B2B業界のデータ分析、これが最も完全なアイデアです

ビジネス分析の分野では、B2B 業界は独自のビジネスモデルと複雑さのため、データ分析に対する要件がより厳しくなっています。 B2C ビジネスと比較すると、B2B ビジネスでは意思決定プロセスが長くなり、顧客価値も大きくなり、各取引が企業に大きな影響を与える可能性があります。この記事では、B2B 業界のデータ分析のアイデアを詳しく説明し、読者が体系的な B2B データ分析フレームワークを構築できるようにします。

Knowledge Planet の 1,000 件を超える質問の中で、B2B 分析の実施方法は最も頻繁に尋ねられる一般的な質問の 1 つです。インターネット上のいたるところに小売電子商取引の例がありますが、これらはすべて B2C ビジネスです。もちろん、B2BとB2Cの区別がつかない学生もいます。彼らはただこう感じているのです。「私のデータは変だ。どうやって分析したらいいのだろう?」今日は体系的な答えをお伝えします。

01 B2BとB2Cの直感的な違い

典型的な B2C シナリオ:

シャオミンはミルクティーが飲みたいので、ミルクティーのお店まで歩いて行きます。

シャオミン：ミルクティーは一杯いくらですか？

店員：15元

シャオミン：わかった、買っておこう。

シャオミンは支払いのためにコードをスキャンする

シャオミン：美味しいですよ！もう一杯買うよ

B2C の考え方を B2B に適用すると、次のスタイルになります。

シャオミンはミルクティーのお店を開きたいと思い、ミルクティーのお店のドアまで歩いて行きました。

シャオミン：ミルクティーショップ全体を私に譲渡するとしたら、いくらかかりますか？

ボス：500,000

シャオミン：わかりました。1つ買いましょう。

シャオミンは紙幣の入った袋をボスの顔に投げつけた

シャオミン：この店は素晴らしいですね。あと2個買います！

シャオミンはまた紙幣の入った袋を投げ捨てた...

面白いと思いませんか？実際の B2B シナリオは次のとおりです。

シャオミンさんは35歳までコードを書いていたが、年齢が高すぎたため解雇された。

働こうかとも思ったのですが、どこに行っても同じことが起こりました。

「35歳以下」

何をするか？

「ミルクティーショップに参加して月収100万を稼ぎ、簡単にボスになれる」というタイトルの広告を見つけました。

それから：

何度も考えて5日間計算してみました。

フランチャイズ店に連絡、5日間のナンセンス

別のフランチャイズ店に連絡して5日間無意味な話をした

別のフランチャイズ店に二重に連絡し、5日間でたらめを言う

5日間友達と飲みながらバーベキューを食べることについて話し合う

Zhihuに投稿して5日間コメントを読む

喧嘩の後、妻に金をせびり5日間ひざまずいた

親に金をせびり、5日間激怒して話し合い

「人生で立ち上がれるのは今だけだ！」

5日間吠える

…

その大金を集めるためだけに、シャオミンは人生の浮き沈みを経験し、心も大きく変化した。その後のフランチャイズ化、装飾、採用、交通の迂回、販売、悪いビジネス、死にゆく闘い、破産、月収50,000で21日間のゼロベースのフロントエンドトレーニングクラスにサインアップ、そして失業は言うまでもありません...

ミルクティーを買うのとは違って、飲みたいときに買えるんです、とっても簡単！大量、長いプロセス、そして多くの決定が、B2B ビジネスと B2C ビジネスの直感的な違いです。（この話は完全にフィクションです。類似点があるとすれば、公共アカウントには不安を煽るだけの記事が多すぎることです）。

02 B2Bのビジネス特性

B2BビジネスはB2Cとは異なり、主に3つの違いがあります。

1. 個人的なニーズを満たすこととビジネス目標を満たすこと

B2C ビジネスのほとんどは個人の消費ニーズに応えており、そのほとんどは日用品です。例えば、個人が牛乳を購入する場合、考慮すべきことは「おいしいかどうか」だけです。

B2B ビジネスは企業のビジネス目標に役立ちます。牛乳を原料にしているのであれば牛乳を買うのと同じです。「自分が作った乳製品は売れて利益が出るのか？」を考える必要があります。従業員が飲むためのものなら、「従業員はこれを気に入っているか、苦情は出ないか」を考える必要があります。

これが B2B と B2C の最も重要な違いです。 B2C ビジネスを理解しようとするとき、私たちはしばしば、自分たちが消費者であると仮定してプロセスを体験します。 B2B ビジネスを理解したい場合、自分が消費者であると想定することはできず、オペレーターの視点から考える必要があります。そうしないと、冒頭の「ミルクティーショップを買うためにお金の袋を運ぶ」というジョークにつながるでしょう。

2. 単純な決定と複雑な決定

B2Cは個人消費なので、自分で判断してください。しかし、B2Bの場合は意思決定メンバーが多いため、状況はまったく異なります。

牛乳を購入する場合、入札プロセス、財務プロセス、物流プロセス、倉庫管理プロセスを経て、すべてのレベルのリーダーに提出して承認を得る必要があります。中小企業であれば問題ありません。しかし、大企業がプロセスを省略すると、数分以内に監査が実施されることになります...

