“Voici votre mission si vous l’acceptez…”
Une startup souhaite des pistes de croissance. Elle vend une solution SaaS en BtoB dans le domaine du sport en France.
Le manager m’a transmis la data de l’équipe Sales (Business Developper et Account Manager) ainsi que le CA généré de 2022.
“Je souhaite aider mon équipe Sales pour 2023, propose moi des recommendations.”
Voici le PDF que j’ai présenté au client (les données et noms ont été modifiés): Case Study Sport SaaS
Sommaire
1. La problématique du client
2. La méthode utilisée
3. Le questionnement
4. Raconter une histoire et recommendations
1. La problématique du client
“Je souhaite aider mon équipe Sales pour 2023, propose moi des recommendations”
Vendre plus en volume? Faire plus de CA? Raccourcir le cycle de vente? Mieux cibler les clients?
Le client a été très vague.
J’ai compris que c’était à moi de proposer des pistes et de faire des suggestions.
En théorie, en analyse de données, il faut d’abord définir la problématique du client puis collecter la data qui aideront à éclaircir la question.
Dans mon cas, le client n’a pas d’idée précise de sa problématique, il veut des idées pour 2023.
L’autre particularité, c’est que j’ai accès seulement aux données que le client a souhaité partager, ni plus ni moins, je n’avais pas accès à plus de données.
Nettoyer et transformer la base de données
Le client m’a partagé un Excel avec plusieurs onglets des données de 2022.
Il a refuse de me donner les données des années précédentes.
Personnellement je préfère travailler avec Google Sheets (gratuit), j’ai donc uploadé l’Excel sur Sheets.
Les données viennent de leur CRM Hubspot et de Aircall (solution SaaS de téléphonie).
Traitement de la base
J’ai eu de la chance, la base était très propre:
- Pas de cellule vide
- Pas de faute d’orthographe
- La typo et format étaient uniformes
- Seulement quelques doublons
Mettre en evidence les doublons avec une Mise en forme conditionnelle Couleur unique et la formule COUNTIF
=COUNTIF(A:A,A1)>1
Aircall indique la date et l’heure du call dans la meme cellule.
Pour séparer la date et l’heure, j’ai utilise la formule:
=SPLIT(B:B;” “)
Ainsi, la date et l’heure du call sont dans deux colonnes séparées.
Puis avec la formule =NB.SI(C:C;E1) permet de compter le nombre de doublons.
Ainsi, je sais que John, entre janvier et novembre, a fait deux call à 8:19 par exemple.
a. Comparaison des performances des deux BDR
John et Sarah s’occupent de faire des cold calls pour générer des rdv pour les account managers.
Avant de confirmer une “opportunité”, ils doivent d’abord valider si le lead est qualifié ou non avant de le transmettre au account manager.
- Combien de temps connecté passent-ils avec les prospects au téléphone?
- Quel est le call outcome?
- Nombre de connexion par durée?
- Durée de connexion mois par mois?
- Combien d’opportunités générées?
b. Comparaison des performances des Account Managers
- Quel volume de closing et pour quelle valeur par account manager?
- Pourquoi une telle disparité?
- Quelles opportunités rapportent le plus en CA?
- Qui perd le plus d’opportunités?
3. Questionnement
Quel est le coût d’acquisition d’une opportunité?
Quelle CA rapporte un client dans la durée?
4. Raconter une histoire et recommendations
Voici le PDF que j’ai présenté au client (les données et noms ont été modifiés): Case Study Sport SaaS
Avec le peu d’information que j’avais, j’ai principalement émis des questionnements:
- Pourquoi les deux Business Developer John et Sarah n’ont pas les mêmes process de travail?
- Y-a-t-il des améliorations/réduction de gaspillage possible?
- Quelles opportunités faut-il prioriser?
- Quelle est votre stratégie?
- Comment le marketing et les sales travaillent ensemble?
- Quel est votre but et vos priorités?
Le client m’a dit qu’ils manquaient de rigueur, qu’ils n’allaient pas au fond des choses, et qu’ils avaient beaucoup (trop?) de projets en cours.
