วิธีสร้างการวิเคราะห์ Win-Loss ด้วย AI: ทีละขั้นตอน

การวิเคราะห์ win-loss analysis จะเปรียบเทียบดีลที่คุณปิดการขายได้สำเร็จกับดีลที่คุณสูญเสียไป จากนั้นจึงอธิบายถึงความแตกต่าง คุณสามารถสร้างการวิเคราะห์นี้ได้จากการส่งออกข้อมูล closed-deals โดยนับจำนวนการชนะและแพ้ตามเซกเมนต์ นำมาหารกันเพื่อหาอัตรา win rate จากนั้นจึงจัดกลุ่มเหตุผลของการแพ้ให้อยู่ในรายการสั้นๆ การนับจำนวนนั้นใช้เวลาเพียงไม่กี่นาที แต่ขั้นตอนการจัดกลุ่มนี่เองที่เป็นจุดที่ทำให้การวิเคราะห์ win-loss analysis ส่วนใหญ่ล้มเหลว

คู่มือนี้จะพาคุณไปดูวิธีการใช้สเปรดชีตก่อน เพื่อแสดงให้เห็นว่าจุดไหนที่มักจะเกิดปัญหา จากนั้นจะสร้างการวิเคราะห์แบบเดียวกันนี้ขึ้นมาใหม่จากการส่งออกข้อมูลในสามขั้นตอน

สิ่งที่การวิเคราะห์ win-loss analysis บอกคุณจริงๆ

คำถามสามข้อ เรียงตามลำดับความบ่อยในการส่งผลต่อการตัดสินใจ

เราชนะบ่อยแค่ไหน? อัตรา win rate คือจำนวนดีลที่ชนะหารด้วยดีลที่ปิดการขายทั้งหมดในช่วงเวลาหนึ่ง ลำพังตัวเลขนี้เป็นเพียงแค่กระดานคะแนน ไม่ใช่ข้อมูลเชิงลึก

เราชนะที่ไหน? อัตราเดียวกันนี้เมื่อแยกตามเซกเมนต์ ผลิตภัณฑ์ หรือขนาดของดีล มักจะมีความเคลื่อนไหวมากกว่าตัวเลขรวมทั้งหมด บริษัทที่มีอัตราเฉลี่ยรวมอยู่ที่ 35% อาจจะมีอัตราอยู่ที่ 41% ในตลาดระดับกลาง (mid-market) และ 22% ในตลาดระดับองค์กร (enterprise) ซึ่งตัวเลขสองตัวนี้ชี้ให้เห็นถึงปัญหาที่แตกต่างกันสองประการ

ทำไมเราถึงแพ้? นี่คือส่วนที่ทุกคนต้องการ แต่แทบไม่มีใครได้ข้อมูลที่ชัดเจนเลย คำตอบมักจะอยู่ในช่องกรอกข้อความอิสระ (free-text field) ที่ตัวแทนขายห้าคนเขียนมาในห้าแบบที่แตกต่างกัน

การวิเคราะห์ win-loss analysis ที่ตอบเฉพาะคำถามแรกเป็นเพียงรายงาน แต่การวิเคราะห์ที่ตอบครบทั้งสามข้อคือเอกสารประกอบการตัดสินใจ และมันคุ้มค่ากับเวลาที่เสียเพิ่มขึ้นอีกหนึ่งชั่วโมง

สิ่งที่คุณต้องเตรียมก่อนเริ่มต้น

• ไฟล์ส่งออกข้อมูล closed-deals ที่ครอบคลุมอย่างน้อยสองไตรมาส โดยมีหนึ่งแถวต่อหนึ่งโอกาสการขาย (opportunity)
• อย่างน้อยสี่คอลัมน์: วันที่ปิดการขาย (close date), ผลลัพธ์ (outcome), เซกเมนต์หรือผลิตภัณฑ์ (segment or product) และมูลค่า (amount)
• คอลัมน์เหตุผลของการแพ้ (loss-reason) แม้ว่าข้อมูลจะยุ่งเหยิงก็ตาม คอลัมน์นี้คือตัวตัดสินว่าการวิเคราะห์จะมีประโยชน์หรือไม่
• การกำหนดช่วงเวลาที่เป็นมาตรฐานเดียว ไม่ว่าจะเป็นวันที่ปิดการขาย (close date) หรือวันที่สร้างดีล (created date) ให้เลือกอย่างใดอย่างหนึ่งแล้วบันทึกไว้

