Pages Menu
400-008-9169
Categories Menu




英途说:销售无疑是关乎企业生死存亡的一条生命线。凭什么竞争对手能把你的客户挖走,挤掉你的市场份额?或许只是因为他们比你多用了一款好用不贵实实在在的人工智能CRM——InsideSales。
 

7月17日,由英途带队的硅谷企业级服务考察就深度走访了这家基于人工智能技术的企业级服务公司。作为第一款基于人工智能的营销管理和销售预测软件,InsideSales把自己的产品称为“销售加速”平台——通过使用人工智能和机器学习,为企业销售人员提供帮助支持:让他们掌握对于目标人群的定位、与用户的交流方式、频率等。

举个简单的例子,InsideSales会告诉销售人员,哪些公司的高管不喜欢电话骚扰,而更愿意回复短信;还有哪些公司的程序员更喜欢在深夜查收邮件,并可能在那个时候看中一款产品,从而带来销售的转化。InsideSales的产品有一个“深度学习”的算法层,他们会把各种影响销售行为的因素汇聚在一起,这些因素范围很广,包括了生活中的各个方面,从天气到本地燃气价格等各个方面,包罗万象。最后InsideSales会把海量的销售交互数据和外部资源数据汇总到一起,导入自己的平台里面进行分析。

Insidesales成立至今已经有12个年头,目前有3000个企业客户,60000多用户,最值得一提的是,在过去的几年里实现了翻番的增长速度,并已完成4轮融资,共计2.01亿美元,进入到Pre-IPO的阶段。

去年,Salesforce和微软公司投资6千万,成为Insidesales战略投资人,同时也是合作伙伴。渠道联盟副总Avanish Sahai颇为得意的表示,Insidesales是唯一一家同时得到这两家大公司投资的公司,因为Salesforce和微软实际上存在竞争关系,但出于对Insidesales技术的认可,因此同时选择与Insidesales展开紧密的合作。

 



Avanish分享,“我们通过三个方式来提高客户的销售率。第一个是提高效率,通过数据科学技术销售销售人员实施最佳销售行为,与尖端客户成交。第二是生产率,我们对过程中可能出现的步骤作自动化的处理,让大家无需手动完成这些工作。第三是可视性,我们让CEO、管理层、销售领导能够更好地知晓公司情况。包括销售的优劣情况,如何帮助表现欠缺的销售等。”



Sight Machine的技术能够对数据进行分析,包括原数据。它有三个步骤实现。首先对原数据进行场景化的数据分析,比如这个数据在场景里代表的含义;第二,制造模型,也就是通过数据对工厂做呈现;第三个则是通过算法和统计把意义挖掘出来。对于公司来讲,最看重的还是结果,所以Insidesales也不断分析他们能够给客户带来怎样的转变和影响。
 


Sight Machine产品副总裁Ryan Smith还为途友们讲解了从数据挖掘到呈现的具体过程:“我们会在工厂放置一些较小的设备(传感器)进行数据采集。另外我们有一些插件,可以和现在主要的制造设备进行通讯,包括OPC,Omround或者东芝。 这些数据在采集后会放到云端。当数据进入分析层时,我们会打包进行场景化分析,也就是不会把一天温度的数据进行单一的分析,而是跟部件和相关内容进行整合。之后,我们会生成一个制造模型,这就是工厂的数据呈现。数据处理后我们就可以进行分析了,并通过我们的UI用图表方式呈现给客户,或者把数据结果传输给科研人员,他们可以通过API接口对数据进行更具体的分析。”“当我们分析客户使用我们的解决方案后的结果时,我们发现有些指标发生了非常明显的提升,如预测准确性提高了三倍。当一个客户预计本月成交1千万的单时,我们技术能够告诉你这个预测是非常准确的,不会有很大的误差。另外当销售人员发现潜在客户试图进行通话时,与潜在客户的沟通也提高了24%。最重要的一点是,不管是公司的投资人还是运营方都非常关注成交率。使用我们的技术后,成交率也上升了32%。”




Q & A

Q:个性化的定制,又是云部署,在效率方面如何办到的?因为我们也在做类似的事情。这些数据是精准测量还是预测得出的?
A:我们跟客户打交道时,我们的系统软件会对其业务影响有一个预测。这些预测又会在系统里再做精密的监测。也就是说,我们一开始有一个目标,然后不断跟进这个目标的完成情况。

