Sales activity based management

|
Activity based management is in sales en marketing helaas nog steeds een weinig gebruikte manier van denken en werken. Zelfs ondanks alle laagdrempelige mogelijkheden die de toenemende digitalisering ons bieden. Dit heeft onder andere tot gevolg:
|
![]() |
De goede dingen doen | |
![]() |
De dingen goed doen |
Daarbij dient het Plan/Do/Check/Act denken als uitgangspunt. Dit denken staat centraal in de ‘lerende organisatie’. Het is het ‘kaizen’ denken dat in Japan als verbeterfilosofie wordt gehanteerd en dat ooit door Deming is geïntroduceerd bij Toyota. Het werkt als volgt:
![]() |
Allereerst nadenken over de te leveren prestaties: welke inspanningen moeten we waarop wanneer leveren om de doelstellingen te realiseren? | |
![]() |
Uitvoeren van de inspanningen. | |
![]() |
Het meten van de inspanningen en de daaruit resulterende prestaties. Analyse van deze metingen en doorvertalen van de conclusies naar aanpassingen in de aanpak. | |
![]() |
Het doorvoeren van deze aanpassingen. | |
![]() |
Waarna het PDCA proces weer van voren af aan begint. |
De juiste informatie is goud waard
Bovenstaande werkwijze is dus sterk gebaseerd op het gebruik van informatie. Gegevens zeggen niet zo veel, maar informatie des te meer. Een voorbeeld:
![]() |
Het aantal offertes en het aantal orders zegt weinig. | |
![]() |
Het aantal orders uit het aantal offertes in relatie tot het teamgemiddelde kan een schat aan informatie opleveren t.b.v. een actieplan. |
Objectieve versus subjectieve gegevens
Objectief zijn de gegevens die zonder discussie vastgesteld kunnen worden: aantal bezoeken, orders, omzet. Dit zijn meestal interne gegevens, voorwaarde is wel dat de definities eenduidig zijn. Subjectief zijn gegevens die persoonlijk vastgesteld worden: prognose die de verkoper opgeeft, trends in de markt, inschatting marktvraag etc., waarbij het vaak gaat om externe gegevens SABM gaat vooral uit van objectieve gegevens.
Gegevens die waarde toevoegen versus gegevens die overbodig zijn
Dit laat zich het beste illustreren aan de hand van een voorbeeld: een splitsing van bezoeken (inspanning) naar grote of kleine afnemers op basis van aantal werknemers, kan aan het licht brengen dat er veel meer marge wordt gemaakt bij de grote of juist de kleine afnemers. Het toevoegen van de omzet van de klant kan overbodig zijn, omdat na meting blijkt dat dit niets toevoegt. Waarschijnlijk is er een hard causaal verband tussen omvang naar personeelsleden en omvang naar omzet. In dat geval heeft het geen zin omzet mee te nemen binnen VEA.
Een koe heeft een staart, maar niet aan iedere staart zit een koe
De conclusie mag geen gevolg zijn van de wijze waarop is gemeten. Een voorbeeld: vooral in branche A en branche B worden veel producten verkocht. Deze branches groeien. Trek nu niet de conclusie dat ook de afzet dus zal gaan groeien. Immers, de oorzaak dat veel producten worden gekocht kan best zijn dat er binnen deze branches specifieke problemen spelen die juist aan het afnemen zijn!
De waarde van transactiegegevens (ratio’s)
Per definitie kunnen we stellen dat juist transactiegegevens informatie leveren om processen en mensen efficiënter te kunnen laten werken. Bijvoorbeeld: koppeling van bezoekinspanning aan marktpotentieel, koppeling van offertes aan opdrachten en branches etc.
Samenvattend kunnen we de onderstaande informatiematrix opmaken. Waarbij geldt: informatie voorspelt gedrag beter naarmate deze meer links en meer naar boven in de matrix past.
| Soort informatie, met waardering tussen ( ) |
Vastgesteld gedrag (3) |
Opgegeven gedrag (2) | Kenmerken, attitudes en dergelijke, mbt af te leiden gedrag (1) |
| Individueel niveau (3) | 6 | 5 | 4 |
| Groeps (team) niveau (2) | 5 | 4 | 3 |
| Generiek (1) | 4 | 3 | 2 |
In het volgende artikel gaan we dieper in op de praktische aanpak van SABM.

|
Mike Hoogveld |
|
|
Robert Hamminga |



