Auto Byte

专注未来出行及智能汽车科技

微信扫一扫获取更多资讯

Science AI

关注人工智能与其他前沿技术、基础学科的交叉研究与融合发展

微信扫一扫获取更多资讯

教育公司借助AI对话分析系统,提升销售效率分三步走

第一步,摸清销售人员是否按要求传达“关键信息点”

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。

传统销售管理只能管理结果,无法管理“沟通过程”

对于销售人员,企业一直以来只能管理“结果”,即成了多少单,而难以管理“沟通过程”,即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有助于提升转化率,以及找出销售是否按要求执行了这些问答SOP(标准作业流程),就很难。

同时,传统的管理“结果”方式,也有明显的滞后性,尤其是对于成单周期比较长的领域而言,通常要几周甚至两三个月时间才能根据成单结果。这期间,高成本得到的销售线索,已经被执行力差的销售浪费了不少,而且这样损失掉的客户通常是难以挽回的。

原则上,销售主管可以抽出专门的员工,通过人工听录音的方式,查看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……

不过,当销售人员的规模达到成百上千人的时候,录音就听不过来了。我们了解到,大部分教育企业,会人工来选取一些来自优秀销售的电话录音,作为培训材料,让其他销售人员自行学习。很难真正精细化到,这位优秀销售在回答哪个问题时候,具体是怎么说的,好在哪里。更谈不上,对所有销售人员的所有沟通录音进行分析。

其实,机器已经可以把这件事做得很好,很多注重精细化运营的头部在线教育公司,已经开始采用。

销售环节的精细化运营,该怎么做?


第一步,摸清销售人员是否按要求传达“关键信息点”

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,试听课采用全英文教学,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。我们的分析数据显示,“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 1.2 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,并且进行溯源和验证。

这套对话分析系统由红杉资本、真格基金等机构投资的公司——循环智能(Recurrent AI)提供。该系统的最大难点就是,需要很强的语音识别自然语言处理能力,才能将录音转写准确,并且充分理解对话的含义,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。

循环智能的联合创始人杨植麟,作为第一作者,与谷歌大脑、卡内基梅隆大学联合推出了 XLNet 模型,在 18 项人工智能标准任务上取得最优结果(state of the art)。在他的带领下,循环智能将世界级的自然语言处理算法模型落地到产品中,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、VIPKID、轻轻教育、作业帮等。

循环智能(Recurrent AI)
循环智能(Recurrent AI)

循环智能致力于借助原创的自然语言处理(NLP)和深度学习技术,搭建基于AI的销售策略生成与执行辅助系统,助力企业销售效率提升与业绩增长。

https://www.rcrai.com/
产业循环智能XLNet在线教育销售管理51Talk新东方在线
1
相关数据
人工智能技术

在学术研究领域,人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体(intelligent agent)

语音识别技术

自动语音识别是一种将口头语音转换为实时可读文本的技术。自动语音识别也称为语音识别(Speech Recognition)或计算机语音识别(Computer Speech Recognition)。自动语音识别是一个多学科交叉的领域,它与声学、语音学、语言学、数字信号处理理论、信息论、计算机科学等众多学科紧密相连。由于语音信号的多样性和复杂性,目前的语音识别系统只能在一定的限制条件下获得满意的性能,或者说只能应用于某些特定的场合。自动语音识别在人工智能领域占据着极其重要的位置。

自然语言处理技术

自然语言处理(英语:natural language processing,缩写作 NLP)是人工智能和语言学领域的分支学科。此领域探讨如何处理及运用自然语言;自然语言认知则是指让电脑“懂”人类的语言。自然语言生成系统把计算机数据转化为自然语言。自然语言理解系统把自然语言转化为计算机程序更易于处理的形式。

推荐文章
暂无评论
暂无评论~