如果把每名销售在回答客户顾虑时、传递产品价值时，所说的每句话，都打印出来，摆在销售管理者面前。这名销售管理者看完所有的沟通记录之后，应该会产生两种感受：失望和欣慰。

• 失望，是因为他发现平时给员工培训的最佳实践内容，在真正的沟通中，执行率通常不超过 1/3。

• 欣慰，是因为他发现有些员工在沟通中其实很有创造性，讲出了之前完全不知道的、对成单有帮助的“话”。
  

这个“把每句话都打印出来”的场景是虚构的。因为销售管理者不可能看完所有沟通记录的，连百分之一、千分之一、甚至万分之一都不可能看完——每时每刻都有几十、数百，甚至上千位销售在于客户产生沟通记录，可能是电话录音，也可能是IM记录。

但这两种感受不是虚构的。因为已经有成熟可靠的技术和产品，可以帮助企业的管理者，管理所有销售与客户的沟通记录，分析在对话中的关键信息点（包含话术和知识点，为方便表述，下文有时会简称为“话术”）传递情况与成单转化之间的关系，挖掘那些此前不知道的有效话术，并监督销售人员在特定沟通场景是否正确传递了关键信息点。 

某在线教育公司的销售管理负责人，在使用循环智能（Recurrent AI）提供的话术挖掘与成单分析服务、执行力监督系统之后，就感慨道：

• “不分析还真不敢相信，大家说的都是什么呀，都没有按要求讲透。”

• “不过有些人的自我发挥反而对成单很有用，应该让更多销售学习他们的讲法。”
  

如之前文章的分享，循环智能为头部教育企业提供三种对话分析的实践方法，其目标只有一个：找出那些对最终成单、提升转化有帮助“关键信息点（知识点和话术）”，然后借助执行监督系统，监督销售人员在相应的场景下，是否按照要求传达了这些有用的“关键信息点”。 

除此之外，循环智能还在教育行业的公海线索打分、TMK线索分层场景，为多家头部教育客户提供服务，帮助他们充分挖掘存量线索的价值。

如何充分挖掘存量线索的价值？

简单来说，我们设计开发了一套基于沟通对话数据的 AI 模型，这个 AI 模型会将最终成单的对话数据作为“正例”，将最终未成单的对话数据作为“负例”进行训练，训练出的模型就可以用来判断一个新的对话成单意向有多高。

这种方法，第一次听到的人，会感觉有些不可思议，甚至觉得“多此一举”。因为在我们的直觉中，销售自己就能判断线索成单意向，根本用不着机器算法来判断。

不过，数据证明这种想法并不正确。实际上，就像机器下围棋比人更厉害一样，机器来听完一段对话内容（比如约课电话）然后判断成单意向，结果比人更准确。原因有三个：

1. 机器的视野是全局的，它见过所有成单对话的内容，而人只知道局部；

2. 人对沟通中的强信号很敏感，但对弱信号无感；

3. 销售人员的水平差异很大，大部分非资深销售的判断能力很差。
   

通过机器打分的方法，循环智能可以帮助企业充分挖掘存量线索的价值。例如，循环智能对企业公海中的线索进行打分，然后将意向分（0~100分）通过接口输出到企业的CRM系统中，销售运营或销售主管在分配公海线索的时候，可以挑选意向分最高的线索，销售个人也可以在公海中领取高意向分的线索。 

通过设置实验组和对照组进行对比测试，我们发现实验组的公海 TOP20% 线索的转化率可达到对照组（未使用评分系统，销售随机选取公海线索）的 3 倍。从营收的角度看，以公海线索占比 5% 计算，循环智能提供的评分方案，可以帮助企业提升整体营收的 10%。

头部教育公司实践解答

7月16日周四晚19:00，芥末堆与循环智能联合主办一场线上教育直播论坛，邀请了新东方在线、51Talk和环球网校的销售运营相关负责人参与圆桌环节，讨论头部教育公司的极致化运营探索与实践。同时，循环智能CEO也会分享我们与客户在销售环节的极致化运营实践。

感兴趣的朋友可扫描海报中的二维码添加小助手，拉你进群看直播。