Predictive Analytics – Einsatz im Vertriebscontrolling

Mitglieder 29.04.2019 Qymatix Solutions GmbH

Wie sich die von Ihnen eingesetzten Predictive-Analytics-Methoden auf Ihr Vertriebscontrolling auswirken.

Vertriebscontrolling im B2B-Bereich entwickelt sich zunehmend zu einem Hightech-Spiel. Da die Verkaufszyklen im Business-to-Business immer länger und der Vertrieb immer teurer werden, muss das Controlling weiter in die Zukunft schauen.

Machine Learning, ein bekanntes Beispiel für schwache künstliche Intelligenz, stellt dennoch eine hervorragende Möglichkeit zur Verbesserung des B2B-Vertriebscontrollings und der Business Intelligence dar. Es bereichert die Welt der Kundenanalyse um einen wesentlichen Wettbewerbsvorteil.

Durch die zunehmende Menge an Vertriebsdaten und die Verringerung der Implementierungskosten hat sich die künstliche Intelligenz zu einer attraktiven Technologie für die Vertriebsplanung und -steuerung im B2B entwickelt.

Dabei spielt Predictive Analytics eine zentrale Rolle. Eine Predictive Analytics Software bietet die Möglichkeit, vorherzusagen, welcher Kunde abwandern, ein neues Angebot annehmen oder einen höheren Preis akzeptieren wird.

Sehen wir uns einmal an, wie Sie Predictive Analytics mit KI in Ihrem Vertriebscontrolling implementieren können.

Vertriebscontrolling ist tot, lang lebe das Vertriebscontrolling!

Werfen Sie Ihr aktuelles Vertriebscontrolling nicht wegen neuer Schlagworte weg. Künstliche Intelligenz wird Ihren Vertriebscontroller nicht ersetzen, heute nicht und morgen auch nicht. Nutzen Sie das, was Sie haben, und bauen Sie auf Ihren Stärken auf.

Benutzen Sie zunächst die Verkaufsdaten, die Sie bereits haben. Ob ERP oder CRM, betrachten Sie den Wert, den Sie daraus ziehen können. Wenn ein Business Intelligence- oder Vertriebsreporting (Vertriebsinformationssystem) vorhanden ist, prüfen Sie die Möglichkeit, es um externe Intelligenz zu erweitern. Wenn dieser Weg nicht praktikabel ist, erst dann könnte es sich lohnen, über einen Ersatz nachzudenken.

Ändern Sie nicht Ihre Vertriebsanalysen und Controlling-Prozesse, bevor Sie wissen, was genau Predictive Analytics für Ihr Unternehmen erreichen kann. Dieser letzte Punkt beinhaltet die von Ihnen bereits verwendeten Vertriebs-Kennzahlen.

Die meisten Unternehmen und B2B-Vertriebsteams messen bereits eine Mischung aus Output, Input und einigen hochentwickelten KPIs. Konzentrieren Sie sich auf diejenigen, die Ihrem Unternehmen helfen, die aktuellen Herausforderungen zu bewältigen. Reduzieren Sie sie auf ein absolutes Minimum.

Definieren Sie neue KPIs mit Hilfe von Predictive-Analytics-Methoden. Beispiele für KPI mit Predictive-Analytics sind Umsatzpotenzial, Abwanderungsrisiko, Preisanalyse und Umsatzprognose.


Verwenden Sie getestete und ausgereifte Predictive-Analytics-Methoden

Sie müssen das Rad nicht neu erfinden. Obwohl das maschinelle Lernen die Leistung von Predictive-Analytics auf neue Höhen treibt, gibt es bewährte Methoden, die Sie mit Ihren Verkaufsdaten testen können.

Eine Produktempfehlung prognostiziert die Artikel, die ein Kunde am ehesten kaufen würde. Nicht so fortschrittliche Statistiken unterstützen einige der effektivsten Produktempfehlungssyteme. So können wir beispielsweise einen a priori Algorithmus verwenden, um Produkte für das Cross-Selling zu finden.

