Casen tausta ja tavoitteet
Asiakkaamme haaste
Asiakkaamme oli pitkään etsinyt keinoja tehostaa kasvattaa liikevaihtoaan. Uusiasiakashankinnan ja uustuotekehityksen lisäksi asiakas on alustavasti havainnut että tehostamalla jo-olemassa-olevien tuotteiden myyntiä jo-olemassa-oleville asiakkaille pystyttäisiin merkittävästi tehostamaan myyntiä ja kasvattamaan liikevaihtoa. Asiakas sanoi:
”Osaavat myyntitiimimme tekevät pitkäjänteistä ja hyvää työtä asiakkaidemme kanssa ja käyttävät aikansa tehokkaasti uusien asiakkuuksien luomiseen. Lisäksi talousosastomme controllerit ja analyytikot tukevat myyntiä erinomaisesti tuottamalla analyyseilla tarpeen mukaan. Haluaisimme seuraavaksi laajentaa analyysien tehoa laajemmin koko tuoteportfolioon, kun nyt ne perustuvat pitkälti myyntitiimiltä tulevien pyyntöjen pohjalta tehtäviin yksittäisten tuotteiden analyyseihin. Olisi myös hienoa, jos myynti saisi itselleen käyttöönsä työkalut josta he saisivat itsenäisemmin tietoa ristiinmyynnin mahdollisuuksista, mikä vapauttaisi merkittävästi aikaa controllereillemme ja analyytikoillemme.”
Keskeiset selvitettävät kysymykset
- Mitä on tapahtunut: minkälaista liiketoimintaa ja myyntiä asiakasyritys harjoittaa tuotteiden, asiakkaiden ja tilausten näkökulmasta? Mitä tämä kertoo meille ristiinmyynnin mahdollisuuksista?
- Miten ja miksi on tapahtunut: miten myynti on jakaantunut tuotteiden, asiakkuuksien ja tilausten koon osalta? Onko merkittäviä eroja esimerkiksi miten myynti jakautuu pieni- ja suurivolyymiisiin tuotteisiin? Mitä tämä kertoo meille ristiinmyynnin mahdollisuuksista?
- Mitä pitäisi tehdä seuraavaksi: miten tunnistamme ne tuotteet ja asiakkaat joilla suurin ristiinmyyntipotentiaali?
- Kuinka suuria hyötyjä ja säästöjä on odotettavissa: Miten ylipäänsä pitäisi määritellä ristiinmyyntipotentiaali ja kuinka sitä voi mitata realistisesti?
Keskeiset tulokset
Mitä tietoa analyysimme antoi?
- Asiakkaan tuoteportfoliosta tunnistettiin historialliseen dataan perustuen tuotteet, joista löytyy kaikista eniten potentiaalia ristiinmyynnin hyödyntämiseen
- Historiallisesta myyntidatasta tunnistettiin ristiinmyynnin kannalta olennaisia ominaisuuksia, liittyen mm. Tuoteportfolion laajuuteen, asiakaskannan laajuuteen, ja myyntitilausten arvokkuuteen sekä toistuvuuteen
- 1000 myydyimmälle tuotteelle tunnistettiin 5 yleisintä tuote-”paria” joiden yhdistelmä samassa myyntitilauksessa on yleisin euromääräisesti mitattuna
- Jokaiselle tuoteparille analysoitiin ristiinmyynnin euromääräinen potentiaali, joka perustui useaan määriteltyyn parametriin kuten yhdistelmän toistuvuus, yhdistelmätuotteiden kertamyynnin euromääräiseen odotusarvoon ja tuotteen toteutuneeseen myyntimäärään
- Visuaalisen mallinnuksen kautta listasimme tuotteet ja asiakkaat suuruusjärjestykseen niiden ristiinmyyntipotentiaalin perusteella. Näitä interaktiivisia listauksia simuloimalla myyntitiimi pystyy nopeasti tunnistamaan potentiaalisimmat ristiinmyyntituotteet ja -asiakkaat sekä tekemään kohdistetumpia lisämyyntisuunnitelmia tehokkaasti.
