5个月前 (06-05)  销售技巧 |   抢沙发  3 
文章评分 0 次,平均分 0.0

互联网加持深度分销:从“人海战术”到“精准爆破”


  深度分销没有替代手段

  中国城市化进程中形成了两个相互独立的商业系统。一是城市现代化的大型商超系统;二是广大农村、低线城市,以及城市缝隙的小型门店。与之相对应,中国营销形成了两大体系:一是应对大型商超的终端销售;二是应对中小型门店的深度分销。

  深度分销被称为近20年来的“最佳中国营销实践”,就是解决中国约600多万家门店的供应链问题。供应链问题表现为两点:一是中国的代理商格局是“以县为经销商主体”,经销商规模普遍偏小;二是门店高度分散。

  深度分销的本质是,通过厂商一体化,通过厂家的组织力与商家的客情和配送力,抵达终端,完成终端高覆盖。

  大商超+小门店,这样的商业生态短期内无法改变。因此,无论深度分销有什么样的问题,都不能放弃,而是进化。进化有两大方向,一是渠道与互联网结合,形成高效深度分销;二是从终端通过社群、直播、云店等直达C端,形成BC一体化。

  人海战术不可持续

  中国渠道,本质上是人链。没有客情关系,一切免谈。深度分销,分销之前先做客情。这就是中国商业的特点:客情深化关系,关系降低认知门槛,认知形成交易。

  中国商业的这个特点与终端高度分散结合,形成了深度分销的基本特征:人海战术。

  确实,高频率、高密度的拜访,人力消耗量极大。因此,人海战术、吃苦耐劳,成为基本特征。早期,我们总结为“四千四万”精神:踏遍千山万水,走进千家万户,想尽千方百计,说尽千言万语。

  人海战术在增量、人力供给充足、人员管理相对简单的时代,确实有效。但是,增量有空间、人力低成本、人力好管理,这些基础条件现在都不存在了。

  既然深度分销目前没有替代手段,同样深度分销的人海战术又不可持续,那么,深度分销何去何从呢?

  从“四合一”模式看到新曙光

  近几年,在行业整体氛围不佳时,今麦郎却一直呈现快速增长的状态。今麦郎逆势增长的秘诀就是2011年开始的“人、车辆、片区、终端机”的“四合一”模式。

  “四合一”模式有两大亮点:一是激活“小工”,通过“人、车辆、片区”的组合,把“小工”变成一个利润单元,类似于“包干制”,调动“小工”的积极性,让“小工”为自己干而不是为老板干;二是通过“终端机”带来的数据化,提升分销效率。

  终端机就是今麦郎互联网化的高效深度分销体系。甚至可以说,正因为终端机,激活“小工”才更容易带来增量。

  今麦郎终端机的价值是什么?可以用一句话概括为:深度分销可视化。总结起来就是:1.将渠道和终端场景数据化;2.网点可视化;3.费用管理透明化;4.沟通管理实时互动化;5.经销商管理移动化、库存管理一体化。

  “四合一”模式,终端机是一个平台,“小工”是利润单元。这不正是互联网时代的“平台+单元组合”模式吗?

  “小工”成为单元组织,解决了“小工”愿意干的问题。终端机构成的赋级平台,解决了“小工”能干好的问题。两者的结合堪称完美。

  正是互联网平台为个体赋能,再次激活了深度分销。

  互联网是深度分销的“千里眼”

  我每年要花大量时间走访终端,感觉终端仍然机会多多。今麦郎在行业封顶的情况下仍然逆势增长,就是终端仍有机会。

  早期,深度分销是战略性机会,只要做了深度分销,就等于抓住了机会。现在,只能在深度分销过程中发现战术性机会。

  增量深度分销时代,只要按照深度分销的规范去做,就能抓住增量机会。存量深度分销时代,只有挤压竞品,才能抓住机会。

  机会在组织边界,在终端,在一线。但是,机会导向的思维,恰恰不是一线人员普遍能做到的。这是一对结构性矛盾:高层能发现机会,但高层不在一线;基层在一线,但基层缺乏机会思维。

  今麦郎是如何解决这个问题的?我将今麦郎“四合一”终端机的价值概括为“可视化”,可能很多人不解。高层尽管不可能长期在一线,但通过终端机最终实现了渠道的“可视化”,把渠道、终端、人员等深度分销的要素置于“可视”环境,相当于高层可以天天到一线。

  一线人员通过终端机,把一线环境“可视化”。高层通过“可视化”的数据、图片,发现终端机会,进而指导一线人员开展工作。

  用“精准”破人海战术

  早期深度分销是苦活、累活,是无差别拜访的,俗称“盲拜”。这种无差别的例行性拜访,频率高、密度大,需要大量人力。有事,无事,都要到终端“走一遍”。有些企业最后形成了“例行公事”。

  讲一个精准深度分销的案例。

  2001年,我在江苏的一个县级白酒经销商处调研。该老板一开始亲自下市场送货,所有数据都装在老板的脑子里。规模扩大后,业务员下乡送货。但业务员肯定没有老板的客户管理能力,因此,他就在仓库张贴了几张表格,每天业务员送货返回,一定要把每天的客户送货情况填写在仓库几张大表格上,横坐标是时间,纵坐标是终端客户,表格是送货量和品种。

