双十一数据研究:研究消费者心理,提高售前客服转化率

如果实在是来不及,手头上也有符合顾客疑问的快捷短语,那么我建议可以这么做,首先,调出来快捷短语,然后选中快捷短语,除了第一句话的后边都剪切了,然后再发送过去,重复上边每一句,间隔1
秒钟发一句就行了。

近几年,依赖机器学习、深度神经网络等技术的不断深入,人工智能、自然语言处理等相关技术亦得到了爆发式发展。目前针对不同行业、不同领域的智能文本分析需求都出现了前所未有的定制化智能解决方案。

如今,人工智能的出现在管理方面解决了不少传统费时又费力的问题。人工智能研究的领域也是包罗万象,包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能最恰当的理解实际是其背后的支撑技术——机器学习、深度学习、自然语言处理等。从诞生以来,理论和技术日益成熟,应用领域也不断扩大,对未来人工智能带来的科技产品,将会是人类智慧的“容器”。

你这样说,顾客就会知道你是真正为她考虑,很多顾客如果觉得带外机的贵,会再回来找你,然后你可以告诉她,你提前2个小时打开预热,暖好被窝就关掉,再躺进去就会好很多。

消费者心理是影响消费者购买行为的重要因素之一。当我们分析消费者购买行为以及购买过程的心理,会发现,线下与线上,有很多可以借鉴的地方,也有很多不一样的地方。如下图所示,售前客服可以利用销售话术来强化用户需求、为用户提供丰富的信息以及缩小用户心理预期和产品实际性能之间的差距,从而促使消费者做出购买决策。

通过这套情绪解析引擎,语忆的智能客服质检系统就能够监测客服的情绪状况,并做出实时告警,以此提升店铺整体的服务质量。

对于淘宝的客服,我更愿意将它定义为销售。而销售的本质其实就是研究消费者的心理。接下来,我将结合职业经验,从三个方面来谈一谈,如何从消费者的心理出发,整理客服回复的话术,来提高询单转化率。

这个方法运用到的消费心理是“沉锚效应”。通常来说,顾客在做购买决策的时候,思维往往会被得到的第一信息左右,就像沉入海底的锚一样,把消费者的思维固定在某处,而用一个限定性的词语或规定动作作为导向,达成行为效果的心理效应,就被称为“沉锚效应”。

基于人工智能情绪解析方法,企业不仅能够实现对消费者的通话状态进行辨识,同时更能前所未有地对客服情绪这一领域进行解读与研究。如有统计表明,合理且有限的情绪发泄反而能对一名客服的整体服务质量起到积极作用……

例如,顾客如果提问“你们家的东西质量好吗?”其实就是因为好像从价格和图片上看,质量一般,但是还是想买的,就问一问质量好不好。

譬如,有一个顾客想买补水面膜,她在一款一百元价位的面膜和二百元价位的面膜之间做选择,她会问出售二百元价位面膜的店铺你们家为什么卖那么贵,这个时候,售前客服就可以说,相比于一百元的面膜,我们家的面膜多了xx成分,而且这个成分某某大牌也用到了,但是XX品牌的售价是近千元,所以二百元的定价其实是非常优惠的。

在体验式消费日益重要的今天,客服服务水准以及综合素质已逐渐取代了传统零售货架,成为了企业竞争的最后一片战场,如何利用新技术科学、有效地分析客服服务,再对其进行合理、针对性的辅导、培训甚至是照料,将成为企业不可忽视的重要课题。

以退为进

举个例子,一个顾客想要美白精华,那么她的本质需求就是想解决皮肤不白的问题。所以,她如果前来咨询,更关注的核心点应该是:这个美白精华的美白效果到底怎么样。那么,售前客服就应该在回答的时候,给她描绘一种场景:列举用过这款美白精华之后,
美白效果非常明显的例子。

其实关于情绪管理,纵贯整个互联网行业,客服以及服务性行业是最需要合理化的,但同时,客服行业的情绪也是最难把控的。以上的案例就可以充分说明这一点。

与客户聊天的时候,要转换立场,从顾客的角度考虑问题。我之前碰到过一个孕妇想买电热毯,但是又害怕电热毯有辐射。我就说电热毯肯定是有辐射的,通电的一定会有辐射的,建议你可以去买带外机的产品,那个没有辐射,千万别买电热毯,对你不好。