คำแนะนำเกี่ยวกับ PivotTable ของ Microsoft ระบุข้อกำหนดรูปแบบไว้อย่างชัดเจนว่า "ข้อมูลของคุณควรจัดระเบียบเป็นคอลัมน์โดยมีแถวส่วนหัวเพียงแถวเดียว" การส่งออกข้อมูลจาก CRM มักจะมาพร้อมกับแถวส่วนหัวสองแถวหรือแถบชื่อเรื่องที่ผสานเซลล์กัน ดังนั้นควรแก้ไขจุดนี้ก่อนทำอย่างอื่น

อีกเรื่องหนึ่งที่ควรตกลงกันก่อนที่จะเริ่มสร้างครั้งแรกคือ ใครเป็นเจ้าของช่องเหตุผล (reason field) ในทีมส่วนใหญ่ ตัวแทนขายจะเป็นคนปิดดีลและเลือกป้ายกำกับ (label) ตัวแทนขายมักจะให้ความสำคัญกับการปิดดีลถัดไปมากกว่าการจัดหมวดหมู่ข้อมูลให้เป็นระเบียบ ซึ่งนั่นไม่ใช่ข้อบกพร่องส่วนบุคคล แต่มันหมายความว่าชุดป้ายกำกับจะต้องสั้นพอที่จะทำให้เลือกข้อที่ถูกต้องได้อย่างชัดเจนภายในสามวินาที และควรมีคนหนึ่งคนเป็นผู้ดูแลรายการนี้ในแต่ละไตรมาส

วิธีทำการวิเคราะห์ win-loss analysis ในสเปรดชีต

ทางเลือกที่ 1: นับจำนวนการชนะและแพ้ด้วย COUNTIFS

COUNTIFS "จะใช้เกณฑ์กับเซลล์ในหลายช่วงข้อมูล และนับจำนวนครั้งที่เป็นไปตามเกณฑ์ทั้งหมด" นั่นคือการคำนวณอัตรา win rate ทั้งหมด โดยนับแถวที่ผลลัพธ์ (outcome) เป็น Won และเซกเมนต์เป็น Mid-Market จากนั้นนับแถวที่ปิดการขายทั้งหมดสำหรับเซกเมนต์นั้น แล้วนำมาหารกัน

รายละเอียดสองประการที่มีการบันทึกไว้จะช่วยประหยัดเวลาได้ในภายหลัง Microsoft ระบุว่า "ช่วงข้อมูลเพิ่มเติมแต่ละช่วงจะต้องมีจำนวนแถวและคอลัมน์เท่ากับอาร์กิวเมนต์ criteria_range1" ดังนั้น การเลือกช่วงข้อมูลที่ไม่เท่ากันจะทำให้สูตรพังโดยไม่มีการแจ้งเตือน และสูตรนี้รองรับคู่ช่วงข้อมูลและเกณฑ์ได้สูงสุดถึง 127 คู่ ซึ่งเกินกว่าที่การวิเคราะห์ใดๆ จำเป็นต้องใช้

มีกับดักหนึ่งซ่อนอยู่ในหน้าเดียวกัน หากอาร์กิวเมนต์ของเกณฑ์ชี้ไปที่เซลล์ว่าง COUNTIFS "จะถือว่าเซลล์ว่างนั้นมีค่าเป็น 0" ดังนั้น เซกเมนต์ที่ว่างเปล่าจึงถูกนับว่ามีค่าบางอย่างแทนที่จะเป็นความว่างเปล่า ซึ่งนั่นเป็นสาเหตุที่ทำให้เซกเมนต์ที่ไม่มีใครขายของให้เลยกลับมีดีลปรากฏอยู่

ทางเลือกที่ 2: สรุปข้อมูลด้วย PivotTable

ลาก outcome ไปวางใน Rows และลาก amount ไปวางใน Values คุณก็จะได้ไปป์ไลน์ที่ชนะและแพ้แยกตามเซกเมนต์ หากต้องการแสดงอัตรา win rate เป็นสัดส่วนแทนที่จะเป็นจำนวนนับ ให้เปิด Value Field Settings และใช้แท็บ Show Values As ซึ่งจะมีตัวเลือก % of Grand Total อยู่ในนั้น

