狠狠撸

Salesforce and Channel Decisions
Lilien, G.L. & Rangaswamy, A.
Marketing Engineering (2004), Chapter 9
小野滋 (インサイト?ファクトリー)
Marketing Engineering 読書会: 2018/03
小野滋 (インサイト?ファクトリー) Lilien & Rangaswamy (2004) Chapter 9 ME 読書会: 2018/03 1 / 57

目次
1. 販売組織モデルとは
2. 販売組織のサイズ決定と配分
3. Syntex モデルの拡張: ReAllocator
4. 販売テリトリーの設計
5. 販売組織への報酬
6. 営業訪問の効率性?効果性の改善
7. マーケティングチャネルについての意思決定
8. 要約 (略)

1.1 販売-反応モデルによる販売活動の効果の表現
1.2 販売組織管理の意思決定

販売はマーケティングミクスのなかでもっとも重要な要素である。多
くの企業はマーケティング戦略の実現に際して販売組織に依存して
いる。
ヒトの力による販売は次の性質をもっている：
マーケティング努力のターゲティングが可能
メッセージのカスタマイズが可能
ヒトが関与するので、投資を簡単には変えられない
コストが高い

他のマーケティング投資と同様、販売努力と売上の間の関係を理解す
ることが求められるが、それは困難である。なぜなら販売員の機能が
多岐にわたるから。
見込みをつける
コミュニケーションする
売る
問題を解決する
サービスを提供する
関係を築く
情報を集める
分析し配分する

伝統的には、マーケティング部門と経営層は利益に注目するいっぽう、
販売員は「目標売上」をつくることに注力していた。しかし企業が市
場駆動的になるにつれて、販売員の目標も多重的になっている (顧客
満足、利益への貢献、顧客のシェア、顧客維持、etc.)。
本章では、販売組織?マーケティングチャネルの生産性を高めるため
のいくつかのモデルについて述べる。

販売組織が責任を持つ意思決定は３つにわけられる。
組織についての意思決定。本章では GEOLINE モデルを紹介する。
販売努力の配分についての意思決定。Syntex モデル, CALLPLAN
モデルを紹介する。
販売員の動機づけ?統制についての意思決定。MSZ モデルを紹介
する。

Exhibit 9.1 販売組織管理の意思決定についての概念図

販売の組織に関して、まず決定が求められるのは、どれだけ外注する
かである。
販売組織の内製化が望ましい場合とは：
販売員が市場ではなかなか手に入らない特殊なノウハウを持って
いるとき
売上と販売努力の関係が明確でないとき (外部の販売員のパフォ
ーマンスを評価しにくい)
製品ラインが複雑で、販売員が詳細な知識を持たなければならな
いとき
環境が競争的で、変化が激しいとき
販売成績を高めるために販売以外のスキルが必要なとき (サービ
スとか)

販売組織を内製化する場合、その構造をどうするかを決めなければな
らない。答えは企業の全体的な戦略によって決まる。
Exhibit 9.2 販売組織の構造をつくるときの考慮事項

2.1 直観的方法
2.2 市場反応モデル (Syntex モデル)

2.1 直観的方法
2.1 直観的方法

2.1 直観的方法
販売組織のサイズ決定にあたって...
多くの企業は「いくらまで予算を割けるか」に依存している。販
売員の人数は、(売上に占める販売費)/(販売員一人当たり平均コ
スト) で決まることになる。先行研究では、販売組織への支出は
平均して売上の 3.7% だとか 6.8% だとかいわれている。
「ブレイクダウン法」で決めている会社もある。販売員の人数は
(予測される売上)/(一人当たり平均売上) となる。
直観的方法には以下の欠点がある：
取引先?見込客のなかに、他とは異なる反応をするものがあるか
もしれない
販売努力を効率的に配分していない。Exhibit 9.3(a) をみよ。

2.1 直観的方法
Exhibit 9.3 販売組織のサイズ決定のジレンマ

2.1 直観的方法

「販売エンティティ」に対する販売努力と売上の関係を推定し、これを
用いてサイズ?配分を決める方法。ここで「販売エンティティ」とは、
顧客、見込客、セグメント、地域、製品、などなど。
こうした方法として Lodish ら (1988) の Syntex モデルがある。これは
製薬開発企業 Syntex Laboratories のために開発されたモデルである。
マネジメントチームのメンバーが個々に、それぞれの販売エンテ
ィティについて売上反応関数を推定する
チームで議論し、売上反応関数について合意する
モデルを走らせる
シナリオごとの利益について検証する
結果が変だったらチーム議論に戻る
資源配分を決定する
販売成績を監視?評価する

