存量競爭市場，企業(yè)需要通精細化運營提客戶價值與 ROI。數(shù)據(jù)智能作為先進生產(chǎn)，在搜索、廣、推薦業(yè)務方已經(jīng)足夠成熟那么它是如何力銷售提升效呢? 本文將詳細介紹。一、售效能提升的大關(guān)鍵點線索企業(yè)重要的生資料，圍繞線流轉(zhuǎn)可以將銷劃分為線索篩、線索分配、索跟進三個環(huán)。1、線索篩選好線索和差線的轉(zhuǎn)化率相差 10 倍以上，因此線索質(zhì)量影響銷售效能關(guān)鍵因素。對索進行質(zhì)量評，基于評分進分層運營，可有效提升銷售能。2、線索分配線索質(zhì)量和售能力都會影銷售效能。做線索分配，避好銷售被差線浪費、好線索差銷售浪費，樣可以提升銷效能?；诰€評分和銷售分采取好分好 (好銷售分好線)、好分多 (好銷售分多線) 的方法，能充分發(fā)揮好銷、好線索的價，并激勵銷售得更好。在采上述方法時要意銷售對線索偏好。同一檔的銷售也會存對線索偏好的異。比如，某司通過觀察同檔次銷售在不年級線索上的進情況發(fā)現(xiàn)，售 A 不擅長和研究生學歷用戶溝通，與中學歷的用戶通卻很順暢，銷售 B 卻非常擅長和研究學歷的用戶溝。因此，考慮售對線索的偏后，可以把線和銷售配對進評分，將線索售配對評分和售每天的線索額結(jié)合再進行索分配，就會生多種分配方，可以是簡單規(guī)則匹配，也以是理想的全最優(yōu)分配方法3、線索跟進線索分配給銷售，進入銷售個池。銷售個人有當日的新線、公海回撈的線索以及歷史累的線索。企需要判斷線索進的順序及重程度。舉個例，某公司在應智能技術(shù)對之一個月的線索進情況進行線評分，對線索行質(zhì)量打分并分為 10 檔，發(fā)現(xiàn)最高檔索的跟進率很，但還有一定升空間；但同，銷售在低質(zhì)線索上浪費了少精力。區(qū)分售個人池線索量，幫助銷售精力聚焦在好索上，避免精浪費，可以大提升銷售效能二、智能技術(shù)用對于線索評，過去常常用則來做，依賴家經(jīng)驗和人工結(jié)，對各類特設置加減權(quán)重規(guī)則評分的好是啟動簡單，也同時存在著大缺點: 一是能應用的規(guī)則限，評分不精。二是能利用信息有限，比語音、聊天等結(jié)構(gòu)化的信息法充分利用，難以利用銷售線索的偏好信，這兩者都會致評分不夠精。三是在數(shù)據(jù)境發(fā)生變化時，規(guī)則迭代優(yōu)依賴人工做數(shù)分析和策略，時費力。線索分本質(zhì)上是轉(zhuǎn)概率預測，這概率預測技術(shù)用非常廣泛。如，個性化推系統(tǒng)、廣告投系統(tǒng)背后都會用點擊概率預。同理，企業(yè)以用歷史上轉(zhuǎn)和未轉(zhuǎn)化的數(shù)作為正負樣本應用機器學習類算法訓練預模型，然后對待跟進線索”“線索 & 銷售配對”進行測，計算出每條線索的轉(zhuǎn)化率。這個轉(zhuǎn)化率可以是線索終購買概率，可以是電話接概率，可以是售漏斗上任意個環(huán)節(jié)的概率這個過程中，器學習模型可應用所有的信來學習，比如戶行為、CRM 銷售跟進記錄、線索來源等可以利用語音別和自然語言理技術(shù)來理解售和用戶的溝數(shù)據(jù)，同時還以利用隱私計來利用第三方數(shù)據(jù)，數(shù)據(jù)越富，預測越精。對于線索分，企業(yè)可以利規(guī)則或者貪心配，但這都不取得全局最優(yōu)果。什么是貪分配? 即結(jié)合銷售的線索配按照線索的先順序，每次都擇剩余配對評最高的銷售，下圖所示，轉(zhuǎn)概率總和是 1.35, 離最優(yōu)結(jié)果 1.6 還有一定距離。要找到最優(yōu)，就要全局考。