chinesefreesexvideos高潮,欧美极品少妇性运交,久久久国产一区二区三区,99久久婷婷国产综合精品,成人国产一区二区三区

存量競(jìng)爭(zhēng)市場(chǎng)中，企業(yè)需要通過(guò)精細(xì)化運(yùn)營(yíng)提升客戶價(jià)值與 ROI。數(shù)據(jù)智能作為先進(jìn)生產(chǎn)力，在搜索、廣告、推薦業(yè)務(wù)方面已經(jīng)足夠成熟，那么它是如何助力銷(xiāo)售提升效能呢？本文將詳細(xì)介紹。

線索是企業(yè)重要的生產(chǎn)資料，圍繞線索流轉(zhuǎn)可以將銷(xiāo)售劃分為線索篩選、線索分配、線索跟進(jìn)三個(gè)環(huán)節(jié)。

1、線索篩選

好線索和差線索的轉(zhuǎn)化率相差 10 倍以上，因此線索質(zhì)量是影響銷(xiāo)售效能的關(guān)鍵因素。對(duì)線索進(jìn)行質(zhì)量評(píng)分，基于評(píng)分進(jìn)行分層運(yùn)營(yíng)，可以有效提升銷(xiāo)售效能。

2、線索分配

線索質(zhì)量和銷(xiāo)售能力都會(huì)影響銷(xiāo)售效能。做好線索分配，避免好銷(xiāo)售被差線索浪費(fèi)、好線索被差銷(xiāo)售浪費(fèi)，同樣可以提升銷(xiāo)售效能。

基于線索評(píng)分和銷(xiāo)售分檔采取好分好（好銷(xiāo)售分好線索）、好分多（好銷(xiāo)售分多線索）的方法，能充分發(fā)揮好銷(xiāo)售、好線索的價(jià)值，并激勵(lì)銷(xiāo)售變得更好。

在采取上述方法時(shí)要注意銷(xiāo)售對(duì)線索的偏好。同一檔次的銷(xiāo)售也會(huì)存在對(duì)線索偏好的差異。比如，某公司通過(guò)觀察同一檔次銷(xiāo)售在不同年級(jí)線索上的跟進(jìn)情況發(fā)現(xiàn)，銷(xiāo)售 A 不擅長(zhǎng)和研究生學(xué)歷的用戶溝通，與初中學(xué)歷的用戶溝通卻很順暢，但銷(xiāo)售 B 卻非常擅長(zhǎng)和研究生學(xué)歷的用戶溝通。

因此，考慮銷(xiāo)售對(duì)線索的偏好后，可以把線索和銷(xiāo)售配對(duì)進(jìn)行評(píng)分，將線索銷(xiāo)售配對(duì)評(píng)分和銷(xiāo)售每天的線索配額結(jié)合再進(jìn)行線索分配，就會(huì)產(chǎn)生多種分配方式，可以是簡(jiǎn)單的規(guī)則匹配，也可以是理想的全局最優(yōu)分配方法。

3、線索跟進(jìn)

線索分配給銷(xiāo)售后，進(jìn)入銷(xiāo)售個(gè)人池。銷(xiāo)售個(gè)人池有當(dāng)日的新線索、公?；?fù)频睦暇€索以及歷史積累的線索。企業(yè)需要判斷線索跟進(jìn)的順序及重要程度。舉個(gè)例子，某公司在應(yīng)用智能技術(shù)對(duì)之前一個(gè)月的線索跟進(jìn)情況進(jìn)行線索評(píng)分，對(duì)線索進(jìn)行質(zhì)量打分并劃分為 10 檔，發(fā)現(xiàn)最高檔線索的跟進(jìn)率很高，但還有一定提升空間；但同時(shí)，銷(xiāo)售在低質(zhì)量線索上浪費(fèi)了不少精力。區(qū)分銷(xiāo)售個(gè)人池線索質(zhì)量，幫助銷(xiāo)售把精力聚焦在好線索上，避免精力浪費(fèi)，可以大幅提升銷(xiāo)售效能。

對(duì)于線索評(píng)分，過(guò)去常常用規(guī)則來(lái)做，依賴專(zhuān)家經(jīng)驗(yàn)和人工總結(jié)，對(duì)各類(lèi)特征設(shè)置加減權(quán)重。規(guī)則評(píng)分的好處是啟動(dòng)簡(jiǎn)單，但也同時(shí)存在著三大缺點(diǎn)：一是能應(yīng)用的規(guī)則有限，評(píng)分不精準(zhǔn)。二是能利用的信息有限，比如語(yǔ)音、聊天等非結(jié)構(gòu)化的信息無(wú)法充分利用，也難以利用銷(xiāo)售對(duì)線索的偏好信息，這兩者都會(huì)導(dǎo)致評(píng)分不夠精準(zhǔn)。三是在數(shù)據(jù)環(huán)境發(fā)生變化時(shí)候，規(guī)則迭代優(yōu)化依賴人工做數(shù)據(jù)分析和策略，費(fèi)時(shí)費(fèi)力。