Mitä hyötyä pystyimme luomaan?
- Asiakas pystyy nopeasti tunnistamaan potentiaalisimmat ristiinmyyntituotteet ja -asiakkaat sekä tekemään kohdistetumpia lisämyyntisuunnitelmia tehokkaasti.
- Asiakas pystyy jatkuvasti seuramaan ristiinmyyntinsä kehittymistä, havaitsemaan jos ristiinmyyntipotentiaalin hyödyntäminen laskee joidenkin tuotteiden ja asiakkuuksien osalta ja tunnistamaan uusia ristiinmyynnin mahdollisuuksia
- Asiakas sai käyttöönsä valmiit tulokset nopeasti ja tehokkaasti Datainsiten toimittamana. Näin asiakkaan henkilöstö pystyi keskittymään tulosten tulkintaan ja toimenpiteiden suunnitteluun kun aikaa ei mennyt datan ja analyysien työstämiseen
- Älykkäällä automaatiolla varmistamme jatkossa, että analyysit ovat nopeasti toistettavissa tasaisin väliajoin, ja toiminnan kehitystä pystytään helposti seuraamaan
- Kokemukseemme perustuen tarjoamme käytännön neuvonta- ja sparrausapua, kuten analyysimallin jalostamista halutuilla parametreillä ja olettamuksilla, ja myynnin mittareiden suunnittelua ja kehittämistä dataan perustuen
Analyysien toteutus ja yksityiskohtaiset tulokset
Ennen kuin menemme itse casen mielenkiintoisiin tuloksiin, muutama sana myynnin analysoinnista yleisesti. Myynti on monella tapaa kiinnostava alue BI-alue, joskin myös kokemuksemme siitä kuinka kehittyneesti BI’tä hyödynnetään myynnin edistämiseksi ovat vaihtelevia ja jopa hieman ristiriitaisia. Vaikkakin BI’n (oikein hyödynnettynä) on osoitettu lisäävään liikevaihtoa ja myyntiliidien osumatarkkuutta (hit rate) myyntiputkessa, useissa organisaatioissa sekä uusi-asiakashankintaa että lisämyyntimahdollisuuksien tunnistamista nykyisille asiakkaille ohjataan vahvasti myyntiorganisaatioiden kokemuksella ja tulkinnalla, eikä edistyksellistä data-analyysillä ole myynnin edistämisessä niin suurta roolia kuin muilla organisaation alueilla, kuten toimitusketjun hallinnassa. Toisaalta, olemme myös huomanneet että BI’n tarjoavien mahdollisuuksien tunnistaminen nimenomaan myynnissä on usein toiminut alkusysäyksenä myös muille organisaation alueille. Esimerkiksi, organisaatiot joissa verkkokauppa on keskeinen myyntikanava olivat myös vahvasti etujoukoissa, kun datalla johtamista on aloitettu hyödyntämään laajemmassa mittakaavassa 2010-luvulta lähtien, ja näissä organisaatioissa hyödyntäminen aloitettiin nimenomaan myynnin prosesseista.
On selvää, että myynnin ja markkinoinnin logiikka ja käytännöt vaihtelevat hyvin paljon, riippuen esimerkiksi toimia-alasta, asiakaskentästä ja asiakkaiden ostokäyttäytymisestä, tuotteiden/palveluiden luonteesta, yms. Tämän vuoksi myös myynnin kehitystä tukevien analyysien tulee pystyä tuottamaan tietoa hyvinkin spesifeihin kysymyksiin, jotka voivat vaihdella merkittävästikin eri organisaatioiden välillä – enemmän kuin esimerkiksi varastonhallinnassa, jota käsittelimme edellisessä artikkelissamme. BI-analyyseja tuottavien henkilöstön onkin tärkeää ymmärtää tämä, jotta analyysit toisivat mahdollisimman paljon hyötyä myynnille. Jos myyjät ja BI-analyysien tuottajat ovat eri henkilöitä, on tärkeää että myynti osallistetaan hyvin tiiviisti ja jatkuvasti analyysien kehittämiseen heti alusta alkaen. Myynnin olisikin toivottavaa ottaa aitoa johtajuutta myyntianalyysien kehityksestä, jota BI-tiimi sitten tukee teknisellä osaamisellaan. Tässä artikkelissa käsittelemme myyntiä ja erityisesti ristiinmyynnin mahdollisuuksien tunnistamista. Vaikka myynnin logiikka, strategia ja taktiikat vaihtelevatkin paljon organisaatioittain ja toimialoittain, pyrimme tässä artikkelissa osoittamaan, että tästä huolimatta perustason myyntitransaktiodatasta pystytään tuottamaan pitkälle jalostettua tietoa mm. siitä miten myynti pystyisi helpommin tunnistamaan lisämyyntimahdollisuuksia tuoteportfoliostaan ja nykyisestä asiakaspohjastaan.
