Vad är säljdata? Typer, insamling och hur du använder den

De flesta säljteam drunknar i data och svälter efter insikt. 74 % av vd:arna säger att datarapportering och insikter är avgörande för att nå tillväxtmålen, men bara 38 % säger att de faktiskt gör det bra. Att samla in data var aldrig den svåra delen. Att använda den är det. Gapet mellan att ha data och att agera på den är där det mesta av dess värde tyst försvinner.

Det är samma misstag som grundare gör när de blandar ihop leadprospektering med leadgenerering, eller behandlar leadscoring som en formalitet i stället för ett filter. Den här artikeln går igenom vad säljdata faktiskt är, vilka typer som är värda att följa, hur du samlar in och underhåller den samt ett praktiskt ramverk för att sätta den i arbete.

Vad är säljdata?

Säljdata är all information som hjälper dig att förstå och förbättra hur du säljer. Vilka köparna är. Hur affärer rör sig genom pipelinen. Vad som redan är stängt, och varför. Det är hela definitionen. Alla försöker göra den mer komplicerad än så.

Här är dock var de flesta blir förvirrade. Säljdata är inte samma sak som säljdataanalys. Data är rå. Det är ett namn, ett steg, ett avslutsdatum, en siffra i ett fält. Analys är det som händer efteråt: att se mönstret, fråga varför vinstfrekvensen sjönk, besluta vad som ska ändras på grund av det. Ett CRM fullt av fält är inte insikt. Det är bara inventarier.

Den här skillnaden spelar roll oavsett om du kör outbound själv eller har lämnat över prospekteringen till en partner inom B2B-säljoutsourcing. Hur som helst blir rådata användbar först när någon ställer en fråga till den, till exempel hur man identifierar köpsignaler som gömmer sig i den där pipelinen i stället för att bara beundra siffrorna.

Typer av säljdata

Alla team behöver inte alla typer av säljdata. Ett outbound-säljteam på fem personer och en enterprise-organisation på hundra följer inte samma saker, och det ska de inte heller. Rätt mix beror på ditt säljsätt och hur stora ni är, inte på någon universell checklista du kopierat från ett blogginlägg.

Kontakt- och firmografisk data

Det här är grunden. Utan den fungerar inget annat.

• Kontaktdata är vem du faktiskt pratar med: namn, titlar, e-postadresser, telefonnummer.
• Firmografisk data är företaget bakom dem: bransch, storlek, omsättning, plats.

Sätt ihop dem och du vet vem du ska ringa och om företaget över huvud taget är värt att ringa.

Hoppa över det här lagret och allt nedströms faller samman. Du kan ha världens bästa intentionssignaler, men om du inte vet rätt persons titel eller om företaget passar din ICP betyder signalen ingenting. Det här är också det lager som är mest utsatt för förfall. Folk byter jobb. Företag blir uppköpta. En kontaktlista som var korrekt i januari ruttnar i det tysta i juni.

Beteende- och intentionsdata

Om kontaktdata säger vem du ska nå, säger beteende- och intentionsdata när.

Beteendedata är vad folk faktiskt gör när de rör vid din verksamhet: webbplatsbesök, nedladdningar av innehåll, öppnade mejl, produktanvändning. Det är ett register över uppmärksamhet, och uppmärksamhet är en av få ärliga signaler du får innan ett prospekt lyfter luren.

Intentionsdata går ett lager längre. Intentionssignaler från tredje part visar att ett företag researchar din kategori på helt andra sajter, inte bara din. Det är råmaterialet bakom intentionsbaserad marknadsföring: i stället för att gissa vem som är redo att köpa bevakar du beteendet som berättar det.

Ingen av typerna säger vad du ska säga. Båda säger när du ska säga det. Tajming är hela poängen med den här kategorin, och de flesta team behandlar den som en eftertanke.

Pipeline- och affärsmöjlighetsdata

Det här är datan som säger vad som faktiskt är i rörelse just nu.

Varje öppen affär i din B2B-säljpipeline bär samma kärnfält: steg, värde, avslutsdatum, sannolikhet och inblandade intressenter. Steget säger var affären befinner sig. Sannolikheten är din bästa uppskattning av om den stänger över huvud taget, och intressenterna säger vem som faktiskt måste säga ja.

Inget av det är glamoröst. Men det är det som gör prognoser och affärsgranskning möjliga. Prognosen rullar ihop varje öppen affärsmöjlighet till en siffra ledningen kan planera kring. Affärsgranskning zoomar in på en enskild möjlighet för att kontrollera om den är så frisk som steget antyder. Ett steg som inte rört sig på sex veckor är oftast inte en avstannad affär. Det är en säljare som slutat uppdatera CRM:et.

Historisk data och prestationsdata

Det här är datan som redan har hänt. Vunna intäkter, förlorade intäkter, vinstfrekvens, genomsnittlig affärsstorlek, säljcykelns längd.