二、优化销售话术,提高询单转化

所以情绪解析在客服管理中是很重要的。客服质量的好坏不仅仅代表客服自己而是代表一个企业的形象。要想把情绪分析整合还要基于人工智能的自然语言处理。

情绪分析。我们人无论是在说话、动作表现还是文字表达上都会有未知因素带来的情绪影响。基于人工智能情绪分析技术可以自动分析通话文本中所蕴含的情绪表现。对于客服而言,他们的喜怒哀乐都可以通过计算机进行实时解读。通过这个技术,可以对客服文本中的情绪进行检测。

这也就是说明,虽然询单转化成功率是很多元素综合作用的结果,但似乎是绕不开售前客服服务质量这个指标的。作为一名售前客服,让前来咨询的客户主动完成下单的动作并不是一件容易的事。想要客户被自己的销售话术引导产生购买行为,还要建立在充分了解客户心理需求的基础上。

不仅如此,我们还能实现对文本信息的深层情绪理解,至多可将情绪划分为12种细节情绪,从中可以观察到客服在与客户互动时从文字中传来的情绪波动。基于12种情绪,情感关键词的提取将复杂的句子解析其情感浓度的程度。一句“我想要这个套餐”远远大于“我觉得这个套餐还行”,情感浓度更多能传达出客服是否真心投入或客户是否认真回答。

可以使用自然语言处理技术对客服的对话做一个实时监测,来分析文本含义。

那我们就没有更好的手段解决这个问题了吗?事实上人工智能已经给了我们答案。

近两年来,人工智能技术在各行各业加速落地。相比语音识别和计算机视觉,自然语言处理技术一直以来被认为是成熟度相对较低的AI技术分支。不过,尽管自然语言处理在开放域环境中表现不佳,但对于限定场景来说,自然语言处理及其背后的知识图谱技术却能发挥出巨大价值。

当被问到这些问题,一般的客服都会说“当然是正品”,“质量很好的”,“产品采用的是优质的XXX,所以会贵一点”等话术。这样的回答当然没有错,但其实有更好的回答。如何找到更好的回答,我们就要首先能从顾客提的问题中看透她的心理。

打个比方,有一个孕妇想买电热毯,但是又害怕电热毯有辐射,这时候售前客服就可以说,电热毯是通电的,一定会有辐射的,然后给顾客建议,但是提前2个小时打开预热,暖好被窝就关掉,再躺进去就会好很多。实在担心的话,可以去买带外机的产品,那个没有辐射。顾客由于受到互惠心理影响,通常都会下单购买。

情绪把控的好不好可以从客服管理质量中体现出来。不少企业在云客服的帮助下,已经可以利用结构化数字数据完成一些基本的统计,如工作时长统计、上线次数统计等,然而这些统计出来的结果并不能帮助管理人员进一步深入了解客服的服务状态及质量,管理者们也依旧无法“看到”客服在对用户服务时两者所产生的情绪,更不用提想要实现对客服情绪随时无缝隙的监管了。

客服一定要切记不要发一大段快捷短语给消费者。如果我是消费者,看到客服给我发这么一大段文字,第一感觉就是复制黏贴,态度很敷衍,甚至会怀疑是不是没看我的问题,自然也就没有继续聊下去的欲望了。

?

某店铺因新招的客服管理不到位,个人情绪起来后和客人对骂,且发了一张支付宝的截图,被平台判定诱导非官方交易。这家店铺现在有两种选择,一种是交10万保证金,若再次发生这种情况,没收全部保证金且关店处理;一种是不交10万保证金,就直接关店,且未来法人或法人代表相关公司20年内不许再次在该平台开店。

少字多发

在探寻消费者的需求之前,我们首先要知道,什么是“需求”。需求是指对具有支付能力并且愿意购买某种物品的欲望。因此,做为售前客服,首先要评估顾客的购买能力,其次才是挖掘顾客的需求。