คุณยังสามารถแสดงค่าเป็นทั้งจำนวนจริงและเปอร์เซ็นต์ได้ด้วย คำแนะนำของ Microsoft คือให้ "ลากรายการนั้นเข้าไปในส่วน Values สองครั้ง" จากนั้นตั้งค่า Summarize Values By และ Show Values As สำหรับแต่ละรายการ วิธีนี้จะทำให้คุณเห็นจำนวนดีลและสัดส่วนของยอดรวมเคียงข้างกันโดยไม่ต้องสร้าง pivot ตัวที่สอง

ทางเลือกที่ 3: เพิ่มเหตุผลของการแพ้

คราวนี้ให้ลากคอลัมน์ loss-reason เข้าไปใน PivotTable แล้วดูว่าจะเกิดอะไรขึ้น Microsoft ได้บันทึกพฤติกรรมการทำงานนี้ไว้อย่างแม่นยำว่า "โดยค่าเริ่มต้น ฟิลด์ PivotTable ที่วางอยู่ในพื้นที่ Values จะแสดงผลเป็น SUM หาก Excel ตีความข้อมูลของคุณเป็นข้อความ ข้อมูลจะแสดงผลเป็น COUNT"

นั่นเป็นสิ่งที่ถูกต้องและเป็นไปตามที่คาดไว้ คอลัมน์เหตุผลเป็นข้อความ ดังนั้นมันจึงทำการนับ (count) แต่ปัญหาคือสิ่งที่มันนับต่างหาก

จุดที่ทำให้การใช้สเปรดชีตเริ่มช้าลง

คอลัมน์เหตุผลของคุณอาจจะมีคำว่า Price, price, Too expensive, Budget, No budget this year และ Lost on cost ซึ่งทั้งหมดนี้คือเหตุผลเดียวกันที่เขียนต่างกันหกแบบ การนับจำนวนข้อความที่แตกต่างกัน (distinct strings) จะบอกคุณว่ามีหกสิ่งเกิดขึ้น ทั้งที่ในความเป็นจริงแล้วมีสิ่งเดียวกันเกิดขึ้นหกครั้ง

ดังนั้นจึงต้องมีใครสักคนมานั่งดูรายการนี้และตัดสินใจว่าป้ายกำกับใดบ้างที่มีความหมายเหมือนกัน การตัดสินใจนั้นคือการวิเคราะห์ที่แท้จริง ซึ่งเป็นงานที่ต้องทำด้วยตัวเอง (manual) และต้องทำใหม่ทุกไตรมาสเมื่อตัวแทนขายคิดคำพูดใหม่ๆ ขึ้นมา

และยังมีอุปสรรคเล็กๆ อีกสามประการที่ทำให้เรื่องนี้ยุ่งยากขึ้นไปอีก

เหตุผลที่แท้จริงมักจะอยู่ในบันทึก (notes) รายการตัวเลือก (picklist) อาจจะมีแค่ข้อมูลกว้างๆ แต่ช่องกรอกข้อความอิสระคือส่วนที่บอกเล่าเรื่องราว และไม่มีใครมานั่งรวบรวมข้อความอิสระด้วยมือตัวเอง

เซกเมนต์ขนาดเล็กถูกตีความว่าเป็นแนวโน้ม ดีลสี่ดีลในเซกเมนต์หนึ่งเป็นเพียงเรื่องเล่า แต่เมื่อมีเปอร์เซ็นต์อยู่ข้างๆ มันจะดูเหมือนเป็นข้อค้นพบที่สำคัญ

ข้อมูล pivot ไม่อัปเดต เอกสารคู่มือของ PivotTable ก็มีความสำคัญในจุดนี้เช่นกัน เมื่อมีแถวข้อมูลใหม่เข้ามา "PivotTable ใดๆ ที่สร้างขึ้นจากแหล่งข้อมูลนั้นจำเป็นต้องได้รับการรีเฟรช" หากลืมรีเฟรชเพียงครั้งเดียว การวิเคราะห์ของไตรมาสที่แล้วก็จะถูกนำเสนอเป็นของไตรมาสนี้ทันที

