為了達到降本增效，我們應該如何處理數據（下）

在上一篇文章中，我們已經簡單從宏觀的層面介紹了在降本增效的時代，數據本身所具備的價值。可以說，在這個數字化的時代，各個公司銷售間比拼的就是獲得數據、分析數據以及利用數據的能力。另外，我們也已經簡單地引出，當下，銷售團隊應該通過增設內部信息洞察視角，來更加完善地重新審視并利用數據。那么，從微觀的角度，我們又該如何采集并處理這些數據呢？今天的文章將會帶你落地。

一般而言，許多銷售代表可能只會注意一通談判電話最后的結果，而內部信息指的是，銷售代表與買家或潛在買家接觸過程中的所有信息，包括前期所作研究、中間的郵件、電話往來等各種碎片信息。如果能夠洞察這些信息，就能夠相對應地提前布局，從而得以用最少的資源得到最大的收益。

那么，如何才可以構建并利用內部信息洞察視角？Megaview.com的數據分析專家認為，這將要求銷售代表們能夠熟練掌握對諸如Megaview.com、Gong.io等銷售會話智能平臺的使用。

在收集與處理數據方面，銷售會話智能平臺的優勢體現在哪里？一方面，相對原先主要基于手動輸入的CRM系統來說，由人工智能技術驅動的會話智能平臺能夠自動化地抓取更多的會話信息，人工手動錄入信息的速度幾乎無法與之相比，從而大大降低了人工方面的成本；另一方面，在自然語言處理技術的加持下，智能會話系統能夠結構化地拆解會話信息并“聰明”地進行分析，從而率先為銷售代表與負責人提供一部分信息，從而大幅度提高從業人員的工作效率。

具體而言，一位優秀的銷售代表應該從獲取更準確的客戶畫像、找到痛點并進行預測以及自我提升為目的來處理獲得的數據。

那么問題來了，難道過去在CRM系統中就無法獲得客戶畫像嗎？不是這樣的。CRM也有一些客戶畫像之類的功能，但由于大多數因為是手動輸入且添加標簽，很容易因為人工的判斷與操作而漏掉一些關鍵的信息。而相對來說，通過機器學習處理數據的智能會話平臺可以“原汁原味”地保留所有的數據，這些數據可以幫助我們得到一個“更準確的客戶畫像”。

舉一個例子，原先手動輸入一個客戶的信息，男性，45歲，所在公司的規模是多少，但他的信息可能存偽或是有變動，這就需要你通過平日里更多的會話或是從諸如郵件、視頻錄屏等其他渠道收集起來的信息去相互佐證，顯然手動采集已經行不通了。

但是，銷售會話智能平臺卻能一字不漏地采集起來，甚至通過基本的會話數據分析就能直接輸出一個客戶畫像。客戶的一些靜態屬性，例如ToC場景下的性別、年齡等等信息，以及ToB場景下的公司規模，當前使用系統等等，都是可以從會話中提取出來，輔助銷售代表進行信息收集的。

除了客戶畫像以外，對于銷售代表來說，更重要的是要在反復的對話中了解對方的痛點，因為痛點，也常常是客戶的需求所在。

對于銷售代表而言，在與客戶溝通前，要對客戶的信息有所了解，并從客戶信息中心了解到對方背景（也就是我們上文說的畫像）并有針對性地對客戶痛點有一定的預判。在后續的溝通過程中，則需要評估痛點相關信息的挖掘與收集、對于客戶關注點以及客戶提出一些異議進行重點理解。例如，在溝通過程中，在講到哪里客戶提問的頻率比較高、到哪里時客戶提出的質疑比較多、或者哪一處客戶提問的頻率比較高，這些都有助于我們了解客戶的具體痛點和需求點。

這樣一來，似乎都有許多地方需要銷售代表留意，顯然再次挑戰了人工的極限。所以在傳統的銷售工具以外，專家建議引入銷售會話智能平臺獲得更多的客戶跟進記錄（頻率、周期、客戶跟進小結等），得到更加完善的信息。結合客戶畫像以及客戶痛點，銷售會話智能平臺可以根據算法綜合性地輸出一個最終的意向度，這個意向度相當于是系統對未來交易的一個預測。

另外，從銷售負責人的角度來說，他們也可以從系統中對在跟進的各個客戶的需求進行一個排序，根據輕重緩急來決定資源的分配。

最后，專家還提出了一個新視角——銷售代表應該以實現自我提升為目的來處理數據。

他舉了一個例子方便我們來理解。一個銷售代表可以去留意自己在一次通話中發言的比例大概是多少，本次在對客戶進行產品介紹花了多少時間，詢問了客戶幾個問題，客戶提出哪些問題的時候自己有停頓、停頓的時間有多久等等。

銷售會話智能平臺在經過對大量銷售代表的實戰數據進行統計之后，會提供一個成熟的結果，并對每個數據指標都進行較優值推薦，比如，銷售發言占比最佳推薦值在65%。

因此，銷售代表可以將自己的數據與系統采集數據進行對比，從而有針對性地發現自己的問題，并且有針對性地進行調整。