從技術(shù)上看這屬于運籌優(yōu)算法中的任務派問題，例如車軟件給司機單。行業(yè)中也一些開源的運優(yōu)化算法和框，比如 Google 開源的 Ortools 使找到最優(yōu)解成為可能。上，企業(yè)應用數(shù)據(jù)和機器學、運籌優(yōu)化技進行線索智能分、智能分配實現(xiàn)線索優(yōu)選優(yōu)配，能夠有提升銷售效能我們可以將智技術(shù)應用的優(yōu)總結(jié)如下:相比規(guī)則評分、規(guī)分配，智能技能綜合全域數(shù)和人工智能技，評分更精準能更好地支持售運營。根據(jù)務反饋自動訓、更新，自適環(huán)境變化。數(shù)越完備，預測精準，數(shù)據(jù)變了生產(chǎn)力，企可以通過數(shù)據(jù)設來持續(xù)提升測精準性。應運籌優(yōu)化技術(shù)行線索分配，以取得全局最，并自動適應售人員變化。與此同時，我也需要清晰地識到，企業(yè)應智能技術(shù)面臨挑戰(zhàn)有四點:數(shù)據(jù)建設系統(tǒng)。能技術(shù)應用以據(jù)為核心，需有良好的數(shù)據(jù)礎，因此需要據(jù)采集 & 存儲 & 分析系統(tǒng)做支撐。智技術(shù)平臺。雖行業(yè)中有很多源技術(shù)框架，打通數(shù)據(jù)流和用結(jié)合、特征 & 樣本管理等仍然是一個大程。智能技術(shù)才。優(yōu)秀的、做出成效的智技術(shù)人才依舊缺且昂貴。實經(jīng)驗。相比個化推薦，銷售務鏈路更長、程更難數(shù)據(jù)化量化，且涉及銷售人員管理激勵，非常復。智能技術(shù)業(yè)關(guān)聯(lián)度更高、據(jù)來源也更復，且涉及到和售團隊的配合因此對技術(shù)團和業(yè)務團隊的界經(jīng)驗要求很。三、詳解神的數(shù)據(jù)智能解方案針對數(shù)據(jù)能助力銷售效提升面臨的挑，神策針對性提供面向價值付的四位一體制化服務:結(jié)合神策兩云一平 (神策分析云、神策營銷云神策數(shù)據(jù)根基臺), 為客戶提供數(shù)據(jù)治理分析、業(yè)務應一體的綜合解方案。提供智技術(shù)平臺，解打通數(shù)據(jù)流、用結(jié)合、特征 & 樣本管理等問題；提供行模型保障建模率和效果。提定制化建模服，并保障模型果。提供落地跑服務，務求務落地并實現(xiàn)務價值?；?地實踐，我們理了神策智能術(shù)平臺的三大點: 第一，神策智能技術(shù)平和神策兩云一臺有機結(jié)合；二，集成運籌化框架并構(gòu)建能分配模型，決類似于線索配的運籌優(yōu)化題；第三，構(gòu)行業(yè)化模型框、沉淀行業(yè)模，把行業(yè)共性如特征的加工式、特征集合樣本構(gòu)建方式模型效果分析式等固化。具來說，特征加方面，如判斷箱地址是個郵是企郵，判斷戶填寫公司名的真實性；模分析方面，如線教育要按照目、年級、校、活躍情況做型效果分析。化行業(yè)共性，時沉淀系統(tǒng)，夠有效保障建的效率和效果與此同時，在際服務客戶的程中，我們總了如下實踐認:1、數(shù)據(jù)采集要完整，時間對齊，避免時混亂(1) 數(shù)據(jù)完備。包括戶行為數(shù)據(jù)、CRM 數(shù)據(jù)、用戶來源和屬性據(jù)、銷售跟進據(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)般不會出錯，線索分配、跟等記錄因為涉到銷售管理和 CRM 系統(tǒng)，容易出現(xiàn)缺失時序混亂，從影響模型效果企業(yè)務必最初做好數(shù)據(jù)洞察并盡早解決數(shù)錯誤。(3) 要避免特征穿。