作者： 接地氣的陳老師 接地氣學堂 昨天

很多同學抱怨，銷售分析很難做。能用的數據很少，領導們的期望卻很高，總指望通過數據能直接提升業績，咋辦！今天我們系統解答一下。銷售形式有很多種，不帶入具體場景是很難讨論的。因此我們來個具體場景：

某互聯網交易平台，通過線下銷售團隊招攬企業入住。目前銷售部領導找到數據分析師，希望能做一些精準分析，為一線銷售賦能，提升銷售生産力。問：這個數據分析項目該怎麼做？

一、解題的關鍵

首先，這個題的題眼在哪裡？

1. 賦能
2. 提升生産力
3. 精準分析

思考一秒鐘

看到題目，很多同學可能已經急不可耐的祭出大招“杜邦分析法”了。網上十篇講銷售分析的文章，九篇半會講杜邦分析法，有的還會在後邊加個“拆解法”以增加文章檔次（如下圖）。

确實，這些方法是銷售分析的基本方法。然而他們并不适合在這裡用。注意，題目裡銷售們面對的是企業客戶，這是toB類業務。toB類業務，就意味着極其繁瑣的跟進流程和複雜的客戶關系（如下圖）。

這也意味着銷售們要花大量時間在趕路、打電話、談判、開會、陪客戶喝酒、去洗浴城等等事情上。在這種情況下，給一堆餅圖、線圖、條形圖，是根本沒有人看的。不信的同學，可以統計下你們公司BI系統在銷售部的使用率，能超過10%都很厲害了。

所以，這個題的真正題眼是：一線。在報表壓根沒人看的情況下，其他的“賦能”、“助力”、“精準”是根本談不上的。這就要求我們先不要想“我有什麼數據”，更不要幻想“造個阿爾法大狗子汪汪一叫客戶就下單了”，而是思考“銷售們到底需要什麼”。

二、解題的順序

解題的第一步，得先了解銷售們的工作。

為了避免自己YY，大家可以通過SOP、訪談、陪同作業等等方式，理解到底這幫哥們在幹啥（如下圖）。

解題的第二步，要找到痛點。

想讓數據“被關注”，想讓分析的結果“有用”，得先保證自己提供的是别人需要的東西，這就得從痛點開始（如下圖）。

解題第三步，找到發力點。

注意，銷售們的痛點，很多不是數據能解決的。但這并不妨礙我們利用它勾引起銷售們的注意力。比如銷售們最常幹的就是打電話。我們完全可以把常用的客戶标簽、客戶狀态做進電話本裡，銷售們一眼就能看到哪些是很久沒聯系的老客戶，哪些是新簽約待跟進的新客戶，打電話方便，報表使用率自然上去了。

注意，這裡要控制發力力度。就拿電話本舉例，有些産品經理也關注到了這一點，但是他們特别喜歡在打電話前加一個“工作計劃表”非逼着一線去填工作計劃。還美其名曰：你看銷售流程第一步是列客戶名單嘛，所以要定個工作計劃，這樣科學合理。

結果，自然是産品使用率降到0 了！因為，隻有每天對着電腦舞文弄墨的産品經理自己，才喜歡做什麼甘特圖，寫每日計劃。你讓他頂着大太陽，打着領帶，坐在滴滴，堵車幾個小時去見客戶，他也沒心思寫這麼文绉绉的東西，鬼才會寫。所有面對一線的東西，對便利性的要求，都是遠遠大于科學性的，切記切記。

解題第四步，尋找改進機會。

當我們的數據有人看了，數據産品有人用了，這時候可以思考如何做提升。注意，面對一線，切記空談：要搞高。這樣簡直是讨打，很容易換回一句“你行你上啊”（如下圖）。

如果發現問題，最好直接告訴一線：你這麼做有用！還是上邊的例子，如果真發現這個問題，可以先看簽約率高的人做了什麼。如果我們發現展示同行客戶案例有效（提升5%左右），那直接把行業案例庫作為功能做到産品裡去。告訴他們：聊天的時候，點這個按鈕，管用！

效果絕對比擺餅圖、線圖、條形圖好的多。銷售也願意聽，也願意用。

解題第五步，逐步推廣使用。

有可能我們通過數據發現了100個問題，但是想解決，也得一個個來。最好看到一個數據改善以後，再推下一個。很多數據産品經理喜歡一次性搞個巨複雜的“綜合解決方案”給一線，結果，自然又是躺在手機APP/小程序裡吃灰。

有些同學會說：我沒機會做數據産品，咋整？這裡最大的區别，不是你能不能做一個數據産品，而是你腦子裡裝着的是真實的業務問題，還是餅圖線圖條形圖、加減乘除開根号。如果腦子裡裝的是真實的問題，我們可以：

1、做ppt的時候，直接做《銷售必勝攻略》，把數據發現和對應的解決辦法寫在一起，打包輸出。

2、做excel的時候，直接把問題标注在變動曲線上，并且在明細表裡把能克服問題的個人highlight，寫一個标注在旁邊。

3、做口頭彙報的時候，在說完反映問題的數據後，直接講一個解決問題的個人的故事，告訴大家這樣能改善數據。

即使沒有産品，你也能說出别人樂意聽的東西。甚至還能推動公司立項，為自己争取一個輸出數據産品的機會。

如果腦子裡裝的隻有餅圖線圖條形圖，即使真上一個數據産品，最後結果也是：報表打開率5%，隻有銷售團隊老大和銷售數據統計磚員倆人會看，看完還甩一句：我早知道了，你說這有啥用……

這個場景還能繼續

比如：

1. 企業背景改為：toC類，傳統美容院
2. 企業背景改為：toC類，汽車
3. 線下團隊改為：電話銷售
4. 一線銷售改為：大區經理
5. 一線銷售改為：銷售運營
6. 銷售的産品改為：廣告服務
7. 銷售的産品改為：數據産品

大家可以自己思考下，這些看似一點點的變化會帶來什麼區别。這時候數據分析項目需要做成什麼樣，才能滿足需求。

有同學會問，這種場景推演有什麼意義？因為在企業裡，真實的數據分析就要面對各種奇形怪狀的場景，比如：

• 服務對象可能是：一線員工、中層領導、高層領導
• 業務内容，可能受疫情影響，大量傳統的，和互聯網沒有交易的美容、健身房、汽車4S店也跑來搞線上引流、在線直播
• 互聯網平台自身推完了企業入駐，再推數據産品，再推營銷服務，再推辦公OA，再推數據中台資源……

所有這些， 都是在我們身邊真實存在，每天發生的事件。都是要真實解決的問題。

不切入到具體場景，遇到問題隻會到處問“互聯網數據該怎麼分析？？？”，最後得到的答案還是萬年不變的AARRR，還是杜邦分析法，還是漏鬥模型——有屁用。所以真想做數據分析做的有用，就得認真切具體場景，提升具體問題具體分析的能力。