销售人员的分析,也可以用类似RFM的思路吗?

2024-02-09 08:48

本文主要是介绍销售人员的分析,也可以用类似RFM的思路吗?,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

本文转自知乎

作者:接地气的陈老师

—————————————————————————————————————————————————————

有同学问:“销售人员的分析,也可以用类似RFM的思路吗,比如看最近开单时间,开单频率, 开单金额,然后进行分类管理?”

 

答:得看管理的是什么。如果是提示销售人员流失的话,这么做会有用处。而且会比预测消费者的流失更准。为啥?因为很多快消品中,不存在真正意义上的“流失”用户。大部分快消品都是生活必需品,看起来用户流失了,投个优惠券就又回来了。连方便面这种垃圾食品,还都隔三差五想嗦一顿不是。但对销售人员来说,如果丫NNN久没开单,那他就没有收入了!要饿死了!那他肯定就流失了!妥妥的。

 

(ノДT)

 

但是如果是拿来分析销售人员该做什么,那就大错特错了。有些同学可能会不理解,不是做销售分析,都是:

 

销售收入= 顾客数 * 转化率 * 客单价

 

还有诗为证:

销售分析一句话

客户转化客单价

同比环比三年比

涨了表扬低了骂

 

是滴,这个公式可以反映销售的变化情况,但不能反映销售人员的行为。因为这些数据都是在成交以后的,打出POS单以后的一个结果数据,并不能反映销售到底是怎么忽悠来的这一单。包括之前提的:开单时间,开单频率, 开单金额,这些指标也是已经成单以后的结果,也不能反映行为。业绩是做出来的,不是算出来的。要知道销售人员到底在什么干销售,才能真正知道如何提升他们的业绩。

 

如果不去理解销售过程,光看结果,便会搞出很多搞笑的分析。比如最常见的,做过销售分析/经营分析/商业分析的同学们,八成都在ppt上写过这种话:“本月销售业绩下降, 因为新顾客数过少,所以新顾客数要搞高!”是滴,类似的还有活跃率要搞高,客单价要搞高

 

这些话给各个部门的领导们看当然没问题,但是如果真按这么说的去做,结局就悲催了。比如上个活动:新客户开卡有礼。你以为销售们就会认认真真找新客户了?图样图森破!他们会拆单,然后让七姑八姨都来蹭优惠!

 

类似的

  • 做高客单价,就凑单
  • 做多客户数,就上七姑八姨
  • 做VIP大客,就往一张卡上堆
  • 做高成交率,就狂推最便宜的产品
  • 遇到大力度促销,自己先囤货

 

(╯°Д°)╯︵┻━┻

 

渠道第一法则:薅羊毛最狠的永远是牧羊人!

 

总之,销售们只会选择最短平快的方式解决问题。导致的结果,就是一个指标做起来,势必另一个指标跌下去,然后总业绩永远不长。所以做销售分析/经营分析/商业分析的同学们,不要再觉得自己怀才不遇了,你提的那些建议真的只是个跷跷板方案而已(一头起,另一头跌)。

 

有的同学又会有疑问,这么急功近利,岂不是做不长久。是滴,是会不长久,但是这是企业不长久而已。销售们挣不到钱就会离职,去另一个公司继续做销售,然后还合力吐槽前公司的管理是多么没本事。

 

渠道第二法则:羊被薅秃了,只会饿死农场主,不会饿死牧羊人。牧羊人会换一个农场继续薅,还有可能顺手上知乎在《怎么评价XX公司》下回复:“这个公司的管理就是傻逼,我说说吧,他们这么这么傻,利益相关先匿了。”

 

( ̄ω ̄;)

 

所以想真正提升销售效益,要深入到销售过程中去,去关注开单前发生了什么。然鹅这涉及到一个很蛋疼的问题:如何知道销售们干了什么?好在现在CRM系统已经很普及了,有一些成熟的方案,限于篇幅,以后慢慢分享。

 

这篇关于销售人员的分析,也可以用类似RFM的思路吗?的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/693743