Exhibit 9.4 Syntex モデルの構築?実装のステップ

売上反応関数の特定
Syntex モデルでは、販売エンティティとして市場セグメントが用いら
れた。まずマネージャーが次のような設問に回答した。
「製品 A の 1985 年の売上は、もし売上努力がゼロだったらどうな
ると思いますか？」
「もし売上努力が半分だったら？」
「1.5 倍だったら？」
「飽和するくらいのレベルだったら？」
回答と議論を 2 ラウンド繰り返し合意を得た。合意された回答を
ADBUDG 反応関数
ri(Xi) = bi + (ai ? bi)
Xci
i
di + Xci
i
に入力し、パラメータ ai, bi, ci, di を得た。

Syntex モデル
maximize X =
∑
i
ri(Xi)Siai ? CF
subject to
∑
i
Xiei = F
Si: 販売エンティティ i の、計画されている売上
ai: 売上増あたりの利益増
ri(Xi): 販売努力 Xi の下での売上のインデクス
C: 販売員ひとりあたりコスト
F: 販売員の数
ei: 販売努力の計画されている配分

このモデルを、F を変えながら何度も推定し、限界利益が 0 になる F
を探す。
なお、さらにエンティティ別の制約を含めても良い。たとえば i ごと
に Xiei の上下限を決めるとか。
Syntex モデルの使い方
Syntex はこのモデルを使って、販売員を製品?診療科にどう配分する
かを最適化した。
またこのモデルは販売組織の全体的価値の評価にも使える。

Exhibit 9.5 Syntex モデルから得られる結果

Exhibit 9.6 サイズ決定?配分の効果

Syntex モデルにはいろいろ限界がある。静的であること、販売努力以
外のマーケティングミクス要素がないこと、競合を考慮していないこ
と、など。
我々の ReAllocator モデルでは次の２点が拡張されている。
販売努力以外のマーケティング資源を考慮。
セグメント (販売エンティティ) 間の相互作用を考慮。

Maximize Z =
∑
i
?
?ri
?
?Xi +
∑
k?=i
bkiXk
?
? Siai ? diXiei
?
?
subject to
∑
i
Xiei ≤ F, LBi ≤ Xiei ≤ UBi
bki: 販売エンティティ k における支出増大が i に与える効果を、i にお
ける支出増大の直接的効果に対する比であらわしたもの。
di: Xi1 単位当たりのコスト
…とこのように拡張してみたけれど、このモデルにもいろいろ限界が
ある。このモデルは購買が反復され、取引先への訪問回数で売上が決
まるような状況に適している。

4.1 テリトリー設計の GEOLINE モデル

地域が広い場合、企業はふつう地域をテリトリーに分け、販売員を割
り当てて責任を持たせる。
テリトリーを決める上での基本的な基準は、機会や業務負荷をテリト
リー間で平準化することである。特に歩合給の場合は機会の平準化が、
固定給の場合は業務負荷の平準化が重要になる。いったんうまく設計
されたテリトリーでも、地域や販売組織の変化によって不適切になる
こともある。
テリトリー設計のその他の基準として以下が挙げられる：
管理しやすさ
売上ポテンシャルの推定のしやすさ
テリトリー内の移動時間が短いこと

GEOLINE モデル (Hess & Samuels, 1971) は次の 3 つの目的を同時に最
適化するモデルである：
テリトリー間での業務負荷やポテンシャルの平準化
物理的に連続したテリトリー
移動時間が最小なテリトリー
このモデルは、標準的地理単位 (SGU; ZIP コードなど) をひとつない
し複数のテリトリーへと割り当てる。