線索評(píng)分本質(zhì)上是轉(zhuǎn)化概率預(yù)測(cè)，這種概率預(yù)測(cè)技術(shù)應(yīng)用非常廣泛。比如，個(gè)性化推薦系統(tǒng)、廣告投放系統(tǒng)背后都會(huì)使用點(diǎn)擊概率預(yù)測(cè)。同理，企業(yè)可以用歷史上轉(zhuǎn)化和未轉(zhuǎn)化的數(shù)據(jù)作為正負(fù)樣本，應(yīng)用機(jī)器學(xué)習(xí)分類(lèi)算法訓(xùn)練預(yù)測(cè)模型，然后對(duì)“待跟進(jìn)線索”或“線索 & 銷(xiāo)售配對(duì)”進(jìn)行預(yù)測(cè)，計(jì)算出每一條線索的轉(zhuǎn)化概率。這個(gè)轉(zhuǎn)化概率可以是線索最終購(gòu)買(mǎi)概率，也可以是電話接通概率，可以是銷(xiāo)售漏斗上任意一個(gè)環(huán)節(jié)的概率。

這個(gè)過(guò)程中，機(jī)器學(xué)習(xí)模型可以應(yīng)用所有的信息來(lái)學(xué)習(xí)，比如用戶行為、CRM 銷(xiāo)售跟進(jìn)記錄、線索來(lái)源等，可以利用語(yǔ)音識(shí)別和自然語(yǔ)言處理技術(shù)來(lái)理解銷(xiāo)售和用戶的溝通數(shù)據(jù)，同時(shí)還可以利用隱私計(jì)算來(lái)利用第三方的數(shù)據(jù)，數(shù)據(jù)越豐富，預(yù)測(cè)越精準(zhǔn)。

對(duì)于線索分配，企業(yè)可以利用規(guī)則或者貪心分配，但這都不會(huì)取得全局最優(yōu)效果。什么是貪心分配？即結(jié)合銷(xiāo)售的線索配額按照線索的先后順序，每次都選擇剩余配對(duì)評(píng)分最高的銷(xiāo)售，如下圖所示，轉(zhuǎn)化概率總和是 1.35，離最優(yōu)結(jié)果 1.6 還有一定距離。

要找到最優(yōu)解，就要全局考慮。從技術(shù)上看，這屬于運(yùn)籌優(yōu)化算法中的任務(wù)指派問(wèn)題，例如打車(chē)軟件給司機(jī)派單。行業(yè)中也有一些開(kāi)源的運(yùn)籌優(yōu)化算法和框架，比如 Google 開(kāi)源的 Ortools 使找到最優(yōu)解成為可能。

綜上，企業(yè)應(yīng)用大數(shù)據(jù)和機(jī)器學(xué)習(xí)、運(yùn)籌優(yōu)化技術(shù)進(jìn)行線索智能評(píng)分、智能分配，實(shí)現(xiàn)線索優(yōu)選、優(yōu)配，能夠有效提升銷(xiāo)售效能。

我們可以將智能技術(shù)應(yīng)用的優(yōu)勢(shì)總結(jié)如下：

• 相比規(guī)則評(píng)分、規(guī)則分配，智能技術(shù)能綜合全域數(shù)據(jù)和人工智能技術(shù)，評(píng)分更精準(zhǔn)，能更好地支持銷(xiāo)售運(yùn)營(yíng)。

• 根據(jù)業(yè)務(wù)反饋?zhàn)詣?dòng)訓(xùn)練、更新，自適應(yīng)環(huán)境變化。

• 數(shù)據(jù)越完備，預(yù)測(cè)越精準(zhǔn)，數(shù)據(jù)變成了生產(chǎn)力，企業(yè)可以通過(guò)數(shù)據(jù)建設(shè)來(lái)持續(xù)提升預(yù)測(cè)精準(zhǔn)性。

• 應(yīng)用運(yùn)籌優(yōu)化技術(shù)進(jìn)行線索分配，可以取得全局最優(yōu)，并自動(dòng)適應(yīng)銷(xiāo)售人員變化。

而與此同時(shí)，我們也需要清晰地認(rèn)識(shí)到，企業(yè)應(yīng)用智能技術(shù)面臨的挑戰(zhàn)有四點(diǎn)：

• 數(shù)據(jù)建設(shè)系統(tǒng)。智能技術(shù)應(yīng)用以數(shù)據(jù)為核心，需要有良好的數(shù)據(jù)基礎(chǔ)，因此需要數(shù)據(jù)采集 & 存儲(chǔ) & 分析系統(tǒng)做支撐。

