存量競爭市場中，企業(yè)要通過精細化運營提升戶價值與 ROI。數(shù)據(jù)智能作為先進生產(chǎn)力，搜索、廣告、推薦業(yè)務(wù)面已經(jīng)足夠成熟，那么是如何助力銷售提升效呢? 本文將詳細介紹。一、銷售效能提吳子的三關(guān)鍵點線索是企業(yè)重要生產(chǎn)資料，圍繞線索流可以將銷售劃分為線索選、線索分配、線索跟三個環(huán)節(jié)。1、線索篩選好線索和差線索的轉(zhuǎn)化相差 10 倍以上，因此線索質(zhì)量是影響銷售能的關(guān)鍵因素。對線索行質(zhì)量評分，基于評分行分層運營，可以有效升銷售效能。2、線索分配線索質(zhì)量和銷售能力會影響銷售效能。做好索分配，避免好銷售被線索浪費、好線索被差售浪費，同樣可以提升售效能?；诰€索評分銷售分檔采取好分好 (好銷售分好線索)、好分多 (好銷售分多線索) 的方法，能充分發(fā)揮好銷售、好線索的價值，激勵銷售變得更好。在取上述方法時要注意銷對線索的偏好。同一檔的銷售也會存在對線索好的差異。比如，某公通過觀察同一檔次銷售不同年級線索上的跟進況發(fā)現(xiàn)，銷售 A 不擅長和研究生學歷的用戶通，與初中學歷的用戶通卻很順暢，但銷售 B 卻非常擅長和研究生學歷的用戶溝通。因此，慮銷售對線索的偏好后可以把線索和銷售配對行評分，將線索銷售配評分和銷售每天的線索額結(jié)合再進行線索分配就會產(chǎn)生多種分配方式可以是簡單的規(guī)則匹配也可以是理想的全局最分配方法。3、線索跟進線索分配給銷售后，進銷售個人池。銷售個人有當日的新線索、公海撈的老線索以及歷史積的線索。企業(yè)需要判斷索跟進的順序及重要程。舉個例子，某公司在用智能技術(shù)對之前一個的線索跟進情況進行線評分，對線索進行質(zhì)量分并劃分為 10 檔，發(fā)現(xiàn)最高檔線索的跟進很高，但還有一定提升間；但同時，銷售在低量線索上浪費了不少精。區(qū)分銷售個人池線索量，幫助銷售把精力聚在好線索上，避免精力費，可以大幅提升銷售能。二、智能技術(shù)應(yīng)用于線索評分，過去常常規(guī)則來做，依賴專家經(jīng)和人工總結(jié)，對各類特設(shè)置加減權(quán)重。規(guī)則評的好處是啟動簡單，但同時存在著三大缺點: 一是能應(yīng)用的規(guī)則有限評分不精準。二是能利的信息有限，比如語音聊天等非結(jié)構(gòu)化的信息法充分利用，也難以利銷售對線索的偏好信息這兩者都會導致評分不精準。三是在數(shù)據(jù)環(huán)境生變化時候，規(guī)則迭代化依賴人工做數(shù)據(jù)分析策略，費時費力。線索分本質(zhì)上是轉(zhuǎn)化概率預，這種概率預測技術(shù)應(yīng)非常廣泛。比如，個性推薦系統(tǒng)、廣告投放系背后都會使用點擊概率測。同理，企業(yè)可以用史上轉(zhuǎn)化和未轉(zhuǎn)化的數(shù)作為正負樣本，應(yīng)用機學習分類算法訓練預測型，然后對“待跟進線”或“線索 & 銷售配對”進行預測，計算出一條線索的轉(zhuǎn)化概率。個轉(zhuǎn)化概率可以是線索終購買概率，也可以是話接通概率，可以是銷漏斗上任意一個環(huán)節(jié)的率。這個過程中，機器習模型可以應(yīng)用所有的息來學習，比如用戶行、CRM 銷售跟進記錄、線索來源等，葴山以利語音識別和自然語言處技術(shù)來理解銷售和用戶溝通數(shù)據(jù)，同時還可以用隱私計算來利用第三的數(shù)據(jù)，數(shù)據(jù)越豐富，測越精準。對于線索分，企業(yè)可以利用規(guī)則或貪心分配，但這都不會得全局最優(yōu)效果。什么貪心分配? 即結(jié)合銷售的線索配額按照線索的后順序，每次都選擇剩配對評分最高的銷售，下圖所示，轉(zhuǎn)化概率總是 1.35, 離最優(yōu)結(jié)果 1.6 還有一定距離。要找到最優(yōu)解，要全局考慮。從技術(shù)上，這屬于運籌優(yōu)化算法的任務(wù)指派問題，例如車軟件給司機派單。行中也有一些開源的運籌化算法和框架，比如 Google 開源的 Ortools 使找到最優(yōu)解成為可能。