計画の作成から始める
学習の目的
- ロールアウト作業をロールアウトフェーズごとにグループ化する。
- 営業担当やマネージャーが直面している課題を説明する。
ジャーニーのマップの作成
Eleanor は屋外で考え事をする方がうまくいくので、Ava に会った後にオフィスを出て散歩に出かけます。最初は 50 個の Sales Cloud Einstein ライセンスを割り当てるのは気が遠くなるような仕事に思われますが、小さな作業に分割すると、それほど大変ではなさそうです。Eleanor は Sales Cloud Einstein のロールアウトで一般的に推奨されているフェーズと作業を確認します。
フェーズ | 作業 | 詳細 |
---|---|---|
有効化前 | ビジネスの課題と優先事項を理解する。 | 営業担当が抱える実務上の問題の内部事情を把握するチャンスです。リーダーチームと話し、何が最も重要かについての意見を聞きます。 |
最初に導入する Sales Cloud Einstein 機能を決定する。 | ビジネスニーズに優先順位を付けると、最初にどの機能を導入するかを判断しやすくなります。一度にすべての機能を導入しようとせず、将来について考えます。 | |
目標と成功の条件を定義する。 | Sales Cloud Einstein によって何を達成したいか、そしてどのようにして達成を判断するかについて、全員の意思を統一します。 | |
最初のユーザーグループを選択する。 | 機能をテストするために少人数ながら多様なユーザーのグループを特定します。このグループの協力によって、問題を取り除くことができます。 | |
Einstein に対する Salesforce 組織の準備が整っていることを確認する。 | 鍵を握るのはデータです。データがクリーンで豊富にあることを確認します。データの準備状況を評価するツールが用意されています。 | |
有効化 | 機能を有効にします。 | [設定] で実行する必要があることがいくつかありますが、手順のガイドが提供されます。 |
Sandbox でテストする。 | どのような状態になるのかを確認します。Sandbox は、Sales Cloud Einstein が既存のアーキテクチャ、ワークフロー、Lightning コンポーネントとどのように連携するかをテストするのに適しています。 | |
ユーザーとのコミュニケーションやユーザーのトレーニングを開始する。 | Sales Cloud Einstein によって何を達成したいかをユーザーに伝え、それを実現する方法を示します。 | |
Sales Cloud Einstein にユーザーを割り当てる。 | 機能を設定し、チームの準備が整ったら、Einstein への扉を開くことができます。 | |
有効化後 | ユーザーからのフィードバックを得る。 | フィードバック、考え、質問を共有する方法をユーザーに提供します。Chatter グループ、状況確認ミーティング、アンケートなどを利用して、ユーザーの意見を聞きます。 |
リリースを拡張する。 | 少人数のユーザーグループから学び、必要な調整を行ってから、追加ライセンスを割り当てます。また、他の Sales Cloud Einstein 機能の使用を開始できることもあります。 |
チームの課題の特定
Eleanor は短時間のうちに具体的な Sales Cloud Einstein 機能について学習しましたが、それらの機能が Honeydew の成功にどのようにつながるかがわかりません。最初のステップは、営業チームがどのように業務を行い、最も差し迫った課題は何かを詳しく知るために、Honeydew の営業業務リードマネージャーである Sayuni Patel とのミーティングを設定することです。
Sayuni は Sales Cloud Einstein を購入した役員チームの一員でした。このプロセスの調査段階で、彼女は営業チームと話し、最大の課題を見つけていました。彼女は、セールスプロセスのすべてのステップをスマートにするという Sales Cloud Einstein のマーケティングフレーズは知っていましたが、Sales Cloud Einstein によって Honeydew の具体的な問題をどう解決できるかがわかりませんでした。そのため、Eleanor がロールアウト計画について話すために連絡してきて喜んでいます。
長いランチを取りながら、Sayuni は Eleanor に営業の組織と課題について詳しく語ります。彼女は経験レベルがさまざまであることを説明します。大学を卒業したての営業担当もいれば、長年の経験を持つ営業担当もいて、その中間もいます。全員が同じことに苦労しているわけではありません。営業の役割によっても課題が異なります。インサイドセールス担当者は、1 日中デスクでリードを育成しています。そのため、商談の成立とビジネスの成長に取り組むフィールドセールス担当者とはニーズが異なります。営業マネージャーは、営業担当のコーチングと、顧客との関係の維持に重点を置いています。
洞察に満ちた議論の後、Eleanor はランチを終えます。お腹はいっぱいで、Sales Cloud Einstein が Honeydew の営業をどのように改善できるかについてもしっかりと理解できています。そこで、オフィスに戻って Honeydew の課題の概要を書き留めます。これらの課題の中で何個があなたの会社にも当てはまりますか?
