Verhogen van de sales effectiviteit bij Randstad door gebruik te maken van meerdere gegevensbronnen
Impact
De 'sales effectiveness tool' wordt momenteel actief gebruikt door zo'n 10.000 sales consultants verspreid over 6 landen. De sales hit rate is gestegen van de historische 25% naar 70%, wat betekent dat de sales consultants die de tool gebruiken vandaag 70% van hun tijd doorbrengen met de juiste klanten - klanten die een reëel en haalbaar commercieel potentieel hebben voor Randstad.
Over Agentschap Wegen en Verkeer
Als één van de meest toonaangevende uitzendbureaus speelt Randstad al meer dan 60 jaar een actieve rol in de arbeidsmarkt. Met meer dan 39.500 medewerkers verspreid over 38 landen, helpen zij mensen bij het vinden van de juiste baan.
Ervoor zorgen dat hun werknemers hun tijd besteden aan het contacteren van bedrijven die écht potentieel hebben voor Randstad, en het mogelijk maken dat zij gesprekken kunnen opbouwen op basis van accurate en relevante informatie, heeft een directe impact op het succes van Randstad in het bedienen van haar klanten en dus het realiseren van haar eigen kerndoelstelling.
Uitdaging
Hoewel Randstad reeds beschikte over de data en inzichten in de bedrijven met een aantrekkelijk commercieel potentieel voor hen, werd deze kennis niet optimaal gebruikt om de activiteiten van het sales team in de dagelijkse praktijk aan te sturen.
Daarom besloot het bedrijf om een oplossing (ondersteund door AI) te bouwen die een beter en continu gebruik van deze data mogelijk maakt door concrete, actiegerichte taken voor te stellen aan de sales consultants. Dit allemaal in een intuïtieve en gebruiksvriendelijke applicatie.
Oplossing
Als AI-specialist partner, is ML6 verantwoordelijk voor het opzetten en trainen van de data gedreven, intelligente componenten van de oplossing. Daarnaast doet ML6 ook de implementatie van de AI ML Ops architectuur ( meer informatie over MLOps vindt je hier). Deze zorgt ervoor dat de oplossing gemakkelijk kan worden geschaald over teams en landen, en dat de hertraining gebeurd op een continue, geautomatiseerde manier.
De 'sales effectiveness tool' van Randstad bestaat uit vier verschillende componenten. De kern van de tool is het scoringssysteem dat het sales potentieel van een individueel bedrijf voor Randstad beoordeelt, alsook hoe gemakkelijk of moeilijk het zal zijn om dat potentieel te bereiken. Deze bedrijfs segmentatie in een aantrekkelijkheid kwadrant gebeurt op basis van het bedrijfsprofiel, maar ook door gebruik te maken van marktgegevens om de job behoeften voor de volgende 12 weken te voorspellen en zo koopsignalen van bedrijven voor Randstad-diensten te detecteren.
De keuze van de databronnen per regio/gebied is erop gericht de scoring specifiek te maken per geografisch gebied, waardoor de relevantie van de gegenereerde inzichten voor lokale sales teams aanzienlijk toeneemt. <br>Het resulterende Kanban script - een geautomatiseerde en actiegerichte to-do lijst - biedt individuele sales consultants op wekelijkse basis een overzicht van bedrijven waarop zij zich best focussen; en genereert inzichten over dat bedrijf en de industrie als basis voor het structureren van het klantgesprek.<br>Tot slot gebruikt de oplossing component aanvullende externe extra marktinzichten om de consultants van verdere context te voorzien, bijvoorbeeld een geldige zakelijke reden om het bedrijf te bellen, directe branche-informatie over de klant, ondersteunende gegevens voor het beheren van verwachtingen rond het invullen van posities en en voor het aangaan van prijsonderhandelingen. De 'sales effectiveness tool' is ontworpen om continu gebruik te maken van data in een outside-in benadering, waarbij actuele data wordt opgehaald uit geselecteerde, gestructureerde externe databronnen. Tijdreekstechnieken worden vervolgens toegepast op die data om voorspelling, inzichten en triggers te genereren.
De Dun & Bradstreet bedrijfs repository dient als bron voor het opstellen van een totaal ‘wereldbeeld’ van alle bestaande bedrijven, zowel huidige Randstad klanten als prospects, met voor elk bedrijf een uitgebreid aantal profielkenmerken. Gegevens over de vraag naar banen vanuit een bepaald bedrijf worden verzameld uit verschillende bronnen, zoals textkernel, careerjet, burning glass en jobdigger. Tot slot worden economische gegevens per geografie (bijv. bbp, werkgelegenheid) verkregen van Oxford Economics.<br>Het definiëren en opleggen van data governance principes ( meer info in deze blogpost ) zoals globale definities en data bescherming (bv. geen manuele overschrijvingen) verzekeren de kwaliteit van de data en dus de relevantie van de wekelijkse aanbevelingen voor de sales consultants.
Het uitbreken van de Covid-pandemie, als schoolvoorbeeld van een high-impact, low-frequency (HILF)-gebeurtenis, heeft geleid tot de toevoeging van Natural Language Processing (NLP)-technieken om extra gegevens over onregelmatige, onvoorspelbare gebeurtenissen op te sporen.
"ML6 hielp ons bij het bouwen en implementeren van een intelligente matching engine die het potentieel heeft om een grote impact te hebben op zowel onze kandidaat als de customer hun journey. Alsook het beïnvloeden van onze top en bottom line. "
CIO at Randstad België
Door
Randstad
Resultaten
Ondertussen heeft de sales effectiveness tool zijn doeltreffendheid meer dan bewezen. Het wordt momenteel actief gebruikt door ongeveer 10.000 sales consultants verspreid over 6 landen, met 2,5M+ aanvaardde kanban acties tot nu toe. De hit rate is gestegen van de historische 25% naar 70%, wat betekent dat de sales consultants die de tool gebruiken vandaag 70% van hun tijd doorbrengen met de juiste klanten - klanten die een reëel en haalbaar potentieel hebben voor Randstad.
En die aanzienlijke en aangetoonde commerciële bedrijfswaarde is nog maar het begin. De sales effectiveness tool is gebouwd in lijn met de wereldwijde digital factory strategie van Randstad; en is klaar voor gebruik in een groeiend aantal landen, waarbij de AI-modellen maandelijks worden bijgeschoold en verfijnd.
De uitrol over alle 38 Randstad landen is gepland met expliciete aandacht voor het op maat maken van aanbevelingen voor verschillende marktposities en concepten op business lines. Het opzetten van geautomatiseerde data ingestion en processing pipelines, en retraining pipelines stimuleert de schaalbaarheid van de oplossing en haar vermogen om te blijven leren van nieuwe data. Het zal ook de integratie versnellen van nieuwe strategische inzichten en nieuwe gegevensbronnen die door het gebruik van de tool worden ontdekt, waardoor de relevantie van de aanbevolen acties nog verder wordt vergroot.