Comment utiliser la donnée pour améliorer la performance de vos équipes commerciales ?

Mettre en place une stratégie de Data Enablement est devenu essentiel pour permettre à chaque individu de mesurer l’impact des données sur ses propres performances comme sur les choix stratégiques à venir.

La mise en place de data levels par département

La génèse du projet

Arrivé en tant que premier SalesOps (Sales Operations Manager) chez EasyMovie en 2019, mon poste a très vite évolué vers un poste plus transverse de RevOps (Revenue Operations Manager) avec des interactions avec l’ensemble des départements liés directement à la génération ou à la gestion de revenus (Marketing, SDR, AE, CSM, Customer Experience et Finance) – voir l’article précédent sur le sujet.

En tant que RevOps, mon rôle est dans un premier temps de paramétrer les outils, d’optimiser leur utilisation dans le but de récolter les bonnes données au bon moment. Dans un second temps, mon rôle est d’analyser ces données dans le but de suivre les performances des différents départements et d’en tirer les enseignements nécessaires au développement de ces derniers.

Afin de piloter le développement pour l’ensemble des départements, nous avons mis en place des “Data levels“.

L’idée était pour moi de positionner le niveau de maturité de chaque département dans le but d’avoir une vue d’ensemble, de rapidement communiquer au CEO l’état d’avancement de ces derniers et enfin de fixer les OKR du département RevOps.

Ainsi chaque “data level” correspond à un niveau de maturité en termes d’outils, d’accès aux données et d’analyses de celles-ci.

Les data levels

Data Levels – Comment implémenter une culture data au sein des équipes client-facing
  • Level 0 – Not in RevOps scope
  • Level 1Setup + On-boarding
    • Pour un outil existant: paramétrage (Création d’un objet Custom dans Salesforce par exemple – cela a été le cas pour les équipes Customer Success chez nous)
    • Pour un nouvel outil:
      • Benchmark des solutions répondant aux specs préalablement établies
      • Pilot concluant avec l’une des solutions
      • Implementation et paramétrage de l’outil
    • On-boarding des équipes
  • Level 2Pilotage et suivi de l’activité 
    • Mise en place et suivi de KPIs précis + définition d’une North Star metric
    • User – Aide au suivi de l’activité
    • Manager – Aide au pilotage du département
  • Level 3Data Quality & Analysis
    • Mise en place de Data Quality dashboards afin d’avoir des données fiables  
    • Analyse des données récoltés – (Conversion rates, average basket, sales cycle, targeted persona, most common pains, use cases, adoption etc.)
  • Level 4Data Insight
    • Identification des forces et des faiblesses / des goulets d’étranglement
    • Adaptation de la stratégie
  • Level 5 – « Data enablement »
    • Améliorer la performance de chaque département grâce à l’analyse des données
    • Tips de prospection, horaire de call, target personas et pain associée etc

Chaque niveau est indépendant du niveau précédent comme dans la pyramide de Maslow (1943).

Set up: Un outil n’est pas une baguette magique (Level 0 > Level 1)

Trop souvent, on pense qu’un outil va être une fin en soi alors qu’il est et restera un moyen (technique). Choisir le meilleur outil de Forecasting ne fera pas baisser le forecast accuracy en dessous de 5%, implémenter une solution de project management ne créera pas l’on-boarding idéal et utiliser la meilleure plateforme de Sales Engagement ne remplacera pas le temps passé à créer les meilleures séquences – un outil n’est pas une baguette magique.

Avant d’engager des frais et du temps à chercher les meilleurs outils du marché, il vaut mieux prendre le temps de concevoir une première version avec les moyens du bord afin de voir ce qui fonctionne et ce qui ne fonctionne pas, là où il faut peaufiner le process ou mettre l’accent. Avec un CRM, une Spreadsheet et un bon connecteur on peut à peu près tout faire.

Avant d’implémenter un outil, il est important d’être mature sur le sujet en question pour:

  • Avoir des specs précises et pertinentes par rapport aux besoins du département / de l’entreprise
  • Ne pas se tromper dans le choix de l’outil
  • Avoir un ROI (i.e. retour sur investissement) positif
  • Désigner le bon owner au sein de l’entreprise

En revanche rester à l’affût de ce qui se fait sur les différents marchés reste important et un benchmark même réalisé des mois en avance ne sera jamais perdu. En restant aux faits des développements des outils présents sur le marché vous saurez exactement à quel moment vous en aurez besoin et à quel moment vous serez matures en termes de stack, de données et de process pour l’implémenter et en tirer toute la valeur.

