报告可能表明,该公司收到了500份投标,销售了50份。 换算率似乎是10%。
但是所有上诉都得到了考虑? 每条消息都得到回答吗? 是否有一个客户一再提出要求? 账户和管理人员之间损失了多少次谈话?
在大多数Telegram业务中,回答这些问题是困难的.
因此,公司所称转换的衡量标准往往是大致的。 它只考虑注意到和报告的请求,但不反映整个收到的请求。
什么企业 认为转换
标准公式是这样的:
销售数量 QQ 申请数量 × 100%.
例如,在一个月内,管理人员列出1 000份申请和100份销售。
100 ÷ 1 000 × 100% = 10%.
公式对. 问题可能是源数据.
销售通常可以通过付款进行核对. 而上诉数量往往由人工固定,并取决于管理人员的认真程度.
转换的外观比他们好
如果公司一个月内接到1000个电话
其中:
- 800名管理人员办理手续并放入表格;
- 100人收到答复太迟;
- 60个未读;
- 40名员工之间转帐时失利.
公司销售额80.
如果我们只计算表中的参考文献:
80 ÷ 800 × 100% = 10%.
但事实上,该企业收到了1 000份申诉:
80 ÷ 1 000 × 100% = 8%.
结果,流入流量的五分之一根本没有参与计算。
同时,经理人可以决定经理人正常工作,为了增加销售,你需要增加广告预算. 但是,新的应用将陷入同样的过程,其中一些将再次丢失.
为什么一个总转换是不够的
即使所有上诉都得到考虑,但总体数字并不能解释销售部门内部发生的情况。
一个数字是混合的:
- 新客户和重复客户;
- 广告和有机吸引力;
- 迅速和迟到的答复;
- 不同的管理人员;
- 各种项目和Telegram账户。
每个组可以有自己的转换.
例如,答复时间不超过10分钟的请求可转换为15%,一小时后的请求可转换为5%。
一个经理关闭18%的应用程序,另一个——7%. 一个账户带来目标客户,另一个账户产生很多对话,但几乎没有支付.
转换掩盖了这些差异。 业主看到最终的数字,但不明白究竟需要改进什么:广告,响应速度,应用程序的分发或管理人员的工作.
数据被扭曲的地方
只要公司通过一个Telegram账户工作,并且请求由一人处理,保存记录相对简单.
当新的账户、雇员和项目出现时,对话通过不同的窗口和设备进行共享。
典型的情况是:
- 经理对客户作了答复,但没有在报告中提出上诉;
- 宣读了该信息,但没有指定责任人;
- 重复申请被视为新的申请;
- 两名员工同时开始与一名客户合作.
- 对话转给了一位同事,但无一记录。
- 拒绝的原因仍然不明。
团队越大,统计就越依赖于个别员工的记忆和纪律.
因此,营销计算出一个数量的申请,管理者表示另一个,执行者根据第三位数作出决定.
如何更准确地计算转换
企业应当将漏斗分为几个阶段,并理解:
- 收到了多少份独特的申请;
- 有多少人收到了第一次答复;
- 向管理人员转移了多少资金;
- 有多少客户继续对话
- 已收到多少份提议或细节;
- 支付了多少款项;
- 有多少电话没有答复?
然后我们可以数几个指标。
转换为处理:
已处理的上诉 所有收到的请求* 100%。
转售已处理的申请:
销售QQ受理上诉×100%.
最后转换 :
销售 QQ 所有接通电话 × 100%.
例如,该企业收到1 000份申诉。 管理人员处理了850个,85个客户进行了采购。
已处理的申请转换为销售10%。
但整个溪流的最终转换会更低:
85 ÷ 1 000 × 100% = 8,5%.
第一个衡量标准显示, 第二,企业如何有效地将所有流入的流量转化为销售。
AdviGo有什么变化
AdviGo将公司的Telegram-对话结合在一个工作空间.
管理人员不需要经常在账户与设备之间切换. 管理人员了解项目和账户的总体情况。
对话可以分配给特定雇员。 这使情况更加明确:
- 由谁对客户负责;
- 哪些申请已经投入工作;
- 哪些对话仍然需要注意
- 载荷如何分配;
- 通讯史呢?
当工作在一个单一系统中进行时,企业更容易收集正确的数据来计算转换.
AdviGo不确定每次拒绝的原因,也不取代销售分析. 但是,该系统有助于消除统计数据不准确的主要原因之一 — — 零散的工作与对话,其中有一些呼吁被置之不理。
从检查源数据开始
接上最后100到200个电话,然后检查:
- 他们都在报告里吗?
- 每项信息是否得到答复;
- 已任命负责;
- 重复的来文是否算作新的申请;
- 是否有可能将客户端的路径从第一个消息恢复到支付或拒绝?
- Telegram中的申诉数量是否与管理人员的数据相吻合?
经过这种检查后,可能发现问题不仅在于转换率低.
也许企业不知道它的真正是什么。
只要在不同的账户中提出要求,责任就口头转移,并人工收集统计数据,换算率仍然大致相同。
AdviGo将团队的Telegram对话集中到一个地方,使上诉责任更加透明,并帮助企业看到更全面的情况:有多少客户实际来了,有多少人得到了回应,以及整个流入流中有多少变成了销售。
