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

Nginx分布式部署流程分析

《Nginx分布式部署流程分析》文章介绍Nginx在分布式部署中的反向代理和负载均衡作用,用于分发请求、减轻服务器压力及解决session共享问题,涵盖配置方法、策略及Java项目应用,并提及分布式事... 目录分布式部署NginxJava中的代理代理分为正向代理和反向代理正向代理反向代理Nginx应用场景

Redis中的有序集合zset从使用到原理分析

《Redis中的有序集合zset从使用到原理分析》Redis有序集合(zset)是字符串与分值的有序映射,通过跳跃表和哈希表结合实现高效有序性管理,适用于排行榜、延迟队列等场景,其时间复杂度低,内存占... 目录开篇:排行榜背后的秘密一、zset的基本使用1.1 常用命令1.2 Java客户端示例二、zse

Redis中的AOF原理及分析

《Redis中的AOF原理及分析》Redis的AOF通过记录所有写操作命令实现持久化,支持always/everysec/no三种同步策略,重写机制优化文件体积,与RDB结合可平衡数据安全与恢复效率... 目录开篇:从日记本到AOF一、AOF的基本执行流程1. 命令执行与记录2. AOF重写机制二、AOF的

MyBatis Plus大数据量查询慢原因分析及解决

《MyBatisPlus大数据量查询慢原因分析及解决》大数据量查询慢常因全表扫描、分页不当、索引缺失、内存占用高及ORM开销,优化措施包括分页查询、流式读取、SQL优化、批处理、多数据源、结果集二次... 目录大数据量查询慢的常见原因优化方案高级方案配置调优监控与诊断总结大数据量查询慢的常见原因MyBAT

分析 Java Stream 的 peek使用实践与副作用处理方案

《分析JavaStream的peek使用实践与副作用处理方案》StreamAPI的peek操作是中间操作,用于观察元素但不终止流,其副作用风险包括线程安全、顺序混乱及性能问题,合理使用场景有限... 目录一、peek 操作的本质:有状态的中间操作二、副作用的定义与风险场景1. 并行流下的线程安全问题2. 顺

MyBatis/MyBatis-Plus同事务循环调用存储过程获取主键重复问题分析及解决

《MyBatis/MyBatis-Plus同事务循环调用存储过程获取主键重复问题分析及解决》MyBatis默认开启一级缓存,同一事务中循环调用查询方法时会重复使用缓存数据,导致获取的序列主键值均为1,... 目录问题原因解决办法如果是存储过程总结问题myBATis有如下代码获取序列作为主键IdMappe

Java中最全最基础的IO流概述和简介案例分析

《Java中最全最基础的IO流概述和简介案例分析》JavaIO流用于程序与外部设备的数据交互,分为字节流(InputStream/OutputStream)和字符流(Reader/Writer),处理... 目录IO流简介IO是什么应用场景IO流的分类流的超类类型字节文件流应用简介核心API文件输出流应用文

Android 缓存日志Logcat导出与分析最佳实践

《Android缓存日志Logcat导出与分析最佳实践》本文全面介绍AndroidLogcat缓存日志的导出与分析方法,涵盖按进程、缓冲区类型及日志级别过滤,自动化工具使用,常见问题解决方案和最佳实... 目录android 缓存日志(Logcat)导出与分析全攻略为什么要导出缓存日志?按需过滤导出1. 按

Linux中的HTTPS协议原理分析

《Linux中的HTTPS协议原理分析》文章解释了HTTPS的必要性:HTTP明文传输易被篡改和劫持,HTTPS通过非对称加密协商对称密钥、CA证书认证和混合加密机制,有效防范中间人攻击,保障通信安全... 目录一、什么是加密和解密?二、为什么需要加密?三、常见的加密方式3.1 对称加密3.2非对称加密四、

MySQL中读写分离方案对比分析与选型建议

《MySQL中读写分离方案对比分析与选型建议》MySQL读写分离是提升数据库可用性和性能的常见手段,本文将围绕现实生产环境中常见的几种读写分离模式进行系统对比,希望对大家有所帮助... 目录一、问题背景介绍二、多种解决方案对比2.1 原生mysql主从复制2.2 Proxy层中间件:ProxySQL2.3