Hoe AI zorgt voor constante groei in sales: praktische use cases

Transcript

1. 1 Hoe AI zorgt voor constante groei in sales: praktische use cases
2. 2 Uitdagingen in sales Klanten verwachten gepersonaliseerde dienstverlening Klassieke BI tools goed in het visualiseren van data maar schieten tekort voor meer diepgaande inzichten, voorspellingen of automatisatie Er wordt enorm veel data verzameld: Offertes, facturen, klantencontacten, ... Grote hoeveelheden data met waardevolle inzichten die onbenut blijven AI biedt hier een antwoord op! 2
3. 3 Use cases
5. 5 Achtergrond • Uitgebreid productassortiment in combinatie met brede klantenbasis (+4000 actieve klanten) • Intern en extern verkoopteam, AM beheert 300+ accounts • Grote diversiteit in aankooppatronen Advanced Forecasting Uitdaging • AM’s halen veel omzet uit een beperkte groep klanten waar ze actief op werken, te vaak passieve houding tgo 2/3e van de portefeuille • Voorspellingen met traditionele BI tool waren niet accuraat
6. 6 Oplossing Trendskout Sales Booster werd gekoppeld aan het CRM pakket van Coeman Inzet van de advanced forecasting analyse, getraind obv historische data Forecasts worden meteen omgezet in een verkoopkans voor de AM
7. 7 Per volgend kwartaal • N+1: 87% • N+2: 94% • N+3: 97% Lotus Volledig Evaluatie
8. 8 Elke maand wordt een klantenlijst gegenereerd: • Verkoopkansen worden automatisch in het CRM aangemaakt • Resultaten worden naar de BI tool gestuurd om te analyseren Vele acties mogelijk, afhankelijk van de use case oplossing op maat Advanced forecasting in de praktijk
9. 9 Resultaten ⮚ Accuraatheid van 87% van de forecasts ⮚ Benutten van maximaal potentieel bij klanten ⮚ Klanten worden ontzorgd ⮚ Ook verkopers tevreden want makkelijker resultaat “In een moeilijk jaar heeft deze aanpak er mee voor gezorgd dat we dezelfde sterke cijfers kunnen voorleggen als vorig jaar” Luc Vanderbeke managing director
11. 11 Achtergrond • Groothandel in verwarmings- en installatiemateriaal voor professionele installateurs en aannemers • 9 filialen, 120 FTEs Revenue protection Uitdagingen • Groot klantenbestand • Groot aantal accounts per verkoper • BI tool aanwezig maar gebruik tijdsintensief • Hoe kan klantenuitval zoveel mogelijk beperkt worden met minimale inspanning?
12. 12 Oplossing Historische data: Order data Order metadata Klantendata Gebruik van de Klantenuitval analyse binnen Trendskout Sales Booster Trendskout output is naadloos verbonden met BI van de klant (Qlicksense)
13. 13 Elke maand wordt een overzicht van klanten gegenereerd: • Wordt gemaild naar account managers • Alerts in MS Dynamics • Output data naar BI tool Vele acties mogelijk, afhankelijk van de use case oplossing op maat “Klantenuitval“ in de praktijk
14. 14 Resultaten • Maandelijks rapport voor elke accountmanager met klanten die dreigen uit te vallen, risico's worden duidelijk gesignaleerd • 28% minder uitval op jaarbasis in het eerste jaar van gebruik • Sales planning gebeurt veel efficiënter en kost veel minder tijd
15. 15 Q&A