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

 

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。