MathArt | 提纯销售线索

随着智能终端和移动互联网的快速发展，越来越多的购车用户通过线上渠道获取信息并与品牌、经销商进行互动。

‍‍‍‍

车主的汽车购买旅程的数字化程度的提高，与之对应的则是车主线上所花的时间和生成的行为比重的不断增长。这对于深谙客户关系维护之道的4S店、经销商来说，开发线上这波流量金矿，无疑会成为其在市场竞争中站稳脚跟的利器。

‍‍‍‍

实际上，早在四五年前，陆陆续续就有品牌及经销商通过成立网电销团队（DCC）开发线上流量红利。然而，伴随网店销线索的爆发式增长，线上虚假信息的发布成本低造成的虚假信息泛滥，促使了一系列副作用凸显：

1.虚假无效线索的激增，激发品牌和经销商的对立

当浏览和点击不足以满足广告主对媒体效果的衡量时，越来越多车企把目光转移到了有效的客户留资以及销售线索上。面对巨额诱人的广告营销费用，有些广告商无力提纯有效线索甚至不惜伪造信息以应付交差。很多车企花费不菲的广告费用牵头去垂媒集采线上线索，但线上带来的虚假和无效线索，反而引起了经销商对总部的抱怨：下发线索质量太差，浪费人力物力。‍

‍‍‍

2.网电销专员流动性大，线索到店率低，管理层缺陷多

评判DCC电话营销成功与否，跟通话聊天进展是否愉快密不可分。热情又甜美的声音往往能提高邀约的成功率，但遭受连续多个拨号错误，拒接，又或是接通后遭受冷漠对待后，DCC专员还能保持热情又甜美的语音语调吗？这些常态性的工作日常自然会导致后期外呼机械式僵硬，跟进效率低下，最终造成邀约到店率降低。DCC专员职位成就感太低则伴随着人员流动性大，而新手上任前几个月的邀约率是缓慢爬坡的。面对居底不上的DCC邀约到店率，管理层很难客观地将其归因于DCC专员还是线索质量。这时，如果线索质量变得可衡量化，那对于DCC管理层而言必然是一个有效的管理工具。

3.高质量和低质量线索同等对待，优质客户被浪费

DC‍C专员每天工作时长大多为8小时，每天的外呼量大约为80-100通，逢年过节休完假上班第一天，外呼量甚至能达到150-200通每天。为完成当天任务量，很多DCC专员即使加班到10小时，依然会出现与高质量客户失之交臂，因此不得不在规定时间内草草结束通话的情况。归根到底，是因为均分时间的思维方式，但问题在于，给每个客户分配相同的时间是有必要的吗？

不难发现，以上这些让车企和经销商苦不堪言的痛点都来源于线上有效线索的低利用率，那么这些问题是否就真的无解可循？实则不然。

解决‍以上问题实际上可以归为两步，我们称之为“筛沙”（线索提纯）和“淘金”（线索评级），这两步都是基于搭建机器学习模型来完成的。在充分分析完线索的历史数据之后我们发现，如果只使用内部数据，模型的整体提升效果大约在30%-50%倍左右，实用性不高，因此我们开始着手为这个场景挑选合适的外部数据。更为丰富的内外部数据结合更有利于对有效线索的评判。

通过结合场景的应用属性，分析后我们发现购车前客户的浏览行为，消费能力，地理位置，兴趣爱好等外部数据对线索提纯评级是有效的。这些标签除了可用于建模外，还可以作为用户画像通过数据管理平台系统下发，使得DCC人员在外呼前对客户拥有初步了解和预判，提前组织语言从而进一步提升邀约进店率。我们将线索分类为高中低三类，通过不断迭代的机器学习模型，我们会慢慢把三者比例从3/6/1到 3/5/2最终稳定在2/5/3。

‍‍‍‍

实践过程中，我们通过数据分析发现，客户归属城市与经销商所在城市不一致的线索有很大概率不会入店和购车，而通过与DCC团队的访谈，也证实了这一结果。更有趣的是，DCC专员一直认为职业是一项判定线索是否有能力购车的重要指标。但通过数据分析显示，与职业相比，该线索常住的小区作为判断线索的消费能力和入店的可能性更为有效。

数学模型即便复杂，在落地使用时应该具有用户友好性，通过“筛沙子”这一操作，DCC人员能够有效减少分配给低意向线索的跟进时间，甚至我们建议在同时段内最后外呼此类线索，这样可集中优质精力优先跟进高意向线索。对于DCC经理而言，模型评判结果可作为线索质量好坏的重要参考依据，根据高中低线索等级，分别制定奖惩机制，既可以客观评估DCC专员的个人能力和跟进效率，亦可以公平公正的制定绩效机制。

经实践证明，我们所服务的某汽车品牌从大量经销商反馈得知整体线索量中有55%无效，而在经过试点和整体服务之后，大数据模型能将约30%的无效线索（含极低意向线索）洗出，并在剩余的约70%线索中，将10-20%的高意向线索识别并标注后下发，实现了该品牌整体经销商线索邀约进店率2-4倍不同程度的提升。经综合销量和利润测算，全年为品牌避免了2.4万台的新车销售的损失。而如果采用人工坐席外呼清洗无效线索的形式，每年成本在2000万以上，并且还没有办法对线索进行意向级别的大数据评级，无法避免销量损失。

数字化时代，“点数成金”已不是妄谈。越来越多车企开始构建数据驱动思维，通过利用数字化的动态反馈机制形成数据闭环。一通电话就可直接邀约客户进店，重塑4S店在客户心中最信任的汽车顾问专家身份，并不是可望不可及。专业形象的塑造本身就是个费时费力的工程，通过对无效线索的有效剔除不仅会加速助力车企以及4S店的形象塑造，更高的到店率势必会刺激销量的进一步提升。

文章结尾我们来做个进一步设想：如果在机器学习模型实时输出结果的同时，再对DCC人员的通话录音进行实时语音分析，就可以进一步完善模型的数据闭环，从而提高模型的准确率，并且最终很有希望实现动态化评级的效果。而距离这一设想的实现，实际上并不遥远。