Mitä on tapahtunut: minkälaista liiketoimintaa ja myyntiä asiakasyritys harjoittaa tuotteiden, asiakkaiden ja tilausten näkökulmasta? Mitä tämä kertoo meille ristiinmyynnin mahdollisuuksista?
Aloitimme casen tarkastelemalla minkä tyyppisisät transaktioista, tuotteista ja asiakkaista myynti tällä hetkellä koostuu. Kuvaajan 1 vasen puoli näyttää miten myynti on onnistunut suhteessa tavoitteisiin ja kuinka se on kehittynyt viimeisen 6 kuukauden aikana. Emme kuitenkaan tässä artikkelissa keskity myynnin tulosraportointiin sen enempää, vaan siirrytään kuvaajan oikealla sivulle katsomaan minkälaista myyntitoiminta ylipäänsä on asiakkaiden, tuotteiden ja tilausten näkökulmasta. Asiakkaita datan historiallisen datan ajalta on yhteensä 221. Yhden tilauksen keskimääräinen arvo on melko pieni (133 €), mutta tilauksia tehtiin viimeisen puolen vuoden aikana paljon (152 654), myytyjä tuotteita oli yhteensä 518. Jotta ristiinmyynnin mahdollisuuksia ymmärretään vielä paremmin, pitää mennä vielä astetta syvemmälle myyntidataan ja tarkastella miten liikevaihto jakaantuu tilausten, tuotteiden ja asiakkaiden välillä, mutta tässä vaiheessa jo näyttäisi siltä että datasta todennäköisesti löytyy useita ristiinmyynnin mahdollisuuksia eri tuotteiden väliltä, koska tuoteportfolio ja asiakaspohja on tarpeeksi laaja ja tilauksia tehdään isoilla volyymeilla.
Miten ja miksi on tapahtunut: miten myynti on jakaantunut tuotteiden, asiakkuuksien ja tilausten koon osalta? Onko merkittäviä eroja esimerkiksi miten myynti jakautuu pieni- ja suurivolyymiisiin tuotteisiin? Mitä tämä kertoo meille ristiinmyynnin mahdollisuuksista?
Katsotaan vielä yhtä tasoa syvemmältä, pystymmekö havaitsemaan eroja myynnin kehityksessä asiakas- tai tuotetasolla. Kuvaajassa 2 jaottelimme tilaukset, tuotteet ja asiakkaat pieniin ja suurin (myytyjen eurojen perustella). Katsotaan ensin tuotteita (vasemmalla). Pareto-käyrä kertoo, että myynnillisesti suurimmat 20% tuotteista (reilu 100 eri tuotetta) muodostavat n. 67 % prosenttia myynnistä. Tätä lukua ei tule vertailla suoraan eri organisaatioiden saati liiketoiminta-alojen välillä, mutta voidaan kuitenkin todeta että liikevaihto jakaantuu sen verran tasaisesti laajalle tuotemäärälle, että sieltä todennäköisesti löytyy useita ristiinmyynnin mahdollisuuksia eri tuotteiden väliltä. Myös Vasemmasta alakulmasta löytyvät myyntitilausten koritus kertoo että suurin osa tilauksista on suhteellisen pieniä (alle 100€ tai jopa alle 10€) mutta volyymiltaan näitä on paljon, ja ne muodostavat suurimman osan liikevaihdosta suurempiin tilauksiin verrattuna.
