متى يجب تجاهل تحليلات البيانات في قرارات المبيعات؟

4 دقيقة
الرؤى المستندة إلى البيانات
ميراج سي/غيتي إميدجيز
استمع الى المقالة الآن هذه الخدمة تجريبية
Play Audio Pause Audio

ملخص: أتاح انتشار الذكاء الاصطناعي للشركات تقديم توصيات مستندة إلى البيانات حول مجموعة واسعة من الأنشطة، بدءاً من اختيار الموظفين وحتى المنتج الذي ينبغي لمندوب المبيعات التوصية به للعملاء. لكن الاعتماد على هذه التوصيات المستندة إلى البيانات يتوقف على سؤالين: ما هو مدى شدة المخاطر المرتبطة بالقرار؟ وما هو مدى موثوقية الرؤى المستندة إلى البيانات؟

يقترح النظام المستند إلى الذكاء الاصطناعي على مندوب مبيعات في إحدى شركات التكنولوجيا التواصل مع شركة متوسطة الحجم لافتراضه أنها ستكون مهتمة بشراء الخدمات السحابية. يحصل مدير مبيعات في شركة خدمات مالية على قائمة بالمرشحين المحتملين لشغل وظيفة شاغرة أُعدّت باستخدام منصة لينكد إن. ويحصل قائد في إدارة المبيعات في إحدى شركات المستحضرات الصيدلانية على توصية من فريق مشروع داخلي بتقليل حجم فريق المبيعات من خلال تسريح عدة مئات من مندوبي المبيعات.

مع الانتشار الواسع للرؤى والتوصيات المستندة إلى البيانات في قطاع المبيعات، يزداد الاهتمام بالسؤال الآتي: "إلى أي مدى يجب أن نعتمد على الرؤى المستندة إلى البيانات؟".

ثمة العديد من التعقيدات التي ترتبط بعملية اتخاذ قرارات مستندة إلى البيانات؛ فقد تكون دقة البيانات واكتمالها مرتفعين أو منخفضين. وقد تختلف النماذج التي تحوّل البيانات إلى رؤى ثاقبة من حيث الجودة. وقد تؤدي الأخطاء في بعض القرارات إلى عواقب طفيفة، في حين تؤثر قرارات أخرى في العديد من الأشخاص وينتج عنها أثر طويل المدى.

تتمحور عملية صناعة القرار الفعّال في مجال المبيعات اليوم حول معرفة وقت وكيفية اعتماد الرؤى المستندة إلى البيانات أو دمجها أو رفضها. وقد تكون الإجابة عن هذين السؤالين مفيدة:

  • ما هو مدى شدة المخاطر المرتبطة بالقرار؟
  • وما هو مدى موثوقية الرؤى المستندة إلى البيانات؟

نطاق مخاطر القرار وموثوقية الرؤى الثاقبة المستندة إلى البيانات

تتمثل القرارات ذات المخاطر العالية في تلك التي يترتب عليها أثر شامل ودائم؛ إذ يؤدي القرار السيئ ذو المخاطر العالية إلى خسائر كبيرة، ويصعب التراجع عنه. وتشمل الأمثلة تحديد القنوات المناسبة للتسويق لمنتج جديد، وتصميم خطة الحوافز، وإعداد متطلبات التوظيف لفريق إدارة حسابات العملاء الجديد. من جهة أخرى، يكون للقرارات السيئة ذات المخاطر المنخفضة عواقب سلبية محدودة، ويسهل التراجع عنها. على سبيل المثال، تمكن إعادة النظر في اقتراح شراء المنتج الذي قدمه مندوب المبيعات للعميل إذا لم ينجح.

تعتمد موثوقية القرارات المستندة إلى البيانات على البيانات والنموذج الذي يعالجها لاستخلاص الرؤى. لنتأمل مجموعة من الأمثلة التي توضح أثر مخاطر القرارات وموثوقية النموذج في كيفية استخدام فرق المبيعات للرؤى الثاقبة.

عندما تقدّر حاسبة تعويضات الحوافز الأجر التحفيزي لمندوب المبيعات، فيمكن الاعتماد على الإجابة (غالباً). وعندما يستخدم أحد مدراء المبيعات نظام الذكاء الاصطناعي التوليدي للمساعدة في تلخيص اجتماع ما، فمن المرجح أن تكون النتيجة جيدة. تُمثل هذه الأمثلة حالات لقرارات منخفضة المخاطر وذات موثوقية مرتفعة للنموذج.

لكن ماذا يحدث في الحالات ذات المخاطر العالية أو ذات الموثوقية المنخفضة للنموذج؟ على سبيل المثال، يقيّم نموذج مستند إلى الذكاء الاصطناعي ملفات تعريف المرشحين المتاحة على لينكد إن لوظائف المبيعات. تُعتبر الرؤية التي يقدمها النموذج مفيدة بالفعل، لكنها متوسطة الموثوقية، وذلك لأن ملفات لينكد إن التعريفية تعرض صورة يبتكرها المرشح عن نفسه، وعادة ما تكون هذه الصورة متحيّزة وغير مكتملة.

عندما ينصح نظام مستند إلى الذكاء الاصطناعي مندوب المبيعات بشأن ما يجب فعله مع العميل، فيجب عليه تدقيق توصية النموذج ومراجعتها قبل قبولها أو رفضها أو تعديلها أو تنفيذها، وذلك لأن البيانات التي تستند إليها هذه النماذج ليست كاملة وتتعلق بالماضي غالباً.