  老板告诉我,隔几天就要站在大表格前看一看。通过连续几次的送货数据,就能大致判断每个店的进货周期和进货数量。应该进货的没进,说明可能有问题;不该进货的时候进了,同样也可能是有问题了。

  无差别拜访,有事,没事,走一遍。精准拜访,有事则去,无事则罢。

  那么,什么叫“有事”,什么叫“无事”?正常叫无事,不正常叫有事。也就是说符合预期叫正常,不符合预期叫不正常。

  精准拜访,就是解决“不正常”门店的问题。正常门店,可以减少拜访频率。

  早期的深度分销,业务员在拜访中发现正常或不正常等现场问题,一切问题都可在现场解决。但这样的拜访方式,必须高频拜访。同时,大量拜访是无问题拜访,浪费时间,效率很低。或者,业务员只能发现层级较低的问题,很多问题靠业务员的能力是难以发现的。

  精准拜访则不同。先根据数据和图片提供的信息,由专业人员发现问题,发现规律,然后指导业务员精准拜访。拜访之前,问题和解决方案已有预案。因此,精准拜访,就是“精准爆破”,精准解决问题。

  当然,不是所有问题都能通过数据和图片发现,因此,无差别拜访仍然需要,只是频率要低得多。

  精准,就解决了深度分销人海战术的低效问题。

  有数据才能精准

  前面讲过的经销商通过数据判断门店是否正常的案例,给我很大启发:1.连续的数据,可以发现规律;2.与规律不一致,可能不正常;3.找到不正常的原因,就找到了解决办法。

  2010年以来,SaaS系统在中国广泛应用。2014年以来,B2B又在中国大力推行,推动了中国品牌商的数据化。现在AI与B2B结合,更带来了渠道实时数据。

  数据的最大价值是发现规律,发现规律就可以预测未来。比如,销量数据与图片对比,可以发现某个终端因为陈列位置的变化,销量增加或减少了,那么,找到终端的最佳陈列位置并加以调整,就可能增加销量。

  数据有纵向数据与横向数据,两者各有价值。纵向数据是自己与自己对比,横向数据则是自己与竞品或关联产品对比。比如,可以通过发现竞品(或关联产品)在相同终端的销量变化,从而发现自己的问题。

  过去,获取横向数据很难。但是,AI技术在渠道的应用,可以通过照片快速抓取和识别自己产品、竞品在终端的数据,包括陈列面的变动和销量的变化。因为AI技术已经有了快速识别品牌、计算陈列面,以及以此推算销量的能力,只需要抓取数据的周期适当即可。

  如果说纵向数据的主要价值是防止好终端变差的话,横向数据则能够发现有潜力的好终端。

  无论横向数据还是纵向数据,只要有数据意识,几乎可以应用在所有方面。比如,现在各厂家都在进行产品结构升级。那么,什么门店推新品能力强,什么门店能推什么价位的产品,这些都可以从数据中找到答案。

  渠道数据在营销的价值,一是标签化;二是预测。

  比如,某门店推高端新品能力强,这就是标签化。标签化有利于精准开展工作。

  比如,通过数据预测,某门店应该什么时候进货,进货量应该是多少。如果进货量不符合预期,那么,说明存在问题。找到问题后,就可以精准开展工作。

  比如,市场费用的投入,到底是投入好市场有效,还是投入差市场有效,其实是凭感觉的。如果数据能支撑,就可以有的放矢。

  精准开展工作,就可以提升效率。深度分销是人海战术,效率不提升就难以坚持。

  精准深度分销要有“后台”

  一直以来,业务员基本上是“跑单帮”状态,除了品牌支持、费用支持等平台支持外,在日常业务中只有靠个人能力。

  现在的SaaS系统功能很强大,SaaS的利用分为三个层次:一是考勤系统,记录业务员的行程;二是订单系统,线上订单;三是利用数据为业务员赋能。

  赋能这个词,不讨传统营销人喜欢。其实,传统营销中同样有赋能。一个人的业绩,来源于两种能力:一是业务员个人的能力。因为个人能力有差异,所以个体之间的业绩也有差异。二是来源于组织(平台)的赋能。比如企业的培训、管理,以及标准化、模式,都能让“平凡的人做出不平凡的业绩”。

  “让平凡的人成功”,就是组织赋能。优秀的企业之所以优秀,并非人才济济,而是让平凡的人做出不平凡的业绩,这就是组织赋能的结果。

  SaaS在中国应用已经很广泛,但为什么只有今麦郎比较成功?数据本身没有价值,依据数据实施管理才创造价值。

  谁来分析、利用这些数据?普通一线业务员,多数做不到。因此,就需要数据“后台”或“中台”的专业人员,分析数据,用数据指导业务员做“精准营销”。这就是数据赋能。(刘春雄,本刊高级研究员,郑州大学管理工程学院副教授)

内容来源:销售与市场网 www.cmmo.cn(作者: 刘春雄)
免责声明:任何投资加盟均有风险,提醒广大民众投资需谨慎!

 

除特别注明外,本站所有文章均为得益力博客原创,转载请注明出处来自http://blog.deale.cn/2274.html

关于

发表评论

表情 格式

暂无评论

登录

忘记密码 ?

切换登录

注册

扫一扫二维码分享