Katsotaan vielä kuvan oikeaa reunaa ja miten myynti jakaantuu eri asiakkaiden välillä. Vaikka myynti jakaantuu tasaisesti laajalle määrälle tuotteita ja tilaukset ovat pieniä, asiakkaiden osalta liikevaihto selvästi enemmän keskittynyttä isoimmille asiakkaille. Löydämme kaksi selkeää myynnin veturia (T1) jotka muodostavat lähes 47% myynnistä. Seuraavat viisi asiakasta (T2) muodostavat yli 30% myynnistä, joten yhteensä 221 asiakkaasta seitsemän (n. 3% asiakkaista) muodostaa lähes 80% myynnistä. Tämä on mielenkiintoinen fakta, ja tarkoittaa että on syytä kiinnittää erityistä huomiota näihin asiakkaisiin kun etsimme ristiinmyynnin mahdollisuuksia.
Kuvaajassa 3 kokeilemme vielä, muuttuuko tuotteiden tai tilausten jakauma jollakin keskeisellä tavalla, kun tarkastelemme eri kokoisia asiakkaita. Vaikka pientä vaihtelua on havaittavissa, suhteet myytyjen tuotteiden jakaumassa ja tilausten koossa pysyy sen verran vakioisena eri kokoisten asiakkaiden välillä että voimme käsitellä näitä samanvertaisina ilman että tarvitsee tehdä tehdä erityisiä olettamia tai analyysejä eri kokoisille asiakkaille.
Liikevaihdon jakaantuminen laajalle tuotteiden ja tilausten osalta kertoo sen että mahdollisten ristiinmyyntimahdollisuuksien tunnistaminen on laajamittainen prosessi, joka manuaalisesti suoritettuna vaatisi paljon aikaa ja resursseja. Joten älykkään automaation hyödyntäminen tulee erittäin hyödyliseksi, varsinkin kun puhumme tämän kokoluokan tuoteportfolioista ja tilausmääristä.
Kuvaaja 3 Myynnin jakautuminen tuotteiden ja tilauskokojen välillä eri eri asiakasluokissa
Mitä pitäisi tehdä seuraavaksi: Miten ylipäänsä pitäisi määritellä ristiinmyyntipotentiaali ja kuinka sitä voi mitata realistisesti? Miten tunnistamme ne tuotteet ja asiakkaat joilla suurin ristiinmyyntipotentiaali?
Ristiinmyynnillä tarkoitetaan tässä casessa yksinkertaisesti kahden tai useamman tuotteen yhdistelmää, joita myydään jolloin tuotteita myydään ”paketissa”. Tässä artikkelissa tutkimme historiallista myyntitransaktiodataa, ja pyrimme etsimään vastauksia kysymykseen: miten tunnistaa järjestelmällisesti ne tuotteet ja tuoteyhdistelmät, jotka ovat kaikkein halutuimpia asiakkaan näkökulmasta ja joilla on kaikkein suurin lisämyyntipotentiaali? Ristiinmyynnin potentiaalia pyritään tunnistamaan etsimällä ne tuoteyhdistelmät, jotka myydään suhteellisen usein yhdessä, mutta silti parannettavaa löytyy vielä. Jos kahta tuotetta ei myydä usein yhdessä, sen ristiinmyyntipotentiaali ei ole niin suuri koska asiakkaat eivät usein halua ostaa niitä yhdessä. Jos taas kahta tuotetta ostetaan jatkuvasti yhdessä, ristiinmyynti toimii jo tehokkaasti, eikä lisäpotentiaalia enää ole niin paljoa, ja lisämyyntiä tulee tavoitella ennemmin lisäämällä asiakaskuntaa näille tuotteille.