วิธีสร้างการวิเคราะห์ win-loss analysis ด้วย AI

ขั้นตอนที่ 1: อัปโหลดไฟล์ส่งออกข้อมูล closed-deals

เปิด Powerdrill Bloom แล้วอัปโหลดไฟล์ส่งออกข้อมูล Excel, CSV, PDF และเอกสารต่างๆ ล้วนอยู่ในรายการที่รองรับการอัปโหลดในแผนบริการฟรี ดังนั้นไฟล์ที่ดาวน์โหลดดิบๆ มาจาก CRM จึงสามารถใช้งานได้ทันทีโดยไม่ต้องทำความสะอาดข้อมูลก่อน

อย่าลบคอลัมน์เหตุผลที่ยุ่งเหยิง และอย่าลบช่องบันทึก (notes) เช่นกัน ทั้งสองคอลัมน์นี้เป็นคอลัมน์ที่มีค่าที่สุดในไฟล์ และมักจะเป็นสองคอลัมน์แรกที่ผู้คนมักจะลบทิ้งก่อนที่จะเริ่มต้นทำงาน

ขั้นตอนที่ 2: ขอข้อมูลจำนวนนับและกลุ่มเหตุผลในพรอมต์เดียว

อธิบายการวิเคราะห์ด้วยภาษาธรรมชาติ (natural language) ขอข้อมูลอัตรา win rate แยกตามเซกเมนต์ตลอดสองไตรมาสที่ผ่านมา พร้อมด้วยขนาดดีลเฉลี่ยสำหรับดีลที่ชนะและแพ้ จากนั้นขอให้จัดกลุ่มเหตุผลของการแพ้ออกเป็นรายการสั้นๆ พร้อมแสดงป้ายกำกับดิบ (raw labels) ที่ถูกรวมเข้าไว้ในแต่ละกลุ่มด้วย

ขอข้อมูลการจับคู่ (mapping) ไม่ใช่แค่ยอดรวม การได้เห็นว่า Lost on cost และ No budget this year ถูกรวมเข้าด้วยกัน จะช่วยให้คุณสามารถยอมรับหรือปฏิเสธการจัดกลุ่มนั้นได้ นั่นคือการตัดสินใจโดยใช้ดุลยพินิจไม่ใช่การคำนวณ และเป็นส่วนที่คุณต้องการตรวจสอบด้วยตัวเองมากกว่าที่จะปล่อยให้ระบบจัดการทั้งหมด

กำหนดเกณฑ์ขั้นต่ำไปด้วยในขณะที่คุณกำลังทำอยู่ ขอให้แสดงเซกเมนต์ที่มีจำนวนดีลต่ำกว่าเกณฑ์ขั้นต่ำพร้อมกับจำนวนนับ หรือซ่อนไปเลยทั้งหมด วิธีนี้จะช่วยป้องกันไม่ให้เซกเมนต์ที่มีเพียงสี่ดีลถูกตีความว่าเป็นแนวโน้ม

ตัวเลขแต่ละตัวจะแสดงผลกลับมาพร้อมกับแถวข้อมูลที่อยู่เบื้องหลัง คุณสามารถเปิดดูจำนวนนับที่น่าสงสัยและอ่านรายละเอียดของดีลที่สร้างตัวเลขนั้นขึ้นมาก่อนที่จะนำไปใส่ในสไลด์นำเสนอ

ขั้นตอนที่ 3: เปลี่ยนให้เป็นเอกสารที่ผู้คนจะเข้ามาอ่านจริงๆ

กำหนดรูปแบบการจัดวาง (layout) โดยตรง เช่น อัตรา win rate หลัก, แนวโน้มเมื่อเทียบกับช่วงเวลาก่อนหน้า, อัตรา win rate แยกตามเซกเมนต์, กลุ่มเหตุผลของการแพ้ และข้อความหนึ่งบรรทัดเกี่ยวกับความเคลื่อนไหวที่ใหญ่ที่สุด

บันทึกพรอมต์นั้นไว้ ในไตรมาสถัดไปคุณเพียงแค่อัปโหลดไฟล์ส่งออกข้อมูลชุดใหม่และใช้ข้อความเดิม ซึ่งจะเปลี่ยนการวิเคราะห์ที่ทำเพียงครั้งเดียวให้กลายเป็นการวิเคราะห์ที่ทำซ้ำได้ หากผลลัพธ์ต้องกลายเป็นเอกสารเผยแพร่ที่ต้องทำเป็นประจำ หน้า AI report generator จะครอบคลุมแนวทางนั้น ส่วนหน้า make graphs from Excel จะครอบคลุมในส่วนของแผนภูมิ

