为了达到降本增效，我们应该如何处理数据（下）

在上一篇文章中，我们已经简单从宏观的层面介绍了在降本增效的时代，数据本身所具备的价值。可以说，在这个数字化的时代，各个公司销售间比拼的就是获得数据、分析数据以及利用数据的能力。另外，我们也已经简单地引出，当下，销售团队应该通过增设内部信息洞察视角，来更加完善地重新审视并利用数据。那么，从微观的角度，我们又该如何采集并处理这些数据呢？今天的文章将会带你落地。

一般而言，许多销售代表可能只会注意一通谈判电话最后的结果，而内部信息指的是，销售代表与买家或潜在买家接触过程中的所有信息，包括前期所作研究、中间的邮件、电话往来等各种碎片信息。如果能够洞察这些信息，就能够相对应地提前布局，从而得以用最少的资源得到最大的收益。

那么，如何才可以构建并利用内部信息洞察视角？Megaview.com的数据分析专家认为，这将要求销售代表们能够熟练掌握对诸如Megaview.com、Gong.io等销售会话智能平台的使用。

在收集与处理数据方面，销售会话智能平台的优势体现在哪里？一方面，相对原先主要基于手动输入的CRM系统来说，由人工智能技术驱动的会话智能平台能够自动化地抓取更多的会话信息，人工手动录入信息的速度几乎无法与之相比，从而大大降低了人工方面的成本；另一方面，在自然语言处理技术的加持下，智能会话系统能够结构化地拆解会话信息并“聪明”地进行分析，从而率先为销售代表与负责人提供一部分信息，从而大幅度提高从业人员的工作效率。

具体而言，一位优秀的销售代表应该从获取更准确的客户画像、找到痛点并进行预测以及自我提升为目的来处理获得的数据。

那么问题来了，难道过去在CRM系统中就无法获得客户画像吗？不是这样的。CRM也有一些客户画像之类的功能，但由于大多数因为是手动输入且添加标签，很容易因为人工的判断与操作而漏掉一些关键的信息。而相对来说，通过机器学习处理数据的智能会话平台可以“原汁原味”地保留所有的数据，这些数据可以帮助我们得到一个“更准确的客户画像”。

举一个例子，原先手动输入一个客户的信息，男性，45岁，所在公司的规模是多少，但他的信息可能存伪或是有变动，这就需要你通过平日里更多的会话或是从诸如邮件、视频录屏等其他渠道收集起来的信息去相互佐证，显然手动采集已经行不通了。

但是，销售会话智能平台却能一字不漏地采集起来，甚至通过基本的会话数据分析就能直接输出一个客户画像。客户的一些静态属性，例如ToC场景下的性别、年龄等等信息，以及ToB场景下的公司规模，当前使用系统等等，都是可以从会话中提取出来，辅助销售代表进行信息收集的。

除了客户画像以外，对于销售代表来说，更重要的是要在反复的对话中了解对方的痛点，因为痛点，也常常是客户的需求所在。

对于销售代表而言，在与客户沟通前，要对客户的信息有所了解，并从客户信息中心了解到对方背景（也就是我们上文说的画像）并有针对性地对客户痛点有一定的预判。在后续的沟通过程中，则需要评估痛点相关信息的挖掘与收集、对于客户关注点以及客户提出一些异议进行重点理解。例如，在沟通过程中，在讲到哪里客户提问的频率比较高、到哪里时客户提出的质疑比较多、或者哪一处客户提问的频率比较高，这些都有助于我们了解客户的具体痛点和需求点。

这样一来，似乎都有许多地方需要销售代表留意，显然再次挑战了人工的极限。所以在传统的销售工具以外，专家建议引入销售会话智能平台获得更多的客户跟进记录（频率、周期、客户跟进小结等），得到更加完善的信息。结合客户画像以及客户痛点，销售会话智能平台可以根据算法综合性地输出一个最终的意向度，这个意向度相当于是系统对未来交易的一个预测。

另外，从销售负责人的角度来说，他们也可以从系统中对在跟进的各个客户的需求进行一个排序，根据轻重缓急来决定资源的分配。

最后，专家还提出了一个新视角——销售代表应该以实现自我提升为目的来处理数据。

他举了一个例子方便我们来理解。一个销售代表可以去留意自己在一次通话中发言的比例大概是多少，本次在对客户进行产品介绍花了多少时间，询问了客户几个问题，客户提出哪些问题的时候自己有停顿、停顿的时间有多久等等。

销售会话智能平台在经过对大量销售代表的实战数据进行统计之后，会提供一个成熟的结果，并对每个数据指标都进行较优值推荐，比如，销售发言占比最佳推荐值在65%。

因此，销售代表可以将自己的数据与系统采集数据进行对比，从而有针对性地发现自己的问题，并且有针对性地进行调整。