3. 代金引換とアフターサービス

B2C は個人消費であり、お金と商品が交換されます。しかし、B2B ははるかに複雑な場合が多く、契約書に署名することは最初のステップにすぎません。以降の納品には初回支払い、中間支払い、最終支払いなどさまざまなトラブルが伴います。

上で述べた牛乳を買うという例はすでに最も単純な形です。陳氏が勤務するソフトウェア開発サービス業界であれば、契約から納品までの長いプロセスを経験することができます（下図参照）。

4. リピート購入とパートナー

B2Cは個人消費なので、購入するものは安く、全く心配する必要がありません。たとえば、牛乳を買って味が悪かったら、次回は銘柄を変えればいいのです。ビジネスの場合、ユーザーが今日離れても、割引をすれば明日戻ってくるかもしれません。

しかし、B2Bはまったく異なります。年間協力契約を締結した場合、顧客を失うと、その年は何も得られなくなります。顧客が 3 ～ 5 年の長期協力契約を締結した場合、契約が失効すると、3 ～ 5 年間は取引ができなくなる可能性があります。逆に、業界トップクラスのクライアントであれば、一度獲得すれば、業界全体のほとんどの受注を私が引き受けることになります。これが、B2B における勝者総取りの仕組みです。

したがって、類推を行う必要があります。 B2B ビジネスは、住宅装飾などの B2C ビジネスと比較することができます。また、購入金額が大きく、意思決定プロセスが長く、意思決定の仕組みが複雑で、頭金と最終支払いがあり、納品プロセスが長く、購入が完了すると需要が閉じられる（ただし、多くの大口顧客のマーケティングも反映されている）という特徴もあります。

陳先生は、B2B 分析を行う際には、ビジネスの詳細を理解するためにより多くの時間を費やすことを依然として強く推奨しています。多くのビジネスプロセスも顧客のニーズに応じて変更され、カスタマイズされるため、類推は教育には適していますが、仕事には適していません。

03 B2Bの基本分析フレームワーク

すべてのデータ分析では、「どれくらい」「何が」「なぜ」「何が起こるのか」「どのように」という 5 つの質問を避けることはできません。 B2B 分析でも同様です。ただ、B2B 分析の場合は、それに余分な労力を費やすことになります。

まず、B2B 調達に関わる顧客の組織構造、意思決定プロセス、ワークフローは特に複雑であり、追加情報が必要になります。

第二に、各顧客の価値は非常に大きく、顧客を失うと結果は深刻になります。実験を繰り返す余地はなく、すべての顧客を獲得する必要があります。

3つ目は、顧客は頻繁に購入することはなく、一度関係が形成されるとそれを変えることは難しいということです。そのため、B2Cとは異なり、ゆっくりと収集する顧客情報はなく、ゆっくりとテストする必要のある顧客もありません。 RFM データは、将来 (ほとんどの R) 365 日、F=1 を推測するために使用することはできません。

B2B が求めているのは、正確な打撃、致命的な打撃です。具体的な詳細な要件には、次の 3 つの部分が含まれます。

1. 顧客ポートレート

上図に示すように、B2B 顧客ポートレートは、主に顧客の企業力、需要規模、プロセスの長さ、交渉相手に基づいています。 B2Cとは異なり、B2Bでは顧客ポートレートを収集するのが簡単です。多くの場合、これらの企業に関連する情報は、顧客訪問、年次報告書、業界レポート、関連企業の紹介などのチャネルを通じて入手できます。

特に第一線の営業マンは、この点について非常に明確に認識しています（会社に伝えるかどうかは別の問題です）。「個人のプライバシーの盗難」などの問題を心配する必要はありません。

ユーザーポートレートの使用方法にも違いがあります。 B2Cで販売される商品の多くは必需品であり、ユーザーには確実に需要があります。問題は、どのブランド、どの SKU、どの価格が需要があるかということです。したがって、B2C ユーザーポートレートの本質は、特定の製品に対する応答率の高いユーザーをスクリーニングすることです。

顧客にB2Bの需要がなければ、B2Bは本当に消滅してしまいます。 B2B 顧客のニーズをどのように判断するのでしょうか?

