芥末堆|话术和成单率转化分析怎么做？来自头部教育公司的三种实践( 二 )

本文插图
语义挖掘法是这样工作的，依然总结为三步：第一步，利用聚类算法，让机器自动挑出语义相同的句子，分成不同的组；第二步，分析每一组对话的成单率与整体成单率质检的关系，找出成单率显著高于（或低于）整体成单率的组；第三步，结合业务经验，分析成单率更高的一组对话中，哪些关键信息点可以作为标准知识点和话术，推广给更多销售使用。
看一个例子就更清楚了。课前的关键信息点挖掘：示例中的两组内容，分别向客户传达了课程的预期学习效果和教学体系的严谨，这两组的最终成单率达到整体成单率的 1.7 倍和 1.3 倍。

本文插图
总结：三种分析方法有同一个目标简单总结一下，借助AI对话分析系统，循环智能在教育行业提供三种对话分析方法，他们的目的只有一个：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）” ，然后借助监督软件，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” 。

假设验证法：分析已知的关键信息点中，哪些对成单最有帮助，加强监督执行。
流失分析法：分析有流失倾向但最终仍然成单场景下，销售讲了什么关键的知识点或话术。
语义挖掘法：用机器聚类的方式，分析哪些不为人知的、对成单有帮助的知识点或话术。

这三种分析方法最难的地方有两处：第一，规模化的语义理解能力。循环智能采用了原创的底层算法 XLNet ，该算法是由联合创始人杨植麟博士作为第一作者，与 Google、卡内基梅隆大学联合发布的，在18项人工智能标准任务中取得最优结果（state of the art）。
第二，稳定可靠的销售人员执行力监督系统。当分析得出有助于成单的知识点或话术之后，企业需要一个系统来监督销售人员是否按照要求执行，了解哪些销售的表现更好。循环智能的软件产品已服务了十余家上市公司，并在教育领域获得多家头部客户青睐，包括新东方在线、51Talk、尚德机构、轻轻教育、作业帮等。