销售沟通场景下,来自头部教育公司的三种AI对话分析方案

人工智能 18kr 35℃

“不分析还真不敢相信,大家说的都是什么呀,都没有讲透” 几乎每家在线教育公司都面临这样的难题:获客成本高昂,转化率难提升。 为了提升转化率,很多企业提出了“精细化运营”策略——拆解转化流程的每一步,分析导致转化流失的原因,然后有针对性地去寻找每个环节的解决方案:从“获取线索”环节的广告投放渠道选择、落地页的设计,到“上试听课”前的预约试听、提醒上课,再到“回访转化”环节的答疑解惑和正价课的推介。 但是整个转化过程的流失,也可能是由于销售人员(包含TMK电销专员、CC课程顾问、TA课程助理等有销售任务的职位)在与客户沟通过程中,未能准确传达产品价值、未能及时消除客户的顾虑等原因而造成的。然而,对于销售与客户的沟通过程,如何做精细化运营,却容易被忽视。 “大家说的都是什么呀,都没有讲透” 传统销售管理只能管理结果,无法管理“沟通过程”,即销售人员与客户的沟通中,是否准确传达了产品价值、是否及时消除了客户的顾虑。因为不能精细化管理“沟通过程”,所以想要分析销售讲的哪些“话”——“关键信息点”有助于提升转化率,监督销售是否按要求传达了这些“话”,就很难。 销售新人在介绍公司产品时,表达是否到位;需要传递给客户的信息,是否准确;需要提醒客户的地方,是否忘记了;承诺客户课程效果的时候,有没有因为急于成单而过度承诺……其实,在新一代智能对话分析系统的帮助下,很多注重精细化运营的头部在线教育公司,已经可以将销售环节的精细化运营,真正地细化到销售人员所讲的每一句话。 某教育公司的销售运营负责人,第一次看到自己手下的销售人员,在沟通中的关键信息点(话术和知识点)执行情况后——一条关键话术的执行率远低于预期,只有不到 20%——不由得感慨道:“不分析还真不敢相信,大家说的都是什么呀,都没有讲透”。同时,当挖掘出了一些之前完全不知道的优秀话术的时候,这名销售运营负责人也为自己手下员工的创造性感到欣慰,迫不及待想要把新发现的“宝藏”教给更多销售来运用到沟通中。 本文将为大家分享,头部教育公司在销售环节的精细化运营是怎么做的,包含三种有效的实践:已有话术的分析验证、流失分析与挽留对此挖掘、未知话术的语义挖掘。 实践一:已有话术的分析验证  当企业已经凭借业务经验,总结出了一些销售与客户沟通时,需要传达的“关键信息点”(包含话术和知识点,为方便表述,下文有时会简称为“话术”),因为验证和分析的是已有话术,所以就可以采用“已有话术分析验证法”。该方法的实施流程,大致分为三步: 第一步,摸清销售人员是否按要求传达“关键信息点” 第二步,分析“关键信息点”传达情况与成单率之间的关系 第三步,对于能够显著提升转化率的关键信息点,加强执行力监督 例如,某在线教育公司,要求课程顾问在跟客户(通常是家长)约试听课的时候,必须提前告知客户,试听课上课全程英文教学,如果孩子听不懂、坐不住,都是正常的现象,会有一个适应的过程,让家长有心里准备,以免对试听课产生失望情绪,影响到最终的成单率。 那么,多少课程顾问实际上按要求做到了“提前提醒”呢?这个数字通常远低于管理者的预期。我们分析的某企业某时间段数据显示,“课前提醒”的执行率低于20%。 这家在线教育公司使用对话分析系统,分析约课阶段的每一通电话录音的沟通情况,很快就能区分出,哪些课程顾问的按要求传达了信息,哪些课程顾问的没有按要求传达该信息。这是这家教育公司众多“关键信息点”中的一个。他们总结了多个这样的“关键信息点”。不同的“关键信息点”,用来考察销售人员在不同的关键转化节点,是否按照要求进行了信息传递。 第二步,分析“关键信息点”传递情况与成单率之间的关系。掌握了销售人员对关键信息点的传递完成情况之后,就可以分析这些关键信息点的传递情况与最终的成单率之前的关系。完整的分析过程是非常复杂的:不仅要考虑单个关键信息点的执行情况对成单率的影响,还需要考虑多个不同关键信息点的综合执行情况,对成单率的影响。 这里仅举一个简单的例子,即在只考虑单个关键信息点——“课前提醒”的执行情况时,某在线教育公司在某段时间内发现,执行了“课前提醒”的销售人员,最终成单率是未执行的 1.3 倍。 第三步,对于能够显著提升转化率的关键信息点,加强监督。了解到哪些“关键信息点”对最终的成单率有显著影响之后,企业就可以加强对销售人员培训和执行情况监督。 