まず、お客様の事業状況、企業規模、開発動向などから判断します。たとえば、企業が生産のために原材料を購入する場合、発注量は自社の売上に比例する必要があります。例えば、ソフトウェアを販売する場合、売上高が数千万ドルの企業には ERP は必要ありませんが、売上高が数億ドルの企業には ERP が必要になります。第二に、顧客と私たちの関係から判断することができます。 B2B分野ではグレーな業務が多いのが一般的です。

2. フォローアッププロセス

B2B 調達要求が発行されると、カウントダウン段階に入ることに注意してください。顧客は無期限に選択を行うことはありません。要求が発行される期間が長ければ長いほど、顧客が目にするサプライヤーの数が増え、取引が成立する可能性が高くなり、審査もより具体的になります。したがって、営業リードを受け取った後は、そのリードの期間を決定し、できるだけ早くフォローアップすることが非常に重要です。

営業リードへのフォローアップのプロセスは複雑です。ファネル分析法は、2 ステップ以上のプロセス分析に使用できます。 B2Bのプリセールス段階では、フォローアッププロセス分析の基本的な考え方もファネル分析です。フォローアッププロセスの中心は契約書に署名することです。したがって、単一のリードについては、フォローアップの段階と失敗の具体的な理由に注意を払う必要があります（下の図を参照）。

多数のリードについては、地域、業界、企業、リードソースごとに分類し、契約率や契約額を調べて、ターゲットを絞った計画を立て、どの地域や特殊なタイプの企業をターゲットにするか、業界の契約状況の変化から問題を発見する必要があります（下図を参照）。

3. アフターサービス

上図に示すように、B2B のアフターセールスプロセスも段階に分かれていますが、ファネル分析の手法は使用されていません。アフターセールスの段階で返金を怠ることは原則として許されないからです！死んでもお金を取り戻さなければならない！したがって、B2B アフターセールスプロセス分析では、リスクを警告し、問題を予測し、進捗状況に注意を払うことが重要になります。

03 B2B分析の難しさ

問題 1: 顧客情報の収集と整理が不十分。

顧客情報には会社名と電話番号しか記載されておらず、電話を繋いだ人の役職すら分からない。同社に関するその他の情報も不明だ。さらに最悪なのは、顧客情報の出所や時間すら不明瞭なことだ。他のお客様のニーズは満たされているのに、それでも私たちのところにやって来て質問してくるなんて愚かですね... 最終結果は当然悲惨なもので、データを分析する方法はありません。

困難 2: フォローアッププロセスの収集と組織化が不十分。

ここではよくある状況が 2 つあります。 1 つは、営業担当者が、いつフォローアップしたか、誰にフォローアップしたか、フォローアップのフィードバックはどのようなものだったか、次回は何をフォローアップすべきかを記録するのが面倒だということです。彼らには何もわかっていない。 2 つ目は、検査に対応するために営業マンが突然フォローアップを行うタイプです。 3日以内に顧客に電話する必要があり、3日目に電話しました。月末検査の前日に情報を記入するように言われ、すぐに終わらせなければなりませんでした。最終的に送信されたデータはゴミです。

問題 3: アフターセールス情報の収集と整理が不十分。

アフターサービスは配送で忙しいので、フィードバックを提供することを気にする人は誰もいません...

はい、B2B 分析における最大の難しさは、データがないことです。何もないです。契約締結時の簡単なデータのみが記録されており、そのわずかなデータでさまざまな問題を分析できると当然想定されていました。

他の部門に協力を依頼する理由はたくさんあります。

営業：私が開拓した顧客は私のリソースです！なぜ会社に引き渡さなければならないのでしょうか?
市場: すべての情報が入手可能であれば、顧客獲得の取り組みがすべて無駄だったことが明らかになるのではないでしょうか?
アフターサービス：もう疲れました。商品の配送と配送された商品の数量のどちらが重要ですか？

本質的には、これはB2Bビジネス管理の不規則性によって引き起こされます。 B2B プロセスは長くて詳細なため、多くの人手が必要です。多くの人材が関わってくるため、管理強化が必要な部分が多くあります。

過去20年間の土地収奪型の経済発展の中で、ほとんどの企業は完全なプロセスを確立できず、無知を個性とみなし、さまざまなグレーな操作を合理的とみなす企業さえある。その結果、2024年までにB2Bビジネス管理は依然として初期段階に留まり、当然ながら信頼できるデータも効果的な分析も存在しないことになります。

もちろん、責任の一部は新人データアナリストにも課せられます。彼らが最もよく言うのは、「オンラインでチュートリアルを見たのですが、それらはすべて RFM モデル + k-means クラスタリングを使用しているのではないですか? 契約金額 + 顧客名を入力してクラスタリングするだけです... え? なぜ結果がこんなに奇妙に見えるのですか? グループに大物はいますか? B2B 業界に大物はいますか? B2B 業界では、Kmean クラスタリングの最も権威があり、科学的で合理的な分類数は 4 または 6 です。至急! オンラインで待機中! 支払い済み!」です。

——具体的なビジネスプロセスと組み合わせずに、インターネットから一般的で権威のある一般的な慣行を毎日コピーするだけです。これが会社の状況に適合できるという望みはありません。