做對話分析智能平台設計的幾個靈感

為了找到提升轉化率的有效方式，我們需要把關注度從 結果 轉向 過程。在上篇《對話分析智能平台的設計：從無序複雜到有序簡單》提出了相應的模型，主要包括三個方面：銷售溝通管理，銷售人員管理，客户特徵洞察。

如何細化這些模型以及如何搭建相應的指標體系呢？特別是面對海量的、非結構化的溝通數據。

01 來自牛頓的靈感

牛頓幾百年前就能夠計算出火星的質量，而且和現在監測到的結果差別很小。而那時候牛頓同學連算盤都沒有，只能靠紙筆。假如他要描述10個物體，那就需要1024個方程才能準確計算每個物體的特徵，即使採用大型計算機可能也很難得出解，如果數量擴大到整個太陽系呢？

而牛頓的經典力學的巨大成功取決於對複雜系統的簡化。

萬有引力定律的另一個含義：只需考慮兩個物體之間的作用力，而且這些力可以像積木一樣互相疊加。

正好九大行星的質量佔據了太陽系的大部分，而其它那些小的天體自然就被忽略了（雖然不是很科學）。但通過這樣的方式，牛頓成功將1000個方程迅速縮減為45個左右。

那麼同樣可以對銷售溝通要素進行簡化：

1. 提取關鍵

在銷售溝通中，銷售人員在正確的時間，正確的場景，以正確的方式對正確的客户説了正確的內容，如果客户還不成交，那就不是銷售層面上的問題。

將銷售溝通的要素限定在了幾個關鍵要素上：

• When——銷售階段 （溝通時間）
• Who——客户特徵 （溝通對象）
• What——溝通內容（溝通目標）
• Where——銷售場景（溝通渠道）
• How——溝通內容（溝通內容）

接下來，就可以從這幾個角度對銷售溝通進行分析。而溝通時間、溝通對象、溝通目標、溝通渠道這些銷售場景是相對固定，銷售也很難主動改變這些要素。那麼關鍵且可控的要素就剩下溝通內容了。

2. 結構拆分

對於牛頓同學來説，45個方程顯然還是太多了，靠手算可能到現在都還沒算出來。看到牛頓同學的數學手稿，或許能夠明白為什麼45個方程還是太多了。。。

所以他做了進一步的簡化：正好太陽的質量比其他星體的質量之和還要大，所以他就將每個行星和太陽都看作一個系統，與其它系統分離開來，這樣45個方程就簡化成了9個方程。

這不就是拆分嗎？同樣可以將一通銷售錄音進行拆分：

• 字當然，最小的單位就是字，但是字的顆粒度太小，無法直接提取出信息。
• 關鍵詞那麼字組成的詞呢？一些詞的確有一定的價值，例如某個客户經常提到優惠，價格貴，説明他可能對產品的價格不是很滿意。
• 句子那麼詞組成的句子呢？句子當然很有用，因為可以從中提取出一些觀點和意圖，也許能夠幫助瞭解客户痛點和購買傾向。
• 提問提問也非常重要，因為提問往往反映了客户的一些疑問。這些提問的背後可能是客户的需求和痛點，客户的異議，客户關注點等等。

3. 小結

牛頓是一個天才，不是因為他計算能力強，而是因為他提供了一個簡化和理想化的思路。通過不斷減少相互關聯的物體來解決“有序的複雜”，來幫助普通人在一定程度上認知這個世界。

而人工智能和大數據算法則是將各種紛繁複雜的信息進行整理和提煉，從而幫助我們理解這個世界。

偉大的事物往往都是殊途同歸的。

02 來自分子的靈感

興奮之餘，問題又出現了。

就算對上萬字的溝通內容進行了拆分，仍然要面臨着幾百個關鍵詞，近百個觀點或者提問。仍然無法對溝通內容進行有效的評估和衡量。

那如果要計算分子的特徵呢？就算是一個瓶子裏面的空氣，分子數量也有10^23個。再怎麼簡化和拆分還是天文數字，牛頓那套理論自然用處不大。

但一些學者換了一個角度：他們決定先研究整體再考慮個體。例如研究氧氣，但不去研究某個氧氣分子（連顯微鏡都不多年代這也不現實），而是研究一瓶氧氣都有哪些整體特徵，然後將整體的特徵劃分為分子的平均特徵。

這不就是統計學中的分類統計麼？

1. 分類統計

常見的特徵有很多，例如有效溝通時長、聽説比、語速等等，這些特徵雖然有用，但是價值有限。所以需要進一步針對關鍵詞，觀點和提問分別進行分類統計。

但是按照什麼樣的標準進行分類？什麼樣的分類是最貼近銷售場景的？

這時候就要回歸到銷售視角。從銷售流程的角度來看，成交不是一蹴而就的，銷售只有在不同銷售階段使用正確的銷售策略才能成單。因此我們藉助銷售過程管理中的銷售漏斗（Sales Pipeline）來作為一個粗略的分析，下圖是一家在線教育企業將銷售漏斗分成的5個階段：

1. 成功預約與家長成功地預約了一次線上的試聽課程。
2. 展示產品家長和小朋友參與了線上的試聽課，並完成了小朋友的能力測評，課程顧問向家長清晰的解釋了測評結果，介紹了課程體系，及小朋友對於的課程計劃及價格。
3. 達成意向家長對於方案基本滿意，但還需要再綜合考慮一下並和家人商量。
4. 承諾付款家長同意付款，並準備在線支付。
5. 付款成功