課題 | 説明 | SalesCloud Einstein の機能 |
---|---|---|
すべてのリードを追及する時間がない | 時間は限られています。そのため、取引開始の可能性が高いリードに営業担当が貴重な時間を費やすことが重要です。 |
Einstein リードスコアリング 営業担当がスコアを使用してリードのリストに優先順位を付ければ、取引開始の可能性が高いリードに集中することができます。 |
メールの中で失われる詳細が多すぎる | メールが主なコミュニケーションツールである場合は、詳細を見逃しがちです。また、リードが多すぎると、フォローアップアクションが多くなりすぎ、何が最も重要かを把握するのが難しくなります。営業担当が長く待ちすぎると取引開始のチャンスを逃しかねません。 |
Einstein メールインサイト 営業担当の受信箱に実行可能なインテリジェンスが表示されるため、注意が必要な顧客を識別しやすくなります。 Salesforce Inbox 営業担当が注意が必要な事項に集中するのに役立つ生産性ツールのスイートです。たとえばメール追跡は、営業担当が、エンゲージした見込み客に集中するのに役立ちます。対応可能時間の挿入は、ミーティングのスケジュールを容易にします。 |
データ入力が追いつかない | レコードが古くなってしまうと、営業チームの生産性を維持するのは困難です。 |
Einstein 自動取引先責任者 取引先責任者レコードが自動的に Salesforce に追加されるため、営業担当はデータ入力に費やす時間を削減できます。 Einstein 活動キャプチャ メールと行動のデータが自動的に Salesforce レコードに記録されるため、営業担当の生産性が向上し潜在顧客が可視化されます。 |
課題 | 説明 | Sales Cloud Einstein の機能 |
---|---|---|
販売時間の戦略を策定できない | 限られた販売時間をどのように費やすべきかを知るのは難しく、間違った商談に時間をかけすぎることで案件を失うこともよくあります。 |
Einstein 商談スコアリング 商談が成立する可能性を示すスコアに基づいて案件に優先順位を付けることができます。たとえば、営業担当は初期フェーズにあるスコアの高い商談を優先することができます。 |
リスクの高い商談を識別するのが難しい | 営業担当が商談フェーズを見て商談成立の可能性を判断すると、間違うことがあります。たとえば、終盤にある商談が実際には成立の可能性が低いこともありますが、フェーズについての思い込みがあると、リスクの高い商談を無視することにつながります。 |
Einstein 商談スコアリング スコアは実際のデータに基づいているため、営業担当は商談を正確に理解できます。スコアに寄与する要因も表示されるため、営業担当は適切なアクションを実行できます。 |
課題 | 説明 | Sales Cloud Einstein の機能 |
---|---|---|
ビジネスリスクを特定し、リスクへの対処について営業担当にコーチングを行うタイミングを知るのが難しい | マネージャーは、複数の営業担当を監督していて、各営業担当は複数の商談を抱えています。マネージャーが、どの営業担当がどの商談について支援を必要としているかを知るにはどうすればよいでしょうか? |
Einstein 商談スコアリング 営業担当へのコーチングを行うときには、マネージャーはスコアが低い商談に焦点を絞ります。また、マネージャーはスコアの低い商談にフラグを付けることで、ビジネスリスクを早期に特定します。 |
正確な売上予測を作成できない | マネージャーがリードや商談の状況を理解していなければ、現実的な目標に向けて取り組むのは困難です。 現在は、マネージャーは推測や営業担当の予測に基づいて売上予測を作成しています。 |
Einstein リードスコアリングと Einstein 商談スコアリング マネージャーはリードや商談の状況への理解を深め、関連情報を他の人と共有できます。 Einstein 売上予測 Einstein 売上予測は AI に基づいています。この AI は過去のセールスデータを分析し、レコードの経時的な変化を探索し、新しい変更を追跡します。データ分析は正確で客観的な売上予測の基礎です。 |
チームが目標を達成できるかどうかが明確でない | マネージャーは、営業担当が提供する個別の売上予測に依存していますが、それらにはバイアスがかかっている可能性があります。そのため、売上予測の精度を評価するのが困難です。 |
Einstein 売上予測 マネージャーがチームのパフォーマンスに対する理解を深めれば、より効果的に営業担当のコーチングを行うことができます。 Sales Analytics アプリケーション Sales Analytics を使用していなかったときと比べて、マネージャーはセールスデータの分析、商談の空白部分への注目、パイプラインの状況確認、チームと営業担当のパフォーマンス評価を効果的に行えるようになります。 |