问题场景：某互联网大�?TOB 业务线，可以向平台商家提�?SaaS/Paas 类服务，但苦于销售水平不高，沟通话术质量不佳，转化率不足。现计划做话术培训，提升客户转化率�? ## 原始模型
最简单的做法，定义话�?A，话�?B，俩版本。直接看转化率，哪个高了用哪个就好了�? 可分组时，做分组对比！不分组对比时，用前后对比法
| 线索�?/td> | 签约�?/td> | 转化�?/td> | |
| 整体 | 200 | 78 | 39% |
| A 话术 | 100 | 46 | 46% |
| B 话术 | 100 | 32 | 32% |
用数据对比效果本身不复杂，要么看前后差异，要么看不同组差异，难的是如何剔除杂因素，真正归因到：这是话术，而不是销售、客户、其他层面问�? 那么，这么做有啥问题不？
高级建筑
最简单的做法，可能有几层问题�? 问题 1：未考虑销售本身的影响。有可能销售本身能力强，所以才卖得好。因此，需要针对不同层级的销售，比如 S 级、A 级、B 级、C 级，单独分析话术效果�? 问题 2：未考虑客户的影响。有可能特定客户就是容易成交，因此需要区分客户等级，比如 VIP 1，VIP 2，VIP 3，分别看效果�? 问题 3：未考虑话术实际影响大小。有可能有的客户就是说啥都行，有的客户不管说啥都没用，只看价格。因此要做交叉测试，找到能受话术影响的客群�?
flowchart LR
销售[销售] --> 话术[话术]
话术 --> 顾客[顾客]
S级销售[S级销售] --> A话术1[A话术]
S级销�?--> B话术1[B话术]
S级销�?--> A话术2[A话术]
S级销�?--> B话术2[B话术]
A话术1 --> VIP5[VIP5]
B话术1 --> VIP5
A话术2 --> VIP5
B话术2 --> VIP5
A级销售[A级销售] --> A话术3[A话术]
A话术3 --> VIP4[VIP4]在设计交叉实验的时候，要注意控制实验复杂度。比如可以根据业务实际发生频率，剔除小样本情况（比如 C 级销售服务高级的 VIP 4 客户的情况），比如可以精简分类维度，聚焦最核心的：客户等级、行业等等，不用一次照顾所有情况。实验要有一定稳定性，每个策略保持一段时间，用以剔除季节性、周期性等时间维度的影响�? 最后，得到的结果可能如下图，为每一类销售，每一种客户配置合理的话术，最大化产出�?
注意：作为测试结果，不见得非得是 AB 二选一，很有可能发现，比如情况 1，话术根本不重要；情�?2，AB 都不行，需�?C；情�?3：不�?XX 就不会出问题。这些都是有用的测试反馈。这里仅拿客�?VIP 等级举例，也可以分行业、分需求类型来做，总之做的越细越有用�? ## 第一层地�? 问个简单的问题：销售的 SVAB级别是咋来的？既然有分级，那么得有判定标准。而构建判断标准本身，就是一个大工程
比如�? 比如�?、是否业绩表现好的，就是好销售？2、意向、签约、回款、复购，哪个方面能证明他是好销售？3、以上四个方面，每个都至少有数量和金额两个指标…�?、如果选签约和回款，两个指标交叉就是一个矩阵，怎么定义好？（如下图�?、如果是三个指标呢？如果是四个指标呢�? 
以上所有问题，都有的一番纠结，才有产出�? 现在简化问题，假设就考察签约金额。签约金额高的就是好销售，那么问题又来了：考察多长时间内的表现？一加入时间维度，新的纠结又开始了�? 比如�? 考察 1 个月算不算数�? 个月？半年？
考察 1 个月，这个月好，下个月不好，到底算不算好�? 考察 3 个月，是考察总量，平均值，还是单月达标次数�? 考察 6 个月，稳定性好，越来越好，先好后差的，要不要作区分？（如下图）
即使只看一个指标，在不同的时间线上也有不同的走势，甚至可能直接影响到整体策略。比如如果真的是季节�?偶然性优秀，说明话术可能不是成功关键，抓队伍建设才是重点，如果是生命周期型，那就可劲压榨新人就好了，基建质量直接决定了方法选择�? 以上所有问题的处理，都是为了得出一个简单的业务员分级标签。同样的问题，在客户那里也存在，一模一样的纠结�? 比如评定客户等级�? 1、考察哪些指标�?、考察多长时间�?、指标到什么水平算好？
4、考察期波动怎么处理�?、在未签约前要不要做预测？咋预？6、要不要在签约进度中修正预测？咋修正�? 都分析清楚了，才能有准确的客户评级，特别是售前评级�? 正是因为以上工作太过纠结。所以衍生出 3 种常见的处理办法�? 1、从简单到复杂：先做单指标分类，再慢慢加，迭代几次�?、先抓典型再总结：比如先让业务方标注几个正样本，然后研究他们的特点�?、从结果倒推：比如业务方 KPI 是签约额，那为了达成这个目标，得做到多少�? 每一种方法都有各自的工作办法，这里先不一一展开。只是为了让大家感受到：为了获取一个准确的分类，需要劳民伤财的大量工作，不然你就只能做最简单的，充�?bug 的模型�? 然而，就算这样，问题解决了吗？
第二层地�?