สิ่งที่ควรมีอยู่ในการวิเคราะห์ win-loss analysis

ส่วนประกอบ	สิ่งที่ตอบคำถาม	ข้อผิดพลาดที่พบบ่อย
อัตรา win rate หลัก	เราปิดการขายได้ดีกว่าช่วงเวลาก่อนหน้าหรือไม่?	การนำดีลที่ยังเปิดอยู่ (open deals) มารวมในตัวหาร
อัตรา win rate แยกตามเซกเมนต์	จุดแข็งของเรากระจุกตัวอยู่ที่ไหน?	การรายงานเซกเมนต์ที่มีเพียงสามดีลเสมือนว่ามีความเสถียร
ขนาดดีลเฉลี่ย, ชนะ เทียบกับ แพ้	เรากำลังสูญเสียดีลขนาดใหญ่หรือดีลขนาดเล็ก?	การใช้ค่ามัธยฐาน (median) ในแถวหนึ่ง และค่าเฉลี่ย (mean) ในอีกแถวหนึ่ง
กลุ่มเหตุผลของการแพ้	อะไรคือสิ่งที่ทำให้เราแพ้อยู่เรื่อยๆ?	การนับป้ายกำกับดิบแทนที่จะเป็นป้ายกำกับที่จัดกลุ่มแล้ว
ระยะเวลาของวงจรการขาย (Sales cycle length)	การแพ้เกิดขึ้นช้าหรือเร็ว?	การวัดผลจากวันที่สร้างดีล (created date) ในแถวหนึ่ง และวันที่ปิดการขาย (close date) ในอีกแถวหนึ่ง
การแพ้ให้กับคู่แข่ง	จริงๆ แล้วเรากำลังแพ้ให้กับใคร?	การปล่อยให้ช่องคู่แข่งว่างไว้ในข้อมูลครึ่งหนึ่งของทั้งหมด
การเน้นย้ำความเคลื่อนไหวที่สำคัญหนึ่งจุด	มีอะไรเปลี่ยนแปลงไปบ้างตั้งแต่ไตรมาสที่แล้ว?	การระบุทุกการเปลี่ยนแปลงแทนที่จะระบุเฉพาะจุดที่สำคัญจริงๆ

ควรควบคุมให้เอกสารที่เสร็จสมบูรณ์มีความยาวเพียงหน้าเดียว การวิเคราะห์ win-loss analysis ที่ยาวถึงเก้าสไลด์มักจะถูกอ่านเพียงแค่ครั้งเดียวเท่านั้น

มีคอลัมน์หนึ่งที่มักจะหายไปจากตารางนี้ในเวอร์ชันส่วนใหญ่ และเป็นคอลัมน์ที่เพิ่มได้ง่ายที่สุด นั่นคือ วันที่ส่งออกข้อมูล คนสองคนที่เปรียบเทียบไฟล์ของไตรมาสที่แล้วกับไตรมาสนี้ในที่สุดก็จะมีความเห็นไม่ตรงกันว่าดีลใดบ้างที่ยังเปิดอยู่ในขณะนั้น ข้อความบรรทัดเดียวที่ระบุว่าข้อมูลถูกดึงออกมาเมื่อใดจะช่วยยุติข้อถกเถียงนั้นก่อนที่จะเริ่มขึ้นเสียอีก

ตัวอย่างการทำงานจริง

สมมติว่าไตรมาสหนึ่งปิดตัวลงด้วยดีลทั้งหมด 180 ดีล: ชนะ 63 ดีล, แพ้ 117 ดีล อัตรา win rate โดยรวมอยู่ที่ 35% เมื่อแยกตามเซกเมนต์ ตลาดระดับ enterprise อยู่ที่ 22% จาก 27 ดีล ในขณะที่ตลาดระดับ mid-market อยู่ที่ 41% จาก 96 ดีล

