疫情下AI獲客正當時:銷售轉化率超3倍,寫內容「秒變千篇」

      后臺-系統設置-擴展變量-手機廣告位-內容正文頂部
      AI正在全面滲入獲客、轉化、創意、內容環節,不但練就一雙線索洞察之眼,帶來超3倍銷售轉化率;還做創意「千人千面」,寫內容「秒變千篇」。  

       

      疫情「黑天鵝」來襲,讓大部分公司的市場、銷售部門難以正常開展業務,更別提線下拜訪客戶,上半年業績也或將遭受嚴重損失。

       

      如何改變營銷、銷售策略,實現線上突圍,尤為關鍵。這不僅僅是公司決策層、銷售部門需要思考的問題,也是技術部門的挑戰。

       

      當線上成為主戰場,AI 營銷正當時。

       

      相比人工,AI 不但能尋找數十倍的優質銷售線索,提升數倍的轉化率;還能「秒變千篇」生產內容,讓每一個創意都有數據可依。

       

      從線上獲客到銷售轉化,從營銷創意到內容生產,AI 已經全面滲透營銷各個環節,透過數據,正催生一場事關效率與效果的營銷變革。

       

      在此背景下,機器之心「智能戰疫聯合行動」在線分享活動第一個系列「AI+營銷自動化」邀請到業內最具代表性的 4 家公司:百煉智能、循環智能、特贊、妙筆智能,就獲客、轉化、創意、內容等主題共進行 4 期線上分享。

       

      本文對 4 期分享的精彩內容進行了梳理與回顧。

       

      獲客線索「火眼金睛」

       

      對于 B2B 企業而言,原來主要依賴線下拜訪獲客。最具代表的是阿里的「中供鐵軍」,拜訪前「人肉」搜集客戶信息,然后規劃好路線,掃街/掃樓式瘋狂拜訪。

       

      但疫情「禁足」期間,線下拜訪幾乎不可能。另外,傳統的方式獲客線索有限,獲取信息效率較低;陌生人拜訪往往很難一次建立信任,成單概率較低。

       

      AI 能否以「非接觸」的方式,提升銷售人員的效率與成單效果呢?

       

      百煉智能正是以「智能獲客」為目標的一家創業公司。簡單來說,它在明確客戶的需求后,比如找什么樣的企業,依托全網信息進行建模,通過 AI 挖掘銷售線索。

       

      如果該領域企業非常多,達到數十萬家,系統會進一步對線索建模,通過機器學習對線索打分,進而將優質線索推薦給銷售跟進。

       

      這背后的核心技術,一個是自然語言處理(NLP),對文本進行分詞、實體識別、生成文本摘要與提取關鍵詞;另一個是知識圖譜,將互聯網上的人、組織等實體要素關聯起來,從而更好的了解與觸達企業。

       

       

      CEO 馮是聰以某知名日化企業為例談道,客戶希望在傳統商超及電商渠道外,開拓新的 B 端渠道,以此提升銷量。

       

      他們充分利用招投標信息挖掘獲客線索,通過 AI,自動對過去一段時間香皂等日化用品的采購信息進行抽取,并把采購單位、招標金額、時間等都進行梳理,并預測下次可能的購買情況,提前一個月推送給客戶,從而搶占先機,有效觸達。

       

      除了抽取采購單位的信息外,系統還會抽取中標單位信息,并進一步分析。

       

      比如中國移動在某地采購了一批香皂,通過分析中標單位發現,前五名有四名為本土企業,并且其中兩家并不生產香皂。通常中標單位與甲方關系較好,如果他們并不生產香皂,則可以通過更優的產品、更合適的價格,將中標單位發展為新渠道。

       

      馮是聰透露,原來人工一天可梳理 30 條左右的招投標信息,并且沒法做招投標預測,不知道甲方的下一步招標計劃,也判斷不出招投標企業間的合作關系。

       

      而通過 AI,可以監測全網近三年的招投標數據,每天實時更新近千條顧客線索。

       

       

      他近一步以某快消案例談道,AI 在優質線索發現上至少是人工的 20 倍,過去平均 500 個線索成 5 單,轉化率為 1%;現在通過 AI 系統,平均 300 條優質線索成 9~18 單,轉化率為 3%~6%,即提高了 3~6 倍。

       

      他指出,疫情對所有企業都是危機,1~2 月企業的采購基本都會暫停,但 3~4 月原本的需求都會冒出來,在此之前做好準備非常關鍵。

       

      轉化率超3倍是如何做到的?

