Steigerung der Vertriebseffektivität durch die Nutzung mehrerer Datenquellen

Als spezialisierter KI-Partner verantwortet ML6 den Aufbau und das Training der Data-Intelligence-Komponenten sowie die Implementierung der KI-ML-Ops-Architektur. So skaliert die Lösung problemlos über Teams und Länder hinweg und kann kontinuierlich sowie automatisiert neu trainiert werden.

Dieses „Tool zur Vertriebsoptimierung“ besteht aus vier verschiedenen Lösungskomponenten. Im Mittelpunkt steht das Bewertungssystem, das das Potenzial eines einzelnen Unternehmens für Randstad bewertet und ermittelt, wie einfach oder schwierig es sein wird, dieses Potenzial auszuschöpfen. Diese Einteilung der Unternehmen in einen Attraktivitätsquadranten erfolgt auf der Grundlage von Unternehmensprofildaten, nutzt aber auch Marktdaten, um den Personalbedarf für die nächsten 12 Wochen vorherzusagen und Kaufsignale der Unternehmen für Randstad-Dienstleistungen zu erkennen.

Die datengestützte Gebietsgestaltung zielt darauf ab, die Bewertung nach geografischen Regionen zu differenzieren und so die Relevanz der gewonnenen Erkenntnisse für die lokalen Vertriebsteams zu erhöhen. Das daraus resultierende Kanban-Skript, eine automatisierte und umsetzbare To-do-Liste, bietet den einzelnen Vertriebsberatern wöchentlich einen Überblick über die Unternehmen, auf die sie sich konzentrieren sollten, sowie Erkenntnisse über das jeweilige Unternehmen bzw. die Branche als Grundlage für die Gestaltung des Kundengesprächs.

Schließlich nutzt die Komponente „Market Insights“ zusätzliche externe Daten, um den Vertriebsberatern weiteren Kontext zu liefern, beispielsweise einen stichhaltigen geschäftlichen Grund für einen Anruf bei dem Unternehmen, sofort verfügbare Brancheninformationen zum Kunden sowie unterstützende Daten für das Erwartungsmanagement, die Ausfüllbarkeit und Preisverhandlungen. Das „Tool zur Vertriebsoptimierung“ ist darauf ausgelegt, Daten im Rahmen eines Outside-In-Ansatzes systematisch und kontinuierlich zu nutzen, indem es aktuelle, faktenbasierte Daten aus ausgewählten, strukturierten externen Datenquellen erfasst und zeitreihenbasierte Prognosen anwendet, um Erkenntnisse und Auslöser zu generieren.

Das Unternehmensrepository von Dun & Bradstreet dient als Quelle für einen umfassenden Überblick über alle Unternehmen, sowohl bestehende Randstad-Kunden als auch potenzielle Neukunden, einschließlich einer umfassenden Darstellung ihrer Profilmerkmale. Daten zur Stellennachfrage werden aus verschiedenen Quellen wie Textkernel, Careerjet, Burning Glass und Jobdigger erhoben. Schließlich werden Wirtschaftsdaten nach Regionen (z. B. BIP, Beschäftigung) von Oxford Economics bezogen. Die Festlegung und Durchsetzung von Daten-Governance-Grundsätzen wie globale Definitionen und Datenschutz (z. B. keine manuelle Überschreibung) gewährleisten die Datenqualität und damit die Relevanz der wöchentlichen Empfehlungen für die Vertriebsberater.

Der Ausbruch der Covid-Pandemie – ein Paradebeispiel für ein Ereignis mit hoher Auswirkung und geringer Häufigkeit (HILF) – hat dazu geführt, dass Techniken der natürlichen Sprachverarbeitung (NLP) eingesetzt werden, um zusätzliche Daten zu unregelmäßigen, unvorhersehbaren Ereignissen zu ermitteln.