相关文章

python panda库从基础到高级操作分析

《pythonpanda库从基础到高级操作分析》本文介绍了Pandas库的核心功能,包括处理结构化数据的Series和DataFrame数据结构,数据读取、清洗、分组聚合、合并、时间序列分析及大数据... 目录1. Pandas 概述2. 基本操作:数据读取与查看3. 索引操作:精准定位数据4. Group

MySQL中EXISTS与IN用法使用与对比分析

《MySQL中EXISTS与IN用法使用与对比分析》在MySQL中,EXISTS和IN都用于子查询中根据另一个查询的结果来过滤主查询的记录,本文将基于工作原理、效率和应用场景进行全面对比... 目录一、基本用法详解1. IN 运算符2. EXISTS 运算符二、EXISTS 与 IN 的选择策略三、性能对比

MySQL 内存使用率常用分析语句

《MySQL内存使用率常用分析语句》用户整理了MySQL内存占用过高的分析方法,涵盖操作系统层确认及数据库层bufferpool、内存模块差值、线程状态、performance_schema性能数据... 目录一、 OS层二、 DB层1. 全局情况2. 内存占js用详情最近连续遇到mysql内存占用过高导致

深度解析Nginx日志分析与499状态码问题解决

《深度解析Nginx日志分析与499状态码问题解决》在Web服务器运维和性能优化过程中,Nginx日志是排查问题的重要依据,本文将围绕Nginx日志分析、499状态码的成因、排查方法及解决方案展开讨论... 目录前言1. Nginx日志基础1.1 Nginx日志存放位置1.2 Nginx日志格式2. 499

Olingo分析和实践之EDM 辅助序列化器详解(最佳实践)

《Olingo分析和实践之EDM辅助序列化器详解(最佳实践)》EDM辅助序列化器是ApacheOlingoOData框架中无需完整EDM模型的智能序列化工具,通过运行时类型推断实现灵活数据转换,适用... 目录概念与定义什么是 EDM 辅助序列化器?核心概念设计目标核心特点1. EDM 信息可选2. 智能类

Olingo分析和实践之OData框架核心组件初始化(关键步骤)

《Olingo分析和实践之OData框架核心组件初始化(关键步骤)》ODataSpringBootService通过初始化OData实例和服务元数据,构建框架核心能力与数据模型结构,实现序列化、URI... 目录概述第一步:OData实例创建1.1 OData.newInstance() 详细分析1.1.1

Olingo分析和实践之ODataImpl详细分析(重要方法详解)

《Olingo分析和实践之ODataImpl详细分析(重要方法详解)》ODataImpl.java是ApacheOlingoOData框架的核心工厂类,负责创建序列化器、反序列化器和处理器等组件,... 目录概述主要职责类结构与继承关系核心功能分析1. 序列化器管理2. 反序列化器管理3. 处理器管理重要方

SpringBoot中六种批量更新Mysql的方式效率对比分析

《SpringBoot中六种批量更新Mysql的方式效率对比分析》文章比较了MySQL大数据量批量更新的多种方法,指出REPLACEINTO和ONDUPLICATEKEY效率最高但存在数据风险,MyB... 目录效率比较测试结构数据库初始化测试数据批量修改方案第一种 for第二种 case when第三种

解决1093 - You can‘t specify target table报错问题及原因分析

《解决1093-Youcan‘tspecifytargettable报错问题及原因分析》MySQL1093错误因UPDATE/DELETE语句的FROM子句直接引用目标表或嵌套子查询导致,... 目录报js错原因分析具体原因解决办法方法一:使用临时表方法二:使用JOIN方法三:使用EXISTS示例总结报错原

MySQL中的LENGTH()函数用法详解与实例分析

《MySQL中的LENGTH()函数用法详解与实例分析》MySQLLENGTH()函数用于计算字符串的字节长度,区别于CHAR_LENGTH()的字符长度,适用于多字节字符集(如UTF-8)的数据验证... 目录1. LENGTH()函数的基本语法2. LENGTH()函数的返回值2.1 示例1:计算字符串