       

      大量的銷售線索流向企業,往往轉化率不足 5%。疫情期間,如何挖掘「沉睡數據」的價值尤為重要。

       

      目前典型的線索轉化流程是,企業通過各種市場渠道獲取線索名單,然后用外呼機器人進行意向過濾,無意向的用戶會流向「公海」,有意向的用戶則發往銷售線索池,分配給銷售跟進。

       

      此時也有兩種結果,跟進順利成單,未成單則流向「公海」。如果銷售線索不足,企業也會通過一定的策略從公海撈取線索。

       

      但這種方式的問題也很明顯。循環智能 COO 揭發指出,以電商為例,大型電商客戶銷售人員可能數千人,且多半為新人,一方面缺乏經驗,對于高意向線索可能難以判斷,導致轉化率較低。另一方面從公海撈取線索,缺乏對溝通信息做更智能化的探索。

       

       

      在他看來,一個更智能化的線索轉化流程,應該盡早對客戶進行分層,對高意向客戶盡早識別,并由銷售跟進。

       

      在多次跟進中,AI 可基于歷史溝通的錄音、文本,自動提取溝通畫像和溝通記錄,并做實時話術提醒,從而讓跟進更有針對性,提高成單率。

       

      針對非活躍用戶,他不建議用人工跟進,而是基于溝通數據和業務數據,設定一些運營策略,對不同的人群采用不同的方式觸達,比如 APP 推送、短信、電話機器人等,針對一些意向客戶再轉給銷售跟進。

       

      除了流程策略外,揭發談到的一個關鍵是,對用戶「對話數據」充分挖掘,因為它的時效性更強,獲取的用戶信息更完整。

       

      相比較而言,互聯網上使用用戶行為數據居多,比如淘寶的推薦系統,而對話數據受限于技術,比如語音識別、語義理解、意向預測,以及如何與業務形成閉環,在使用上一直面臨挑戰。

       

      揭發以一家壽險客戶為例談道,保險公司通常有龐大的電銷團隊和線索儲備,但很多線索只有通話信息,并且在成單前,很難拿到用戶的畫像和標簽。

       

      此時,如何用 AI 分析出每段對話中的購買意向就尤為重要。

       

      循環智能結合客戶的通話數據(錄音、文本)和業務數據(歷史溝通、成交情況),將對話進行語音轉寫、語義理解,并拆分成上百萬的對話切片;接著把片段跟業務結果進行比對,計算出什么樣的對話跟轉化率最相關,就可以得到一個線索評分模型。

       

      以此為模型,他們對壽險客戶過去一段時間沒有轉化的線索進行打分,并進行價值分層。

       

      最終發現,線索評分越高,轉化率就越高,并且最高意向線索的轉化率是平均轉化率的 3.58 倍。

       

      針對非活躍用戶的激活,揭發以某在線教育客戶為例,將所有溝通數據結構化后,可以建立用戶畫像標簽,比如「南昌+四年級+數學(較差)」,就可以進行個性化的推薦,如果產生意向,再讓銷售跟進。

       

      「這樣對用戶的干擾比較小,也更有針對性」,他指出。

       

      AI 讓創意「千人千面」

       

      還記得阿里在 2017 年發布的智能   設計平臺「魯班」嗎?  
       
      據說當年雙十一它完成了 4 億張海報設計,一秒可做 8000 張,一天就是 4000 萬張。   如果交給人類設計師,在這種需求爆發的節點,效率往往捉襟見肘。  
       
      這只是 AI 參與廣告創意的一環,現在 AI 可以做內容生成、合規管理、動態優化、效果評估、千人千面分發等,正全面參與廣告創意,提升創意生產的效率與效果。  
       
      并且數字時代,個性化尤為重要,創意內容已成為品牌新的增長杠桿。

       

      特贊聯合創始人及首席運營官王喆稱,創意營銷=數據資源。每一種創意都可以被數字化、結構化,由 AI 對歷史數據學習,就可以對創意的結構、元素、idea 等進行復用,讓不同的人看到更個性化的內容。

       

      他結合「特贊腦」和「特贊眼」機器學習引擎舉例道,通過對基礎數據集和行業數據集的學習,機器可以讀懂創意,更好的理解內容與場景的匹配性。

       

       

      比如上面這張圖片,通過圖像識別,機器可以識別出元素、字體、風格、情感、色彩等。通過眾多素材的訓練,機器還可以學習設計風格、排版、元素搭配等,進行創意生產。

       

       

      王喆稱,在雙十一期間,他們幫助聯合利華批量生產了創意內容,實現千人千面的體驗。

       

      要想做到廣告分發的「千面」并不容易。比如近年在線教育競爭尤為激烈,一個暑假往往投數萬條短視頻/宣傳海報,但對于不同地方的學生而言,究竟是對老師感興趣,還是對場景更感興趣,可以用 AI 進行測試,從而把用戶、城市和內容做很好的匹配,并根據實際情況進行動態優化。

       

      此外,數萬條視頻的生產對人可謂是一項繁重的勞動。AI 可以學習歷史中的優秀內容,進行再創造;也可以對數以萬計的廣告內容,進行合規審核,從而提升效率。

       