Das maschinelle Lernen setzt sich bei der Reduzierung der Kundenabwanderung durch. Durch den Einsatz unserer Kundenanalyse Software mit der Random-Forest-Methode können Unternehmen 70 bis 80 % der Kunden mit Abwanderungsgefahr erkennen. Durch die Implementierung geeigneter Kundenbindungsstrategien können sie die Fluktuation auf die Hälfte reduzieren.

Eine Verbesserung der Preise um nur 5 % kann den Gewinn in einem durchschnittlichen B2B-Unternehmen verdoppeln. Dieses Potenzial ist der Grund, warum Vertriebsleiter Predictive-Analytics-Methoden für die Preisanalyse nicht unterschätzen sollten. Eine Vertriebscontrolling-Software im Bereich Pricing kann in kurzer Zeit einen dreistelligen ROI liefern.

Diese letzten drei Beispiele für Predictive-Analytics-Methoden sind gut belegt. Mit den richtigen Tools und erfahrenen Partnern können Unternehmen im Bereich B2B ihren Vertriebscontrolling-Prozess anpassen, um sie umzusetzen.

Starten Sie heute mit Predictive-Analytics und behalten Sie eine langfristige Perspektive

Predictive Analytics und Künstliche Intelligenz (KI) analysieren und verdichten KPIs für das Vertriebscontrolling und übernehmen bei Bedarf einen Teil der behäbigen Seite des Vertriebsmanagements. Der Mehrwert, die Zeitersparnis, ist offensichtlich.

Eine aktuelle Studie über deutsche Unternehmen, die im Bereich Predictive Analytics tätig sind, listet den Vertrieb als zweites Feld auf, in das die meisten Investitionen in Predictive Analytics fließen werden.

Es gibt jedoch zwei wesentliche Faktoren, die vor der Implementierung von Predictive Analytics im Vertriebscontrolling zu berücksichtigen sind.

Erstens sollte die Predictive Analytics Software schnell zu implementieren und einfach in bestehende Vertriebscontrolling-Prozesse zu integrieren sein.

Zweitens sollten auf Erkenntnisse aus der Predictive Analytics auch angemessene Verkaufsmaßnahmen folgen. Wenn ein Unternehmen beispielsweise eine KI-Software zur Verringerung der Kundeabwanderung im Vertriebscontrolling implementiert, sollte es auch die notwendigen Kundenbindungsstrategien und spezifischen Aktivitäten definieren.

Zusammenfassend lässt sich sagen, dass Unternehmen, die dank Predictive Analytics Wettbewerbsvorteile suchen, mit der Bereitstellung von Lösungen auf der Grundlage der bereits vorhandenen Verkaufsdaten beginnen sollten. Sie sollten auch mögliche Anpassungen im bestehenden Vertriebscontrolling im Auge behalten. Der Aufwand rechnet sich.

Predictive Analytics, Einsatz im Vertriebscontrolling - Fazit

Predictive Analytics ist eine Ursache und Folge des digitalen Wandels im B2B-Vertrieb. Unabhängig von seinem (wohlverdienten) Ruhm sollten B2B-Führungskräfte Predictive Analytics als Ergänzung zu ihrem bestehenden Vertriebsanalyse- und Controlling verstehen.

Künstliche Intelligenz und Predictive Analytics werden in absehbarer Zeit die Weisheit eines erfahrenen Sales Controllers nicht ersetzen. Dennoch können beide Technologien Kosten senken und wertvolle Zeit sparen. Unternehmen sollten in Betracht ziehen, sie in bestehenden Prozessen anzuwenden und dabei die vorhandenen ERP- und CRM-Daten zu verwenden.

Darüber hinaus verfügen B2B-Vertriebsmanager heute über mehrere bewährten Predictive-Analytics-Methoden und intelligente Softwarelösungen für das Vertriebsreporting. Sie werden trotzdem noch Anpassungen im Vertriebscontrolling benötigen. Diese Investition lohnt sich jedoch. Unternehmen sollten nicht blindlings auf Predictive-Analytics-Methoden vertrauen, die sie nicht verstehen.

Unsere Empfehlung ist es, mit der Nutzung der aktuellen Daten- und Vertriebscontrolling-Prozesse zu beginnen und gleichzeitig eine langfristige Vision hinsichtlich der Erweiterung der Anwendung der Predictive-Analytics im B2B-Vertrieb zu verfolgen.