กลุ่มเหตุผลที่จัดกลุ่มแล้วมีความสำคัญมากกว่าตัวเลขทั้งสองตัว สมมติว่า 44 ดีลจากดีลที่แพ้ทั้งหมด 117 ดีลถูกจัดกลุ่มเข้ากับเรื่องราคา และ 31 ดีลถูกจัดกลุ่มเข้ากับเรื่องการขาดการเชื่อมต่อระบบ (missing integration) นั่นคือการพูดคุยสองเรื่องที่แตกต่างกันกับสองทีมที่แตกต่างกัน หากเป็นรายการดิบที่ไม่ได้จัดกลุ่ม มันจะแสดงเหตุผลออกมาถึงสิบเอ็ดข้อและไม่ช่วยให้เกิดการดำเนินการใดๆ เลย

คราวนี้ให้เพิ่มแถวขนาดของดีล (deal-size) สมมติว่าดีลที่แพ้เรื่องราคา 44 ดีลมีมูลค่าเฉลี่ยอยู่ที่ $12k และดีลที่แพ้เรื่องการเชื่อมต่อระบบ 31 ดีลมีมูลค่าเฉลี่ยอยู่ที่ $58k ปัญหาเรื่องการเชื่อมต่อระบบจึงมีมูลค่ารายได้สูงกว่าประมาณสองเท่า แม้ว่าจะมีจำนวนดีลที่แพ้น้อยกว่าก็ตาม การพลิกผันของข้อมูลนี้คือสิ่งสำคัญที่สุดที่การวิเคราะห์แบบนับจำนวนเพียงอย่างเดียวมักจะซ่อนเอาไว้

ใครเป็นผู้อ่าน และอ่านบ่อยแค่ไหน

กลุ่มผู้อ่านสามกลุ่มจะใช้เอกสารนี้แตกต่างกัน และการจัดวางข้อมูลควรคำนึงถึงเรื่องนี้ด้วย

ผู้นำฝ่ายขาย (Sales leadership) จะอ่านอัตราหลักและข้อความเน้นย้ำความเคลื่อนไหว แล้วหยุดเพียงแค่นั้นเว้นแต่จะมีความเปลี่ยนแปลงเกิดขึ้น ฝ่ายผลิตภัณฑ์และฝ่ายการตลาด (Product and marketing) จะอ่านกลุ่มเหตุผลที่จัดกลุ่มแล้ว เพราะนั่นคือจุดเริ่มต้นของการวางแผนพัฒนาผลิตภัณฑ์ (roadmap) และการกำหนดข้อความสื่อสาร ฝ่ายการเงิน (Finance) จะอ่านขนาดของดีล (deal size) เพราะอัตรา win rate ที่เพิ่มขึ้นจากดีลที่มีขนาดเล็กลงเรื่อยๆ นั้นไม่ใช่ชัยชนะที่แท้จริงอย่างที่เห็น

สร้างขึ้นสำหรับผู้อ่านกลุ่มแรก และเขียนบันทึกอธิบายเพิ่มเติมสำหรับอีกสองกลุ่มที่เหลือ หนึ่งหน้ากระดาษ สามระดับการอ่านที่เข้าใจง่าย

การสร้างรายการเหตุผลที่นำไปใช้งานได้จริง

ทุกสิ่งที่กล่าวมาข้างต้นขึ้นอยู่กับช่องเหตุผลของการแพ้ (loss-reason) ที่สามารถนำมาจัดกลุ่มได้ นิสัยสามประการนี้จะช่วยแก้ไขความยุ่งเหยิงส่วนใหญ่ได้ตั้งแต่ต้นทาง

จำกัดรายการตัวเลือก (picklist) ไว้ที่เจ็ดตัวเลือก รายการที่ยาวกว่านี้จะทำให้การเลือกข้อมูลไม่สอดคล้องกันอย่างแน่นอน เพราะไม่มีใครอยากเลื่อนดูรายการดรอปดาวน์ยาวๆ หลังจากที่เพิ่งเสียดีลไป

แยกเหตุผลออกจากรายละเอียดเรื่องราว กำหนดให้มีรายการตัวเลือก (picklist) ที่จำเป็นหนึ่งช่องสำหรับหมวดหมู่ และช่องข้อความอิสระ (free-text) ที่ไม่บังคับอีกหนึ่งช่องสำหรับรายละเอียด หากนำมารวมกันคุณจะไม่ได้ข้อมูลที่ดีเลยสักอย่าง

