網絡營銷的人性化體驗

美國史上最偉大的人壽保險經紀人本.菲爾德曼曾經說過：“銷售就是 98%對人性的理解加上2%的產品知識?！边@句名言被人稱為“菲爾德曼法則”。然而，這個觀點在電子商務世界里似乎并不適用，因為在虛擬世界里，推崇的是將一切盡可能地標準化、自動化，而任何人性化的接觸點都被盡量減少、避免和消除。

　　為了實現這一目標，許多網上的零售商都全力以赴地收集大量關于客戶的行為模式以及購買習慣的信息，努力將其轉化為顯性知識。但事實證明，那不過是些生澀的數字和統計結果而已。

　　一個令人無法忽視的現實是，即使是那些最成功的、技術上最優越的網絡零售商，也不過僅僅能將網站的1%-3%訪問用戶轉化為真正的購買者。這個現實背后的原因，恰恰是因為基于網絡的在線銷售仍然是一種非常生硬的模式。

　　關鍵時刻

　　那么，我們是否可以將“菲爾德曼法則”運用到網絡上，利用技術上的特性，將人性化的接觸恰到好處地引入與客戶互動的關鍵時刻中，把電子商務變成一個更有效的銷售渠道呢？而這樣做的價值又體現在何處？

　　24/7 Customer是一家位于美國加州坎貝爾城提供業務流程外包服務的公司，它擁有像美國非常受歡迎的信用卡服務機構Capital One、軟件巨頭Adobe等各類不同的客戶。根據24/7 Customer的數據顯示，如果將人性化的接觸用這種方法帶入到網絡銷售中，能夠提高在線客戶交流率15%以上。為了實現這一點，24/7 Customer公司開發了一套名為SalesNext(“下一步銷售”)的預測軟件系統，這個系統能夠識別出在線訪問用戶的類型，將他們分成“熱門線索”(即那些具有強烈購買意愿的潛在客戶)和“冷門線索”(即那些純粹是上來閑逛的訪問用戶)，然后系統再根據這樣的分類挑選出那些最有潛力的用戶進行個性化的在線對話，以促使他們完成最后的交易。這樣的過程就好比是把一個百思買的優秀的售貨員所具有的判斷力和對時機的把握直接轉移到線上的程序中。

　　在任何一個銷售渠道中，從總的客戶流量里將那些純粹閑逛的訪問客戶從真正的消費者中間分離出來，就像是經過漏斗濾出的液體一樣。在一個現實中的大賣場里，營銷位于這個漏斗的最上端，是難以精準定位的，因為公司不太可能對進入商場的客戶總量進行控制。而決定銷售結果的力量則來自漏斗的底部，也就是說，是那些經驗豐富的銷售員將來到商場的訪問者變成了購買者。

　　然而，在一個典型電子商務環境下的漏斗中，決定性的力量則來自最上端。一個領先的網絡營銷技術，能夠基于客戶之前的網上行為模式以及其他的歷史性數據分析，將最適合他們過去偏好記錄的產品推到用戶面前。但是，在這個漏斗的最底部會細到一個水滴——每一個獨立的瀏覽客戶。然而因為大多數網站提供的都是一種一成不變的客戶體驗，最多包括了一個對話的功能，而它所依據的對話模板非常生硬，對任何類型的客戶，擺出的都是同樣的一副面孔，這使得希望僅僅通過對話就將這些訪問者變成購買者變得更加困難。

　　問題就在于，如何才能將那些磨磨唧唧、“只看不買”的客戶與那些“熱門線索”的高潛力客戶區別開，并將后者引入到一個可以提供個性化體驗的對話中，從而驅動他們的購買行為？如果能實現這一點，那么網絡零售商也就等于開啟了這個漏斗底部的效應。

　　客戶價值評估

　　許多在線零售商都為客戶提供一種即時的人工對話功能，但是24/7 Customer公司的方法的獨到之處卻是，它能夠只為意在購買的訪問用戶(即“熱門線索”代表的客戶)提供對話功能。也就是當一個客戶在經歷了系統中一系列的篩選和過濾后，才被邀請到一個對話的過程中，確保最終進入這個流程的客戶都是經過系統預測的，更傾向于那些在進行對話而不是接受自助服務后會產生購買行為的消費者。

　　畢竟，不必要的調撥資源投入到那些更低成本的自動化渠道中毫無意義。因此，要在網絡銷售中引入人性化的元素，關鍵就在于引入的方式以及引入的程度。這就要系統能夠具備一些類似人類思維的“悟性”。

　　當一個用戶瀏覽一個網站時，他的價值會經過一系列標準的評估，包括他是如何得知并訪問這個站點的，他是否曾經瀏覽或在網站上購買過東西，上網的時間和日期、所在的地理位置以及瀏覽的產品種類信息等等。同時，用戶在網站上的瀏覽軌跡也非常重要。如果這個客戶直接就訪問到某款數碼相機的具體分類頁面上，那么就不太可能通過與其進行對話來撼動他的意志，影響他的購買決定。但如果這個客戶好像是在三種不同的產品中搖擺不定，那么這時候實時地為其提供一個可以對話咨詢的客戶服務，就能夠幫助他盡快拿定主意。

　　因此，在這一階段的目標就是盡可能地將最相關的產品與最感興趣的用戶匹配起來。“規則引擎”的程序是一個用以識別出最具潛在價值客戶的分析流程。盡管在網絡世界里，虛擬身份弱化了客戶特征，但仍然可以從一些現實的視角去尋找隱含客戶信息的蛛絲馬跡。