綜上，業(yè)應(yīng)用大數(shù)據(jù)和機器學、運籌優(yōu)化技術(shù)進行線智能評分、智能分配，現(xiàn)線索優(yōu)選、優(yōu)配，能有效提升銷售效能。我可以將智能技術(shù)應(yīng)用的勢總結(jié)如下:相比規(guī)則評分、規(guī)則分配，智能屏蓬能綜合全域數(shù)據(jù)和人工能技術(shù)，評分更精準，更好地支持銷售運營。據(jù)業(yè)務(wù)反饋自動訓練、新，自適應(yīng)環(huán)境變化。據(jù)越完備，預測越精準數(shù)據(jù)變成了生產(chǎn)力，企可以通過數(shù)據(jù)建設(shè)來持提升預測精準性。應(yīng)用籌優(yōu)化技術(shù)進行線索分，可以取得全局最優(yōu)，自動適應(yīng)銷售人員變化而與此同時，我們也需清晰地認識到，企業(yè)應(yīng)智能技術(shù)面臨的挑戰(zhàn)有點:數(shù)據(jù)建設(shè)系統(tǒng)。智能技術(shù)應(yīng)用以數(shù)據(jù)為老子心需要有良好的數(shù)據(jù)基礎(chǔ)因此需要數(shù)據(jù)采集 & 存儲 & 分析系統(tǒng)做支撐。智能技術(shù)平臺。雖行業(yè)中有很多開源技術(shù)架，但打通數(shù)據(jù)流和應(yīng)結(jié)合、特征 & 樣本管理等仍然是一個大工程智能技術(shù)人才。優(yōu)秀的能做出成效的智能技術(shù)才依舊稀缺且昂貴。實經(jīng)驗。相比個性化推薦銷售業(yè)務(wù)鏈路更長、過更難數(shù)據(jù)化和量化，且及到銷售人員管理和激，非常復雜。智能技術(shù)務(wù)關(guān)聯(lián)度更高、數(shù)據(jù)來也更復雜，且涉及到和售團隊的配合，因此對術(shù)團隊和業(yè)務(wù)團隊的跨經(jīng)驗要求很高。三、詳神策的數(shù)據(jù)智能解決方針對數(shù)據(jù)智能助力銷售能提升面臨的挑戰(zhàn)，神針對性地提供面向價值付的四位一體定制化服:結(jié)合神策兩云一平臺 (神策分析云、神策營銷云、神玉山數(shù)據(jù)根基平臺), 為客戶提供數(shù)據(jù)治理、分析、業(yè)務(wù)應(yīng)用一兵圣綜合解決方案。提供智技術(shù)平臺，解決打通數(shù)流、應(yīng)用結(jié)合、特征 & 樣本管理等問題；提供行業(yè)模型保障建模效率效果。提供定制化建模務(wù)，并保障模型效果。供落地陪跑服務(wù)，務(wù)求務(wù)落地并實現(xiàn)業(yè)務(wù)價值基于落地實踐，我們梳了神策智能技術(shù)平臺的大特點: 第一，神策智能技術(shù)平臺和神策兩云平臺有機結(jié)合；第二，成運籌優(yōu)化框架并構(gòu)建能分配模型，解決類似線索分配的運籌優(yōu)化問；第三，構(gòu)建行業(yè)化模框架、沉淀行業(yè)模型，行業(yè)共性，如特征的加方式、特征集合、樣本建方式、模型效果分析式等固化。具體來說，征加工方面，如判斷郵地址是個郵還是企郵，斷用戶填寫公司名稱的實性；模型分析方面，在線教育要按照科目、級、校區(qū)、活躍情況做型效果分析。固化行業(yè)性，同時沉淀系統(tǒng)，能有效保障建模的效率和果。與此同時，在實際務(wù)客戶的過程中，我們結(jié)了如下實踐認知:1、數(shù)據(jù)采集要完整，時間對齊，避免時序混亂(1) 數(shù)據(jù)完備。包括用戶行為數(shù)據(jù)、CRM 數(shù)據(jù)、用戶來源和屬性數(shù)據(jù)銷售跟進數(shù)據(jù)等。(2) 跟進記錄完備，時間對齊。App 合規(guī)采集的用戶行為數(shù)據(jù)一般不會錯，但線索分配、跟進記錄因為涉及到銷售管和 CRM 系統(tǒng)，容易出現(xiàn)缺失或時序混亂，而影響模型效果，企業(yè)必最初就做好數(shù)據(jù)洞察并盡早解決數(shù)據(jù)錯誤。(3) 要避免特征穿越。