisierte Prozess völlig neu gestaltet sein sollte – am Ende arbeitet der Vertriebler falls gewünscht dann beispielsweise einfach weiter in seiner gewohnten Salesforce-Umgebung.
Wissenschaftliche Entscheidungsmodelle
Ein ebenso ehrgeiziges wie realistisches Ziel von Robotic Selling besteht darin, dass der jeweils nächste Kontakt des Vertriebsmitarbeiters mit dem aktuell aussichtsreichsten Kunden stattfindet. Alle relevanten Daten zusammenzuführen und zu integrieren, ist ein essentieller Baustein dafür. Prozesse frei modellieren zu können und dafür die jeweils geeigneten Systeme und Micro Services zu nutzen, ist das zweite zentrale Element. Einen dritten wesentlichen Aspekt stellt der Bereich Data Science dar. Die Wissenschaft hat in den vergangenen Jahren riesige Fortschritte gemacht, wenn es darum geht, Daten in Erkenntnisse zu verwandeln. Moderne Methoden der Datenanalyse und des Scorings – von der Mustererkennung bis zum Machine Learning – erlauben es inzwischen, Kaufwahrscheinlichkeiten mit hoher Zuverlässigkeit zu bestimmen. Neben all den Daten, die im Unternehmen bereits vorhanden sind, können und sollten dabei auch externe Daten einfließen. Oft sind beispielsweise Mikrogeographie-Daten, die Marktforscher wie die GfK anbieten, relevant – dazu gehören Wohnumfeld-Informationen wie beispielsweise die Sozial-, Alters- und Gewerbestruktur oder die Kaufkraft. Beim Aufbau automatisierter Prozesse kommt man häufig an den Punkt, an dem im Prozess Entscheidungen getroffen werden müssen. Vielleicht möchte ein Unternehmen, nachdem es einen Neukunden gewonnen hat, nach zwei Monaten automatisch einen Cross-Selling-Prozess anstoßen. In solch einem Fall wird die quantitative Datenanalyse dabei helfen, ein Entscheidungsmodell zu schaffen. Die komplexen mathematischen Formeln, die das Ergebnis der quantitativen Analyse sind, geben letztlich die Antwort auf die Frage, mit welchem anderen Produkt der Neukunde in diesem Cross-Selling-Prozess adressiert werden sollte. Die wissenschaftliche Analyse sämtlicher Daten – einschließlich der externen –, die zu den Kunden und ihrem Verhalten vorliegen, gestattet es, zu jedem Neukunden automatisch die Produkte mit der höchsten Abschlusswahrscheinlichkeit zu ermitteln.
weiter zu: Von Abschlusswahrscheinlichkeit bis Kündigunsscore…