On kuitenkin todettava että myynnissä on loppupeleissä kyse asiakkaan ja asiakkaan tarpeiden syvällisestä tuntemisesta, emmekä halua väittää että pelkästään kliinisesti myyntitransaktiodataa analysoimalla saisi 100-prosenttisesti tarkkaa suunnitelmaa siitä mihin asiakkaaseen pitäisi seuraavaksi olla yhteydessä ja varsinkaan miten heille tulisi myydä. Mutta dataan perustuvalla analyysillä pystyy varmasti tiivistämään ristiinmyynnin mahdollisuuksien kirjoa ”äärettömästä” johonkin rajoitetumpaan ja helpommin ymmärrettävään. Myynnin edistämisen suunnitelma on myös helpompi tehdä ja kohdentaa, kun data-analyysillä tuetaan myyntitiimin osaamista ja kokemusta.
On osuvaa, että kuten myyntitoiminnassa muutoinkin, tässäkin analyysissä on huomattavasti helpompaa ymmärtää vastaus kysymykseen ”mitä pitäisi tehdä?”, mutta itse toteutus ja vastaus kysymykseen ”miten se käytännössä toteutetaan?” onkin jo aivan toinen ja vaikeampi ongelma ratkaistavaksi. Käytännössä se, että päästään yksinkertaisesta transaktiodatasta valmiisiin vastauksiin yllä esitettyihin kysymyksiin, vaatii datan rikkomista, kääntämistä ja takaisin liittämistä transkationdataan useampaan kertaan. Emme käsittele tässä casessa askel askeleelta kuinka analyysi tehdään, mutta käydään logiikka silti lyhyesti läpi. Selvitimme vastaukset seuraaviin kysymyksiin seuraavassa järjestyksessä:
Kun olemme määrittäneet jokaiselle myyntitransaktiolle top-5 yhdistelmätuotteet, niiden myyntiarvon ja hit raten, odotusarvon ja sitä kautta lisämyyntipotentiaalin, voimme laskea kokonaispotentiaalin tuotteille, asiakkaille, maalle, oikeastaan mille tahansa tekijälle yksinkertaisesti summaamalla transaktiorivien potentiaalia yhteen.
Selvitimme jokaiselle tuotteelle mitkä ovat 5 yleisintä toista tuotetta, joita myydään samojen myyntilauksien alla. Erittelimme tulokset myös eri maille, jotta tulokset olisivat skaalautuvia ja mahdollisimman realistisia riippumatta siitä tarkastelisimmeko Suomen, Ruotsin tai Kiinan markkinoita, tai kenties näitä kolmea yhdessä.
Määrittelimme jokaiselle myyntitilaukselle onko top-5 yhdistelmätuote mukana juuri siinä myyntilauksessa. Jos on, kuinka monella eurolla top-5-tuotetta myytiin kyseisellä myyntitilauksella? Tämä toistettiin jokaiselle top-5 yhdistelmätuotteelle ja jokaiselle myyntitilaukselle. Lisäksi määrittelimme mikä on kunkin tuoteyhdistelmän ”hit rate” (eli kuinka monta prosenttia myyntitilauksista joissa tuote 1 esiintyy, myös tuote 2 esiintyy) – käytämme tätä myöhemmin tässä artikkelissa ristiinmyyntipotentiaalin arvottamisessa.
Määrittelimme mahdollisimman realistisen ”odotusarvon” sille kuinka paljon top-5-yhdistelmätuotetta olisi järkevä odottaa myytävän milläkin myyntitilauksella, ottaen huomioon kuinka paljon yhdistelmän toista tuotetta myytiin. Myös tämä odotusarvo määriteltiin erikseen jokaiselle asiakasmaalle, jotta odotusarvo olisi mahdollisimman hyvin verrattavissa jokaiselle myyntitilaukselle maasta riippumatta. Otetaan esimerkki irtokarkkikaupasta: jos Suomessa 100 asiakasta on käynyt ostamassa 5 eurolla suklaakonvehteja ja 1 eurolla noitapillejä, suklaakonvehtien odotusarvo on 5 euroa kun noitapillejä ostetaan 1 eurolla, kun taas noitapillien odotusarvo on 0,2 euroa kun suklaakonvehteja ostetaan 1 eurolla (olettaen että molemmat ovat toistensa viiden yleisimmän yhdistelmätuotteen joukossa)
Määrittelimme ristiinmyyntipotentiaalin. Tässä logiikkana käytettiin, että mitä useammin tuoteyhdistelmä oli mukana myyntitilauksessa, sitä todennäköisempää oli, että myös jäljellä oleville asiakkaille pysyttäisiin kyseistä yhdistelmää myymään. Ristiinmyyntipotentiaali oli tuotteet hit raten (selitetty ylempänä), odotusarvon ja yhdistelmän toisen tuotteen myyntiarvon tulo.