Exhibit 9.7 販売テリトリーの例

GEOLINE モデルでは…
テリトリー数と各テリトリーの中心は所与とする。
SGU を、まずは最も近いテリトリー中心に割り当てる。
目的関数を、すべての SGU からそれが属するテリトリー中心ま
での二乗距離の加重和とする。重みは SGU における活動の強度。
SGU の活動の指標の定義が鍵となる。販売ポテンシャル、業務負
荷などを用いる。

minimize
∑
j
∑
i
cijXijaj
subject to
∑
j
Xijaj =
1
I
∑
j
aj for i = 1, . . . , I (活動量が等しい)
∑
i
Xij = 1 for j = 1, . . . , J (いずれかのテリトリーに割り当てる)
Xij ≥ 0 for i = 1, . . . , I and j = 1, . . . , J (割合は非負)
Xij: SGU j のうち、テリトリー i に割り当てられる割合
aj: SGU j の活動指標
cij: SGU j の中心から、テリトリー i の中心までの距離の二乗
このモデルを、複数のテリトリーに分割されてしまった SGU をひとつ
にまとめたりしながら何度も推定し直す。

GEOLINE モデルにはさまざまな拡張案がある。
地域のいろいろな指標を提供するデータベース。商用のものがた
くさんある。
MAPS (商用ソフトウェア)。製薬?医療機器メーカーで良く使わ
れている。
COSTA モデル。販売員の訪問時間と移動時間を考慮。

5.1 コンジョイント分析によるボーナス設計

報酬計画には以下の目的がある：
販売員の努力ないしパフォーマンスに対して報償を与える
販売員を動機付ける
企業にとって利益となる活動へと努力を方向づける
報酬には、金銭的報酬 (サラリー, 歩合, ボーナス) と、非金銭的報酬
(認知、コンテスト、非金銭的な賞) がある。もっともよく用いられて
いるのはサラリーとボーナスの組み合わせ。

報酬の計画にあたっては以下の点に注意すべし。
販売員の努力は目に見えず、売上は努力以外の諸要因に影響され
る。売上が努力の結果なのか、販売員自身さえわからない。
報酬計画は、公平に感じられ、理解しやすく、単純であることが
必要。
現在の報酬計画を見直す必要があるか？図を描いてみるとよい
(Exhibit 9.8)。左上は報酬が高すぎ、右下は低すぎ。

Exhibit 9.8 販売員へのインセンティブと成績

Mantrala, Sinha, & Zoltner (1994) は、反復購買の状況におけるボーナ
ス計画を設計するモデルを提案している。
このモデルでは、個々の販売員に対して売上クオータを設け (その値
は販売員によって異なる)、このクオータを一定割合上回った販売員に
同額のボーナスを支払う。
このモデルに必要な情報は:
テリトリーごとの販売ポテンシャル指標。例, 製薬の場合はシン
ジケートデータがある。
各販売員について、努力に対する売上の反応関数と、収入 vs. 休
暇の選好。後述するコンジョイント分析で測定する。

MSZ モデルは以下の売上反応関数を仮定する。
rij(Xij) = bij + (aij ? bij)(1 ? exp(?cijXij))
Xij: 販売員 j のブランド i の販売努力
rij(Xij): 販売員 j のブランド i の期待売上
aij, bij: 販売員 j のブランド i の売上の上下限。外的に決める
cij: 販売員 j のブランド i の販売努力が売上に反映する程度
cij が決まれば、所与の販売クオータから、それを達成するために必要
な販売努力を求めることができるようになる。

cij はコンジョイント課題で推定する。下に例を示す。
Exhibit 9.9 調査票の例

こうして、すべての販売員の効用関数 (ボーナスと販売努力のトレー
ドオフ) が得られる。これに基づき、企業の利益を最大化する、全員
共通のボーナス計画を求める。
この論文の著者らによれば、仮に販売員が調査票の回答を偽っても大
した問題にはならない。なぜなら
販売員はモデルについて良く知らないので体系的に偽ることがで
きない
販売員は経営者が個々人向けのボーナス計画ではなく共通のボー
ナス計画を策定しようとしていると知っている
販売員同士が結託するのは難しい
いずれは偽りはばれるし罰を与えることができる

MSZ モデルやその拡張版は、多くの製薬?医療機器企業で用いられて
いる。
こうしたモデルの限界：
報酬を組み合わせた計画をうまく扱えない
売上やコストの製品間従属性を考慮していない
チームで販売する場合の報酬計画をつくれない

