看完这10个问答，轻松Get「会话分析洞察Insight」

我们帮助企业管理者，了解一线销售人员跟客户的沟通中到底在聊什么，客户表现出了什么样的诉求。

对于银行、保险、证券等金融行业而言，原来是粗放式的经营模式和管理模式，主要关心的是业绩等结果指标，对于过程，尤其是沟通的过程往往关注不到。

但是现在进入了存量客户的时代，需要以客户为中心做长期的客户经营，这就需要把沟通过程的管理也抓起来，更加重视客户在沟通过程中表达的诉求，加强对客户的了解（know your customer）。

对于地产、汽车等以线下销售为主的行业而言，产品往往是高客单价的。一方面，找到对的客户非常重要，所以更加需要从沟通内容中增加对客户的了解；另一方面，每一次销售人员与客户的互动过程都可能决定交易的结果，所以沟通过程非常重要，企业有精细化管理和运营的需求。

综合来看，「会话分析洞察 Insight」产品帮助企业解决“听不到一线的炮火声”和“过程管理”缺乏抓手的问题，以及对客户了解不足的问题。

在线上呼叫中心场景，管理者一般会通过人工听录音来看业绩差的人是差在哪里，哪里应该提升。然后也会把好的录音、好的经验传递给其他同事。但听录音的效率很低，而且也不可能做到全量，所以必然是片面的。

在线下场景，例如汽车4S店，主机厂会安排“神秘访客”做密采，了解销售顾问是怎么介绍产品的，有没有讲到关键点；在银行网点，还有很多机构是在微信群里自己上报联系了哪些客户，客户是什么情况；在房地产的案场，每天都会有盘客会，把重点客户的情况记录在台账上，看后续要不要继续跟进。

主要是各层级的销售管理者，组长、团队长、职场经理、区域负责人、门店经理、案场负责人以及业务的总监、总经理等，不同层级看数据的颗粒度不同。

运营团队也是使用者之一，他们会根据策略的执行情况和业务结果数据，来决定是否调整策略。

「会话分析洞察 Insight」产品除了可以做销售过程的洞察，也可以做客户洞察，客户洞察部分的功能在房地产等行业，是一线的销售顾问人员可以直接使用的。

一种是日常的使用。一线的销售管理者基本上每天都要看，从而及时发现问题，典型的使用场景是在晨夕会上对数据进行分析讲解，看谁做得好、做得不好，哪里做得好、做得不好，及时做督导。

一种是汇报时的使用。例如在周会、月会和季度会上，总部的管理者需要了解不同地区、不同职场的策略执行情况，为决策提供依据。

报表的计算逻辑。怎么判断员工跟客户讲得好不好，怎么量化沟通，计算沟通中的某个要求是否执行了。我们是通过语义标签来判断一段话是否命中某个标签。

怎么设置监督项，匹配业务场景。不同行业的同行都是怎么分析执行率的，分析哪些关键指标的执行率，主要是关心业务实践经验。我们在银行、保险、证券、汽车和房地产领域都有比较丰富的实践经营，也有挖掘系统，可以从大量沟通数据中高效地了解真实的客户反馈、销讲要点、话术，可以帮助客户更快让产品产生价值。

怎么跟业务结果进行关联分析。希望了解哪些项是执行得好，就一定能产生更好的业务结果。为了提升成单率，应该重点监督哪些项。

拿到数据的频率，多久可以出来分析结果。我们目前结合计算资源的需求等综合考虑，主要推荐的是T+1天出结果的方案。

跟BI系统相比，一方面「会话分析洞察 Insight」主要分析的是非结构化的沟通数据，而BI系统主要分析的是结构化的数据；另一方面，「会话分析洞察 Insight」可以根据各层级的管理诉求做到完全个性化的自定义，BI系统很难在销售管理的场景千人千面。

跟CRM系统相比，CRM系统注重客户管理、交易和商机的结果管理。「会话分析洞察 Insight」主要是做销售沟通内容的分析，两者是可以互补的。

自由搭建看板，可以充分实现个性化的、千人千面的管理。

下钻功能，可以从报表直接下钻到具体的录音标签位置。

不同维度数据的交叉分析功能，可以帮助判断哪些中间环节因素对最终结果的影响是正相关的。

客户画像的“点亮”设计，企业之前很少能从沟通内容中提取到动态的客户画像。

借助「会话分析洞察 Insight」产品，企业可以快速、高效掌握各层级销售团队的业务策略实际执行情况，快速了解用户群体或用户在沟通中表达出的诉求。

「会话分析洞察 Insight」产品也为销售管理提供了“抓手”，以前只知道一些员工或团队的业绩不好，不知道具体应该提升哪些方面，只能说应该多打电话、多背话术，现在一线管理者可以给到一线员工明确的提升建议。

基于沟通内容（数据）的业务增长系统，发现销售过程的问题，分析、管理、提升能力和业绩，形成业务增长的闭环。「会话分析洞察 Insight」是其中重要的一步，未来将可以和实时的销售辅助系统、会话挖掘系统更好地协同。

AI能力方面，需要规模化的NLP语义分析建模能力。

工程技术方面，需要将先进算法进行工程化落地，同时满足速度和性能上的需求。

产品方面，需要将语义模型与业务场景相结合；在数据的抽取、呈现等方面，基于先进的数据库实现高性能。

业务实践方面，需要将行业的共性进行抽象，结合企业的特性，融入业务流程，创造价值。

运营服务方面，循环智能会派出业务专家和客户成功经理持续支持产品的长期运营，以满足业务需求的变化。