例如，同樣是在瀏覽昂貴珠寶的客戶，如果他們的IP地址是來自富豪云集的比弗利山而非其他一些經濟欠發達的地區，就更可能產生購買行為?？墒牵瑯又匾氖?，這個程序的辨識能力是基于過去的交易。因為隨著時光流逝，這樣的境況會發生變化，評價機制則需要能夠顯示出這樣的變化，例如，來自底特律高檔住宅區伯明翰的客戶現在在購買昂貴物品時就沒有過去那么爽快了，特別是比起波士頓郊外的一些新興住宅區來。

　　當一個用戶被識別為一個“熱門線索”后，另外一個過濾機制就開始啟動，以決定是否邀請他來參加到對話中，也就是說，網上購物平臺中會內置一個分析程序用以判斷。對于一個客戶來說，對話功能是否是能夠說服他進行購買行為的唯一方式。

　　就類似于在西爾斯賣場里大型電器部的銷售顧問，他們憑借長期的經驗所磨練出來的直覺，在心里默默地對來往的客流進行掃描，總能適時地選擇那些看起來有著明確購物目的的客戶進行接洽介紹。

　　簡單說來，決定邀請哪些客戶進入到一個對話流程中來不過是個簡單的時間次序問題。但問題是，賣場有足夠的客戶代表來應付所有的對話嗎？當然，零售商可以通過雇用更多的客戶代表，以盡可能地為更多的客戶提供人工咨詢服務。但反過來這也意味著，公司其實不過是無的放矢，接觸了更多的冷線索，而線索越冷，也就是意味著潛在貢獻的利潤率越低。所以，這樣做不過是將資源浪費在那些最終不太可能購買任何產品的用戶上，無益于增加企業價值。

　　而在戰略性的層面來說，系統程序必須能夠確定出產生最大利潤率的客戶代表數量。更進一步的統計建模就需要為每個客戶挑選到合適的客戶代表，可能會依賴一些標準，諸如某一品類的客戶代表的最佳業績，這樣的衡量可以避免一些隱含不合理的平均，就好比再優秀的二手車的銷售經紀人也不太可能在一個家蒂梵尼店里取得同樣的業績。
制勝細節

　　現在，正式開始對話了。

　　在這個階段目標非常簡單，即如何把銷售的藝術轉化為科學。當西爾斯的職員接近一個潛在客戶時，他必須憑借一些視覺或言語上的線索，依賴于過去的經驗來做出一系列的即時判斷：這個客戶是否是關注細節的，或者他喜歡更柔性的接觸？我的推銷方式太直接，他是不是已經開始有抵觸情緒了？如果這個客戶好像已經變得失去興趣了，現在是否是為他提供折扣的時機了？等等。

　　在24/7的網上客戶對話規劃表上，也許無法呈現出一個經驗豐富的銷售員在與客戶進行面對面的交談中，通過察言觀色所感知到的每一個細微的差別。但是，它通過對成千上萬的對話記錄進行分析，細致地對文字和數據進行開掘，把握字里行間所包含的信息，以求盡可能地將人工客服代表所運用的銷售技巧變成自動化的語言。

　　例如，對文字信息的處理和挖掘，總結出了銷售人員應該如何與客戶對話從而獲得最佳效果的一些經驗。這些洞察的結果建立在廣泛的神經語言學研發的基礎上。根據神經語言學的理論，由于人類感知世界的方式不同，可以被分為三種類型：聽覺型、視覺型以及肌肉運動知覺型。

　　按這樣的分類，接下來就可以制定出有效的溝通戰略，以說服消費者產生購買行為。例如，聽覺型的消費者，會傾向于吸收產品的細節信息，因此一個有效的銷售策略可能是，“讓我給您介紹一下這臺相機的像素和一些突出的功能吧”。而視覺型的消費者需要關于產品外觀的信息。因此，銷售人員可以說，“這款相機的外殼有三種非常閃亮的顏色，而且體積很小，特別適合放在襯衣口袋里”。而對于那些肌肉運動知覺型的客戶，將會使用那些觸動情感的言語(廣告)，例如，“您會非常喜歡這個相機握在手里的平衡感，這讓您能夠完美地記錄孩子畢業典禮上每一個令人感動的瞬間”。

　　Adobe公司2007年7月開始啟用了這樣帶有智能的網上對話系統，從那時起，這個公司在那些進行對話的客戶中就獲得了15%的銷售增長。而且那些使用了在線對話功能的客戶，其滿意度明顯比沒有使用在線對話或是使用電話服務的客戶要高。這樣的軟件系統真正地激活了“關鍵時刻”，就是當消費者遇到問題的時候恰到好處地出現在那里?？蛻魺o須再去搜索問題的答案或是為了等候接通客服熱線而排隊。這代表了在未來的網絡零售中，與客戶溝通的模式將有一個嶄新的開始，因為它將技術與人性化的元素用一種強大的方式聯系在一起。

　　一個運行良好的銷售對話系統，是由預測性的數學模型驅動的，能夠顯著提升網上零售商的利潤率和客戶忠誠度，同時削減成本。當然，這樣的解決方案并不是一個一成不變的流程。就好比西爾斯百貨的一樓里精明的導購員，他能夠學會從每一個進入店里的客戶身上發現一些端倪，日積月累，與客戶對話的能力也變得越來越高明。一個銷售中對話的真正力量，在于學會判斷什么時候有效，什么時候沒用，隨著預測性的數據和文字開掘技術的升級，還能不斷地更新系統中的過濾機制和銷售技巧，真正將現實中優秀的銷售員們察言觀色的能力移植到網絡上，從<