• 智能技術(shù)平臺(tái)。雖然行業(yè)中有很多開(kāi)源技術(shù)框架，但打通數(shù)據(jù)流和應(yīng)用結(jié)合、特征 & 樣本管理等仍然是一個(gè)大工程。

• 智能技術(shù)人才。優(yōu)秀的、能做出成效的智能技術(shù)人才依舊稀缺且昂貴。

• 實(shí)踐經(jīng)驗(yàn)。相比個(gè)性化推薦，銷(xiāo)售業(yè)務(wù)鏈路更長(zhǎng)、過(guò)程更難數(shù)據(jù)化和量化，且涉及到銷(xiāo)售人員管理和激勵(lì)，非常復(fù)雜。智能技術(shù)業(yè)務(wù)關(guān)聯(lián)度更高、數(shù)據(jù)來(lái)源也更復(fù)雜，且涉及到和銷(xiāo)售團(tuán)隊(duì)的配合，因此對(duì)技術(shù)團(tuán)隊(duì)和業(yè)務(wù)團(tuán)隊(duì)的跨界經(jīng)驗(yàn)要求很高。

針對(duì)數(shù)據(jù)智能助力銷(xiāo)售效能提升面臨的挑戰(zhàn)，在實(shí)際服務(wù)客戶的過(guò)程中，我們總結(jié)了如下實(shí)踐認(rèn)知：

1、數(shù)據(jù)采集要完整，時(shí)間要對(duì)齊，避免時(shí)序混亂

（1）數(shù)據(jù)完備。包括用戶行為數(shù)據(jù)、CRM 數(shù)據(jù)、用戶來(lái)源和屬性數(shù)據(jù)、銷(xiāo)售跟進(jìn)數(shù)據(jù)等。

（2）跟進(jìn)記錄完備，時(shí)間對(duì)齊。App 合規(guī)采集的用戶行為數(shù)據(jù)一般不會(huì)出錯(cuò)，但線索分配、跟進(jìn)等記錄因?yàn)樯婕暗戒N(xiāo)售管理和 CRM 系統(tǒng)，容易出現(xiàn)缺失或時(shí)序混亂，從而影響模型效果，企業(yè)務(wù)必最初就做好數(shù)據(jù)洞察，并盡早解決數(shù)據(jù)錯(cuò)誤。

（3）要避免特征穿越。CRM 中一些字段是銷(xiāo)售跟進(jìn)甚至成交后才填寫(xiě)的，如果缺少屬性變更時(shí)間及對(duì)應(yīng)的時(shí)間戳，很容易出現(xiàn)特征穿越，造成模型效果好但實(shí)際應(yīng)用差的情況。

（4）在數(shù)據(jù)治理之前，建議先和銷(xiāo)售人員溝通，了解其判斷線索質(zhì)量所需要的數(shù)據(jù)，做針對(duì)性的數(shù)據(jù)治理。

2、模型訓(xùn)練環(huán)節(jié)，最重要的是確定應(yīng)用場(chǎng)景和目標(biāo)線索

如何判斷應(yīng)用場(chǎng)景和目標(biāo)線索？通常情況下，其判斷標(biāo)準(zhǔn)如下：

（1）場(chǎng)景和目標(biāo)線索的預(yù)測(cè)是否對(duì)銷(xiāo)售有幫助？如果銷(xiāo)售跟進(jìn)線索的成本非常低，那么做線索質(zhì)量評(píng)分的價(jià)值就不大，因?yàn)?ROI 太低。

（2）可行性如何？比如對(duì)半年內(nèi)沒(méi)有活躍的線索進(jìn)行質(zhì)量區(qū)分難度很大。

（3）如何做？選用什么樣的數(shù)據(jù)？比如半年內(nèi)沒(méi)有活躍的線索，大概率要用到第三方數(shù)據(jù)輔助判斷，樣本構(gòu)建和模型訓(xùn)練、模型分析要相對(duì)應(yīng)。

3、選定合適的指標(biāo)

相比 AUC、準(zhǔn)確率 & 召回率等指標(biāo)，LIFT 提升度更適配業(yè)務(wù)度量.

