مدتی پیش، مشاوره و اصلاح ساختار فروش یک شرکت بزرگ تأمینکننده مصالح ساختمانی و چوب در تهران را بر عهده گرفتم. در همان هفتههای اول متوجه یک خلاء بزرگ شدم: تیم فروش ما فقط منتظر زنگ خوردن تلفن بود یا نهایتاً به مشتریان قدیمی سر میزد. در حالی که هر روز در مناطق مختلف تهران (از منطقه ۱ تا ۲۲)، گودبرداریهای جدیدی شروع میشد و ما سهمی از آنها نداشتیم.
پروانههای ساختمانی (یا همان جوازهای ساخت) قدرتمندترین، اما در عین حال مظلومترین منبع برای خلق فرصتهای فروش (لید) در بازار ایران هستند. بیشتر فروشندگان مصالح میدانند که باید سراغ پروژههای در حال ساخت بروند، اما تعداد کمی میتوانند از این دادهها به صورت مستمر پول درآورند. نتیجه این میشود که درآمد سرشاری که از سازندگانِ در حال استارت پروژههای جدید به دست میآید، تقدیم رقبا میشود.
من تصمیم گرفتم در این پروژه، دادههای جواز ساخت را به یک مزیت رقابتی تبدیل کنم تا هم مشتریان جدیدی پیدا کنیم، هم سهم بیشتری از پروژههای مشتریان فعلی بگیریم. اما مسیر اصلاً ساده نبود.
چالشهای واقعی ما با دادههای پروانه ساختمانی در ایران
دادههای خام جوازها در بازار خرید و فروش میشوند یا از طریق پلاکخوانی میدانی به دست میآیند، اما تبدیل آنها به پول نقد در حساب شرکت داستان دیگری است. در این پروژه ما با چهار دیوار بلند مواجه شدیم:
۱. جمعآوری به شدت زمانبر بود: جوازها توسط مناطق مختلف شهرداری صادر میشوند. دسترسی به این اطلاعات یکپارچه نیست. ما مجبور بودیم دادهها را از چند واسطه اطلاعات ساختمانی بخریم یا نیروهای میدانی را به مناطق بفرستیم. این کارِ دستی، خیلی زود تمام وقت یک نفر از تیم ادمین ما را گرفت.
۲. فیلتر کردن، عذابآور بود: وقتی فایل اکسل به دستمان میرسید، پر از زباله بود! جوازهای مربوط به تغییرات کوچک داخلی، اضافه بنای یک طبقه، یا پروژههایی در مناطقی که اصلاً توجیه ارسال بار نداشتند. بدون یک سیستم، ساعتها وقت بچههای فروش صرف زنگ زدن به شمارههای اشتباه یا بیربط میشد.
۳. دعوا بر سر لیدها و کلافگی سازندهها: در ابتدا من فایل اکسل را در گروه واتساپ تیم فروش میفرستادم. فاجعه بود! گاهی دو بازاریاب ما در یک روز با یک مهندس سازنده تماس میگرفتند. این کار هم باعث هدررفت انرژی میشد و هم در نگاه سازنده، ما را به شدت غیرحرفهای جلوه میداد. از طرفی، لیدهای سخت اما پولساز دستنخورده باقی میماندند چون کسی زیر بار پیگیری آنها نمیرفت.
۴. ماجرای تأخیر در اطلاعات (نوشدارو بعد از مرگ سهراب): خیلی اوقات وقتی دیتای جواز به دست ما میرسید که سازنده اسکلت را زده بود و خرید اصلیاش را کرده بود. بچههای فروش غر میزدند که «پیمان! اینا که متریال رو خریدن، به چه درد ما میخوره؟» اما من به آنها یاد دادم که ارزش اصلی این دادهها، فروشِ همان لحظه نیست؛ بلکه شناسایی «سازندگان فعال» بازار است تا برای فازهای بعدی پروژه (مثل نازککاری) یا پروژههای بعدیِ آنها زنبیل بگذاریم.
چرا پای این کار ایستادم؟
با وجود تمام این غر زدنها و سختیها، من میدانستم که جوازهای شهرداری دقیقترین شاخص بازار ما هستند. دلیل پافشاری من سه چیز بود:
۱. پیدا کردن لیدهای واقعی: برخلاف بانکهای شماره تلفن بیسروته که در تلگرام میفروشند، جواز ساخت یک سند واقعی است. نشان میدهد یک نفر دقیقاً همین الان پول و قصد ساختوساز دارد. ما توانستیم سازندگان را بر اساس متراژ و منطقه رتبهبندی کنیم و اول سراغ دانهدرشتها برویم.