Kuvaajissa 4 ja 5 näemme kokonaisristiinmyyntipotentiaalin eriteltynä asiakkaisiin ja tuotteisiin. Kuvaajan 4 vaakasuora palkkikuvio listaa materiaaleja joilla on eniten ristiinmyyntipotentiaalia. Palkkien eri värit kuvaavat eri top-5-yhdistelmätuotteita. Tummin on tuote jolla on eniten ristiinmyyntipotentiaalia, vaaleimmalla on viidenneksi eniten. Tuotteet on laitettu ylhäältä alas järjestykseen sen mukaan kuinka paljon niiden viiden suurimman yhdistelmätuotteiden yhteenlaskettu ristiinmyyntiarvo on.
Kuvaaja 4 tuotteiden ristiinmyyntimahdollisuudet
Kuvaajan 5 sirontakuviossa esitetään asiakkaat ja sen alapuolella listaukseen järjestettynä eniten lisä- ja ristiinmyyntipotentiaalia omaavat asiakkaat ylimpänä. Mitä pidemmälle vaakasuoralla X-akselilla pallo sijoittuu ja mitä tummemman punainen pallo on, sitä enemmän asiakkaalla on lisä- ja ristiinmyyntipotentiaalia. Y-akseli taas mittaa kuinka monelle eri tuotteelle ristiinmyynti jakaantuu kyseisen asiakkaan tapauksessa. Pallon koko kertoo asiakkaan toteutuneen ostovolyymin euroissa (kuvaa asiakkaan tämän hetkistä merkitystä).
Kuvaaja 5 asiakkaiden ristiinmyyntimahdollisuudet
Kuvaaja 6 näyttää miten nämä kaksi kuvaajaa voi myös yhdistää, jolloin nähdään nopeasti ja visuaalisesti, esimerkiksi mille asiakkaille minkäkin tuotteen ristiinmyntimahdollisuudet ovat jakaantuneet, tai toisin päin mille tuotteille asiakkaan ristiinmyyntimahdollisuudet ovat jakaantuneet. Tätä käyttämällä myynti pystyy nopeasti tunnistamaan ne tuotteet ja asiakkaat, joille kyseinen tuoteella on suurin ristiinmyyntipotentiaali.
Kuvaaja 6 yhdistelmä tuotteiden ja asiakkaiden ristiinmyyntimahdollisuuksista
Katsotaan vielä yksi esimerkki, ja varmistetaan että päättelymme ristiinmyynnistä on
looginen ja selkeä. Katsotaan kaikkein isointa tuoteyhdistelmää mitä historiallisesta. Kuvaajasta 7 nähdään että kyseessä tuote jonka kaikkein yleisin yhdistelmätuote muodostaa suurimman osan (77 410 €) sen kokonaisristiinmyyntipotentiaalista joka on viis yleisintä yhdistelmätuotetta laskettuna yhteen
(78 459 €). Tuotetta on myyty seitsemälle asiakkaalle.
Kuvaaja 8 suurimman ristiinmyyntipotentiaalin omaavan tuotteen analysointi
Katsotaan seuraavaksi Kuvaajaa 8 ja yritetään etsiä selitys tuotteen isolle arvolle:
- Kuvajaan 8 keskeltä alareunasta (sininen palkkikuvio) huomataan että yleisimmän yhdistelmätuotteen (1st combo) ilmaantuvuus on suhteellisen korkea, 32%. Se tarkoittaa, että 32 prosentissa myyntitilauksista missä on myyty vasemman yläreunan nimeämää tuotetta, on myyty myös sen yleisintä yhdistelmätuotetta (1st combo) .