例如观点聚类。不同于传统关键词匹配,观点聚类不限制具体的词汇表达,而是通过智能解读段落大意之上,再将相似的观点进行自动整合、归类。例如系统能将“A套餐不划算”和“A套餐怎么比B套餐贵那么多”统一归类成观点:“A套餐贵”。

这样,就能让客户以为你是打字,就像下图这样,剪切了送间隔1
秒再发送。这就是沟通的一些小细节,但是注重这些小细节,就能提升沟通的温度,提高询单转化率。

中国有句老话,“吃人家的嘴软、拿人家的手段”,因为互惠原理能够使他人产生多余的负罪感、增加对你的信任感、回报别人的责任感。而在线上销售中运用互惠原理,是为了增加客服和顾客之间的信任,降低成交难度,让潜在客户来购买。

人工智能深度学习技术为我们找到了答案:属于自然语言处理技术之一的文本情绪解析慢慢被证明在客服领域中能起到独有的作用。

基于自然语言处理智能系统可以从更多维度对客服的通话内容进行解析。这些技术手段能将原本需要管理人员的主观判断进行量化,将文本转化为数据,将人力工作转化为系统自动化。根据不同行业的需求,基于这些新技术下产生的洞察完全可以帮助企业搭建一套全新的客服服务评估体系,区别于常规手段,真正做到了实时、全量、深度分析。

据统计,截至12日零点,今年天猫全球狂欢节的成交额已经突破了2684亿,其中,光是语忆服务的电商客户,就为此贡献出了28亿的成交额。

以往,我们很难从如文本一般的非结构化数据中高效地提炼内容信息,而如今,得益于人工智能自然语言处理技术的发展,我们已经可以运用大数据以及深度学习深入研究非结构化数据,并从中整合、挖取出最有价值的信息。

这个时候,如果客服只是回答“您放心,我们家东西质量很好的。”说实话,并不能提高顾客的购买欲,而如果客服换一种方式:首先告诉顾客我的产品质量没问题,接着说生产的厂家很好,然后说我们的产品最优秀的地方;最后给一个承诺保证,如果顾客觉得质量不满意,赠品你留下,货可以退给我,而且我来承担运费。没有了后顾之忧,顾客下单自然也就痛快多了。

“惊心动魄”的双十一终于过去了,你剁手了吗?

话说回来,无论是电话客服还是文字客服,最主要的在于每一次会话中所蕴涵的情绪,那么最细致最渊博的分析及调查一定要从文本内容入手。那又该如何做到呢?

观点聚类及相似度匹配。例如,顾客的问题,“A套餐凭什么那么贵?”“A套餐比B套餐贵在哪?”等等都与标准话术“A套餐为什么贵”有着高相似度。那客服对应的回复,“A套餐包含更多的产品”“套餐相对来说包含的产品比B套餐更多”
都与标准话术“A套餐性价比更高”有着高相似度。人工智能通过学习之后,就能够自动判断客服的回答是否正确回答了顾客的问题。

例如相似度匹配。忽略严格的词法句法,智能判断两句句子在表达含义上的相似性。例如“A套餐包含更多的产品”和“A套餐相对来说包含的产品比B套餐更多”都与标准话术“A套餐性价比更高”有着高相似度,从而能实现不同表达方式话术的准确性评估。

很多买家在买东西之前,会问客服一些看起来比较“白痴”的问题,比如像是“你们家的东西是正品吗”“你们家的东西质量好吗”“你们家的东西怎么这么贵”,诸如此类。

这个年轻人的建议为什么能使牙膏公司获得这么大的利润?其实就是找准了消费者的心理诉求。消费者心理是人们在生活消费过程中,在日常购买行为中的心理活动规律及个性心理特征。在传统线下销售中,市场研究人员都会通过研究消费者心理来策划营销活动,以提高公司的销售业绩。

自然语言处理技术分类有很多种像机器翻译、信息检索、情感解析、文字识别等等。自然语言处理中表情识别是情绪解析最常见的识别方式,技术和应用也相对成熟。但在很多场景中,我们是无法获取用户表情和语音的,也包括客服管理。这时就凸显了基于文本的情绪识别和分析技术的重要性。

相关文章