۲. رصد کامل بازار: من طرز فکر تیمم را تغییر دادم. به آنها گفتم «دنبال آدرس تکتک پروژهها نروید؛ وضعیت کلی سازنده را درک کنید.» با بررسی جوازها متوجه شدیم کدام مهندسان در منطقه ۱ بیشترین کار را میگیرند و کدام شرکتها در حال رشد سریع هستند.
۳. مچگیری از مشتریان فعلی (نشت خرید): این جذابترین بخش بود! ما در دادهها دیدیم که یکی از مشتریان خوب ما، پروژهای در منطقه ۵ شروع کرده اما مصالحش را از ما نخریده است. این یک سیگنال واضح بود که رقیب وارد حساب مشتری ما شده است. تماس گرفتیم و با استفاده از رابطهای که از قبل داشتیم، تأمین آن پروژه را هم پس گرفتیم.
سیستم هوشمند من: ساخت یک مغز متفکر برای دادهها
برای اینکه این فرآیند از یک کار بینظم به یک ماشین چاپ پول تبدیل شود، فهمیدم که یک CRM عادی کافی نیست. ما به یک مغز متفکر نیاز داشتیم. برای همین، من یک سیستم تحلیلگر اختصاصی مبتنی بر هوش مصنوعی (AI) برایشان طراحی و پیادهسازی کردم که تمام فرآیندهای زیر را هوشمند کرد:
- تجمیع و پاکسازی هوشمند: ابتدا با دو شرکت معتبر تأمینکننده دادههای شهرداری قرارداد بستیم. اما به جای وارد کردن دستی، دادهها مستقیماً وارد سیستم اختصاصی ما میشدند. هوش مصنوعی به طور خودکار دادههای تکراری، ناقص و بیربط (مثل جوازهای تعمیراتی یا پروژههای زیر ۱۰۰ متر) را حذف میکرد.
- امتیازدهی و اولویتبندی لیدها: این سیستم فقط یک فیلتر ساده نبود. با تحلیل سوابق، متراژ پروژه و منطقه، به هر لید یک امتیاز میداد. مثلاً جواز یک سازنده معروف در منطقه ۱ با متراژ بالای ۳۰۰۰ متر، به عنوان “لید پلاتینیوم” نشانهگذاری و فوراً به بهترین فروشنده ارجاع داده میشد.
- تخصیص اتوماتیک و عادلانه: دیگر خبری از فایل اکسل و گروه واتساپ نبود. سیستم به طور خودکار هر لید را بر اساس منطقه و ظرفیت کاری هر فروشنده، به کارتابل شخص مورد نظر ارسال میکرد. این کار جلوی هرگونه تداخل و سردرگمی را گرفت.
- تقاطع با فروش قبلی و کشف فرصت: هوش مصنوعی به صورت ماهانه لیست پروانههای جدید را با پایگاه داده مشتریان فعلی ما مقایسه میکرد و هرگونه “نشت خرید” را به صورت یک هشدار به مدیر فروش گزارش میداد.
این سیستم تحلیلگر، دادههای خام و بیارزش اولیه را بعد از چند ماه به یک گنجینه تصمیمسازی و فروش تبدیل کرد. ما حالا دقیقاً میدانستیم کدام مناطق در حال رشد هستند، کدام سازندهها فعالترند و کدام فروشندهها در تبدیل لید به قرارداد موفقتر عمل میکنند.
نتیجهگیری من از این پروژه
در بازار ایران، نمیتوانید منتظر بمانید تا سازنده درِ مغازه یا دفتر شما را بزند. شما باید قبل از اینکه کلنگ پروژه به زمین بخورد، آنجا باشید.
با پیادهسازی این سیستم CRM تحلیلگر و اختصاصی، تیم فروش من توانست از کارهای اداری و اکسلبازی رها شود و روی کاری که در آن تخصص داشت تمرکز کند: مذاکره، اعتمادسازی و قطعی کردن فروش. تبدیل دیتای خام به پول کار سادهای نیست، اما اگر به جای ابزارهای عمومی، یک سیستم هوشمند و اختصاصی برای آن طراحی کنید، به موتوری تبدیل میشود که رقبا حتی نمیفهمند از کجا عقب افتادهاند.
نظرات
برای ثبت نظر باید ثبتنام کنید.
ثبتنام / ورود