- Toinen syy löytyy Kuvaajan 8 oikeasta alakulmasta, odotusarvo yleisimmän yhdistelmätuotteen arvolle on suhteellisen korkea eli 1,5 euroa. Eli kun kun vasemman yläreunan tuotetta myydään eurolla, sen yleisintä yhdistelmätuotetta myydään 1,5 eurolla (keskimäärin).
- Kolmas ja viimeinen syy löytyy Kuvaajan 8 oikeasta yläkulmasta. Tälle materiaalille on tehty yksi poikkeuksellisen iso tilaus, jossa ei ole ollut mukana 1st combon osoittamaa materiaalia. Tilauksessa on tilattu materiaalia 112 596 eurolla, mutta tässä tilauksessa ei ole ollut mukana yleisintä yhdistelmätuotetta. Jo tämä yhdistelmätuotteen puute yksinään luo lähes 55 000 euroa lisää ristiinmyyntipotentiaalia. Loput potentiaalista tulee pienemmistä tilauksista yhteenlaskemalla.
Tämä yksittäinen tuoteyhdistelmä olikin hyvin tyypillinen esimerkki, miksi halusimme käyttää kyseistä mallia arvioimaan ristiinmyynnin hyödyntämätöntä potentiaalia. Se paljasti mahdollisen tapauksen, jossa iso myyntitransaktio on tehty ilman että yleisintä yhdistelmätuotetta on saatu myytyä asiakkaalle. Tässä tapauksessa olisi siis syytä tutkia miksi näin on käynyt, ja onko yhdistelmätuotteelle kysyntää ja onko ristiinmyynti vielä mahdollista suorittaa loppuun.
Jos taas tuotteen ristiinmyyntinpotentiaali pieni, voi se johtua ainakin seuraavista seikoista:
- Tuotteelle ei löydy historiallisesta datasta tarpeeksi selkeitä yhdistelmätuotteita, joita myytäisiin tarpeeksi säännöllisesti tuotteen kanssa. Tämän vuoksi jokin (tai useampi) yllä mainituista mallin selittäjistä on arvolta hyvin pieni: yhdistelmän osumaprosentti, yhdistelmän tuotteiden myyntisuhteen odotusarvo tai tuotteen myynti
- Suurin osa transaktioista on jo hyödynnetty ristiinmyynnissä. Toisin sanoen, ristiinmyynti toimii jo tehokkaasti ja sen vuoksi kasvu tulee hakea ennemmin uusien tuotteiden ja asiakkaiden kautta kasvamalla
Loppupäätelmät
Tässä artikkelissa olemme näyttäneet yhden mallin, jolla voi tunnistaa historiallisesta datasta ristiinmyyntipotentiaalia eri tuoteyhdistelmille ja asiakkaille. Ristiinmyynti on hyvin laaja ja teknisesti haastava alue analysoida, koska se vaatii tuoteyhdistelmien analysointia, joiden lukumäärä voi kasvaa helpostikin useisiin kymmeniin tai jopa satoihin miljooniin. Lisäksi analyysit vaativat datan kääntämistä, manipuloimista ja takaisin alkuperäiseen dataan liittämistä useaan kertaan. Nämä seikat tekevät tämän tyyppiset analyysit vaikeiksi tehdä esimerkiksi Excel-pohjaisilla työkaluilla vaan tarvitaan järeämpiä ohjelmistoja jotka on kehitetty suurien datamassojen ja paljon suoritustehoa ja muistia vaativia laskentatehtäviä.
