中文字幕无码av不卡一区,亚洲综合AV永久无码精品一区二区,黑人巨大白妞出浆,黄色高清无码免费看,久久久久免费精品国产,久久无码人妻丰满熟妇区毛片,欧美日韩国产综合草草,久久福利网站,亚洲一区二区三区中文字幕在线,av国内精品久久久久影院

編輯導語：行為事件分析是一種常見的互聯網數據分析方法，有效的分析可以幫助團隊洞察用戶需求與用戶特征，進而制定更合理的銷售分發或運營策略。本篇文章里，作者總結了對銷售對話數據進行行為事件分析的“五步法”，一起來看一下。

人們最熟悉通過具體的行為來分析事件背后的邏輯，例如發現誰在什么時間什么地點干了什么事，從而得出某個結論。無論是用戶旅程地圖，還是服務設計中的觸點分析，以及更為宏觀的4W1H模型，都是將行為事件按時間或流程等維度進行拆解并進行分析。

而在互聯網領域中，行為事件分析是一種常見的的數據分析方法，主要指收集用戶在使用產品時發生的一系列互動行為信息，并分析不同的互動行為對產品甚至企業價值的影響。

通?；ヂ摼W產品會采用埋點的方式了解用戶在哪些節點做了哪些操作（如注冊、瀏覽、溝通、付款等行為），并挖掘用戶行為背后的原因和模式，從而優化產品體驗、洞察用戶特征、制定運營策略。

而在銷售場景中，溝通是至關重要的一部分，客戶通過溝通傳達自身需求，獲取產品信息。銷售則通過溝通傳達產品價值，促進成交。因此溝通內容是一個非常重要的互動數據來源。

傳統的行為分析方式往往是將行為的時間、頻率、數量等特征作為統計分析指標，行為本身包含的豐富信息卻被丟失了，例如某個用戶在社區中非?；钴S，如果只通過發送消息這一行為來判斷，這個用戶可能算是一個高價值用戶，但這個用戶可能只是經常在社區發廣告，嚴重破壞了社區氛圍。

如果我們對溝通行為中，帶有特定傾向和目的的溝通內容進行統計分析，我們會發現傳統事件分析是無法對內容進行統計分析的，但客戶往往會溝通內容中傳達自己的喜好、傾向、痛點，銷售也會在溝通過程體現出自己的銷售能力和技巧。這些信息對精準分析客戶需求、繪制用戶畫像、制定針對性的銷售培訓策略來說非常有價值。

一、分析銷售對話數據面臨的問題？

但是當我們拿到海量客戶和銷售之間的對話數據時，該怎么辦？我們該如何對海量對話數據中的溝通行為進行識別、跟蹤、統計和分析呢？

例如一家做教育課程在線銷售的公司，共有兩百名銷售，平均每人每天會撥打30通左右的銷售通話，發送上百條企業微信聊天信息。面對這么多海量的溝通數據，銷售主管們肯定非常想知道：有多少客戶非常關注價格？成單的客戶都會提哪些問題？不同銷售階段的客戶異議是什么等和溝通內容相關的問題。

這些都是非常有價值的信息，我們如何做才能從溝通內容出發，結合行為事件分析的思路回答上述問題呢？

二、如何對銷售溝通進行行為事件分析？

結合銷售場景下的溝通對話特點，我們發現最基礎的分析流程是：確定樣本特征、確定分析單元、制定類目系統、內容識別和統計、形成業務洞察。

1. 確定樣本特征

在不同的銷售場景，對話特征會存在很大的差異，需要采用不同的分析維度和方法。

• 從銷售特征的角度來看：B2C和B2B的銷售溝通在溝通時長、間隔頻次、內容特征等存在較大的差異。
• 從溝通形式的角度來看：連貫性較強的實時語音溝通與碎片化的在線文本溝通在數據格式、互動節奏等方面存在較大的差異。

分析實時語音溝通時，雙方溝通相對連貫，可以從話題時長、輪次等維度進行分析。而分析在線文本溝通內容時，由于溝通間隔時間較長，更側重于分析話題內容。

2. 確定分析單元

分析單元相當于行為事件分析中的事件定義，簡單來說從哪些維度分析對話數據。

分析單位可以是關鍵詞、一串意義連貫的詞組、句子或段落。而從對話特征來看，輪次、時長、情緒也可以作為分析單元。

對于銷售場景來說，很多體系化的銷售流程都是由環環相扣的話術點所組成的。每個話術點可能由幾個有意義的詞語組成，例如“價格、多少錢”等，也有可能整個溝通都是在圍繞著某個話術點開展的。

例如FAB中的F（產品特征）可能就需要銷售花費十幾分鐘講述。

3. 制定類目系統

制定類目系統，即確定分析單元的歸類標準，這里分類分為兩個層次，

1. 根據業務特點確定一個銷售話術主要包含哪些話題，有助于后續的統計分析。
2. 每個話題究竟包含哪些分析單元，從而讓算法能夠準確識別特定話題。

1）關鍵話題分類

分類標準的設置往往取決于具體的業務場景和訴求，例如針對銷售SOP檢測，通常會根據銷售階段執行不同的銷售流程，每個銷售流程又包含多個話題，例如開場白、建立信任、需求挖掘、產品介紹等。其中需求挖掘這個話題可能包括多個關鍵詞組合或句子。

2）確定具體內容

當我們明確了話題框架，那么每個話題具體包含哪些內容呢？例如需求挖掘可能就包含多種提問方式，那我們怎么知道哪些問題屬于需求挖掘，哪些只是簡單詢問呢？

再比如在識別客戶意向度時，高意向的客戶往往會詢問價格、產品、優惠等信息，但是不同客戶詢問價格的方式多種多樣，如何知道客戶是在詢問價格呢？這就需要結合實際的銷售經驗對所有可能的回答進行列舉。

4. 內容識別和統計

當我們設定好每個話題包含哪些具體的內容后，就需要通過算法對內容進行識別和檢測。

從技術手段來看，不同的分析單元采用的算法也不同。例如關鍵詞、關鍵詞組合、相似句子、話題背后采用技術手段、使用難度和效果都有差異，在實際應用中往往會多種技術手段組合使用。

當算法識別出每通對話中：“誰在什么時間點說了什么話題”時，我們就能對海量溝通數據進行內容統計。不僅能夠結合前期設定的類目系統進行條件篩選，還能下鉆到具體某個通話中進行詳細分析。

5. 形成業務洞察

結合溝通內容識別和統計結果，我們可以根據實際的業務需求設定篩選條件，配置出溝通內容追蹤點，挖掘出蘊藏在對話數據中的巨大價值，為銷售組織回答關于銷售管理、銷售績效、市場洞察等各類問題。

作者：李丹陽，摹因智能產品設計師，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 原創發布于人人都是產品經理，未經作者許可，禁止轉載。

題圖來自Unsplash，基于CC0協議