通过对话分析系统,即可找出那些执行力差的员工,进行针对性培训,提升他们的执行力,从而降低转化过程的流失,提升成单率。通过对话分析系统,企业管理者还能够方便地对比,优秀坐席和普通坐席在处理同样场景时的差异,并且可以进行溯源和验证。 实践二:流失分析与挽留对策挖掘  除了“已有话术的分析验证法”,在实际使用中,循环智能还为教育企业提供,针对未知“关键信息点”的分析和挖掘方案,其中一种是“流失分析与挽留对策挖掘法”,对教育公司而言,该方法适用于试听课或体验课之后的回访转化环节。实施流程大致分为三步: 第一步,找出销售在与客户沟通时,客户表示“无意向”的所有对话(注意:无意向不等于输单); 第二步,拆解无意向的几个主要的原因(例如“孩子不想学”); 第三步,对比分析,同样场景下,挽留成功的销售是怎么说的,将从中学到的关键信息点推广给其他销售形成标准化挽留对策。 直白地说,流失分析法就是去分析,那些最会挽留客户的销售,面对客户表示无意向的场景,究竟是怎么说的。然后,将有效的经验,推广给其他销售采纳。 以“孩子不想学”这个理由为例,典型的成单录音,销售会提到“兴趣的培养需要长期的坚持”;典型的未成单录音,销售会提到反问句“孩子现在不想学,你以后就不让他学了吗”。所以,初步的结论是,前者可以推广给更多销售,后者给客户的感觉不好,则需要避免。 很显然,不同流失原因的挽留难度是不同的。所以,流失分析法,既需要专业的对话分析产品,也需要结合实际的销售经验进行判断,从而形成行之有效的挽留对策。 实践三:未知话术的语义挖掘 第三种方法,“未知话术的语义挖掘”,就是去挖掘那些我们暂时还不知道的、对成单有帮助的关键信息点(包含知识点和优秀话术)。使用的方法是机器学习中的“聚类”算法。该方法的实施流程,同样分为三步: 第一步,利用聚类算法,让机器自动挑出语义相同的句子,分成不同的组; 第二步,分析每一组对话的成单率与整体成单率质检的关系,找出成单率显著高于(或低于)整体成单率的组; 第三步,结合业务经验,分析成单率更高的一组对话中,哪些关键信息点可以作为标准知识点和话术,推广给更多销售使用。 看一个例子就更清楚了。课前的关键信息点挖掘:示例中的两组内容,分别向客户传达了课程的预期学习效果(“大约XX个月可以看到孩子变化”)和上课的灵活性(“约课很灵活,可以自己选上课时间”),这两组的最终成单率达到整体成单率的 1.7 倍和 1.5 倍。 挖掘出大量对成单有正面促进效果的关键信息点之后,销售管理者可以结合业务经验,参考数据分析结果,形成新的最佳实践,并推广给销售人员执行。同理,对于那些对成单有负面效果的关键信息点,则需要结合业务经验,判断是否作为禁止项,并追踪销售人员是否在沟通中违规。 三种实践,两大难点 简单总结一下,借助AI对话分析和执行力监督系统,循环智能为头部教育企业提供三种对话分析的实践方法,但他们的目标只有一个:找出那些对最终成单、提升转化有帮助“关键信息点(知识点和话术)”,然后借助执行监督系统,监督销售人员在相应的场景下,是否按照要求传达了这些有用的“关键信息点”。 对企业而言,销售环节精细化运营的三种实践,存在两大难点: 第一,规模化的语义理解能力。循环智能采用了原创的底层算法 XLNet,该算法是由联合创始人杨植麟博士作为第一作者,与 Google、卡内基梅隆大学联合发布的,在18项人工智能标准任务中取得最优结果(state of the art)。而传统的关键词和正则表达式方法已经完全不够用了——既找不全,也找不准,以至于无法实际落地使用。 第二,稳定可靠的销售人员执行力监督系统。当分析得出有助于成单的知识点或话术之后,企业需要一个系统来监督销售人员是否按照要求执行,了解哪些销售的表现更好。循环智能的产品已服务了十余家上市公司,并在教育领域获得多家头部客户青睐,包括新东方在线、51Talk、尚德机构、轻轻教育、作业帮等。 循环智能(Recurrent AI) 循环智能是一家企业服务公司,通过机器学习的方法,分析企业与客户之间的语音沟通记录、文本沟通。公司的主产品是基于对话数据的 AI 销售中台。https://www.rcrai.com/ 产业在线教育新东方在线51Talk循环智能 1

转载请注明:18克 » 销售沟通场景下,来自头部教育公司的三种AI对话分析方案

喜欢 (0)

关注移动互联网

联系我们