La V1 dont on parlait précédemment est toujours fortement inspirée des outils dont vous avez pu suivre le développement et ces échanges vous feront réfléchir à la manière d’aborder un sujet.

Note: avant toute chose, il est important d’optimiser son CRM qui reste l’outil central. Si vous utilisez Salesforce, vous pouvez lire l’article de Robin Iss pour transformer votre CRM en Sales machine.

Note 2: pour aller plus loin dans le choix de la bonne data-stack, vous pouvez lire l’article de Jonathan Levitre.

Data Quality: Paramétrer, Optimiser, Tracker (Level 1 > Level 3)

L’étape de « Data Quality » est essentielle pour plusieurs raisons :

  • La première – assez évidente – est que s’il manque des informations clés, l’analyse et les conclusions tirées ne pourront tout simplement pas exister.
  • La seconde, bien pire, si les informations sont erronées, les conclusions le seront elles aussi (le fameux « shit in – shit out ») et les conséquences sont lourdes pour une start-up en pleine croissance.
  • Enfin la dernière raison est que cette étape permet également de ne pas accumuler de « data debt » qui au mieux prendra du temps et de l’argent à recouvrir, au pire sera tout simplement irrécupérable.

Très concrètement, sur un CRM tel que Salesforce nous avons mis en place un dashboard « Data hygiene » que chaque AE ou SDR consulte régulièrement. Si son nom apparait sur l’un des graphs, il sait que certaines opportunités manquent de certaines informations. Il suffit ensuite de favoriser l’adoption qui est grandement facilité par les étapes suivantes.

Data Insight: Identifier les forces, les faiblesses et les goulets d’étranglement (Level 3 > Level 4)

Les précédentes étapes ont permis un pilotage granulaire du département grâce aux suivis des bons KPIs et à la mise en place d’une North Star Metric (NSM – i.e. la métrique la plus importante pour votre département). Pour le département SDR, la NSM peut être le nombre de pitchs réalisés par l’équipe sur une semaine ou le nombre d’opportunités créées. Pour le département CSM, cela peut être le nombre de clients onboardés sur le mois.

L’analyse des évolutions de ces KPIs et autres données récoltées vont permettre de mettre en lumière les forces, les faiblesses du département ainsi que les goulets d’étranglement du process.

Il est important de mettre en perspective les résultats obtenus de deux manières différentes:

  • Mise en perspective avec les départements étroitement liés. Changer le process du département Customer Success aura un impact fort sur le département commercial et un ajustement côté commercial aura des conséquences sur l’équipe SDR. D’où l’importance d’un RevOps qui agit comme un “garde fou” sur l’ensemble de la chaine System-Data-Process-Strategy et de manière commune et transverse à tous les départements. Il y a un fort risque de création de silos lorsque l’on décide de mettre en place des équipes Ops directement intégrées à chaque département (voir Le danger des silos).
  • Mise en perspective avec le terrain. L’important est de discuter avec les opérationnels qui sont chaque jour confrontés au terrain afin de mettre en perspective les résultats obtenus . Si les conclusions sont les mêmes côté Ops et côté métier / terrain, on a l’intuition et la preuve. En revanche si les conclusions diffèrent, c’est là que cela devient intéressant et que l’on peut approfondir les analyses pour en cerner tous les tenants et les aboutissants.

Data Enablement: montrer la valeur (Level 4 > Level 5)

Si vous avez démontré la valeur au manager en lui permettant de piloter son département il faut encore la démontrer à l’utilisateur final.

L’étape visée in fine du Data enablement est une étape proche du Sales Enablement mais uniquement lié à la récolte et l’analyse des données. Ainsi le Data Enablement permet d’améliorer la performance de chaque département et de faire monter en compétence chaque personne grâce aux apprentissages liés à l’analyse des données. (Note: souvent le poste de SalesOps englobe une partie Sales Enablement mais ce n’est pas toujours le cas, d’où la volonté ici de parler de Data Enablement)

Ce Data Enablement peut porter sur les techniques de prospections lorsque l’on va réaliser des A/B Test sur différentes séquences mais également sur les targeted personas à privilégier en fonction du use case visé ou de la pain à résoudre.

Mettre en place une stratégie de Data Enablement est devenu essentiel pour permettre à chaque individu de mesurer l’impact des données sur ses propres performances comme sur les choix stratégiques à venir.

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *

You May Also Like