      王喆也談道,目前廣告行業的千人千面還處于早期,「千人」的數據已比較成熟,但「千面」的能力,因為內容生產跟不上,還比較薄弱。

       

      而 AI 的實時生產與優化,能夠進一步提升創意的「千面」性。

       

      「秒變千篇」寫內容

       

      除了創意生成外,越來越多的內容可以被 AI 生成。生成技術,尤其是多模態生成也是近年研究的熱點。

       

      比如騰訊、今日頭條等都推出了寫作機器人,搜狗和新華社推出了 AI 虛擬主播,影譜科技用 AI 進行后期廣告生成等。

       

       

      具體到內容營銷上,目前主要有三大陣地:SEO(搜索引擎優化)、社交媒體、新聞/資訊傳播,AI 正給內容營銷帶來全面變革。

       

      美國在 AI+內容營銷上已有不錯的進展,妙筆智能創始人周登平介紹了幾家典型公司:

       

      1.Text Optimization:它利用 AI 文本挖掘技術進行 SEO 優化,輸入網站 URL,它就會給網站的 SEO 評分,根據詞的拓展規則,會給出 SEO 的優化策略。

       

      2.Atomic Reach:利用 AI 文本編輯優化營銷內容,使其更具個性化和針對性。當你把想要傳播的內容、目標人群輸入進去,它就會生成一些個性化內容,目前已有上千萬用戶,不過并沒有中文優化。

       

      3.Lumen 5:利用 NLP(自然語言處理)和視覺分析技術將文本生成視頻,并自動添加 CTA(call to action)按鈕,增加轉化率。

       

      這些方向也是妙筆智能探索的重點,它主要提供中文內容的撰寫、改寫、發布服務,基于文本自動生成視頻也是其一大亮點。

       

      具體來說,妙筆主要提供汽車和娛樂等領域的內容自動撰寫。AI 在學習上千萬篇新聞的文法后,當你選擇稿件的行業、類型、品牌等,系統會推薦相關模板,點擊模板即可自動撰寫。

       

       

      當你寫完一篇原創內容后,AI 可借助復述引擎,改寫為多篇文章,實現「秒變千篇」,從而快速在不同渠道分發。

       

      周登平稱,妙筆 AI 目前已在社交媒體、資訊平臺上發布了幾十萬篇娛樂新聞,在易車平臺發布了幾萬支汽車視頻。

       

      但他也坦言,AI 寫稿在質量上可能不如人工,相比人不會超過 70 分,但優勢在于快速大量生產。

       

      比如在娛樂新聞中,AI 可以分鐘級響應,2 分鐘產出 10 篇文章,基本比人工快半小時以上,并成為前期主要的消息來源,閱讀量往往很高。

       

      尤其是疫情當下,節約成本成為大多數企業面臨的課題。周登平稱,企業找供應商寫稿,一篇要 800~1000 元,而 AI 寫一篇大概 200~300 元,如果改寫成本更低。

       

      針對疫情期間企業的生存問題,雷軍認為,對于多數企業要嚴格控制成本,這件事的本質是提高效率,而穿越經濟周期必需的是企業持續創新的能力。

       

      提高效率,節省成本,推動創新,AI 營銷正當時。


      點擊下方鏈接,即可觀看以上 4 期分享的回顧視頻。

      https://space.bilibili.com/73414544/?share_source=copy_link&share_medium=iphone&bbid=Z74B4E7A20A8AD6B406DA315C3B9F4B4977D&ts=1584358478


       

      特別聲明:

      文章來源:機器之心

      作者:寓揚

      原文鏈接:https://mp.weixin.qq.com/s/wyMPtU_PxOpNyYmIttqmqg

      RPA中國推薦閱讀,轉載此文是出于傳遞更多信息之目的。如有來源標注錯誤或侵權,請聯系更正或刪除,謝謝。

       

      未經允許不得轉載:RPA中國 | RPA全球生態 | 數字化勞動力 | RPA新聞 | 推動中國RPA生態發展 | 流 > 疫情下AI獲客正當時:銷售轉化率超3倍,寫內容「秒變千篇」

      后臺-系統設置-擴展變量-手機廣告位-內容正文底部
      主站蜘蛛池模板: 开封县| 岳普湖县| 城固县| 平乐县| 葫芦岛市| 岐山县| 铅山县| 昆明市| 绥阳县| 宜兰县| 岳池县| 田林县| 芷江| 桃园县| 左贡县| 郴州市| 舒城县| 政和县| 呼伦贝尔市| 大悟县| 龙口市| 灵丘县| 江孜县| 临桂县| 连平县| 博湖县| 恩平市| 乌拉特前旗| 梅河口市| 阿拉尔市| 卢氏县| 甘洛县| 达尔| 交口县| 修水县| 屯昌县| 安岳县| 永平县| 桑日县| 牟定县| 汉源县|