Den säger inte vad som kommer att stänga det här kvartalet. Men den är den enda ärliga baslinjen du har för prognoser och benchmarking. Utan den är "vi har ett bra kvartal" bara en känsla. Med den vet du om affärsstorleken faktiskt växer eller om din säljcykel i det tysta blir längre medan alla insisterar på att den inte gör det.

Varför säljdata spelar roll

Varje säljare har en magkänsla för vilka konton som förtjänar uppmärksamhet. Problemet är att magkänslor har fel tillräckligt ofta för att bli dyra. Säljdata ersätter gissningarna med bevis: vilka konton som faktiskt engagerar sig, vilka affärer som har verklig fart och vilka ditt team jagar av gammal vana snarare än på grund av en signal.

En prognos är bara så trovärdig som datan bakom den. Om pipelinen är korrekt blir den siffran något en styrelse faktiskt kan planera rekryteringar och utgifter kring. Om den inte är det gör du ingen prognos, du presenterar en önskan och hoppas att ingen ställer svåra frågor om den.

Coachning misslyckas ofta av liknande skäl. "Var mer övertygande" ändrar ingenting, eftersom det inte pekar på något. Specifik data gör det. En säljare som tappar affärer i offertstadiet behöver ett annat samtal än en som tappar dem i behovsanalysen, och det samtalet kan du inte ha utan att veta var förlusterna faktiskt sker.

Och så är det bråket som aldrig verkar ta slut: sälj säger att marknads leads är skräp, marknad säger att sälj inte följer upp. Båda har oftast rätt, eftersom ingen har enats om hur ett kvalificerat lead faktiskt ser ut. Delad data tvingar fram den definitionen i ljuset. När alla mäter samma sak slutar överlämningen vara en skuldövning och börjar bli en process.

Hur du samlar in och underhåller bra säljdata

Ditt CRM är sanningskällan, eller borde vara det. Varje konto, kontakt, affärsmöjlighet och aktivitet lever där. Problemet är att de flesta CRM inte går att lita på: dubbletter av kontakter, affärer som fastnat i steg ingen uppdaterat, fält som lämnats tomma eftersom det kändes som slöseri med tid att fylla i dem. Ett stökigt CRM betyder att varje rapport som dras ur det är fel, och ingen inser det förrän en prognos spricker.

Manuell inmatning är där det mesta av röran börjar. Lösningen är inte att be säljarna skriva mer noggrant, utan att ta bort skrivandet. Automatiserad insamling, som synkar e-post, kalender och samtalsloggar rakt in i CRM:et, stänger gapet mellan vad som faktiskt hände och vad som registrerades.

Webbplats- och formulärdata hjälper också, men betrakta den som en startpunkt, inte en färdig post. Ett ifyllt formulär ger dig ett namn och en e-postadress. Det ger sällan den firmografiska detaljen du behöver för att prioritera leadet, och det är därför berikning finns: för att fylla luckorna som ett formulär aldrig skulle fånga på egen hand.

Inget av det här håller utan underhåll. Gör regelbundna granskningar. Kräv de fält som spelar roll, standardisera format och fånga dubbletter och föråldrade poster innan de i det tysta förgiftar en analys om sex månader.

Och vid tvekan: träffsäkerhet slår volym. En mindre datamängd som ditt team faktiskt litar på kommer att prestera bättre än en uppsvälld som ingen tror på.

Hur du använder data i försäljning

Det är här de flesta team gör tvärtom. De försöker först bygga en heltäckande dashboard och letar sedan efter insikt i den. Gör tvärtom. Börja i stället med en specifik fråga. "Varför sjönk avslutsfrekvensen förra kvartalet" ger dig ett snabbare och mer användbart svar än någon öppen rapporteringsövning någonsin kommer att göra, eftersom en dashboard inte har någon åsikt och en fråga tvingar fram en.

Här är ett ramverk som faktiskt fungerar:

1. Börja med en fråga, inte en dashboard: Välj det som faktiskt stör dig. En vag känsla av att "något är fel med pipelinen" är inte en fråga. "Varför sjönk avslutsfrekvensen förra kvartalet" är det. Specificitet är det som gör analysen snabb.

2. Följ ett litet antal mått som hänger ihop med intäkterna: Du behöver inte fyrtio rutor på en skärm. Vinstfrekvens, genomsnittlig affärsstorlek, säljcykelns längd och konverteringsgrad per steg täcker det mesta ett team faktiskt behöver. Att övervaka allt med samma vikt är detsamma som att inte övervaka något, eftersom inget sticker ut.

3. Segmentera innan du drar några slutsatser: En aggregerad siffra döljer mer än den avslöjar. Bryt ner resultaten efter källa, segment, region eller säljare, så dyker mönster upp som den totala siffran i det tysta begravde. En oförändrad vinstfrekvens för hela företaget kan betyda att en region blomstrar medan en annan blöder affärer, och du skulle aldrig veta det utifrån totalsiffran.