现在我就来讲讲我们软件的运行模式。首先我们会收集大量的信息,包括客户信息、潜在客户信息、每一次互动、电话、电子邮件的记录。我们主要收集几大类别的信息,一个是企业信息,第二是人群、个人的信息,第三是地理位置的信息,包括所处的州、市,第四个是心理方面的信息,比如企业、行业、买方、顾客购买行为的风格。一旦我们收集好所有信息,我们会做标准化的处理,汇总起来观察,通过分析得出结果。如历史上的行为表现,再通过我们的技术预测今后的表现。

我们使用的平台叫NEURALYTICS,他既做预测,也做建议描述。预测是指有多大概率某个事件在某种情况下发生。建议描述是指我们建议采取怎样的行动和点子去和客户互动。我们的平台首先收集数据,然后利用模型进行预测。预测结果会通过验证来确保它的模式、算法、预测质量能达到要求。接着我们会提出建议,追踪实施情况。机器学习的方法会通过数据不断优化,再根据情况不断提出建议。每个月的交易数可以达到50亿条。这50亿条交易指的是,比如我们的销售人员给客户打了个电话就被称为交易行为。这50亿是指所有客户交易总计达到50亿条。寄了一封邮件是一个交易记录,打电话、语音留言也是交易记录。

我们的模型是通过学习不断优化的。不断地输入额外的数据能够帮助 客户在使用了我们的解决方案后产生了不同的效果。

Q:用一家公司的数据去评估另一家公司,得到授权了吗?
A:我们不会对具体可识别信息进行保存,包括公司名字、人名和电话号码。我们对收集信息进行档案整理,对不同类别公司和人群分类并比较。在与客户的合同里我们也有这部分的条款,只要保证数据匿名,公司是允许我们做分析和整理的。

Q:有没有公司明确表示不能用数据做分析?
A:确实有公司对此感到不适。所以我们的方案允许用户决定哪些数据可以分享。客户可以明确哪些对象、哪些字段是可见的。

Q:公司内部不同级别的人有不同的处理吗?需要上级授权?
A:在销售过程中,有时的确需要完成安全工作,遵守公司的安全流程。我们也会在这段时间把最佳实践和信息和客户分享,例如服务器、安保政策、软件开发等。
 
Q:分析电话内容吗?
A:是的。我们有合作伙伴可以将电话电容转换为文本进行分析。收集信息后,我们可以知道什么时候打电话比较有效,什么时间段打电话的次数比较多,什么可以细化展开到每一个销售代表的层面。另外,销售人员有时会通过电子邮件的形式跟客户互动,这些信息也存储在Salesforce里,所有活动点或者插件大家都能看到。

因为我们抓去了大量数据,销售人员可以与他的同事比较。我们在Salesforce里有一个整合的插件,可以通过widget实现这样的功能,将排行榜在办公室内显示出来。这完全是可配置的,公司可以自主选择想要显示的信息。

收集的信息还会每天反馈到系统中,继续优化模型,出现更准确的报告。

Q:这个分数怎么计算呢?
A:我们把开放的字段全部进行分析,分析哪些是有用的哪些是没用的。

在这个界面上,大家可以定义哪些字段可以访问,哪些字段需要隐藏。都可以进行删除。比如我不想公开这个信息,就可以将其从可见字段中删除。但这个逻辑是很直接的,可用的信息越多,预测的结果就越准。

Q:对管道和机会点的评分非常重要,那在你们的评分中,之前提到的三部分数据哪一部分最重要呢?
A:历史数据更加重要,主要决定了这个机会能不能成交。外部数据主要帮助我们了解什么时候是与客户联系的机会点。

Q:所以你们不考虑社交媒体上的信息吗?比如这个人在做什么,是不是销售的机会点?
A:在我们新版的产品中,我们也会考虑这个维度。过去我们通过网络数据、Salesforce和营销自动化的数据做评分。现在我们正在逐渐放大信号的数量,采用更多的数据让评分更加准确。


文来自于英途原创

扫描即可分享全球创新趋势