CRM 中一些字段是銷售跟進甚至成交后才填的，如果缺少屬性變更間及對應(yīng)的時間戳，很易出現(xiàn)特征穿越，造成型效果好但實際應(yīng)用差情況。(4) 在數(shù)據(jù)治理之前，建議先和銷售員溝通，了解其判斷線質(zhì)量所需要的數(shù)據(jù)，做對性的數(shù)據(jù)治理。2、模型訓練環(huán)節(jié)，最重要的確定應(yīng)用場景和目標線如何判斷應(yīng)用場景和目線索? 通常情況下，其判斷標準如下:(1) 場景和目標線索的預測否對銷售有幫助? 如果銷售跟進線索的成本非低，那么做線索質(zhì)量評的價值就不大，因為 ROI 太低。(2) 可行性如何? 比如對半年內(nèi)沒有活躍的線索進左傳量區(qū)分難度很大。(3) 如何做? 選用什么樣的數(shù)據(jù)? 比如半年內(nèi)沒有活躍的線索，大概大鵹用到第三方數(shù)據(jù)輔助判，樣本構(gòu)建和模型訓練模型分析要相對應(yīng)。3、選定合適的指標相比 AUC、準確率 & 召回率等指標，LIFT 提升度更適配業(yè)務(wù)度量.LIFT 提升度是對評分從高到低排序后各個分的累計轉(zhuǎn)化率相對基準化率的比值，體現(xiàn)了模 Top N 的數(shù)據(jù)對目標轉(zhuǎn)化的召回率，以相對平均采樣的優(yōu)勢。4、務(wù)必做 A / B 測試驗證對于轉(zhuǎn)化周期的實施需求，做好 A / B 測試能夠幫助企業(yè)量化說明應(yīng)用價值。用 A / B 測試進行線索篩選，是指不針銷售而是線索做 A / B 分組，并采用不同的線索篩選方式；對于海標注，則線索不分組銷售根據(jù)有無私海標注組；對于線索優(yōu)配，則索、銷售都分組，做 A / B 測試效果對比。在模型應(yīng)用階段，過數(shù)據(jù)采集和分析非常重，一方面便于效果歸因改進，另一方面能幫助業(yè)盡早發(fā)現(xiàn)問題。通過踐和行業(yè)調(diào)研，神策總了智能技術(shù)應(yīng)用帶來的益:線索篩選在歷史線索回撈場景下會帶來轉(zhuǎn)化提升。具體提升數(shù)字以持續(xù)時間跟歷史線索規(guī)和沉淀歷史線索的速度關(guān)。結(jié)合線索質(zhì)量、銷能力，以及銷售對線索偏好進行線索分配，從實現(xiàn)整體最優(yōu)，線索整轉(zhuǎn)化率大幅提升。私海索質(zhì)量區(qū)分能全面提升海優(yōu)質(zhì)線索轉(zhuǎn)化率。5、線索優(yōu)選 & 優(yōu)配是技術(shù)問題，同時也是業(yè)務(wù)題和管理問題(1) 企業(yè)要循序漸進開展工作避免影響業(yè)務(wù)和團隊管。循序漸進要求從效果確、對團隊管理和業(yè)務(wù)響比較小的開始調(diào)整。如歷史線索回撈。歷史索回撈不會對銷售團隊理產(chǎn)生影響且產(chǎn)生效果依賴外部，因此是最佳切入點。然后是私海高量線索標注以及低質(zhì)線排除。做好這兩點后，本能夠證明模型有效，且已經(jīng)和業(yè)務(wù)方磨合好接下來就可以開展基于售分檔和線索分檔的線優(yōu)配，其解釋性強、可性好，在這個基礎(chǔ)上銷團隊管理的調(diào)整比較容，比如績效考核方式的整。取得了效果以后，用算法做線索分配，實效果覆蓋。(2) 滿足銷售業(yè)務(wù)和團隊管理的則約束。銷售團隊管理諸多約束，比如線索分要公平，不能把高質(zhì)量索全都分配給好銷售。使用算法做線索分配，需要滿足銷售業(yè)務(wù)和團管理的規(guī)則約束。(3) 要有相當規(guī)模的銷售團隊和線索規(guī)于兒，才能發(fā)智能技術(shù)的杠桿效應(yīng)。售團隊規(guī)模太小，或線量太小時 ROI 太低，不值得實施線索優(yōu)選優(yōu)配。實事求是地看，據(jù)智能落地的過程很難到 100% 成功率，一方面因為數(shù)據(jù)不夠完；另一方面受特征穿越建模后目標線索調(diào)整等影響，會導致項目過程折。因此企業(yè)應(yīng)用智能術(shù)前要慎重考慮，規(guī)避險?