4. Bygg en kadens, inte en engångsdjupdykning: En enda imponerande analys som aldrig upprepas är ett partytrick, inte en process. En kort veckovis pipelinekoll, en månatlig måttgenomgång och en djupare kvartalsanalys fångar problem medan de fortfarande är små nog att fixa.

5. Avsluta varje analys med ett beslut, en ägare och ett sätt att mäta det: Det här är steget nästan alla hoppar över. En insikt som inte leder till en specifik åtgärd utförd av en specifik person är inte värd tiden det tog att hitta den. Om ingen äger åtgärden dör insikten i en presentation.

6. Agera inte på allt på en gång: Du kommer att gå från varje riktig analys med fler fynd än du kan genomföra. Välj de en eller två förändringar som har störst effekt och följ dem hela vägen. Att försöka fixa allt samtidigt är så team hamnar i att inte fixa någonting.

Verktyg som stödjer säljdata

CRM:et är navet. Allt annat är en eker som matar in i det eller hämtar från det. Vänd på den hierarkin och du står med fem verktyg som alla påstår sig vara sanningskällan, vilket betyder att inget av dem faktiskt är det.

• CRM-system är det centrala datanavet: konton, kontakter, affärsmöjligheter och aktiviteter lever alla här först.
• Verktyg för databerikning hindrar kontakt- och företagsposter från att ruttna. Folk byter jobb, företag blir uppköpta, och en post som var korrekt i januari är inaktuell till sommaren.
• Sales engagement-plattformar följer själva kontakten: ringda samtal, skickade mejl, körda sekvenser, så att det inte hänger på att en säljare kommer ihåg att logga det.
• Rapporterings- och BI-verktyg gör rådatan till något visuellt, användbart för att se trender över pipelinen som skulle ta en evighet att upptäcka i ett kalkylblad.

Här är delen de flesta leverantörer inte berättar: de flesta små och medelstora team behöver inget separat analysverktyg alls. CRM:ets inbyggda rapportering täcker merparten av det du faktiskt behöver. Lägg till komplexitet när du vuxit ur det, inte innan.

Vanliga misstag i arbetet med säljdata

Det mesta av skadan kommer inte från dålig data. Den kommer från dåliga vanor kring bra data. Här är vad team oftast snubblar på:

• Att mäta aktivitet i stället för resultat: ringda samtal och skickade mejl känns produktivt, men de säger inte om något av det hänger ihop med intäkter.
• Att blanda ihop korrelation med orsakssamband: två mått som rör sig tillsammans betyder inte att det ena orsakade det andra. Isolera vad som faktiskt förändrades innan du agerar på det.
• Att granska data ad hoc: utan en fast kadens ligger problem oupptäckta tills de är allvarliga nog att bli uppenbara.
• Att ignorera datakvalitetsproblem: dubbletter, saknade fält, inkonsekvent inmatning, inget av det fixar sig självt, och varje rapport som byggs ovanpå ärver röran.
• Att försöka fixa allt på en gång: att göra om varje process samtidigt är så team hamnar i att inte slutföra någon av dem. Agera på fynden med störst effekt först.

Vanliga frågor om säljdata

1. Vad är säljdata?

Säljdata är all information som hjälper dig att förstå och förbättra hur du säljer, från vilka dina köpare är till hur affärer rör sig genom pipelinen till vad som redan är stängt. Rådata i sig är inte insikt. Den blir användbar först när någon analyserar den och bestämmer vad som ska göras med den.

2. Hur använder man data i försäljning?

Börja med en specifik fråga i stället för en öppen dashboard. Följ en liten uppsättning mått kopplade till intäkter, vinstfrekvens, affärsstorlek, cykellängd och konvertering, och segmentera resultaten i stället för att förlita dig på aggregerade siffror. Varje analys bör sluta med ett beslut och en ägare, inte bara en observation.

3. Vad räknas som säljdata?

Allt som är kopplat till dina köpare eller din pipeline räknas: kontakt- och firmografiska uppgifter, beteende- och intentionssignaler, data om öppna affärsmöjligheter och historisk prestation. Alla team behöver inte alla fyra typerna. Rätt mix beror på ditt säljsätt och er storlek.

4. Vilka är de 4 huvudsakliga typerna av data?

I ett säljsammanhang är de fyra kärnkategorierna kontakt- och firmografisk data, beteende- och intentionsdata, pipeline- och affärsmöjlighetsdata samt historisk data och prestationsdata. Tillsammans täcker de vem du ska nå, när du ska nå dem, vad som är i rörelse just nu och vad som redan har hänt.

5. Hur hanterar man säljdata?

Behandla ditt CRM som den enda sanningskällan och minska manuell inmatning med automatiserad insamling överallt där du kan. Gör regelbundna granskningar med valideringsregler för att fånga dubbletter och föråldrade poster. En mindre, pålitlig datamängd slår alltid en stor som ingen litar på.