江苏龙网

  1. 首页 > 人文 > >

「机器之心」疫情下AI获客正当时：销售转化率超3倍，写内容“秒变千篇”( 二 )


本文插图
他近一步以某快消案例谈道 ， AI 在优质线索发现上至少是人工的 20 倍 ， 过去平均 500 个线索成 5 单 ， 转化率为 1%；现在通过 AI 系统 ， 平均 300 条优质线索成 9~18 单 ， 转化率为 3%~6% ， 即提高了 3~6 倍 。
他指出 ， 疫情对所有企业都是危机 ， 1~2 月企业的采购基本都会暂停 ， 但 3~4 月原本的需求都会冒出来 ， 在此之前做好准备非常关键 。
转化率超3倍是如何做到的？
大量的销售线索流向企业 ， 往往转化率不足 5% 。 疫情期间 ， 如何挖掘「沉睡数据」的价值尤为重要 。
目前典型的线索转化流程是 ， 企业通过各种市场渠道获取线索名单 ， 然后用外呼机器人进行意向过滤 ， 无意向的用户会流向「公海」 ， 有意向的用户则发往销售线索池 ， 分配给销售跟进 。
此时也有两种结果 ， 跟进顺利成单 ， 未成单则流向「公海」 。 如果销售线索不足 ， 企业也会通过一定的策略从公海捞取线索 。
但这种方式的问题也很明显 。 循环智能 COO 揭发指出 ， 以电商为例 ， 大型电商客户销售人员可能数千人 ， 且多半为新人 ， 一方面缺乏经验 ， 对于高意向线索可能难以判断 ， 导致转化率较低 。 另一方面从公海捞取线索 ， 缺乏对沟通信息做更智能化的探索 。
「机器之心」疫情下AI获客正当时：销售转化率超3倍，写内容“秒变千篇”
本文插图
在他看来 ， 一个更智能化的线索转化流程 ， 应该尽早对客户进行分层 ， 对高意向客户尽早识别 ， 并由销售跟进 。
在多次跟进中 ， AI 可基于历史沟通的录音、文本 ， 自动提取沟通画像和沟通记录 ， 并做实时话术提醒 ， 从而让跟进更有针对性 ， 提高成单率 。
针对非活跃用户 ， 他不建议用人工跟进 ， 而是基于沟通数据和业务数据 ， 设定一些运营策略 ， 对不同的人群采用不同的方式触达 ， 比如 APP 推送、短信、电话机器人等 ， 针对一些意向客户再转给销售跟进 。
除了流程策略外 ， 揭发谈到的一个关键是 ， 对用户「对话数据」充分挖掘 ， 因为它的时效性更强 ， 获取的用户信息更完整 。
相比较而言 ， 互联网上使用用户行为数据居多 ， 比如淘宝的推荐系统 ， 而对话数据受限于技术 ， 比如语音识别、语义理解、意向预测 ， 以及如何与业务形成闭环 ， 在使用上一直面临挑战 。
揭发以一家寿险客户为例谈道 ， 保险公司通常有庞大的电销团队和线索储备 ， 但很多线索只有通话信息 ， 并且在成单前 ， 很难拿到用户的画像和标签 。
此时 ， 如何用 AI 分析出每段对话中的购买意向就尤为重要 。
循环智能结合客户的通话数据（录音、文本）和业务数据（历史沟通、成交情况） ， 将对话进行语音转写、语义理解 ， 并拆分成上百万的对话切片；接着把片段跟业务结果进行比对 ， 计算出什么样的对话跟转化率最相关 ， 就可以得到一个线索评分模型 。
以此为模型 ， 他们对寿险客户过去一段时间没有转化的线索进行打分 ， 并进行价值分层 。
「机器之心」疫情下AI获客正当时：销售转化率超3倍，写内容“秒变千篇”
本文插图
最终发现 ， 线索评分越高 ， 转化率就越高 ， 并且最高意向线索的转化率是平均转化率的 3.58 倍 。
针对非活跃用户的激活 ， 揭发以某在线教育客户为例 ， 将所有沟通数据结构化后 ， 可以建立用户画像标签 ， 比如「南昌+四年级+数学（较差）」 ， 就可以进行个性化的推荐 ， 如果产生意向 ， 再让销售跟进 。
「这样对用户的干扰比较小 ， 也更有针对性」 ， 他指出 。
AI 让创意「千人千面」
还记得阿里在 2017 年发布的智能设计平台「鲁班」吗？
据说当年双十一它完成了 4 亿张海报设计 ， 一秒可做 8000 张 ， 一天就是 4000 万张 。 如果交给人类设计师 ， 在这种需求爆发的节点 ， 效率往往捉襟见肘 。


推荐阅读


上一篇：「高创保安」让数据多跑路，百姓少跑腿——高创全面发力高新技术推动社会治理

下一篇：界面新闻■你被拉进几个“京东内购群”？