ふつう、販売努力に対する反応は、顧客?見込客によって異なる。販
売員はそのことを直観的に知っているが、それを扱う形式的な方法を
持っていない。
CALLPLAN モデル (Lodish 1971, 1974) は、顧客?見込客への訪問回数
を対話的に計画するシステムである。このモデルでは、
「反応期間」(例, 年) と、そこに含まれる「努力期間」(例, 月) を分
けて考える。
個々の顧客?見込客に対するある「反応期間」の売上の期待値が、
その期間に含まれる「努力期間」あたり訪問回数の平均の関数で
あると仮定する。
Syntex モデルと同様、ADBUDG 反応関数を仮定する。取引先 i に
対する訪問回数を Xi、売上のインデクスを ri(Xi) として
ri(Xi) = bi + (ai ? bi)
xci
i
di + xci
i

maximize Z =
∑
i
airi(Xi) ? e
∑
j
njcj
subject to∑
i
Xiti +
∑
j
njUj ≤ T
nj = max(Xi in area j)
LBi ≤ Xi ≤ UBi
nj: 地域 j への訪問回数
cj: 地域 j への一回の訪問にかかるコスト
e: 反応期間に含まれる努力期間の数
ai: 取引先 i への売上が企業の利益に貢献する程度を表す調整係数
ti: 取引先 i への訪問にかかる時間
Uj: 地域 j への訪問にかかる時間
T: 労働時間

Exhibit 9.10 CALLPLAN による最適化手続きの例

Exhibit 9.11 CALLPLAN による最適訪問ポリシー

販売員は、ポテンシャルの高い見込客に焦点をあてなければならない
と分かっていながら、往々にして親しみのある既存取引先ばかりを訪
問してしまうものだ。CALLPLAN モデルは販売員に努力の配分を変え
させるきっかけとなる。
近年では取引先管理の商用ソフトウェア?パッケージがあり、訪問ス
ケジューリングの機能を持っている。
CALLPLAN モデルは Syntex モデルと同様、反復購買の状況に適して
いる。また、「一匹狼」的販売員にもっとも適している。

7.1 重力モデル

マーケティングチャネルについての意思決定は３つのエリアにわか
れる：
戦略。ターゲットとする市場に製品をどのように販売するか、そ
してどのような契約メカニズムを使うか。たとえば、直接販売、
子会社による販売、中間業者を通じた販売、など。
場所。製品を販売する店舗をいくつ、どこに置くか。
ロジスティックス。物理的な配荷をどうするか、在庫をどうす
るか。
本章では、場所についての意思決定に焦点を当てる。これはさらに 2
つに分かれる。
マクロ意思決定: 市場とするエリアの選択
ミクロ意思決定: そのエリアにおける店舗の位置の選択

7.1 重力モデル
7.1 重力モデル

7.1 重力モデル
重力モデル (Huff 1964) は離散選択モデルの枠組みに基づいている。
pij =
Vij
∑
n∈N Vin
Vij =
Sα
j
Dβ
ij
pij: 地域 i の人が位置 j の店舗を選ぶ確率
Vij: 地域 i の人にとっての店舗 j の魅力 (効用)
N: 店舗 j と競合する店舗の集合
Sj: 店舗 j のサイズ。広い店舗はふつう品ぞろえが良く、価格も安い。
(より一般的には、なんらかの店舗イメージ指標としてもよい)
Dij : 地域 i の中心から店舗 j までの距離。(より一般的には、Dij はア
クセスしやすさの表すなんらかの指標としてもよい)

7.1 重力モデル
Exhibit 9.12 重力モデルの例

7.1 重力モデル
実際には、顧客は遠い店、小さな店を好むこともある。こうした限界
にも関わらず、重力モデルは (少なくとも集計レベルでの) 店舗選択を
予測する、頑健な方法であることがわかっている。
重力モデルは魅力モデル (2 章) の特殊ケースであり、「無関係な
選択肢からの独立性」という仮定に基づいている。この仮定は往
々にして非現実的である。
重力モデルは移動の手段を無視している。複数の移動手段がある
場合にはうまくいかない。

7.1 重力モデル
店舗売上の説明のためには、売上を目的変数、店舗の諸特性を説明変
数にした重回帰モデルのほうが解釈しやすい。ただし競合のインパク
トについて説明するのは難しい。
小売業の世界では、メガストア、ネット販売、ダイレクト?マーケテ
ィングが成長している。買物行動に対する地理的制約はこれから弱く
なっていくだろう。
おしまい

狠狠撸

Lilien, G.L. & Rangaswamy, A. (2004) Marketing Engineering, Chapter 9

More Related Content

Lilien, G.L. & Rangaswamy, A. (2004) Marketing Engineering, Chapter 9