在做CRM的过程中,经常听到需求方提到:
“希望系统能够告诉我,哪些用户是高意向用户就好了”这样的诉求,或者是
“领取了优惠券、进入过支付页的都是高意向用户,希望产品按这个建个意向度模型”这类诉求
但按照需求方给出的指标,搭建了一套体系时,又会遇到“意向度指标不好用”,或者基层销售对于意向度的理解不一致等的情况,因此本文就聊聊关于CRM中搭建用户成交转化“意向度”的一点点想法。
一、搭建用户成交转化“意向度”有什么用?
收集到业务需求的时候,产品经理不应该直接思考如何去执行,而是和业务人员沟通,了解现在提出这个业务需求的背景和动机,判断需求是否合理,以及需求是否应该当下执行。
判断当下公司是否需要搭建用户成交转化“意向度”,可以先思考,这个“意向度”模型能够带来什么,一般来说,它的效果有以下几点:
1、提高人效:
节约销售寻找意向用户、跟进无效leads的时间;
2、分层运营,提高转化效果:
避免销售无差别触达用户,根据不同类型的用户,使用不同的运营策略,如对确定成交意向很高的用户,使用电销或者强营销手段来关单;对于中低意向的用户,使用批量的优惠策略触达即可。
二、当下阶段是否最需要的是“意向度”?
当下公司是否需要搭建用户成交转化“意向度”,就需要结合公司的业务现状来考虑了:
如果公司刚在创业初期,面对的都是核心用户群,那么专注打磨产品,比搭建意向度模型更重要;或者如果公司销售人数本来也不多,那这时候用各种能挖掘用户意向的手段来跟单,CRM尽可能更多提供用户的信息更重要。
而当一个公司进入快速发展期,大量获取leads,销售团队也大规模扩张,这时候CRM应该更多地支持团队管理,支持销售SOP动作的制定与执行。
当公司转化进入了一定的瓶颈阶段,或者需要考虑成本因素,要重点提高销售人效,提高转化的时候,就需要建立一套用户成交转化“意向度”了。以我现在在的公司为例,CRMv1.0在上线1年3个月之后,才开启搭建“意向度”模型v1.0,这个时候正是leads量较为平稳,社群销售达到100人左右规模时,需要提高人效和转化的阶段。
三、意向度模型怎么搭建?
大致会需要以下几步:
(1)了解现有较为通用的成交意向度判断模型
(2)基于公司现状,做和意向度相关的指标枚举
(3)数据分析枚举的指标及指标组合与意向度的相关性(选)
(4)系统构建意向度指标模型并预测,初步检验模型有效性
(5)项目实施
(6)跟进数据反馈与迭代模型
1、第1步——了解现有较为通用的成交意向度判断模型:
在进行了一番百度搜索之后,找到以下两个意向度模型进行参考,分别是:BANT模型、GPCTBA/C&I模型。这两套指标并不能直接结构化成为落地的CRM中的意向度模型,更多的是销售在跟进客户挖掘需求,把握客户意向的时候,所需要使用的,但是可以为第二步提供一些思路。
BANT模型:
B:budget预算,目标用户是否有预算,判断用户是否有能力进行购买
A:authority权利,谁说了算,购买决策人是谁(不过了解决策过程,比了解决策人更重要)
N:need需求,这个是核心的用户到底需要什么,看我们的产品是否能够提供给用户对应的价值
T:timeline时间表,用于判断用户的紧急程度
GPCTBA/C&I模型:
其实把用户的need需求拆成了GPC,
G:goal目标,用户的目标是什么,是否可量化可实现。因为有了目标才会有背后的需求
P:plan计划,了解客户为了实现这一目标的计划是什么,这可以看产品是如何为客户提供帮助的
C:challenge挑战,了解客户实施该计划可能遇到什么挑战,这些挑战,正是产品或者销售需要帮助客户解决的问题
C&I:Negative Consequences and Positive Implications(积极影响和消极影响),积极影响可以是目标实现的“梦”,不光是销售要看,产品本身也应该考虑到给用户的积极影响和消极影响,扩大积极面减弱消极面。这也可以分析出客户对于实现自己的目标到底是否紧迫重要。
2、第2步——基于公司现状,做和意向度相关的指标枚举
以我司为例:
我司是to C在线教育公司,销售形态是社群营销,有近百人的销售团队,销售工作现状基本是基于SOP去执行动作,辅以部分高意向用户电话跟进。
我们先从用户角度出发,利用BANT模型理一下,用户购买成交时的决策模型:
用户购买成交时的决策模型理性要素中的“是否急需(Timeline)”可以对应到用户的沟通互动情况、产品试用情况;
理性要素中的“是否有性价比(Budget)”可以对应到用户的基本信息、沟通互动情况;
理性要素中的“是否能带来成果预期(Need)”可以对应到用户的产品使用情况、产品认同感;
感性要素中的3条,都可以对应到用户的沟通互动情况、营销手段效果。
再将这几个意向度模型的指标大类向细节上拆分,可以得到如下的各个指标:
意向度模型指标枚举不同指标之间并不是完全相互独立的,比如课堂意向发言的频次,既属于产品认同感,又属于沟通互动情况。
3、第3步—— 数据分析枚举的指标及指标组合与意向度的相关性
数据分析并不是一个必须的步骤,分析是为了对已知的指标和潜在的指标先做一轮初步的判断,并为后续建模的权重提供一些参考,如果资源不足的话直接建模训练也是可以的。
尽管我们的分析设想与指标枚举很全面,实际实施的时候,会遇到数据分析师资源不足、想要的数据取不到等等情况,理想很丰满,现实很骨感。还是以我司为例,曾经推进过2次意向度相关的数据分析:
第一次分析了几个营销手段效果的指标,和用户转化的关系,结果表明:领券、加购物车、进支付页,这3个行为,和用户最终转化有很大的相关性,其中加购物车的用户,最终有83%都转化了。
第二次分析使用决策树,随机森林,xgb三种机器学习的方法,分别跑了上述详细的指标中,营销手段效果、产品认同感、产品使用情况、基本信息中能取到的各个指标,获得了共同的结论是领券、进支付页这两个行为,对于判断用户最终是否转化具有有效性最高。
因此,我们也可以大致的判断,“营销手段效果”的几个指标,在完整的用户转化意向度模型中,应该占的权重较高。如果不实时整体的意向度建模项目,将“营销手段效果”的几个指标直接提供给销售,也是有助于销售筛选leads针对性关单的。
4、第4、5、6步系统构建意向度指标模型并预测,初步检验模型有效性、实施、迭代反馈
第4、5、6步就是真正开始落地这个项目了,我司因为技术资源有限的原因,目前还并没有启动成交转化意向度模型的项目,而是选择了较为经济的将“营销手段效果”的几个指标直接提供给销售的办法,也能一定程度上起到效果。
根据同行的反馈,一个较为准确的意向度模型,所选出来的20%的leads,可以覆盖95%最终转化成交的人。等我推动落地了意向度项目后,再跟大家详细反馈这4、5、6步,以及最终的成果,感谢大家看到这里!~
网友评论