Käytimme artikkelin analyyseissa tyypillistä ja yksinkertaista toiminnanohjausjärjestelmän dataa, jota muokkaamalla pystyimme vastaamaan artikkelin alussa esitettyihin keskeisiin kysymyksiin. Artikkelissa osoitimme että datan avulla pystytään tunnistamaan tuoteyhdistelmä, joilla on eniten hyödyntämätöntä potentiaalia ristiinmyynnin näkökulmasta. Analyysin tärkein hyöty oli erottaa historiallisen datan perusteella toisistaan ne tuoteyhdistelmät jotka: 1) eivät ole tyypillisesti myyty keskenään (ristiinmyyntipotentiaalia ei ole) 2) joita myydään jatkuvasti keskenään (ristiinmyyntiä hyödynnetään jo tehokkaasti) ja 3) ne tuotteet jotka ovat jossain tässä välimaastossa, ja joilla on hyödyntämätöntä ristiinmyyntipotentiaalia. Tässä artikkelissa keskityimme nimenomaan tunnistamaan kolmannen ryhmän tuotteita ja erottelemaan ne kahdesta muusta ryhmästä. Silti on hyvin tärkeää varmistaa analyysien ulkopuolella että myös ryhmän 2 tuoteyhdistelmiä ristiinmyydään myös jatkossa, tai muuten ne siirtyvät ryhmään 3.
Kuten artikkelin alussa sanoimme, tämä malli tekee huomattavan vähän tarkempia olettamuksia myyntiin tyypillisesti ja keskeisesti liittyvistä seikoista, kuten asiakaskunnasta, tuotteiden ominaisuuksista, asiakkaiden ostokäyttäytymisestä, myyntistrategiasta yms. Tämä oli tietoinen valinta, koska näistä tärkeistä olettamuksista huolimatta on tärkeää ymmärtää, että jo ennen kuin teemme näitä olettamuksia, datasta saa paljon uutta tietoa irti myynnin tueksi. Ne vähäiset olettamukset joita teimme (esimerkiksi tyypillinen myyntitransaktion koko, arvo, volyymit ja tuoteportfolion koko) tulevat hyvin nopeasti selville myös datasta ilman että oletuksia tarvitsee keneltäkään kokeneemmalta myyntiasiantuntijalta erikseen varmistaa. Malli onkin hyvä lähtökohta ristiinmyyntipotentiaali tunnistamiseen, jota voi helposti täydentää organisaatiokohtaisesti lisäolettamilla sen mukaan kun nähdään tarpeelliseksi.
Yksi ilmeinen kysymys ristiinmyynnin kehittämisen jälkeen on: voidaanko historiallisella datalla ohjata myös lisämyyntimahdollisuuksia, eli uusituotemyyntiä ja uusiasiakashankintaan. Vastaus tähän on että kuten ristiinmyynnissä, myös lisämyynnissä historiallisesta datasta saadaan paljon enemmän irti myyntitiimien tueksi kuin mitä nykyään suurin osa organisaatioista hyödyntää. Lisämyynnin tunnistaminen voisikin olla yksi potentiaalinen case-artikkelin aihe lähitulevaisuudessa.
Kaikkien tämän artikkelin lukevien on tärkeää ymmärtää että artikkelin tarkoitus ei ole antaa käytännön neuvoja kuinka ristiinmyyntiä tulisi ohjata tai optimoida, vaan esittää konkreettisia esimerkkejä, miten pitkälle jalostettu analytiikka ja älykäs automaatio voivat helpottaa monimutkaisien kokonaisuuksien ymmärtämistä ja tuoda tehokkaasti faktoja johdolle strategian suunnittelun ja päätöksenteon tueksi. Teimme tämän artikkelin analyyseissa paljon yksinkertaistuksia ja oletuksia, eikä yllä kuvattuja metodeja tulisi käyttää sellaisenaan ilman syvällistä ymmärrystä kohdeorganisaation yksilöllisistä piirteistä ja tarpeista.
Tarvitsetko apua data-analytiikassa – Ole meihin yhteydessä niin keskustellaan lisää.
Lähetä yhteystietosi, ja olemme sinuun yhteydessä ja sovitaan aika keskustelulle ja demolle palveluistamme.
"*" näyttää pakolliset kentät