而每個銷售階段，銷售都是有相應的話術來和客户進行溝通的。例如在第一階段中，銷售可能會圍繞着免費試聽，課程特色等等來吸引家長預約。而在第二階段中，銷售可能就需要圍繞着課程體系，課程計劃進行溝通，推動成交。

在不同的銷售階段，優秀銷售往往會圍繞着幾個固定的話題和客户進行溝通。而這些話題其實是由多個關鍵詞、觀點、提問等組成的。結合行業背景、銷售場景、業務邏輯，我們梳理出了具有針對某個客户的部分銷售話題。

那麼問題來了，怎麼確保話題能夠包含相應的關鍵詞、觀點、或提問呢？這個就需要人工智能算法的幫助，通過機器學習和參數優化等技術手段來不斷提升精確率和召回率。

2. 可量化的特徵

另外統計學給出的靈感不僅僅是分類，而是可量化的整體特徵。我們可以結合數量、頻率、速度、分佈、極值來分別對關鍵詞、觀點、提問、話題的特徵進行量化分析。

根據提問特徵：銷售可以知道客户提問的數量是多少，分佈在哪些溝通階段。通過這些信息，銷售就可以快速明確客户的需求、痛點、異議等等。銷售主管也可以知道銷售人員的是否掌握了提問技巧，是否在積極推動成交。

3. 小結

和之前的機械力學相比，統計學面對的是“無序的複雜”。雖然系統本身非常複雜，但正是行為表現出足夠的隨機性，因此係統具有足夠的規律性，我們也就能夠進行統計分析。

這也是統計學往往能夠在人口普查，疫情傳播等領域起到很大的作用的原因，但人口統計學將人羣僅僅看成無結構的羣體之中可互換的單元，通過取平均值來簡化，這似乎缺少一絲人情味。

這樣就結束了麼？指標就這樣搭建完成了麼？

03 來自行為學家的靈感

利用機械力學和統計學的原理或思路，我們只是知道了如何解決“有序的簡單”和“無序的複雜”。但是處於這兩者之間的系統呢？也就是“有序的複雜”。

説它簡單，因為它確實可以進行拆分和分類，那説它複雜，是因為它並沒有太強的隨機性，很難按照平均特徵的方式進行統計。

而且更讓人沮喪的是，生活中能夠通過解析或統計方法就能解決的問題非常有限，包圍着我們的其實是中數系統，例如人性，你可以試試將勇氣拆分出來單獨研究。而銷售溝通同樣是一箇中數系統。

“如果行為學家試圖通過平均化的方式來理解個體，那麼個體的特性就會被分攤殆盡，如果試圖分離出個體進行研究，它們就又割斷了研究對象與其他人或環境的練習，個體僅僅成為實驗室的人造物，而不再是人。”

不斷分解溝通內容最終形成了關鍵詞/觀點/提問/話題的結構，但是這樣卻忽視了從整體的角度來考慮銷售溝通。

那麼如何從整體的角度衡量銷售溝通呢？

1. 話題結構

其實每個溝通都是圍繞着“銷售-購買”這個核心進行的，因此銷售溝通總是會圍繞着有限的話題進行。如果我對話題的數量，分佈，比例進行分析，那是不是就能通過話題結構來從整體上評估銷售溝通呢。那麼具體銷售場景下的話題結構是什麼呢？

2. 話術

通過AI和算法，摹因能夠識別出優秀銷售在每個銷售階段：

• ta着重説哪些話題？
• ta問了哪些問題來引導客户？
• ta是怎麼應對客户提問的？
• ta經常説的關鍵詞是什麼？

等等一系列的內容設定。這就是我們通常説的話術，國外其實是叫Script，也就是劇本或腳本。整個Script不僅僅包括5W2H這些內容層面，還包括：

• 以什麼樣的方式溝通？
• 如何提問？
• 如何引導客户？
• 如何推動銷售場景的發展？

等等一系列的技巧和模式。多個銷售階段的優秀話術組合起來就形成了一個完整的溝通模式。而一個好的溝通模式就能夠幫助算法應對大部分的銷售溝通評估工作。

可能有人就會問了：“為什麼不提取壞的溝通模式呢？引以為戒不行麼”

3. 小結

既不能輕視也不能高估分解法。分解法並不是牢不可破的整理，麥肯錫諮詢團隊的結構化思考也不是萬能的。分解只是便於人們克服自身的能力不足，無論是工程技術還是管理諮詢都是如此。

這三個問題似乎都得到解決了，那麼到這裏真的結束了麼？

04 面對更高級的挑戰

其實這句話的反映了語義學，符號關係學，語言哲學在“語言”方面的研究。簡單來説，我們都有自己的世界觀，而這種世界觀來源於我們的內在建構。而建構的材料則是我們的語言和感官系統，這是個體生命經驗的結果。

我們如何溝通，如何做決定，如何對行為和經歷賦予意義，不是由現實決定，而是由我們眼中的“現實”決定。

那麼我們是否能夠透過溝通的表象，穿過各種紛繁複雜的業務，場景，邏輯等外部要素，直達客户的眼中的“現實”？從而做到真正意義上的銷售事實的分析挖掘呢？

而這就是我們要創造出的價值。

作者：李丹陽，摹因智能產品部 實習生，東華大學交互設計方向碩士，工業設計和工商管理雙學士。

本文由 @李丹陽 原創發佈於人人都是產品經理，未經作者許可，禁止轉載。

題圖來自pexels，基於CC0協議