สร้างตัวเลือกหนึ่งที่ตรงไปตรงมา ใส่ตัวเลือก Unknown หรือ No decision ไว้อย่างชัดเจน หากไม่มีตัวเลือกนี้ ทุกการแพ้ที่คลุมเครือจะถูกจัดไปอยู่ในหมวดหมู่เรื่องราคา และราคาจะกลายเป็นคำตอบสำหรับทุกสิ่งทุกอย่าง

ตรวจสอบการจับคู่ (mapping) ไม่ใช่ช่องข้อมูล คุณไม่มีทางได้ข้อมูลที่สะอาดตั้งแต่ตอนกรอกข้อมูล สิ่งที่คุณทำได้คือการสร้างการจับคู่ที่เสถียรจากป้ายกำกับที่ยุ่งเหยิงให้เหลือเพียงเจ็ดกลุ่ม โดยให้คนหนึ่งคนเป็นผู้ตรวจสอบไตรมาสละครั้ง

ข้อผิดพลาดที่พบบ่อย

การนับดีลที่ยังเปิดอยู่ (open deals) ในตัวหาร อัตรา win rate คือจำนวนดีลที่ชนะหารด้วยดีลที่ปิดการขายแล้ว การนำโอกาสการขายที่ยังเปิดอยู่มารวมด้วยจะทำให้ตัวเลขดูดีเกินจริงเสมอ

การปล่อยให้รายการเหตุผลเพิ่มขึ้นเรื่อยๆ อย่างไม่มีที่สิ้นสุด หากไตรมาสนี้มีเหตุผลสิบเอ็ดข้อและไตรมาสที่แล้วมีหกข้อ คุณกำลังเผชิญกับความคลาดเคลื่อนของคำศัพท์มากกว่าการเปลี่ยนแปลงของตลาด แก้ไขการจัดกลุ่มให้เรียบร้อยก่อนแล้วจึงนำมาเปรียบเทียบกัน

การตีความเซกเมนต์ขนาดเล็กว่าเป็นแนวโน้ม แสดงจำนวนนับควบคู่ไปกับทุกอัตราส่วน เพื่อให้ผู้อ่านสามารถประเมินน้ำหนักของข้อมูลได้ด้วยตัวเอง

การนำเสนอ pivot ที่ไม่อัปเดต แถวข้อมูลใหม่ในแหล่งข้อมูลจะไม่ทำการอัปเดต PivotTable โดยอัตโนมัติ และการจัดวางที่ดูเหมือนเพิ่งอัปเดตแต่ใช้ตัวเลขเก่านั้นแย่ยิ่งกว่าการไม่มีการวิเคราะห์เลยเสียอีก

การซ่อนการจับคู่ (mapping) ใครก็ตามที่อ่านรายงานนี้ในที่สุดก็จะถามว่าอะไรที่ถูกนับว่าเป็น "ราคา" บ้าง การเผยแพร่การจัดกลุ่มควบคู่ไปกับแผนภูมิจะช่วยให้การพูดคุยเรื่องนี้จบลงได้ภายในสิบวินาที

การวิเคราะห์เฉพาะหลังจากไตรมาสที่ผลงานแย่ การวิเคราะห์ win-loss analysis ที่คุณสร้างขึ้นเมื่อตัวเลขลดลงจะไม่มีเกณฑ์มาตรฐาน (baseline) ให้เปรียบเทียบ การวิเคราะห์เป็นประจำทุกไตรมาส รวมถึงในไตรมาสที่ดีด้วย คือสิ่งที่จะช่วยให้คุณเข้าใจสาเหตุในไตรมาสที่แย่ได้

การรายงานอัตราส่วนโดยไม่มีปริมาณข้อมูล เซกเมนต์ที่เปลี่ยนจาก 20% เป็น 40% จากดีลทั้งหมดห้าดีลไม่ได้เพิ่มขึ้นเป็นสองเท่าของอะไรเลย การแสดงจำนวนนับควบคู่ไปกับทุกเปอร์เซ็นต์จะช่วยให้ผู้อ่านประเมินข้อมูลได้ด้วยตัวเอง

