创业公司初期关注哪些指标

可预期增长率是什么?

销售团队效率如何?

销售漏斗的健康状态如何?

增长率指标

公司都想着成长,销售的主管更得有远大目标。但是有着一个增长率有误的目标,可难保不出差错。更要紧的是,达到既定目标对成长期中全公司上下的士气影响很大。依托历史数据确定正确的增长率指标有下面四个关键标准:

• 订单——首先,定下衡量标准:MCV(月成交额),ACV(年成交额),TCV(总成交额)或者软件订单。衡量标准决定了销售行为。如果衡量TCV,销售员会完成多年的交易。衡量MCV,销售员会稍快地完成较小额的交易。解决之道在于使订单指标跟销售活动匹配。追求宏伟目标的公司该衡量ACV,而高速销售模式的公司则应衡量MCV。

• 合格的渠道——勘察对于建立强健的机会渠道有重要意义。早期公司应通过衡量合格的渠道来追寻勘察效果。合格的渠道是指那些在当前季度可能结束的交易,或者是不够格的共识。季度之初就要追寻合格的渠道,然后每周都检查它,还要抓住额外的信息,比如机遇的引领资源,来决定需求挖掘以及勘察效果。

• 新logo——销售主管需要区别新标识订单和发展品订单。尽管两者都很重要,但新logo在公司早期的成长阶段尤甚。好的产品销量总会扩大,而新标识则助力其成长。公司签订一个新的合同定下新标识都很容易。而将发展品最好分为三种类型:新用途,新用户,或者纯粹的新用法。

• 更新率/流失率——流失是公司成长计划的阿喀琉斯之腫。流失率是指在已有周期内未更新收益的百分比。公司早期的更新历史有限,此时进行流失率评估有些棘手。结果就是销售主管陷入低估流失率的泥淖,从而影响了订单计划。衡量流失率的时候应当关注流失原因,从而理解为什么顾客会离开。

销售成果指标

总裁们常常在意成长率的迟滞指标。下面这些领先指标可以帮助销售主管理解销售成果。雇佣了正确的人了吗?他们按计划干活着吗?他们有保证成功的几把刷子吗?这些指标告诉销售主管应该把注意力放在销售团队中的哪些方面。

• 新雇佣人数(损耗率)——销售主管慧眼识人、降低离职率的能力是取得长期成功的关键。关注离职率的时候要注意他们是自愿还是非自愿的。对离职的关注是销售主管保持一支能够完成销售任务团队的关键。

• 平均销售额度——销售人员想完成计划,销售主管有责任据此制定合理的销售目标。销售主管在全组范围内有必要既关注平均水平(实际与计划),又关注计划百分比。成长期内,这一指标能够帮你不仅确定人员的雇用数量和销售能力,还有销售人员的销售额度。

• 新人平均磨合期——销售主管必须清楚一个新人从陌生到熟练需要花费的时间。磨合期是指新人达到销售目标花费的总体时间。销售主管以此来预测新人什么时候可以担起未来的责任。

• 熟练销售人员——熟练的销售人员是不需要磨合期而且预计可以完成、并超额完成销售任务的人员。总熟练工X平均销售额+磨合期人员的成果=总体的销售能力。销售主管需要保证当季的销售能力总要大于销售计划。

• 预测精确度——这是一个评估销售团队完成精确预测和交易能力的指标。销售主管通过对比销售人员的前期、中期、后期销售预期来衡量预测精确度。这一指标告诉销售人员,预期是他们工作中的重要一环。这一指标也帮助销售主管确认销售人员们的目标是进取还是保守。销售主管被寄希望于别使预测在最后令人大失所望。

销售漏斗指标

早期的销售主管有责任建立一个健康的销售漏斗。为了实现这个,销售主管需要配额目标、活动和领导(组织内的营销和组织外的销售)。下面的指标有助于销售主管建立起漏斗数学模型和理解基本的经济学。随着公司的成长,销售主管会逐渐洞悉更高级的漏斗数据和网站转化率。

• 销售均价——这一交易规模指标能够帮助确立更大的交易,并确定何时升级为更高端的交易。销售均价同时也是决定一个销售人员需要完成的交易数量以达到计划要求的关键要素。

• 平均销售循环周期——这一指标衡量的是销售从初代产品到签订合同整整一个循环所花费的典型时间。平均销售循环为观察典型交易是如何进行的、以及预期时间框架内交易何时结束提供了视角。分析这一指标可以识别销售效率和销售培训的进展。

• 成功率/损失率——比赛中的输赢都要关注。销售主管需要知道是怎么赢得交易的,以重复这一获胜模式;也需要知道是怎么失去交易的,以调整策略或避免失败情形。关注输赢的理由,这样才能识别趋势和模式。一旦获取了足够的数据就可以得出成功率和损失率的百分比了。

• 平均折扣——这一指标不常被关注。早期的公司需要严格测试价格。价格到底是定的太高,还是定的太低?关注平均折扣使得销售主管可以建立起合理的预期和规则来管控折扣。

对数据关注太多可能使销售主管指标泛滥。虽然我热衷于数据导向的分析,但也别让数据的喧宾夺了判断力和洞察力的主。定量和定性的反馈同样重要。确保这两者在战略层面或者管理层面都得到讨论。记住,洞悉趋势和内涵时指标的价值意义非凡,所以还是持续关注为好。

你可能感兴趣的:(【数据分析岗位面试】)