CRM 中一些字段是銷售進甚至成交后填寫的，如果少屬性變更時及對應的時間，很容易出現(xiàn)征穿越，造成型效果好但實應用差的情況(4) 在數(shù)據(jù)治理之前，建先和銷售人員通，了解其判線索質(zhì)量所需的數(shù)據(jù)，做針性的數(shù)據(jù)治理2、模型訓練環(huán)節(jié)，最重要的確定應用場景目標線索如何斷應用場景和標線索? 通常情況下，其判標準如下:(1) 場景和目標線索的預測是對銷售有幫助? 如果銷售跟進線索的成本非低，那么做線質(zhì)量評分的價就不大，因為 ROI 太低。(2) 可行性如何? 比如對半年內(nèi)沒有活的線索進行質(zhì)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)沒有活的線索，大概要用到第三方據(jù)輔助判斷，本構(gòu)建和模型練、模型分析相對應。3、選定合適的指標比 AUC、準確率 & 召回率等指標，LIFT 提升度更適配業(yè)務度量.LIFT 提升度是對評分從到低排序后各分檔的累計轉(zhuǎn)率相對基準轉(zhuǎn)率的比值，體了模型 Top N 的數(shù)據(jù)對目標轉(zhuǎn)化的召率，以及相對均采樣的優(yōu)勢4、務必做 A / B 測試驗證對于轉(zhuǎn)化期長的實施需，做好 A / B 測試能夠幫助企業(yè)量化明應用價值。用 A / B 測試進行線索篩選，是指不對銷售而是線做 A / B 分組，并采用不同的線索篩方式；對于私標注，則線索分組，銷售根有無私海標注組；對于線索配，則線索、售都分組，做 A / B 測試效果對比。模型應用階段過程數(shù)據(jù)采集分析非常重要一方面便于效歸因和改進，一方面能幫助業(yè)盡早發(fā)現(xiàn)問。通過實踐和業(yè)調(diào)研，神策結(jié)了智能技術(shù)用帶來的收益:線索篩選在歷線索回撈場景會帶來轉(zhuǎn)化率升。具體提升字以及持續(xù)時跟歷史線索規(guī)和沉淀歷史線的速度有關(guān)。合線索質(zhì)量、售能力，以及售對線索的偏進行線索分配從而實現(xiàn)整體優(yōu)，線索整體化率大幅提升私海線索質(zhì)量分能全面提升海優(yōu)質(zhì)線索轉(zhuǎn)率。5、線索優(yōu)選 & 優(yōu)配是技術(shù)問題，同也是業(yè)務問題管理問題(1) 企業(yè)要循序漸進開展工作，免影響業(yè)務和隊管理。循序進要求從效果確、對團隊管和業(yè)務影響比小的開始調(diào)整比如歷史線索撈。歷史線索撈不會對銷售隊管理產(chǎn)生影且產(chǎn)生效果不賴外部，因此最佳的切入點然后是私海高量線索標注以低質(zhì)線索排除做好這兩點后基本能夠證明型有效，并且經(jīng)和業(yè)務方磨好。接下來就以開展基于銷分檔和線索分的線索優(yōu)配，解釋性強、可性好，在這個礎上銷售團隊理的調(diào)整比較易，比如績效核方式的調(diào)整取得了效果以，再用算法做索分配，實現(xiàn)果覆蓋。(2) 滿足銷售業(yè)務和團隊管理的則約束。銷售隊管理有諸多束，比如線索配要公平，不把高質(zhì)量線索都分配給好銷。即使用算法線索分配，也要滿足銷售業(yè)和團隊管理的則約束。(3) 要有相當規(guī)模的銷售團隊和索規(guī)模，才能揮智能技術(shù)的桿效應。銷售隊規(guī)模太小，線索量太小時 ROI 太低，不值得實施線優(yōu)選和優(yōu)配。事求是地看，據(jù)智能落地的程很難達到 100% 成功率，一方面因為據(jù)不夠完整；一方面受特征越、建模后目線索調(diào)整等的響，會導致項過程曲折。因企業(yè)應用智能術(shù)前要慎重考，規(guī)避風險?