为什么需要线索评级
汽车行业的销量自2018年以来持续的“跌跌不休”,不仅经销商的日子很不好过,也直接导致了一线销售人员系统性的流失,销售流程和经验无法固化沉淀,线索跟进力度不足甚至中断,销售转化效率低下、人力成本攀升。
销售线索评级本质上是消费者精细化运营解决方案中的一环,基于消费者的关键行为数据搭建算法模型,按照业务价值高低输出人群得分,并给到一线销售人员使用。那么,在确定跟进的优先级和跟进的力度方面,就可以不再完全依赖销售人员的个人经验或集体经验,而是转变为在基于大数据和机器学习的AI能力加持下,实现用数据+科技的力量帮助经销商更精准、更快人一步地争取销售线索,降低有效线索流失,促进销售转换。
汽车销售线索评级项目实战
近期,TalkingData助力某合资汽车品牌打造销售线索评级项目,让AI走出实验室,工程化落地应用于经销商的每一条网络线索邀约场景实践中。
本文将分享该项目的实战干货,帮助大家深入理解和梳理AI项目及其背后一系列科学、细致的工作支撑,相信这样也能更好地体现AI带给商业社会的价值所在。
接下来,笔者将基于以下项目实战流程,详细介绍每个环节中的一些关键问题点及解决方案。
01
业务定义
1.1 定义项目目标
作为厂商或经销商,都希望车卖得越多越好。那么,项目目标是否就理所当然地设置为提升“线索订单转化”呢?
对业务深入理解后就会发现,汽车行业的消费者决策旅程长,客户心智投入高,且宏观市场、政策乃至微观个体经销商的销售策略,都可以影响最终销售转化;另外,经过数据分析发现,订单转化周期相对更长、更不可控。作为订单转化的前提——到店,90%的到店消费者从首次邀约到进店的周期是一个月以内。
因此,直接将“线索订单转化”作为项目目标并不切实际。从效果可衡量、更有效、更客观的角度,最终将“邀约到店转化”作为项目考核指标。
事实上,“邀约到店转化”也可以继续分解。是“所有”经销商的到店转化,还是“个体”经销商的到店转化呢?这个问题不仅仅影响建模因变量的数学定义,更本质的是对业务目标价值的定义。我们可以从不同的价值主体来思考:作为厂商,是希望所有经销商还是个体经销商的客户到店越多越好?作为个体经销商,又如何看待这个问题呢?欢迎大家思考,并留言讨论。
1.2 理解需求场景
理解需求场景对项目的意义同样深远。主要从两方面来考虑。
AI模型对于经销商的业务价值到底是什么?
会是下图所示情况吗?从所有线索里挑选出模型得分高的线索进行跟进,得分低的线索就不跟进。
AI模型如何自然嵌入到经销商的销售工作中呢?
以上问题不能单纯通过“思考”来解决。在项目启动后,项目团队在该汽车品牌的配合下,用一周的时间实地走访了多家经销商。通过面对面访谈的形式, 了解经销商网销工作现状、架构、流程、线索进店转化影响因素等内容,收集了大量丰富的一手信息。事实证明,这些信息对后续AI建模工作的开展帮助极大,决定了一个数据科学项目如何真正落地并指导业务实践。
针对“AI模型对于经销商的业务价值”这个问题,通过调研发现,不同经销商的网销现状差异很大,有的经销商线索量大,而人力资源不足,每天都存在不少线索无法落实跟进;而有的经销商线索量小,当日下发的线索都可以及时处理完。那对后者而言,AI模型就没有用武之地了吗?
线索评级模型基于消费者的行为数据建模,对每一个线索的进店概率打分。如果将所有线索按照模型打分的顺序排序,再对比线索按照时间自然下发的顺序排序,会发现实际进店的线索,其按照模型打分的排序更高。这意味着,销售顾问可以更快的接触到高价值的客户。一个高价值的客户会受到多方经销商的抢夺,当我们可以快人一步地接触并跟进,就抢得了先机,邀约到店率自然会提升。所以线索评级模型并不是判断跟进谁或不跟进谁,而是优化了优质客户投放的时间和效率。
针对“AI模型如何自然嵌入到经销商的销售工作”的问题,亦是通过实地调研得到如下原则:在不改变销售顾问工作流程、习惯的前提下,为他们带来价值。该原则直接指导了后续的销售管理平台改造、模型自动化部署等工作。
02
数据准备
文章来源:《工程与试验》 网址: http://www.gcysyzz.cn/zonghexinwen/2020/0821/629.html