编辑导语：行为事件分析是一种常见的互联网数据分析方法，有效的分析可以帮助团队洞察用户需求与用户特征，进而制定更合理的销售分发或运营策略。本篇文章里，作者总结了对销售对话数据进行行为事件分析的“五步法”，一起来看一下。

人们最熟悉通过具体的行为来分析事件背后的逻辑，例如发现谁在什么时间什么地点干了什么事，从而得出某个结论。无论是用户旅程地图，还是服务设计中的触点分析，以及更为宏观的4W1H模型，都是将行为事件按时间或流程等维度进行拆解并进行分析。

而在互联网领域中，行为事件分析是一种常见的的数据分析方法，主要指收集用户在使用产品时发生的一系列互动行为信息，并分析不同的互动行为对产品甚至企业价值的影响。

通常互联网产品会采用埋点的方式了解用户在哪些节点做了哪些操作（如注册、浏览、沟通、付款等行为），并挖掘用户行为背后的原因和模式，从而优化产品体验、洞察用户特征、制定运营策略。

而在销售场景中，沟通是至关重要的一部分，客户通过沟通传达自身需求，获取产品信息。销售则通过沟通传达产品价值，促进成交。因此沟通内容是一个非常重要的互动数据来源。

传统的行为分析方式往往是将行为的时间、频率、数量等特征作为统计分析指标，行为本身包含的丰富信息却被丢失了，例如某个用户在社区中非常活跃，如果只通过发送消息这一行为来判断，这个用户可能算是一个高价值用户，但这个用户可能只是经常在社区发广告，严重破坏了社区氛围。

如果我们对沟通行为中，带有特定倾向和目的的沟通内容进行统计分析，我们会发现传统事件分析是无法对内容进行统计分析的，但客户往往会沟通内容中传达自己的喜好、倾向、痛点，销售也会在沟通过程体现出自己的销售能力和技巧。这些信息对精准分析客户需求、绘制用户画像、制定针对性的销售培训策略来说非常有价值。

一、分析销售对话数据面临的问题？

但是当我们拿到海量客户和销售之间的对话数据时，该怎么办？我们该如何对海量对话数据中的沟通行为进行识别、跟踪、统计和分析呢？

例如一家做教育课程在线销售的公司，共有两百名销售，平均每人每天会拨打30通左右的销售通话，发送上百条企业微信聊天信息。面对这么多海量的沟通数据，销售主管们肯定非常想知道：有多少客户非常关注价格？成单的客户都会提哪些问题？不同销售阶段的客户异议是什么等和沟通内容相关的问题。

这些都是非常有价值的信息，我们如何做才能从沟通内容出发，结合行为事件分析的思路回答上述问题呢？

二、如何对销售沟通进行行为事件分析？

结合销售场景下的沟通对话特点，我们发现最基础的分析流程是：确定样本特征、确定分析单元、制定类目系统、内容识别和统计、形成业务洞察。

1. 确定样本特征

在不同的销售场景，对话特征会存在很大的差异，需要采用不同的分析维度和方法。

• 从销售特征的角度来看：B2C和B2B的销售沟通在沟通时长、间隔频次、内容特征等存在较大的差异。
• 从沟通形式的角度来看：连贯性较强的实时语音沟通与碎片化的在线文本沟通在数据格式、互动节奏等方面存在较大的差异。

分析实时语音沟通时，双方沟通相对连贯，可以从话题时长、轮次等维度进行分析。而分析在线文本沟通内容时，由于沟通间隔时间较长，更侧重于分析话题内容。

2. 确定分析单元

分析单元相当于行为事件分析中的事件定义，简单来说从哪些维度分析对话数据。

分析单位可以是关键词、一串意义连贯的词组、句子或段落。而从对话特征来看，轮次、时长、情绪也可以作为分析单元。

对于销售场景来说，很多体系化的销售流程都是由环环相扣的话术点所组成的。每个话术点可能由几个有意义的词语组成，例如“价格、多少钱”等，也有可能整个沟通都是在围绕着某个话术点开展的。

例如FAB中的F（产品特征）可能就需要销售花费十几分钟讲述。

3. 制定类目系统

制定类目系统，即确定分析单元的归类标准，这里分类分为两个层次，

1. 根据业务特点确定一个销售话术主要包含哪些话题，有助于后续的统计分析。
2. 每个话题究竟包含哪些分析单元，从而让算法能够准确识别特定话题。

1）关键话题分类

分类标准的设置往往取决于具体的业务场景和诉求，例如针对销售SOP检测，通常会根据销售阶段执行不同的销售流程，每个销售流程又包含多个话题，例如开场白、建立信任、需求挖掘、产品介绍等。其中需求挖掘这个话题可能包括多个关键词组合或句子。

2）确定具体内容

当我们明确了话题框架，那么每个话题具体包含哪些内容呢？例如需求挖掘可能就包含多种提问方式，那我们怎么知道哪些问题属于需求挖掘，哪些只是简单询问呢？

再比如在识别客户意向度时，高意向的客户往往会询问价格、产品、优惠等信息，但是不同客户询问价格的方式多种多样，如何知道客户是在询问价格呢？这就需要结合实际的销售经验对所有可能的回答进行列举。

4. 内容识别和统计

当我们设定好每个话题包含哪些具体的内容后，就需要通过算法对内容进行识别和检测。

从技术手段来看，不同的分析单元采用的算法也不同。例如关键词、关键词组合、相似句子、话题背后采用技术手段、使用难度和效果都有差异，在实际应用中往往会多种技术手段组合使用。

当算法识别出每通对话中：“谁在什么时间点说了什么话题”时，我们就能对海量沟通数据进行内容统计。不仅能够结合前期设定的类目系统进行条件筛选，还能下钻到具体某个通话中进行详细分析。

5. 形成业务洞察

结合沟通内容识别和统计结果，我们可以根据实际的业务需求设定筛选条件，配置出沟通内容追踪点，挖掘出蕴藏在对话数据中的巨大价值，为销售组织回答关于销售管理、销售绩效、市场洞察等各类问题。

作者：李丹阳，摹因智能产品设计师，东华大学交互设计方向硕士，工业设计和工商管理双学士。

本文由 @李丹阳 原创发布于人人都是产品经理，未经作者许可，禁止转载。

题图来自Unsplash，基于CC0协议