El nuevo vendedor

El vendedor tradicional está en un punto crítico de su historia. Nuevos modelos digitales nacen en diferentes partes del globo, intentando mejorar los procesos de la forma más inteligente posible, buscando la mejor relación posible entre los recursos empleados y los resultados obtenidos, es decir eficiencia. Es un buen momento para revisar la manera en que se sale a vender y determinar si se puede mejorar.

Analicemos un vendedor de una marca de consumo masivo que debe visitar más de 50 tiendas de barrio cada día para tomar sus pedidos, mostrarle los nuevos productos, los que están en promoción, revisar la cobranza y otras funciones relativas a su rol. 8 horas para lograr venderle a 50 clientes, es decir 9,6 minutos para dedicarle a cada cliente (sin contar el tiempo que necesita para llegar al próximo cliente). ¿Cuántos ninjas, magos o atletas tenemos en nuestras fuerzas de venta para que logremos tales indicadores?

Para entender cuán lejos estamos de tener “magos” o de al menos contar con las herramientas para convertirlos en “ninjas” de la venta, un solo dato: 3 visitas de cada 10 que hace un vendedor a su cartera de clientes no concreta un pedido… es decir tiempo gastado o en términos formales ineficiencia.

¿Qué pasaría si antes de salir a hacer su ruta y conseguir las órdenes de pedido que pueda, supiera a qué clientes visitar, qué productos necesita reponer y tener certeza de los nuevos productos que cada tienda en particular puede ofrecer a sus vecinos?

La complejidad para dar respuesta a estas preguntas proviene de la capacidad de análisis de millones de datos, que sin las técnicas y herramientas adecuadas no permite obtener la granularidad necesaria para hacer predicciones a cada cliente día a día. Promedios y clusters fueron una excelente aproximación hasta hace poco.

Los algoritmos de Machine Learning en cambio sí pueden detectar patrones de comportamiento contando con las variables que le proporcionamos y descubrir cuáles son las que harán, por ejemplo, que una tienda compre tal o cual producto y cuándo necesita ser abastecido. Patrones que pueden identificarse para la construcción de rankings y planes de acción concretos para la fuerza de venta.

Así, el nuevo vendedor tiene a su disposición herramientas de gestión, pudiendo atender carteras de clientes más grandes, con rutas dinámicas de visita organizadas para aumentar los pedidos, sugerencias de listas de venta específicas para cada cliente y otras funciones, todas alineadas para realizar un mejor abastecimiento de la tienda, disminuyendo los quiebres de stock, una mejor presencia y elevando el nivel de satisfacción de los clientes.

La tecnología está. Los datos también. Es tiempo de usar los datos no tan solo para facturar y hacer estadísticas, sino como herramienta para el nuevo vendedor que convierte los datos en acción.

Related posts:

Madras in South India was a port town ideally situated on the Coromandel Coast off the Bay of Bengal. The land was ruled by the Vijayanagaras and they appointed chieftains known as Nayaks who ruled…

If you want to learn the most important lesson in filmmaking to become a better artist, then applying this idea will change the way audiences experience your films. With 20 years of teaching and…

Obtaining leadership is not so straightforward, but there are many theories and easy ways to define leadership. Many people define leadership according to different circumstances. Therefore…