บทสรุป

การคำนวณทางคณิตศาสตร์ในการวิเคราะห์ win-loss analysis นั้นง่ายมากจริงๆ ได้แก่ การใช้ COUNTIFS สำหรับการนับจำนวน, PivotTable สำหรับการสรุปข้อมูล และ % of Grand Total สำหรับสัดส่วน แต่งานที่ต้องใช้เวลาทั้งบ่ายคือการตัดสินใจว่าเหตุผลของการแพ้ของคุณกำลังบอกอะไรจริงๆ กันแน่

ส่งต่อส่วนนั้นให้กับเครื่องมือที่สามารถจัดกลุ่มป้ายกำกับ แสดงการจับคู่ให้คุณเห็น และชี้กลับไปยังดีลที่อยู่เบื้องหลังตัวเลขแต่ละตัว ลองใช้ Powerdrill Bloom กับไฟล์ส่งออกข้อมูล closed-deals ของไตรมาสที่แล้ว และดูว่ารายการเหตุผลของคุณจะถูกจัดระเบียบให้กระชับลงได้มากเพียงใด

สำหรับมุมมองไปป์ไลน์ที่อยู่ต้นน้ำของเรื่องนี้ โปรดดูคู่มือของเราเกี่ยวกับการเปลี่ยน CRM export เป็นรายงานไปป์ไลน์ และการรวบรวม เครื่องมือ AI สำหรับการวิเคราะห์ไปป์ไลน์การขาย จะครอบคลุมในส่วนของเครื่องมือต่างๆ

คำถามที่พบบ่อย

การวิเคราะห์ win-loss analysis คืออะไร?

มันคือการเปรียบเทียบอย่างมีโครงสร้างระหว่างดีลที่คุณชนะกับดีลที่คุณแพ้ในช่วงเวลาเดียวกัน โดยครอบคลุมถึงอัตรา win rate, ความแตกต่างของอัตรานั้นตามเซกเมนต์ และกลุ่มเหตุผลที่อยู่เบื้องหลังการแพ้

คุณจะคำนวณอัตรา win rate อย่างไร?

นำจำนวนดีลที่ชนะหารด้วยจำนวนดีลที่ปิดการขายทั้งหมดในช่วงเวลาเดียวกัน COUNTIFS สามารถจัดการการนับทั้งสองจำนวนนี้ได้ เนื่องจากมันจะนับแถวที่ตรงตามเกณฑ์ทุกข้อในแต่ละช่วงข้อมูลที่ตรงกัน

ทำไมช่องเหตุผลของการแพ้ (loss-reason) ของฉันจึงแสดงเป็นจำนวนนับแทนที่จะเป็นยอดรวม?

เพราะว่ามันเป็นข้อความ Microsoft ได้ระบุไว้ว่าฟิลด์ PivotTable ในพื้นที่ Values จะแสดงผลเป็น SUM โดยค่าเริ่มต้น และจะแสดงผลเป็น COUNT เมื่อ Excel ตีความข้อมูลนั้นเป็นข้อความ

การวิเคราะห์ win-loss analysis ควรมีเหตุผลของการแพ้กี่ข้อ?

ควรมีจำนวนน้อยพอที่จะเปรียบเทียบข้ามไตรมาสได้ ซึ่งในทางปฏิบัติหมายถึงประมาณห้าถึงเจ็ดกลุ่ม และควรเก็บป้ายกำกับดิบ (raw labels) ไว้ด้านล่างเพื่อให้ทุกคนสามารถตรวจสอบได้ว่ามีอะไรถูกรวมเข้าไว้ในแต่ละกลุ่มบ้าง

คุณควรทำการวิเคราะห์ win-loss analysis บ่อยแค่ไหน?

รายไตรมาสเป็นช่วงเวลาที่เหมาะสมที่สุดสำหรับทีมส่วนใหญ่ เนื่องจากในหนึ่งเดือนมักจะมีดีลที่ปิดการขายในแต่ละเซกเมนต์ไม่มากพอที่จะมีความเสถียร ไม่ว่าจะทำด้วยความถี่ใดก็ตาม ควรสร้างการวิเคราะห์ขึ้นมาใหม่จากไฟล์ส่งออกข้อมูลชุดใหม่ แทนที่จะเป็นการแก้ไขไฟล์ของช่วงเวลาก่อนหน้า