看完這10個問答，輕松Get「會話分析洞察Insight」

我們幫助企業管理者，了解一線銷售人員跟客戶的溝通中到底在聊什么，客戶表現出了什么樣的訴求。

對于銀行、保險、證券等金融行業而言，原來是粗放式的經營模式和管理模式，主要關心的是業績等結果指標，對于過程，尤其是溝通的過程往往關注不到。

但是現在進入了存量客戶的時代，需要以客戶為中心做長期的客戶經營，這就需要把溝通過程的管理也抓起來，更加重視客戶在溝通過程中表達的訴求，加強對客戶的了解（know your customer）。

對于地產、汽車等以線下銷售為主的行業而言，產品往往是高客單價的。一方面，找到對的客戶非常重要，所以更加需要從溝通內容中增加對客戶的了解；另一方面，每一次銷售人員與客戶的互動過程都可能決定交易的結果，所以溝通過程非常重要，企業有精細化管理和運營的需求。

綜合來看，「會話分析洞察 Insight」產品幫助企業解決“聽不到一線的炮火聲”和“過程管理”缺乏抓手的問題，以及對客戶了解不足的問題。

在線上呼叫中心場景，管理者一般會通過人工聽錄音來看業績差的人是差在哪里，哪里應該提升。然后也會把好的錄音、好的經驗傳遞給其他同事。但聽錄音的效率很低，而且也不可能做到全量，所以必然是片面的。

在線下場景，例如汽車4S店，主機廠會安排“神秘訪客”做密采，了解銷售顧問是怎么介紹產品的，有沒有講到關鍵點；在銀行網點，還有很多機構是在微信群里自己上報聯系了哪些客戶，客戶是什么情況；在房地產的案場，每天都會有盤客會，把重點客戶的情況記錄在臺賬上，看后續要不要繼續跟進。

主要是各層級的銷售管理者，組長、團隊長、職場經理、區域負責人、門店經理、案場負責人以及業務的總監、總經理等，不同層級看數據的顆粒度不同。

運營團隊也是使用者之一，他們會根據策略的執行情況和業務結果數據，來決定是否調整策略。

「會話分析洞察 Insight」產品除了可以做銷售過程的洞察，也可以做客戶洞察，客戶洞察部分的功能在房地產等行業，是一線的銷售顧問人員可以直接使用的。

一種是日常的使用。一線的銷售管理者基本上每天都要看，從而及時發現問題，典型的使用場景是在晨夕會上對數據進行分析講解，看誰做得好、做得不好，哪里做得好、做得不好，及時做督導。

一種是匯報時的使用。例如在周會、月會和季度會上，總部的管理者需要了解不同地區、不同職場的策略執行情況，為決策提供依據。

報表的計算邏輯。怎么判斷員工跟客戶講得好不好，怎么量化溝通，計算溝通中的某個要求是否執行了。我們是通過語義標簽來判斷一段話是否命中某個標簽。

怎么設置監督項，匹配業務場景。不同行業的同行都是怎么分析執行率的，分析哪些關鍵指標的執行率，主要是關心業務實踐經驗。我們在銀行、保險、證券、汽車和房地產領域都有比較豐富的實踐經營，也有挖掘系統，可以從大量溝通數據中高效地了解真實的客戶反饋、銷講要點、話術，可以幫助客戶更快讓產品產生價值。

怎么跟業務結果進行關聯分析。希望了解哪些項是執行得好，就一定能產生更好的業務結果。為了提升成單率，應該重點監督哪些項。

拿到數據的頻率，多久可以出來分析結果。我們目前結合計算資源的需求等綜合考慮，主要推薦的是T+1天出結果的方案。

跟BI系統相比，一方面「會話分析洞察 Insight」主要分析的是非結構化的溝通數據，而BI系統主要分析的是結構化的數據；另一方面，「會話分析洞察 Insight」可以根據各層級的管理訴求做到完全個性化的自定義，BI系統很難在銷售管理的場景千人千面。

跟CRM系統相比，CRM系統注重客戶管理、交易和商機的結果管理。「會話分析洞察 Insight」主要是做銷售溝通內容的分析，兩者是可以互補的。

自由搭建看板，可以充分實現個性化的、千人千面的管理。

下鉆功能，可以從報表直接下鉆到具體的錄音標簽位置。

不同維度數據的交叉分析功能，可以幫助判斷哪些中間環節因素對最終結果的影響是正相關的。

客戶畫像的“點亮”設計，企業之前很少能從溝通內容中提取到動態的客戶畫像。

借助「會話分析洞察 Insight」產品，企業可以快速、高效掌握各層級銷售團隊的業務策略實際執行情況，快速了解用戶群體或用戶在溝通中表達出的訴求。

「會話分析洞察 Insight」產品也為銷售管理提供了“抓手”，以前只知道一些員工或團隊的業績不好，不知道具體應該提升哪些方面，只能說應該多打電話、多背話術，現在一線管理者可以給到一線員工明確的提升建議。

基于溝通內容（數據）的業務增長系統，發現銷售過程的問題，分析、管理、提升能力和業績，形成業務增長的閉環。「會話分析洞察 Insight」是其中重要的一步，未來將可以和實時的銷售輔助系統、會話挖掘系統更好地協同。

AI能力方面，需要規模化的NLP語義分析建模能力。

工程技術方面，需要將先進算法進行工程化落地，同時滿足速度和性能上的需求。

產品方面，需要將語義模型與業務場景相結合；在數據的抽取、呈現等方面，基于先進的數據庫實現高性能。

業務實踐方面，需要將行業的共性進行抽象，結合企業的特性，融入業務流程，創造價值。

運營服務方面，循環智能會派出業務專家和客戶成功經理持續支持產品的長期運營，以滿足業務需求的變化。