Service Lines Customer/Marketing Intelligence URL:www.abeam.com/jp 統合顧客基盤を活用した 法人顧客セグメンテーション／ターゲティングの高度化支援サービス 科学的アプローチで法人ビジネスを効率的に開拓 市場環境が変化し競争が激化する中、営業組織は限られたリソースを最大限に活用し、より効率的に顧客にアプロー チし価値を提供し続けるため、「どの顧客 ( 層）を攻略するか」 「何を提案するか」が重要なポイントとなります。 一方では、多くの法人営業組織においてセグメンテーション／ターゲティングは営業ならびに企画担当者の知識や 経験、ノウハウ等に依存しており、高度化の余地があります。 アビームコンサルティングは、社内外に蓄積されたデータと分析技術を組合せた科学的なアプローチでターゲット とすべき顧客の特定を高度化し、企業の更なる営業生産性の向上をご支援いたします。 デジタル時代におけるセグメンテーション / ターゲティングのアプローチ データの蓄積が進み、分析技術も成熟したデジタル時代において、先進企業は 攻略すべき顧客層ならびに顧客の特定（セグメンテーション／ター ゲティング）に事実と予測分析に基づく科学的なアプローチを採用し、担当者の知見やノウハウを補完することで、営業生産性の更なる向上を実 現しています。 従来 顧客セグメント 維持 重要 顧客の現在価値 重要 ＋ 投資 ＋＋ 維持 − 重要+ ＋ 営業戦略・施策への反映 維持± 顧客の現在価値 High 担当者の知見・ノウハウ リソース配分の適正化 （優良セグメントへの重点配置） 顧客セグメント High 顧客の将来価値 顧客の将来価値 High デジタル時代 High 有望顧客への優先アプローチによる 営業活動の効率化 事実(データ） と予測分析 法人顧客セグメンテーション / ターゲティング： 1st ステップ 既に手元にある社内の実績データ等に様々な分析を加えることで、顧客（層）毎の収益性や営業リソース配置のバランス等の客観的な評価など、 営業方針・活動の強化点を見極め、目標達成に直結した施策の立案やメリハリのある営業活動を行う上での貴重な気付きを得ることができます。 収益性評価（全体） 売上履歴情報 （基幹の取引実績) 契約詳細情報 営業組織情報 ビジネスインテリジェンス 顧客基本情報 ・・・ 必要に応じ実施 共通顧客IDによる統合 ○ データ定義の標準化 データのクレンジング （正確性・完全性・標準準拠の担保） ○ ○ 全体収益を圧迫している層 ○ ０ 大型商談の多い「大手顧客」 から 本当に収益を確保できているか 全体収益への影響度合いは 顧客別売上 − 収益性評価（事業／カテゴリ別） 全体平均 低収益セグメント 事業Cのカスタム品の 原価比率が高い 低収益の原因は何か （特定事業・商品カテゴリ等） ○ ○ 事業A 事業B 事業C 事業A 事業B 原価や経費の比率はどうか 事業C 顧客価値・営業リソース配分評価 営業リソース ○ 顧客別利益率 統合顧客情報基盤 ＋ ○ 営業だぶつき ○ リソース不足 顧客価値 売上・利益が小 or 伸びていないのに 営業リソースを過剰投下 案件は多く伸びているのに 営業が少なく刈り取り切れない 社内データを中心とした統合顧客情報基盤に社外データを組合せ分析を行うことで、現在取引の無い企業も含め、業種・扱い品目、売上伸長率等、 企業特性を表わす有用な追加情報を得ることができ、より的確に攻略すべき顧客（層）を見出すことが可能となります。 社内 自社顧客の特性分析 ビジネスインテリジェンス Service Lines Customer/Marketing Intelligence 法人顧客セグメンテーション／ターゲティングの高度化イメージ 顧客基本情報 売上履歴情報 （基幹の取引実績) 契約詳細情報 営業組織情報 自社商品の ユーザー ○ 母集団 ○ 有望顧客のプロファイル ■ 業種 耐久消費財卸売 機械器具設置工事 建築材料卸売 ■ 売上高 国内の全企業と比較しての 自社の顧客の共通特性 有望顧客のプロファイル - 業種・扱い品 - 従業員規模 - 売上伸長率 50〜100億/年 ■ 従業員 100〜300人 ■ 事業所数 5〜10箇所 機械器具小売 購買率スコアリングと意思入れ ・・・ ○ ＋ ＋ ○ 統計分析 社外※１ 契約企業基本情報 （業種/売上高/従業員数等） 企業名 商品カテゴリ スコア ○○工業 小型複合機 0.82 △△商事 プロジェクタ 0.81 ・・・ ・・・ （扱い品目／売上伸長率等） 戦略セグメント 等 ○ 商品グループ毎のターゲット 企業と購買予測スコア 有望顧客をターゲットとすることで 同じ活動量でより多く成約 購買予測モデルに基づく 営業活動 より大きな効果を得るためのポイント 成約案件数 ゲイン （経験則ベースより効率的） り効率的) データ品質の確保 経験則ベース ターゲティングに有用な情報の拡充 仮説に基づく分析 ランダム ０% ポテンシャル （伸び代） が大きい (自社浸透率、売上伸長率等） 有望未取引先ターゲットリスト 企業プロファイル情報 ※１ 企業情報提供サービス又はオープンデータ等を利用。 等 分析結果の施策への展開 100% 顧客訪問率 立ち上げのステップ 現有データで限定した領域における Proof Of Concept を実施し、有効性を体感いただくと共に、更なるパフォーマンス向上に向けた改善点を 抽出し、今後の進め方を策定するアプローチが一般的です。 営業生産性向上に向け、法人営業とデータ活用の知見に基づき End to End で支援します。 Phase 1 Phase2-1 Phase 3 Phase 4 ファースト・ステップ PoC※2 Quick Winの実行 トライアル 全面展開と継続的改善 実施事項 ○ ○ ○ ○ 分析テーマの定義 現有データに基づく事業・商品 等を限定したトライアル分析 ○ Quick Win 施策の準備 ○ ユーザー・トレーニング ○ 施策の実行 ○ モニタリング・効果測定 ○ 改善点抽出 分析結果の考察 中長期的取り組みの整理 ○ 次フェーズ実行計画 ○ ○ Phase2-2 Quick Win 施策の抽出と 今後の進め方の計画 ○ ○ ○ 課題対応策の実行※3 ○ ○ 中長期的な取り組み施策の実行 分析精度の向上に向けた 情報バリエーションの拡充 ユーザーインターフェース改善 教育・啓蒙活動 データ精度の向上に向けた データガバナンスの確立 分析体制の整備 等 ※2 Proof of Concept. 範囲を限定した簡易な新しい概念の実現可能性の検証。 ※3 Phase1 で定義した実行計画の実行。 追加現状調査、追加分析等を行う場合があります。 アビームコンサルティング株式会社 2016.11 本資料の無断転載・複製を禁じます Copyright©2016 by ABeam Consulting, All rights reserved
© Copyright 2024 ExpyDoc
