売れた理由が会社に積み上がる
商品ごとに営業をつくり直さない
商品ごとに、営業をつくり直さない。
商材を載せ替えられる、共通の基盤を
商品が変われば営業も作り直します。商品Aには商品A用の売り方、商品Bには商品B用の売り方。商品が増えるたび、また一からです。
AIGHはこれを逆にしています。営業のやり方・データ・学習を共通の基盤として持ち、その上に商材を載せ替える。店舗集客も、美と健康も、人材育成も、同じ基盤の上で動かしています。だから、次の商材を扱うときの立ち上がりが速くなります。
いちばん進んでいるのは店舗集客の領域です。店舗の情報を集める、公開されている情報を取得する、競合との位置を比べる、営業の優先順位をつける、リストをつくる、店舗情報を診断する——ここまでは実際に動いています。すべての領域で同じ水準に達しているわけではありません。領域ごとに、できているところと、これから整えるところがあります。
売れた理由を次に活かす
一人の経験を、会社の力に変えていきます。
営業の成果は、たいてい担当者個人のものになります。優秀な担当者が離れると、その進め方も一緒に失われる。多くの会社が抱えている問題です。
AIGHはこれを、3つの層で扱っています。現場で結果を得る層。それを整理して残す層。そして、次の現場へ配り直す層。この一周が回るほど、提案の精度が上がっていきます。
- LAYER 03 配り直す 効いた進め方を、次の担当者・次の地域・次の商材・次の国へ渡す
- LAYER 02 たくわえる どの提案が、どの地域・どの業種で、なぜ効いたのかを整理して残す
- LAYER 01 現場 全国の営業組織とパートナーが、店舗・地域事業者と向き合い、結果を持ち帰る
一周して、ふたたび現場へ
現場で得られた結果を残し、整理し、ふたたび現場へ配り直す。この一周が速くなるほど、次の提案の精度が上がっていきます。
AIの役割は、判断材料をつくること
どの提案が、どの地域・どの業種で効いたのか。人の記憶では追えない量を整理し、比べられる形にするのがAIの仕事です。決めるのは、あくまで人です。
人の経験を、会社のものにする
担当者が100件まわって強くなるだけでは、その人が離れたときに何も残りません。100件の結果を基盤に残し、次の担当者がその上から始められるようにします。
ひとつの現場で得たことが別の現場で効く
ここは、いま確かめている途中です。
店舗集客の現場で「この地域の、この業種には、この伝え方が効く」と分かったとします。その理解は、美容商材をどの店に提案するかにも、研修の受講者をどう集めるかにも使えるはずです。商材をまたいで学びが効くなら、扱う領域が増えるほど、判断の精度が上がっていきます。
ただし、これはまだ確かめきれていません。どの学びが、どこまで別の商材に持ち込めるのか。持ち込めない条件は何か。いま、実際の案件で検証している段階です。
これまで経験は、その商材の中で閉じる
AIGHが目指している形学びが、商材をまたいで効く
商材A
商材B
商材C
商材Aの経験・成果
商材Bの経験・成果
商材Cの経験・成果
店舗集客
美と健康
人材育成
次の商材
共通の学習ラインどの提案が、どの地域・どの業種で、なぜ効いたのか
別の商材には、そのまま活きない
ひとつの現場で得たことが、別の現場の判断に使える
商材A
商材B
商材C
商材Aの経験・成果
商材Bの経験・成果
商材Cの経験・成果
店舗集客
美と健康
人材育成
次の商材
共通の学習ラインどの提案が、なぜ効いたのか
できていること
店舗集客の領域では、情報の取得・競合との比較・優先順位づけ・リスト作成・店舗情報の診断まで。
確かめていること
ひとつの商材で得た学びが、別の商材の判断にどこまで使えるか。複数の領域での再現性。
これから目指すこと
領域をまたいだ判断の精度が上がったことを、利用企業の売上・利益の改善という形で示せるようにすること。