LIFT 提升度是對(duì)評(píng)分從高到低排序后各個(gè)分檔的累計(jì)轉(zhuǎn)化率相對(duì)基準(zhǔn)轉(zhuǎn)化率的比值，體現(xiàn)了模型 Top N 的數(shù)據(jù)對(duì)目標(biāo)轉(zhuǎn)化的召回率，以及相對(duì)平均采樣的優(yōu)勢(shì)。

4、務(wù)必做 A/B 測(cè)試驗(yàn)證

對(duì)于轉(zhuǎn)化周期長(zhǎng)的實(shí)施需求，做好 A/B 測(cè)試能夠幫助企業(yè)量化說(shuō)明應(yīng)用價(jià)值。

利用 A/B 測(cè)試進(jìn)行線索篩選，是指不針對(duì)銷(xiāo)售而是線索做 A/B 分組，并采用不同的線索篩選方式；對(duì)于私海標(biāo)注，則線索不分組，銷(xiāo)售根據(jù)有無(wú)私海標(biāo)注分組；對(duì)于線索優(yōu)配，則線索、銷(xiāo)售都分組，做 A/B 測(cè)試效果對(duì)比。

在模型應(yīng)用階段，過(guò)程數(shù)據(jù)采集和分析非常重要，一方面便于效果歸因和改進(jìn)，另一方面能幫助企業(yè)盡早發(fā)現(xiàn)問(wèn)題。

通過(guò)實(shí)踐和行業(yè)調(diào)研，我們總結(jié)了智能技術(shù)應(yīng)用帶來(lái)的收益：

• 線索篩選在歷史線索回?fù)茍?chǎng)景下會(huì)帶來(lái)轉(zhuǎn)化率提升。具體提升數(shù)字以及持續(xù)時(shí)間跟歷史線索規(guī)模和沉淀歷史線索的速度有關(guān)。

• 結(jié)合線索質(zhì)量、銷(xiāo)售能力，以及銷(xiāo)售對(duì)線索的偏好進(jìn)行線索分配，從而實(shí)現(xiàn)整體最優(yōu)，線索整體轉(zhuǎn)化率大幅提升。

• 私海線索質(zhì)量區(qū)分能全面提升私海優(yōu)質(zhì)線索轉(zhuǎn)化率。

5、線索優(yōu)選 & 優(yōu)配是技術(shù)問(wèn)題，同時(shí)也是業(yè)務(wù)問(wèn)題和管理問(wèn)題

（1）企業(yè)要循序漸進(jìn)開(kāi)展工作，避免影響業(yè)務(wù)和團(tuán)隊(duì)管理。循序漸進(jìn)要求從效果明確、對(duì)團(tuán)隊(duì)管理和業(yè)務(wù)影響比較小的開(kāi)始調(diào)整。比如歷史線索回?fù)?。歷史線索回?fù)撇粫?huì)對(duì)銷(xiāo)售團(tuán)隊(duì)管理產(chǎn)生影響且產(chǎn)生效果不依賴外部，因此是最佳的切入點(diǎn)。然后是私海高質(zhì)量線索標(biāo)注以及低質(zhì)線索排除。做好這兩點(diǎn)后，基本能夠證明模型有效，并且已經(jīng)和業(yè)務(wù)方磨合好。接下來(lái)就可以開(kāi)展基于銷(xiāo)售分檔和線索分檔的線索優(yōu)配，其解釋性強(qiáng)、可控性好，在這個(gè)基礎(chǔ)上銷(xiāo)售團(tuán)隊(duì)管理的調(diào)整比較容易，比如績(jī)效考核方式的調(diào)整。取得了效果以后，再用算法做線索分配，實(shí)現(xiàn)效果覆蓋。

（2）滿足銷(xiāo)售業(yè)務(wù)和團(tuán)隊(duì)管理的規(guī)則約束。銷(xiāo)售團(tuán)隊(duì)管理有諸多約束，比如線索分配要公平，不能把高質(zhì)量線索全都分配給好銷(xiāo)售。即使用算法做線索分配，也需要滿足銷(xiāo)售業(yè)務(wù)和團(tuán)隊(duì)管理的規(guī)則約束。

（3）要有相當(dāng)規(guī)模的銷(xiāo)售團(tuán)隊(duì)和線索規(guī)模，才能發(fā)揮智能技術(shù)的杠桿效應(yīng)。銷(xiāo)售團(tuán)隊(duì)規(guī)模太小，或線索量太小時(shí) ROI 太低，不值得實(shí)施線索優(yōu)選和優(yōu)配。

實(shí)事求是地看，數(shù)據(jù)智能落地的過(guò)程很難達(dá)到 100% 成功率，一方面因?yàn)閿?shù)據(jù)不夠完整；另一方面受特征穿越、建模后目標(biāo)線索調(diào)整等的影響，會(huì)導(dǎo)致項(xiàng)目過(guò)程曲折。因此企業(yè)應(yīng)用智能技術(shù)前要慎重考慮，規(guī)避風(fēng)險(xiǎn)。