问：话术 A 这个分类又是怎么来的？实际上销售卖东西很少只说一句话。特别是 toB 类销售，前前后后得说很多东西�? 这里至少有四个部分：
1、开场问候：开场寒暄，引入话题 2、产品介绍：主动介绍产品特点，优势，对客户的好处 3、问题答疑：针对客户的问题，解答客户疑惑 4、促单话术：催着客户赶紧下单
这里又衍生出来两个问题：第一，这四个部分的话术如何分类，上标签，加入到分析之中。第二，如何知道销售说了什么�? 针对问题一，话术本身如何打标签，如何分类。可以做以下动作�? 1、产品介绍的版本 2、客户问题点：功能、价格、体验、案例、系统接�?3、促单的话术分类：按项目进度、按优惠、按资源控制
| Feature (特点) | “我们的系统集成了新媒体营销�?16 种主要功能，包含内容制作到上线后数据监督的全链路”。——标签：功能�?/td> | 打业务标签非常重要！业务标签是解读数据含义的线索，通过构造分类变量的方式，把数字背后的业务含义突出出来�?/td> |
| Advantage (优点) | “这样无需开发，就能直接实现新媒体运营的全链路功能，能直接套用”。——标签：直接用，免开�?/td> | 比如左边话术，是一个含�?FAB 的完整话术，通过打标签，可以识别出，这套话术的卖点，对象，这样匹配回用户响应率数据，就能解读：我是卖点没讲对（比如对面不是小公司，不想省成本，你说这段干啥），还是卖点本身不够给力�?/td> |
| Benefit (利益�? | “这样开发能力不足的小公司，就能直接套用，能节省很多的时间和成本”。——标签：针对小公司，节省成本 |
总之，有了这些扎实的基础工作，才能有最初的话术 A 这一个分类标签。这是比较好处理的。问题二，更纠结�? # 第三层地�? 针对问题二，核心在于：数据怎么采集�? 1、如果有 SCRM 系统，那么交易流程可以系统化实现，可以一定程度补足数据，比如展示了哪些案例（产品介绍环节）调用了哪些资料（问答环节）查询了哪些优惠（促单环节�?、如果没有系统支持，那就只能从其他行为反推，比如销售培训，比如销售策略，比如申请体验 demo 类型、数量，比如申请的优惠�? 那么，又衍生出：
1、销售培训记录，培训类型标签�?2、销售策略记录，策略分类标签�?3、申�?demo 记录，申请类型标签库 4、价格申请记录，产品价格折扣标签�? 没有这些记录和标签，整个销售过程处于失控状态，一不知道干了什么，二关联不到工作结果。根本无法深入分析。总之，一有记录，二有标签，这样分析起来才得心应手�? # 经验小结
如果孤立地看怎么找一个好的话术，似乎在地表建筑阶段，就已经做得很完美了。可实际上，如果脱离了下层大量的地基建设。再华丽的地表建筑也盖不起来。整个流程串起来，就是用一个庞大的体系，解决了一点点业务上问题。虽然工作量大，但是它真的有效（如下图）
注意：这套体系搭建完了，可以起个很好听的名字，比�?CST 模型（Customer Success Test），配合架构图听起来也是很唬人的�? # 常见问题
为啥实际工作中很难做出有用的分析？本质在于：缺少基建，脱离业务�? 做数据的同学，过于指望统计学、算法本身，缺少基础业务标签建设，缺少受业务认可的标准结果，不会推动业务去改善流程，多收集数据�? 做业务的同学，忽视流程对数据的影响，不重视流程规范与数据采集。以为数据是天上掉下来的，对数据建设漫不经心，却指望一个“来着头腾阿公司的大神”一炮搞掂�? 两者一结合，就是盲人骑瞎马。实际情况是�? - 基础数据没有
- 业务标签没有- 过程数据没有- 预测推断没有
就只会拿着交易结果做交叉，然后无脑输出�? - 甲行业话�?A 转化率高 14 个点- 乙行业话�?B 转化率高 5 个点
当销售部门来质疑“到底是销售本身不行、还是话术不行、还是产品不行、还是促销力度不够、还是外界因素？”的时候，一个问题都答不上来。最后只会颤颤巍巍地：“我们找几个销售调研下？？？�? 有同学可能会说：销售过程本身数字化难度大，如果是线上交易就容易了，每一步都有数据记录呀。是滴，线上交易是有数据记录，是能画出转化漏斗，可真遇到最后转化率不高，咋分析�? 要不要对推广渠道评级�? 要不要预估各渠道响应率？- 要不要对推广内容打标签？- 要不要对 CTA 动作打标签？- 要不要对转化产品打标签？- 要不要对推送客群打标签�? 这些都是同样的基础建设。这些东西不做，遇到最终转化率低，运营来质疑：到底是渠道本身不行、还是文案不行、还是产品不行、还是促销力度不够、还是外界因素？
- 又是只会拿着渠道类型，客户类型和转化流程拉交叉表- 又是只会叨叨：“因为第三步转化率低了”�? 又是颤颤巍巍的：“我们找个用户调研下？�? 所以呀，漏斗图和漏斗分析是两码事。做漏斗图容易，做漏斗分析，就得认认真真设计思路，做好基础，排除杂糅因素。很多同学问：有没有比漏斗模型更高级的分析方法，其实只要做得好，漏斗图分分钟变成 UJM 模型。有兴趣的话，点一下右下角在看，本篇够 60 个在看的话，我们下一篇纷享哦，敬请期待