لنفكّر الآن في مثال أكثر تعقيداً. يقدم النموذج توصية بشأن حجم فريق المبيعات وهيكله، وهو قرار له أثر دائم ومن الصعب التراجع عنه بسرعة. تُعتبر المعطيات التي يقدمها النموذج، مثل تقديرات إمكانات العملاء، غير دقيقة؛ كما أن السيناريوهات المستقبلية غير مؤكدة، والمخاطر عالية. من جهة أخرى، تُعد موثوقية النموذج جيدة، لكنها ليست مثالية. بمعنى آخر، يوفر النموذج رؤى ثاقبة بالفعل، لكن الإشراف والحكم الشخصي مهمان في هذه الحالة.

الحكم على موثوقية الرؤى المستندة إلى البيانات

قد تساعدك العديد من الاستراتيجيات على تقييم موثوقية الرؤى المستندة إلى البيانات، التي ستحدد بدورها مقدار الاهتمام الذي يجب أن توليه لهذه الرؤى.

أجرِ تقييماً سريعاً

هل تبدو الرؤية معقولة؟ اعتمد على خبرتك والمقاييس المعيارية الخارجية لضمان أن تبدو الرؤية معقولة. على سبيل المثال، إذا كان التحليل المستند إلى البيانات والنماذج يوصي بمضاعفة حجم فريق المبيعات إلى 300 شخص، فيمكنك تقييم معقولية الرؤية عن طريق مقارنة حجم فرق المبيعات لدى الشركات المنافسة التي تعمل في النطاق والحجم نفسيهما.

حاول الحصول على شرح للتوصية

تعتبر التوصية بشأن فرصة البيع المتقاطع عبر السحابة أكثر إقناعاً إذا قدم النموذج شرحاً لكيفية توصله إلى النتيجة، على سبيل المثال، "لأن الشركات ذات الحجم المماثل في القطاع نفسه اعتمدت هذا الحل بصورة متكررة في المواقف المماثلة". وتصبح التوصية التي يقدمها الذكاء الاصطناعي بشأن حجم فريق المبيعات وهيكله أكثر مصداقية عندما يؤكد فريق المشروع أنه يدرس اقتراح الذكاء الاصطناعي، ويدعم توصيته بتفاصيل توضح أثر الحجم والهيكل الجديدين في تغطية مجموعات العملاء المحددة، ويقدم توقعات معقولة للمبيعات المحتملة.

قيّم جودة البيانات

هل البيانات مهمة ودقيقة وكاملة وفي حينها؟ إذا كانت التوصيات حول هوية الشخص الذي يجب توظيفه مستندة إلى الملفات التعريفية على لينكد إن، فلا بد أنك تعلم بالفعل أن البيانات قد تكون غير دقيقة أو غير كاملة، سواء كان ذلك متعمداً أو غير متعمد. من ناحية أخرى، إذا كانت الخوارزمية تخطط مسار مندوب المبيعات بحيث يتمكن من زيارة عدة عملاء في يوم واحد، فستكون البيانات الأساسية (نظام تحديد المواقع، وظروف حركة المرور، وجدول مواعيد العملاء) دقيقة وفي حينها. يُعد توقيت البيانات أحد الاعتبارات الرئيسية. فعندما تكون البيانات ذات أثر رجعي، فعليك تقييم مدى توافق التوصية مع الظروف المستقبلية. تتضمن المصادر الآنية بيانات نظام إدارة علاقات العملاء، وبيانات تفاعل العملاء، والتحري عن السوق، ومراقبة وسائل التواصل الاجتماعي. في حين تشمل المصادر غير الآنية بحوث السوق حول إمكانات العملاء، أو الذكاء التنافسي منذ عام مضى.

طوّر رؤى ثاقبة حول جودة النماذج

قد يكون ذلك صعباً، لكن يمكنك بدلاً من ذلك تقييم جودة النماذج. سيقدم الأشخاص المختلفون (محللو البيانات) الذين يحصلون على البيانات نفسها مخرجات مختلفة في حالات القرار المعقدة؛ بمعنى آخر، تؤثر خبرة المحلل السابقة ومعرفته بالقطاع وسياق المبيعات على تصميم النموذج وأدائه، فتصميم النماذج فن في حد ذاته!

في الواقع، لا تقتصر صناعة القرار المستند إلى البيانات على استخدام البيانات والنماذج لتأكيد الافتراضات. ومن غير المجدي حتى انتقاء البيانات التي تدعم المعتقدات الحالية وتجاهل المعلومات المتناقضة. بل يتطلب التقليل من مخاطر صناعة القرار المتحيّز الاعتراف بقيمة الرؤى غير البديهية، وتعزيز الخبرة في استخدام الأساليب المستندة إلى البيانات. ونلاحظ بالفعل عند تنفيذ أنظمة التوصية المستندة إلى الذكاء الاصطناعي مع مندوبي المبيعات ارتفاع معدلات اعتماد التوصيات من 40% حتى 80% في غضون عامين، وتحسّن النماذج وزيادة في كفاءة المستخدمين. باختصار، الجمع الحكيم بين رؤى النماذج والحكم البشري أفضل من اعتماد أي منهما بمفرده في هذا العصر الرقمي السريع التغيير.

تنويه: يمكنكم مشاركة أي مقال من هارفارد بزنس ريفيو من خلال نشر رابط المقال أو الفيديو على أي من شبكات التواصل أو إعادة نشر تغريداتنا، لكن لا يمكن نسخ نص المقال نفسه ونشر النص في مكان آخر نظراً لأنه محمي بحقوق الملكية الدولية. إن نسخ نص المقال بدون إذن مسبق يعرض صاحبه للملاحقة القانونية دولياً.

جميع الحقوق محفوظة لشركة هارفارد بزنس ببليشنغ، بوسطن، الولايات المتحدة الأميركية 2024 .